农业机械学报

作者：张彦斐，封子晗，张嘉恒，宫金良，兰玉彬

单位：山东理工大学,山东理工大学,山东理工大学,山东理工大学,山东理工大学,

关键词：农业机器人;非结构化道路识别;机器视觉;特征融合;三次样条插值法

基金：山东省引进顶尖人才“一事一议”专项经费项目（鲁政办字[2018]27号）、山东省重点研发计划（重大科技创新工程）项目（2020CXGC010804）、山东省自然科学基金项目（ZR2021MC026）和淄博市重点研发计划（校城融合类）生态无人农场研究院项目（2019ZBXC200）

针对果园道路无明显边界且道路边缘存在阴影、土壤和沙石干扰等问题，提出一种基于特征融合的果园非结构化道路识别方法。通过相机标定获取畸变参数对采集到的图像进行畸变矫正，并提出一种基于滤波与梯度统计相结合的动态感兴趣区域（ROI）提取方法对HSV颜色空间S分量进行ROI选取，采用最大值法将颜色特征与S分量多方向纹理特征掩膜相融合并进行二值化与降噪处理。根据道路边缘突变特征寻找特征点，并提出一种基于距离与位置双重约束的两级伪特征点剔除方法。为更好贴合非结构化道路不规则边缘，引入分段三次样条插值法拟合道路边缘，以此实现道路识别。试验结果表明，在晴天、阴天、顺光、逆光、冬季晴天和雨雪天气6种工况条件下，S分量、纹理图像和融合图像的平均纵向偏差均值分别为2.43、39.71、1.36像素，平均偏差率均值分别为0.99%、18.02%和0.54%，相较于S分量与纹理图像而言，使用本文方法构建的融合图像其平均纵向偏差与平均偏差率均得到有效减少。最小二乘法、随机采样一致性法（RANSAC）与分段三次样条插值法拟合边缘的平均偏差均值分别为2.64、3.16、0.66像素，平均偏差率均值分别为1.02%、1.21%和0.26%，偏差率平均标准差分别为0.23%、0.31%与0.09%，其中分段三次样条插值法的平均偏差均值、平均偏差率均值与偏差率平均标准差均最小，表明本文拟合方法其拟合精度更高且具有更好的稳定性。6种工况条件下，本文算法单帧图像平均处理时间为89.9ms，满足农业机器人作业过程中的实时性要求。本文方法可为农业机器人进行果园复杂环境非结构化道路识别提供参考。

来源：2023年第7期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2023年第7期