不同可視范圍對田間導航線提取的影響研究

馬秋宇 徐 徹

（廣西科技師范學院職業技術教育學院，廣西 來賓 545004）

目前，基于機器視覺的田間導航線提取算法的研究有很多，田間導航線的提取精度受到多方面因素的影響，特征點的選取是關鍵，不同特征點的選擇，會直接影響導航線的提取精度， 孟慶寬等2013 年提出一種基于線性相關系數約束的作物行中心線檢測方法，該方法將物行中心點作為特征點實現作物行中心線提取[1]，姜國權等2017 年提出基于圖像特征點粒子群聚類算法的麥田作物行檢測，該算法的特征點為小麥行左右邊緣的中點[2]。環境也是影響導航線提取精度的主要因素，包括光照情況，土壤干濕情況，圖像分割因子的選取，環境因素主要影響作物行圖像分割效果進而影響導航線的提取[3-4]。導航線的擬合方法有很多，何潔等2014 年提出了一種將邊緣檢測和掃描濾波相結合的基準線提取方法[5]，刁智華等2015 年提出一種通過提取作物行骨架，擬合作物行直線的導航線提取算法[6]，馬志艷等2017 年以茶作物為對象， 提出了一種基于視覺的作物行間行走路徑規劃方法，對于壟間，利用漫水填充算法分離出壟溝，通過最小二乘法擬合導航線[7]。田間導航線的提取主要是基于獲取的田間圖像，因此田間圖像的獲取范圍也會影響導航線的提取精度，本文研究了不同可視范圍對導航線提取的影響。

1 獲取田間圖像

田間圖像的獲取受各種環境因素的影響較大，因此本文在同一時間利用4 個攝像頭同時獲取同一種作物的不同可視范圍。 本文選取了兩種作物，如圖是其中一種作物，利用4 個攝像頭同時拍攝不同高度下的作物圖像，首先固定攝像頭高度，然后將每個攝像頭改變4 次不同可視范圍，獲得每個攝像頭的4 個可視范圍圖像，如圖1 為同一攝像頭高度下拍攝的不同可視范圍的作物圖像。

2 最小二乘法擬合田間導航線

圖1 不同可視范圍作物行圖像

圖2 導航線擬合結果

對每個攝像頭采集到的4 幅作物行圖像進行導航線擬合，根據作物行特點，本文選擇綠色像素中點作為特征點，利用最小二乘法對不同可視范圍的作物行圖像進行導航線的擬合。圖2 中黑色線所在的位置為導航線的擬合結果，圖（a）中的黑色線是可視范圍為70 cm 的導航線擬合結果，圖（b） 中的黑色線是可視范圍為95 cm 的導航線擬合結果，圖（c） 中的黑色線是可視范圍為135 cm 的導航線擬合結果， 圖（d）中的黑色線是可視范圍為170 cm 的導航線擬合結果。 從導航線擬合結果可以看出，可視范圍一定是影響導航線提取的因素。選擇合適的可視范圍會在一定程度上提高導航線提取的精度。

表1 實驗結果

3 實驗結果與討論

本文選取兩種作物共16 幅不同可視范圍的田間圖像進行導航線擬合，對擬合的導航線位置和實際導航線位置進行誤差對比。 實驗結果如表1 所示。 從表1 中可以看出，隨著可視范圍的逐漸增加，擬合導航線與實際導航線的偏差位移逐漸變小，但是攝像頭高度的變化也會影響導航線的擬合效果，結果表明：攝像頭高度在102 cm-136 cm 之間， 可視范圍在105 cm-220 cm 范圍內，導航線的提取效果較為理論，平均偏差位移為36 個像素。

4 結論

為了避免受到其他環境因素的影響，本文通過固定不同高度下的攝像頭，然后同時獲取作物的4 幅不同可視范圍的圖像，最后通過最小二乘法擬合田間導航線，通過導航線擬合結果表明，攝像頭高度一定的情況下，不同可視范圍會一定程度影響導航線的擬合結果，這為后續田間導航線擬合精度的提高提供了理論基礎。