專利名稱：基于雙目視覺網(wǎng)格劃分匹配算法的農(nóng)作物噴霧定位方法
技術(shù)領(lǐng)域：
本發(fā)明屬于農(nóng)作物施藥技術(shù)領(lǐng)域，尤其涉及一種基于雙目視覺網(wǎng)格劃分匹配算法的農(nóng)作物噴霧定位方法。
背景技術(shù)：
在農(nóng)業(yè)生產(chǎn)過程中，為防治病蟲害，往往需要經(jīng)過多次農(nóng)藥噴灑。而施藥的過程會(huì)對(duì)環(huán)境和操作人員的健康造成一定的危害，特別是在溫室條件下，空間相對(duì)封閉，施藥次數(shù)多，因此危害更為明顯。通過研制自動(dòng)化精準(zhǔn)施藥系統(tǒng)，可將藥液直接噴灑到作物表面，避免藥液浪費(fèi)，提高藥液使用效率、減少環(huán)境污染、保障勞動(dòng)者健康、減輕勞動(dòng)強(qiáng)度。研制自動(dòng)化施藥系統(tǒng)有著重要的現(xiàn)實(shí)意義和社會(huì)價(jià)值。 在自動(dòng)化施藥系統(tǒng)中，目前主要存在的問題有I、噴藥定位不夠準(zhǔn)確，藥液浪費(fèi)嚴(yán)重。根據(jù)2010年國際植保機(jī)械與施藥技術(shù)學(xué)術(shù)會(huì)議資料顯示我國農(nóng)藥平均利用率極低，只有20%左右。大部分的農(nóng)藥都沒有得到充分有效的利用，究其根源一方面在于施藥方法和手段不夠科學(xué)合理，另外在農(nóng)藥的使用上多采用粗放式噴藥，缺乏精準(zhǔn)施藥的技術(shù)與條件。2、農(nóng)藥噴灑不夠均勻，作物表面藥液殘留超標(biāo)，尤其在溫室中生產(chǎn)的作物更為明顯。藥液噴灑時(shí)的霧化效果和噴霧作業(yè)方式對(duì)噴霧的均勻性有著很大的影響。資料顯示，采用靜電噴霧可以形成微小的霧滴顆粒，并具有良好的附著性，有利于減少重噴和漏噴，提高噴霧的均勻性。采用防漂移等技術(shù)也可一定程度上改善噴霧效果，但從根本上講噴霧定位的準(zhǔn)確性直接會(huì)影響到噴霧質(zhì)量。3、噴霧農(nóng)機(jī)具的使用適應(yīng)性有限。例如國外在果樹園中使用的噴霧機(jī)，采用超生波噴霧定位，這種方式要求果樹以特定的距離和排列方式栽培，只要在超聲波檢測(cè)范圍內(nèi)存在物體，就會(huì)進(jìn)行噴霧。噴霧時(shí)不論作物形態(tài)如何，都以同樣方式工作。因此，當(dāng)環(huán)境和作物發(fā)生變化后就很難有效工作。4、用于自動(dòng)化精準(zhǔn)噴霧的機(jī)器人定位檢測(cè)效果不夠理想，實(shí)時(shí)性較差。例如，運(yùn)用視覺檢測(cè)技術(shù)對(duì)特定病蟲害區(qū)域進(jìn)行噴霧的機(jī)器人，其定位檢測(cè)的算法上，往往較為復(fù)雜，需要一定的計(jì)算時(shí)間。同時(shí)，對(duì)需要施藥的目標(biāo)作物檢測(cè)也存在一定的錯(cuò)誤率。5、對(duì)農(nóng)作物噴霧施藥基本使用的都屬于二維定位系統(tǒng)。在工作過程中，一般都是先通過特定的傳感器或攝像頭先檢測(cè)并獲取噴霧對(duì)象的二維信息，將噴頭移動(dòng)到指定位置或?qū)Χ鄠€(gè)噴頭的開閉進(jìn)行控制，而噴頭與目標(biāo)作物的距離往往都是事先設(shè)定好的，工作過程中并不調(diào)整。因此，當(dāng)作物形態(tài)、大小存在一定差異時(shí)，就會(huì)造成不同的噴霧效果。6、農(nóng)藥噴灑自動(dòng)化系統(tǒng)的性價(jià)比同樣是制約其廣泛應(yīng)用的一個(gè)問題。但是，隨著設(shè)施農(nóng)業(yè)數(shù)量和技術(shù)的不斷發(fā)展，同時(shí)與老齡化社會(huì)到來相伴隨的勞動(dòng)力成本不斷上升，自動(dòng)化噴霧作業(yè)將有著廣闊的應(yīng)用前景。綜上所述，當(dāng)前最重要的問題是解決噴霧目標(biāo)的識(shí)別和定位問題，開發(fā)一種具有良好適應(yīng)性、定位準(zhǔn)確、實(shí)時(shí)性好、性價(jià)比高的噴霧定位系統(tǒng)。
目前，對(duì)于物體空間三維信息獲取的方法主要有激光、超聲波、雷達(dá)、紅外和雙目視覺等。前四者工作時(shí)通常是以通過反射波時(shí)間或相位差來計(jì)算距離信息，雙目視覺主要通過三角測(cè)距原理，通過左右圖像匹配來實(shí)現(xiàn)定位信息獲取。雙目視覺定位系統(tǒng)的優(yōu)點(diǎn)在于，適用范圍廣泛，可通過一定的算法配合直接實(shí)現(xiàn)對(duì)目標(biāo)的識(shí)別和定位；其缺點(diǎn)是識(shí)別與定位算法往往較為復(fù)雜，實(shí)時(shí)性和魯棒性較差，特別是對(duì)物體形態(tài)不規(guī)則、環(huán)境復(fù)雜、光照條件差的場(chǎng)合更加難以檢測(cè)。此外，采用多傳感器融合技術(shù)，將視覺與激光、紅外、超聲波等信息結(jié)合的定位方式可在一定程度上提高定位精度及定位可靠性。本發(fā)明所提出的噴霧定位方式屬于視覺定位范疇,采雙目視覺定位系統(tǒng)對(duì)目標(biāo)農(nóng)作物進(jìn)行位置檢測(cè)。目前使用雙目視覺定位的技術(shù)方法中，如何快速、穩(wěn)定、準(zhǔn)確、可靠的識(shí)別判斷目標(biāo)并確定目標(biāo)位置輪廓信息是急需要解決的主要問題。

發(fā)明內(nèi)容
本發(fā)明的目的在于，提供一種基于雙目視覺網(wǎng)格劃分匹配算法的農(nóng)作物噴霧定位方法，用于快速準(zhǔn)確地計(jì)算目標(biāo)作物的位置信息，并根據(jù)目標(biāo)作物的位置信息，規(guī)劃噴頭運(yùn)行路徑以使噴頭按照合理的噴霧距離和角度進(jìn)行噴霧。為實(shí)現(xiàn)上述目的，本發(fā)明提供的技術(shù)方案是，一種基于雙目視覺網(wǎng)格劃分匹配算法的農(nóng)作物噴霧定位方法，其特征是所述方法包括步驟I :利用雙攝像頭標(biāo)定目標(biāo)作物并獲取目標(biāo)作物的圖像；所述雙攝像頭分別記為左攝像頭和右攝像頭；步驟2 :分別將左攝像頭獲取的目標(biāo)作物的圖像和右攝像頭獲取的目標(biāo)作物的圖像從背景中分離出來，得到左攝像頭目標(biāo)作物的二值圖像和右攝像頭目標(biāo)作物的二值圖像；步驟3 :分別對(duì)左攝像頭獲取的目標(biāo)作物的二值圖像和右攝像頭獲取的目標(biāo)作物的二值圖像進(jìn)行網(wǎng)格劃分，得到左側(cè)網(wǎng)格區(qū)域和右側(cè)網(wǎng)各區(qū)域；步驟4 :對(duì)左側(cè)網(wǎng)格區(qū)域中的每個(gè)點(diǎn)，在右側(cè)網(wǎng)格區(qū)域中進(jìn)行匹配搜索，得到相互匹配的點(diǎn)，形成匹配點(diǎn)對(duì)；步驟5 由各匹配點(diǎn)對(duì)計(jì)算左右圖像視差并求取所述匹配點(diǎn)對(duì)對(duì)應(yīng)的目標(biāo)作物的點(diǎn)的三維坐標(biāo)；步驟6 :分析目標(biāo)作物的點(diǎn)的三維坐標(biāo)，刪除錯(cuò)誤點(diǎn)；步驟7 :對(duì)目標(biāo)作物的點(diǎn)進(jìn)行擬合處理，得到擬合曲線或曲面；步驟8 :根據(jù)擬合曲線或曲面規(guī)劃噴頭路徑。所述將左/右攝像頭獲取的目標(biāo)作物的圖像從背景中分離出來，得到左/右攝像頭目標(biāo)作物的二值圖像包括步驟101 :在HSI顏色空間中，利用固定閾值分割法獲取目標(biāo)作物的初步分割圖像；步驟102 :利用超綠算法獲取目標(biāo)作物的灰度圖像；步驟103 :對(duì)目標(biāo)作物的灰度圖像進(jìn)行直方圖統(tǒng)計(jì)，得到目標(biāo)作物的直方圖；步驟104 :利用近鄰多點(diǎn)平均法對(duì)目標(biāo)作物的直方圖進(jìn)行平滑處理；步驟105 :搜索經(jīng)過平滑處理的目標(biāo)作物的直方圖的峰值并計(jì)算峰值左右兩側(cè)的波谷位置，從而得到目標(biāo)作物的二值圖像。所述步驟4包括步驟201 :初始化參數(shù),令j = I, wj = I, Min = 10000 ;其中，j為右側(cè)網(wǎng)格區(qū)域
中的點(diǎn)的縱坐標(biāo)，wj 用于記錄匹配成功的右側(cè)網(wǎng)格區(qū)域中的點(diǎn)的縱坐標(biāo)，Min用于記錄左側(cè)網(wǎng)格和右側(cè)網(wǎng)格的修正的絕對(duì)差之和的最小值；步驟202 :選取左側(cè)網(wǎng)格區(qū)域中的點(diǎn)(u，i)，將其所處的左側(cè)網(wǎng)格記為p并計(jì)算左側(cè)網(wǎng)格P的灰度均值Mi和方差Ei (u，i)；步驟203 :選取右側(cè)網(wǎng)格區(qū)域中的點(diǎn)(u，j)，使該點(diǎn)的橫坐標(biāo)與左側(cè)網(wǎng)格區(qū)域中選取的點(diǎn)(u，i)的橫坐標(biāo)相同，將其所處的右側(cè)網(wǎng)格記為q并計(jì)算右側(cè)網(wǎng)格q的灰度均值Nj和方差Fj (U，j)；步驟204 :判斷Mi-Fj | < e是否成立，如果Mi-Fj | < e成立，則執(zhí)行步驟205 ;否貝U，令j = j+1并返回步驟203 ;其中，e是設(shè)定值；步驟205 :計(jì)算左側(cè)網(wǎng)格p和右側(cè)網(wǎng)格q的絕對(duì)差之和，記為SAD ;計(jì)算左側(cè)網(wǎng)格p的方差Ei (u，i)和右側(cè)網(wǎng)格q的方差Fj (u，j)的絕對(duì)值之差，記為FCC ；步驟206 :根據(jù)公式SF = SADXa+FCCXb計(jì)算左側(cè)網(wǎng)格p和右側(cè)網(wǎng)格q的修正的絕對(duì)差之和，其中a和b分別為比例參數(shù)；步驟207 :如果左側(cè)網(wǎng)格p和右側(cè)網(wǎng)格q的修正的絕對(duì)差之和小于Min，則執(zhí)行步驟208 ;否則，令j = j+1并返回步驟203 ；步驟208 :令Min = SF, wj = j ;判斷j的取值是否經(jīng)過所有極線點(diǎn)，如果j的取值經(jīng)過所有極線點(diǎn)，則執(zhí)行步驟209 ;否則，令j = j+1并返回步驟203 ；步驟209 :右側(cè)網(wǎng)格區(qū)域中的點(diǎn)(u, wj)為左側(cè)網(wǎng)格區(qū)域中的點(diǎn)(u, i)的匹配點(diǎn)。所述比例參數(shù)a和b的比值為1:1。所述步驟5包括步驟301 :利用公式D=Xl-Xk計(jì)算左右圖像視差，其中Xl為匹配點(diǎn)對(duì)中一個(gè)點(diǎn)的橫
坐標(biāo)，Xe為匹配點(diǎn)對(duì)中另一個(gè)點(diǎn)的橫坐標(biāo)；
BXi
I)步驟302 :利用公式Je 計(jì)算匹配點(diǎn)對(duì)對(duì)應(yīng)的目標(biāo)作物的點(diǎn)的三維坐標(biāo)；其
Zc—U
中，xe、y。和z。分別為目標(biāo)作物的點(diǎn)的三維坐標(biāo)值，B為左右兩個(gè)攝像頭的光軸之間的距離，Xl為匹配點(diǎn)對(duì)中一個(gè)點(diǎn)的橫坐標(biāo)，Y為匹配點(diǎn)對(duì)中任意一點(diǎn)的縱坐標(biāo)，f為左攝像頭或右攝像頭的焦距。本發(fā)明采用細(xì)化分割自適用閾值分割的方法，提高了自適應(yīng)分割算法的魯棒性和準(zhǔn)確性；采用網(wǎng)格劃分的方法減少了計(jì)算總體計(jì)算量；在雙目視覺定位的圖像匹配過程中，采用SAD改進(jìn)算法，很大程度上減少了單一 SAD算法中容易出現(xiàn)的錯(cuò)誤匹配，并在計(jì)算效率上比最大相關(guān)系數(shù)法速度更快。


圖I是基于雙目視覺網(wǎng)格劃分匹配算法的農(nóng)作物噴霧定位方法流程圖；圖2是利用雙攝像頭標(biāo)定目標(biāo)作物的示意圖；其中，(a)是利用左攝像頭標(biāo)定目標(biāo)作物的示意圖，(b)利用右攝像頭標(biāo)定目標(biāo)作物的示意圖；圖3是利用固定閾值分割法獲取目標(biāo)作物的初步分割圖像；
圖4是對(duì)左攝像頭獲取的目標(biāo)作物的二值圖像進(jìn)行網(wǎng)格劃分的示意圖；圖5是形成匹配點(diǎn)對(duì)的流程圖；圖6是平行光軸雙攝像頭原理圖。
具體實(shí)施例方式下面結(jié)合附圖，對(duì)優(yōu)選實(shí)施例作詳細(xì)說明。應(yīng)該強(qiáng)調(diào)的是，下述說明僅僅是示例性的，而不是為了限制本發(fā)明的范圍及其應(yīng)用。圖I是基于雙目視覺網(wǎng)格劃分匹配算法的農(nóng)作物噴霧定位方法流程圖。如圖I所示，本發(fā)明提供的基于雙目視覺網(wǎng)格劃分匹配算法的農(nóng)作物噴霧定位方法包括步驟I :利用雙攝像頭標(biāo)定目標(biāo)作物并獲取目標(biāo)作物的圖像，雙攝像頭分別記為左攝像頭和右攝像頭。在布設(shè)左右攝像頭時(shí)，應(yīng)當(dāng)保證兩個(gè)攝像頭的光軸相互平行并且處于同一個(gè)水平面上。圖2是利用雙攝像頭標(biāo)定目標(biāo)作物的示意圖。步驟2 :分別將左攝像頭獲取的目標(biāo)作物的圖像和右攝像頭獲取的目標(biāo)作物的圖像從背景中分離出來，得到左攝像頭目標(biāo)作物的二值圖像和右攝像頭目標(biāo)作物的二值圖像。下面以左攝像頭為例，說明獲取左攝像頭目標(biāo)作物的二值圖像的過程。步驟101 :在HSI顏色空間中，利用固定閾值分割法獲取目標(biāo)作物的初步分割圖像。在該步驟中，首先需要將左攝像頭獲取的目標(biāo)作物的圖像(RGB圖像)轉(zhuǎn)換為HSI圖像并進(jìn)行歸一化處理。其次，設(shè)定H (色調(diào))、S (色飽和度)、1 (亮度)的取值范圍，將范圍之外的像素定位為黑色，其余保留原值。接下來，將保留原值的像素由HSI圖像轉(zhuǎn)換為RGB圖像并進(jìn)行反歸一化處理，最終得到目標(biāo)作物的初步分割圖像。圖3是利用固定閾值分割法獲取目標(biāo)作物的初步分割圖像。步驟102 :利用超綠算法獲取目標(biāo)作物的灰度圖像。超綠算法是一種通過提高綠色通道的權(quán)重增加與非綠色背景的對(duì)比度的一種算法。該算法能夠較好地提取出綠色農(nóng)作物的信息，其經(jīng)常在綠色農(nóng)作物圖像處理中使用。該算法采用公式2XG-R-B來處理每個(gè)像素，其中G、R和B分別代表像素的綠色、紅色和藍(lán)色通道的數(shù)值。經(jīng)過超綠算法的處理，可以得到目標(biāo)作物的灰度圖像。步驟103 :對(duì)目標(biāo)作物的灰度圖像進(jìn)行直方圖統(tǒng)計(jì)，得到目標(biāo)作物的直方圖。步驟104 :利用近鄰多點(diǎn)平均法對(duì)目標(biāo)作物的直方圖進(jìn)行平滑處理。近鄰多點(diǎn)平均法是解決當(dāng)直方圖出現(xiàn)局部突變，而宏觀趨勢(shì)仍然未到波谷時(shí)的一種算法解決方案。對(duì)初步分割后背景置零的圖像做超綠計(jì)算，其直方圖中除去灰度值為0的背景部分，當(dāng)只有單個(gè)灰度級(jí)對(duì)應(yīng)的像素?cái)?shù)目為局部較小值時(shí)，并不認(rèn)為該點(diǎn)一定是波谷位置，因此采用鄰接連續(xù)多點(diǎn)平均值做為波谷位置檢測(cè)可有效避免局部極小值對(duì)分割結(jié)果的影響。具體算法是，將找到的極小值位置附近以左鄰域、右鄰域、中心區(qū)域劃分三個(gè)等分區(qū)間，計(jì)算每個(gè)小區(qū)域內(nèi)的直方圖數(shù)據(jù)平均值，根據(jù)數(shù)值結(jié)果判斷是否為合理波谷位置。例如，當(dāng)求取左側(cè)波谷位置時(shí)，區(qū)域數(shù)值特性出現(xiàn)左低右高，且三個(gè)區(qū)域的均值左側(cè)區(qū)域最小，右側(cè)最大，則應(yīng)繼續(xù)向左側(cè)移動(dòng)尋找新的波谷，避免局部極小的影響。步驟105 :搜索經(jīng)過平滑處理的目標(biāo)作物的直方圖的峰值并計(jì)算峰值左右兩側(cè)的波谷位置，從而得到目標(biāo)作物的二值圖像。在峰值兩側(cè)搜索波谷，得到波谷后，兩側(cè)波谷之間的圖像即為目標(biāo)作物的二值圖像。步驟3 :分別對(duì)左攝像頭獲取的目標(biāo)作物的二值圖像和右攝像頭獲取的目標(biāo)作物 的二值圖像進(jìn)行網(wǎng)格劃分，得到左側(cè)網(wǎng)格區(qū)域和右側(cè)網(wǎng)各區(qū)域。圖4是對(duì)左攝像頭獲取的目標(biāo)作物的二值圖像進(jìn)行網(wǎng)格劃分的示意圖。圖4中，還是以左攝像頭為例，說明對(duì)獲取的目標(biāo)作物的二值圖像進(jìn)行網(wǎng)格劃分的過程。以圖像左上角位置為搜索目標(biāo)像素的起始位置，當(dāng)出現(xiàn)目標(biāo)作物的像素時(shí)，定位第一個(gè)網(wǎng)格。繼續(xù)在其周圍劃分網(wǎng)格，判斷該網(wǎng)格周圍是否存在目標(biāo)作物的像素，如果存在，則再定位一個(gè)網(wǎng)格。對(duì)于邊緣處的目標(biāo)像素，不夠畫整格的區(qū)域從反向添加網(wǎng)格。這樣可以保證將所有目標(biāo)像素劃到同大小的網(wǎng)格區(qū)域中。步驟4 :對(duì)左側(cè)網(wǎng)格區(qū)域中的每個(gè)點(diǎn)，在右側(cè)網(wǎng)格區(qū)域中進(jìn)行匹配搜索，得到相互匹配的點(diǎn)，形成匹配點(diǎn)對(duì)。圖5是形成匹配點(diǎn)對(duì)的流程圖。如圖5所示，形成匹配點(diǎn)對(duì)的過程包括步驟201 :初始化參數(shù),令j = I, wj = I, Min = 10000 ;其中，j為右側(cè)網(wǎng)格區(qū)域中的點(diǎn)的縱坐標(biāo)，wj用于記錄匹配成功的右側(cè)網(wǎng)格區(qū)域中的點(diǎn)的縱坐標(biāo)，Min用于記錄左側(cè)網(wǎng)格和右側(cè)網(wǎng)格的修正的絕對(duì)差之和的最小值。步驟202 :選取左側(cè)網(wǎng)格區(qū)域中的點(diǎn)(u，i)，將其所處的左側(cè)網(wǎng)格記為p并計(jì)算左側(cè)網(wǎng)格P的灰度均值Mi和方差Ei (u，i)。其中，左側(cè)網(wǎng)格p的灰度均值Mi的計(jì)算公式為
權(quán)利要求
1.一種基于雙目視覺網(wǎng)格劃分匹配算法的農(nóng)作物噴霧定位方法，其特征是所述方法包括 步驟I:利用雙攝像頭標(biāo)定目標(biāo)作物并獲取目標(biāo)作物的圖像；所述雙攝像頭分別記為左攝像頭和右攝像頭； 步驟2 :分別將左攝像頭獲取的目標(biāo)作物的圖像和右攝像頭獲取的目標(biāo)作物的圖像從背景中分離出來，得到左攝像頭目標(biāo)作物的二值圖像和右攝像頭目標(biāo)作物的二值圖像；步驟3 :分別對(duì)左攝像頭獲取的目標(biāo)作物的二值圖像和右攝像頭獲取的目標(biāo)作物的二值圖像進(jìn)行網(wǎng)格劃分，得到左側(cè)網(wǎng)格區(qū)域和右側(cè)網(wǎng)各區(qū)域； 步驟4:對(duì)左側(cè)網(wǎng)格區(qū)域中的每個(gè)點(diǎn)，在右側(cè)網(wǎng)格區(qū)域中進(jìn)行匹配搜索，得到相互匹配的點(diǎn)，形成匹配點(diǎn)對(duì)； 步驟5 :由各匹配點(diǎn)對(duì)計(jì)算左右圖像視差并求取所述匹配點(diǎn)對(duì)對(duì)應(yīng)的目標(biāo)作物的點(diǎn)的三維坐標(biāo)； 步驟6 :分析目標(biāo)作物的點(diǎn)的三維坐標(biāo)，刪除錯(cuò)誤點(diǎn)； 步驟7 :對(duì)目標(biāo)作物的點(diǎn)進(jìn)行擬合處理，得到擬合曲線或曲面； 步驟8 :根據(jù)擬合曲線或曲面規(guī)劃噴頭路徑。
2.根據(jù)權(quán)利要求I所述的方法，其特征是所述將左/右攝像頭獲取的目標(biāo)作物的圖像從背景中分離出來，得到左/右攝像頭目標(biāo)作物的二值圖像包括 步驟101 :在HSI顏色空間中，利用固定閾值分割法獲取目標(biāo)作物的初步分割圖像； 步驟102 :利用超綠算法獲取目標(biāo)作物的灰度圖像； 步驟103 :對(duì)目標(biāo)作物的灰度圖像進(jìn)行直方圖統(tǒng)計(jì)，得到目標(biāo)作物的直方圖； 步驟104 :利用近鄰多點(diǎn)平均法對(duì)目標(biāo)作物的直方圖進(jìn)行平滑處理； 步驟105 :搜索經(jīng)過平滑處理的目標(biāo)作物的直方圖的峰值并計(jì)算峰值左右兩側(cè)的波谷位置，從而得到目標(biāo)作物的二值圖像。
3.根據(jù)權(quán)利要求I所述的方法，其特征是所述步驟4包括 步驟201 :初始化參數(shù)，令j = 1，wj = 1，Min = 10000 ;其中，j為右側(cè)網(wǎng)格區(qū)域中的點(diǎn)的縱坐標(biāo)，wj用于記錄匹配成功的右側(cè)網(wǎng)格區(qū)域中的點(diǎn)的縱坐標(biāo)，Min用于記錄左側(cè)網(wǎng)格和右側(cè)網(wǎng)格的修正的絕對(duì)差之和的最小值； 步驟202 :選取左側(cè)網(wǎng)格區(qū)域中的點(diǎn)(u，i)，將其所處的左側(cè)網(wǎng)格記為p并計(jì)算左側(cè)網(wǎng)格P的灰度均值Mi和方差Ei (u，i)； 步驟203 :選取右側(cè)網(wǎng)格區(qū)域中的點(diǎn)(u，j)，使該點(diǎn)的橫坐標(biāo)與左側(cè)網(wǎng)格區(qū)域中選取的點(diǎn)(u，i)的橫坐標(biāo)相同，將其所處的右側(cè)網(wǎng)格記為q并計(jì)算右側(cè)網(wǎng)格q的灰度均值Nj和方差 Fj (u，j)； 步驟204 :判斷Mi-Fj |< e是否成立，如果Mi-F j | < e成立，則執(zhí)行步驟205 ;否則，令j = j+1并返回步驟203 ;其中，e是設(shè)定值； 步驟205 :計(jì)算左側(cè)網(wǎng)格p和右側(cè)網(wǎng)格q的絕對(duì)差之和，記為SAD ;計(jì)算左側(cè)網(wǎng)格p的方差Ei (u，i)和右側(cè)網(wǎng)格q的方差Fj (u，j)的絕對(duì)值之差，記為FCC ； 步驟206 :根據(jù)公式SF = SADXa+FCCXb計(jì)算左側(cè)網(wǎng)格p和右側(cè)網(wǎng)格q的修正的絕對(duì)差之和，其中a和b分別為比例參數(shù)； 步驟207 :如果左側(cè)網(wǎng)格p和右側(cè)網(wǎng)格q的修正的絕對(duì)差之和小于Min，則執(zhí)行步驟.208 ;否則，令j = j+1并返回步驟203 ； 步驟208 :令Min = SF, wj = j ;判斷j的取值是否經(jīng)過所有極線點(diǎn)，如果j的取值經(jīng)過所有極線點(diǎn)，則執(zhí)行步驟209 ;否則，令j = j+1并返回步驟203 ； 步驟209:右側(cè)網(wǎng)格區(qū)域中的點(diǎn)(u，wj)為左側(cè)網(wǎng)格區(qū)域中的點(diǎn)(u，i)的匹配點(diǎn)。
4.根據(jù)權(quán)利要求3所述的方法，其特征是所述比例參數(shù)a和b的比值為1:1。
5.根據(jù)權(quán)利要求I所述的方法，其特征是所述步驟5包括 步驟301 :利用公式D=\-XK計(jì)算左右圖像視差，其中\(zhòng)為匹配點(diǎn)對(duì)中一個(gè)點(diǎn)的橫坐標(biāo)，Xe為匹配點(diǎn)對(duì)中另一個(gè)點(diǎn)的橫坐標(biāo)；
全文摘要
本發(fā)明公開了農(nóng)作物施藥技術(shù)領(lǐng)域中的一種基于雙目視覺網(wǎng)格劃分匹配算法的農(nóng)作物噴霧定位方法。包括利用雙攝像頭標(biāo)定目標(biāo)作物并獲取目標(biāo)作物的圖像；分別獲取左攝像頭目標(biāo)作物的二值圖像和右攝像頭目標(biāo)作物的二值圖像；分別對(duì)左攝像頭獲取的目標(biāo)作物的二值圖像和右攝像頭獲取的目標(biāo)作物的二值圖像進(jìn)行網(wǎng)格劃分；對(duì)左側(cè)網(wǎng)格區(qū)域中的每個(gè)點(diǎn)，在右側(cè)網(wǎng)格區(qū)域中進(jìn)行匹配搜索，得到相互匹配的點(diǎn)，形成匹配點(diǎn)對(duì)；由各匹配點(diǎn)對(duì)計(jì)算左右圖像視差并求取所述匹配點(diǎn)對(duì)對(duì)應(yīng)的目標(biāo)作物的點(diǎn)的三維坐標(biāo)；刪除錯(cuò)誤點(diǎn)并對(duì)目標(biāo)作物的點(diǎn)進(jìn)行擬合處理，得到擬合曲線或曲面；根據(jù)擬合曲線或曲面規(guī)劃噴頭路徑。本發(fā)明實(shí)現(xiàn)了目標(biāo)作物的三維信息輪廓提取與定位。
文檔編號(hào)G06T7/00GK102800083SQ20121020371
公開日2012年11月28日 申請(qǐng)日期2012年6月19日 優(yōu)先權(quán)日2012年6月19日
發(fā)明者張賓, 劉濤, 鄭承云 申請(qǐng)人:中國農(nóng)業(yè)大學(xué)