本發(fā)明涉及甘蔗收割技術(shù)領(lǐng)域，特別涉及一種甘蔗切割高度的檢測方法。

背景技術(shù)：

甘蔗收割很大一部分采用機(jī)械化收割，在通過甘蔗收獲機(jī)對甘蔗進(jìn)行切割的過程中，刀盤入土2～5cm對甘蔗進(jìn)行切割不僅能降低機(jī)械化收割時宿根的破頭率和割茬損失，以提高甘蔗產(chǎn)量，還有利于促進(jìn)來年宿根的發(fā)芽率，在防止宿根截面感染病蟲害、保護(hù)宿根具有較強(qiáng)的生命力方面有顯著的作用。

目前，現(xiàn)有的甘蔗收割機(jī)難以實時獲得當(dāng)前刀盤對甘蔗的切割高度以保證把刀盤調(diào)整到以合適的入土深度對甘蔗進(jìn)行切割，導(dǎo)致機(jī)械化收獲甘蔗的切割高度不合格現(xiàn)象嚴(yán)重，從而影響收割機(jī)對甘蔗的切割效果，造成割茬損失和宿根破頭率高。

公開于該背景技術(shù)部分的信息僅僅旨在增加對本發(fā)明的總體背景的理解，而不應(yīng)當(dāng)被視為承認(rèn)或以任何形式暗示該信息構(gòu)成已為本領(lǐng)域一般技術(shù)人員所公知的現(xiàn)有技術(shù)。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于提供一種甘蔗切割高度的檢測方法，從而克服現(xiàn)有的甘蔗收割機(jī)難以實時獲得當(dāng)前刀盤對甘蔗的切割高度以保證把刀盤調(diào)整到以合適的入土深度對甘蔗進(jìn)行切割的缺點。

為實現(xiàn)上述目的，本發(fā)明提供了一種甘蔗切割高度的檢測方法，其中，其包括如下步驟：第一，利用安裝在甘蔗收割機(jī)的刀盤的一側(cè)的兩個相機(jī)對待切甘蔗進(jìn)行拍攝，以分別得到兩個圖像；第二，對第一步得到的圖像進(jìn)行圖像分割，以去除背景，從而得到只含有甘蔗和刀盤的圖像；第三，對經(jīng)第二步處理后得到的圖像通過數(shù)學(xué)形態(tài)學(xué)方式消除噪聲；第四，把經(jīng)第三步處理后得到的圖像中的甘蔗圖像的高于刀盤的部分進(jìn)行去除；第五，把經(jīng)第四步處理后得到的圖像中刀盤的圖像去除；第六，把經(jīng)第五步處理后得到的圖像中的除了離刀盤最近的甘蔗的其他甘蔗的圖像去除，以得到只剩下離刀盤最近的待切甘蔗的圖像；第七，把經(jīng)第六步處理后的圖像中的待切甘蔗在圖像中的切割點和地面點這兩個特征點的坐標(biāo)值提取出來；以及第八，把第一步的兩個圖像經(jīng)過上述步驟處理后得到的圖像采用極線約束及唯一性約束來完成匹配，并利用雙目視覺測量技術(shù)進(jìn)行三維重建確定兩個特征點相對于甘蔗收割機(jī)的空間坐標(biāo)，進(jìn)而確定當(dāng)前刀盤對待切甘蔗的切割高度。

優(yōu)選地，上述技術(shù)方案中，第二步中包括如下步驟：步驟一，對第一步得到的圖像分別提取出彩色圖像的R、G、B分量，以得到R、G、B二維矩陣；步驟二，通過數(shù)學(xué)運算得到相應(yīng)的色差分量2G-R-B、R-G和B-R；步驟三，利用最大類間方差法求取相應(yīng)的色差分量2G-R-B、R-G和B-R的閾值T；以及步驟四，將色差分量的像素值逐一與對應(yīng)的閾值T進(jìn)行比較，將小于閾值T的像素點置為0，以代表黑色，大于及等于閾值T的像素點置為1，以代表白色；從而對圖像完成分割。

優(yōu)選地，上述技術(shù)方案中，第二步的步驟四中，當(dāng)甘蔗是黃綠色甘蔗時，采用RGB顏色空間的色差分量2G-R-B進(jìn)行Otsu閾值分割；當(dāng)甘蔗是紫紅色甘蔗時，利用色差分量R-G及B-R的Otsu閾值分割結(jié)果的疊加進(jìn)行分割。

優(yōu)選地，上述技術(shù)方案中，第三步的數(shù)學(xué)形態(tài)學(xué)方式包括閉運算處理、小面積剔除和空洞填充預(yù)處理。

優(yōu)選地，上述技術(shù)方案中，第四步中，對經(jīng)第三步處理后得到的圖像以與刀盤高度相同的區(qū)域的橫向像素點數(shù)量最多為依據(jù)，把甘蔗的圖像的高于刀盤的部分進(jìn)行去除。

優(yōu)選地，上述技術(shù)方案中，第五步中，對經(jīng)第四步處理后得到的圖像進(jìn)行腐蝕運算，然后以刀盤的連通區(qū)域的面積最大為依據(jù)，將除了連通區(qū)域的面積最大的部分以外的其他連通區(qū)域去除，以得到只剩下刀盤的圖像；再用經(jīng)腐蝕運算處理后得到圖像減去這個只剩下刀盤的圖像，以最終得到去除刀盤的圖像。

優(yōu)選地，上述技術(shù)方案中，在進(jìn)行第七步前，先對經(jīng)第六步處理后得到的圖像進(jìn)行膨脹運算，以恢復(fù)待切甘蔗原有的大小。

優(yōu)選地，上述技術(shù)方案中，在第六步中，對經(jīng)第五步處理后的圖像中以待切甘蔗的質(zhì)心的橫坐標(biāo)離刀盤最近為依據(jù)，消除其他甘蔗的圖像，以得到只剩下離刀盤最近的待切甘蔗的圖像。

與現(xiàn)有技術(shù)相比，本發(fā)明具有如下有益效果：

本發(fā)明通過兩個相機(jī)對甘蔗收獲機(jī)前面的待切割甘蔗進(jìn)行攝取圖像；然后對這兩個圖像分別通過圖像分割、消除噪聲、去除高于刀盤的圖像、刀盤的圖像以及非待切甘蔗的圖像，以得到只剩下待切甘蔗的圖像；再對這個待切甘蔗的圖像提取切割點和地面點這兩個特征點的坐標(biāo)；最后利用兩個圖像中的兩個特征點的坐標(biāo)通過雙目視覺測量技術(shù)進(jìn)行三維重建，來最終獲得待切甘蔗的兩個特征點的空間坐標(biāo)，便可確定當(dāng)前刀盤對待切甘蔗的切割高度，以此為依據(jù)，便能夠準(zhǔn)確控制刀盤入土切割的深度，以保證切割質(zhì)量，并提高甘蔗產(chǎn)量。

附圖說明

圖1是根據(jù)本發(fā)明甘蔗切割高度的檢測方法的流程圖。

圖2是根據(jù)本發(fā)明的通過相機(jī)拍攝得到的圖像的示意圖。

圖3是根據(jù)本發(fā)明的對通過相機(jī)拍攝到的圖像進(jìn)行圖像分割后的示意圖。

圖4是根據(jù)本發(fā)明的圖3的圖像去除噪聲后的示意圖。

圖5是根據(jù)本發(fā)明的圖4的去除高于刀盤部分的圖像的示意圖。

圖6是根據(jù)本發(fā)明的圖5的通過腐蝕運算后的示意圖。

圖7是根據(jù)本發(fā)明的圖6的去除所有甘蔗圖像后的示意圖。

圖8是根據(jù)本發(fā)明的圖6的去除刀盤圖像后的示意圖。

圖9是根據(jù)本發(fā)明的圖8的去除其他非待切割甘蔗的圖像后的示意圖。

圖10是根據(jù)本發(fā)明的利用雙目視覺測量建立數(shù)學(xué)模型。

具體實施方式

下面結(jié)合附圖，對本發(fā)明的具體實施方式進(jìn)行詳細(xì)描述，但應(yīng)當(dāng)理解本發(fā)明的保護(hù)范圍并不受具體實施方式的限制。

除非另有其它明確表示，否則在整個說明書和權(quán)利要求書中，術(shù)語“包括”或其變換如“包含”或“包括有”等等將被理解為包括所陳述的元件或組成部分，而并未排除其它元件或其它組成部分。

圖1至圖10顯示了根據(jù)本發(fā)明優(yōu)選實施方式的一種甘蔗切割高度的檢測方法的結(jié)構(gòu)示意圖，參考圖1，該甘蔗切割高度的檢測方法包括如下步驟：

第一，利用安裝在甘蔗收割機(jī)的刀盤的一側(cè)的兩個相機(jī)對待切甘蔗進(jìn)行拍攝，以分別得到兩個圖像。這些圖像如圖2所示，除了含有刀盤以及刀盤周圍的甘蔗之外，背景中還會包括有地面上的泥土、蔗葉及雜草等物體。

第二，對第一步得到的圖像進(jìn)行圖像分割，以去除背景，從而得到只含有甘蔗和刀盤的圖像。這些圖像如圖3所示，甘蔗和刀盤所在的位置變?yōu)楣饬恋膮^(qū)域，其他背影變?yōu)楹谏?yōu)選地，第二步中包括如下步驟：步驟一，對第一步得到的圖像分別提取出彩色圖像的R、G、B分量，以得到R、G、B二維矩陣；步驟二，通過數(shù)學(xué)運算得到相應(yīng)的色差分量2G-R-B、R-G和B-R；步驟三，利用最大類間方差法求取相應(yīng)的色差分量2G-R-B、R-G和B-R的閾值T；以及步驟四，將色差分量的像素值逐一與對應(yīng)的閾值T進(jìn)行比較，將小于閾值T的像素點置為0，以代表黑色，即背景部分，大于及等于閾值T的像素點置為1，以代表白色，即光亮部分；從而對圖像完成分割。進(jìn)一步優(yōu)選地，第二步的步驟四中，當(dāng)甘蔗是黃綠色甘蔗時，采用RGB顏色空間的色差分量2G-R-B進(jìn)行Otsu閾值分割；當(dāng)甘蔗是紫紅色甘蔗時，利用色差分量R-G及B-R的Otsu閾值分割結(jié)果的疊加進(jìn)行分割。

第三，對經(jīng)第二步處理后得到的圖像通過數(shù)學(xué)形態(tài)學(xué)方式消除噪聲。根據(jù)圖3所示的分割結(jié)果可知分割圖像存在斷裂、空洞現(xiàn)象，若直接進(jìn)行特征點的提取會存在較大誤差。因此需對其進(jìn)行預(yù)處理來消除上述因素的影響，消除噪聲后的圖像如圖4所示。優(yōu)選地，數(shù)學(xué)形態(tài)學(xué)方式包括閉運算處理、小面積剔除和空洞填充預(yù)處理。

第四，把經(jīng)第三步處理后得到的圖像中的甘蔗圖像的高于刀盤的部分進(jìn)行去除，卻除后的圖像如圖5所示。由于刀盤的直徑遠(yuǎn)大于甘蔗的直徑，在與刀盤位于同一高度上的橫向像素點的數(shù)量肯定是圖像中橫向像素點數(shù)量最多的位置，優(yōu)選地，對經(jīng)第三步處理后得到的圖像以與刀盤高度相同的區(qū)域的橫向像素點數(shù)量最多為依據(jù)，把甘蔗的圖像的高于刀盤的部分進(jìn)行去除。而待切甘蔗與刀盤所在的高度對應(yīng)的高度即為當(dāng)前切割點，故當(dāng)前切割點是位于圖像中橫向的像素點數(shù)量最多的位置，故去除圖像中高于刀盤的部分后，便可得到切割點在圖像中的縱坐標(biāo)值。在實際情況下，可以在圖4中取N個值(N與相機(jī)安裝方式及刀盤傾斜角度有關(guān)，并且N個值從等多值依次從大到小選取)所對應(yīng)的縱坐標(biāo)值，便可以N個值所對應(yīng)的縱坐標(biāo)值的平均值作為實際切割點的縱坐標(biāo)值v0。例如，當(dāng)?shù)侗P傾斜11.5°時，經(jīng)反復(fù)試驗得出其對應(yīng)的N值為70～80時，其結(jié)果更接近于刀盤切割點的實際位置。

第五，把經(jīng)第四步處理后得到的圖像中刀盤的圖像去除，去除后的圖像如圖8所示。優(yōu)選地，第五步中，對經(jīng)第四步處理后得到的圖像進(jìn)行腐蝕運算，得到的圖像如圖6所示。然后以刀盤的連通區(qū)域的面積最大為依據(jù)，將除了連通區(qū)域的面積最大的部分以外的其他連通區(qū)域去除，以得到只剩下刀盤的圖像，如圖7所示。經(jīng)過腐蝕后得到的圖像，刀盤所在部分的連通區(qū)域的面積均遠(yuǎn)大于甘蔗部分所在的連通區(qū)域的面積。因此，可利用在面積閾值法基礎(chǔ)上融入圖像減法運算來消除刀盤所在部分對整幅圖像最低點的影響。具體做法為：計算各個連通區(qū)域的面積，利用面積閾值法將除面積最大以外的連通區(qū)域消除掉，從而得到如圖7所示的只剩刀盤的圖像。再用經(jīng)腐蝕運算處理后得到如圖6所示的圖像減去這個只剩下刀盤的如圖7所示的圖像，以最終得到如圖8所示的去除刀盤的圖像。

第六，把經(jīng)第五步處理后得到的圖像中的除了離刀盤最近的甘蔗的其他甘蔗的圖像去除，以得到只剩下離刀盤最近的待切甘蔗的圖像，圖像如圖9所示。第五步處理后如圖8所示的圖像的最低點不一定是待切甘蔗的宿根所在的地面點，為保證快速、便捷、準(zhǔn)確的提取到待切割甘蔗的宿根所在的地面點，必須去除其他非待切甘蔗的宿根區(qū)域以消除其對整幅圖像最低點的影響。得到如圖9所示的待切甘蔗的圖像后，光亮區(qū)域的最低點即為待切甘蔗的宿根所在的地面點。優(yōu)選地，在第六步中，對經(jīng)第五步處理后的圖像中以待切甘蔗的質(zhì)心的橫坐標(biāo)離刀盤最近為依據(jù)，消除其他甘蔗的圖像，以得到只剩下離刀盤最近的待切甘蔗的圖像，這個方法本發(fā)明定義為質(zhì)心消除法。優(yōu)選地，在進(jìn)行第七步前，先對經(jīng)第六步處理后得到的圖像進(jìn)行膨脹運算，以恢復(fù)待切甘蔗原有的大小。具體為在獲得待切甘蔗的宿根圖像后利用腐蝕過程中相同形狀及大小的結(jié)構(gòu)元素對得到的宿根圖像做膨脹運算。

第七，把經(jīng)第六步處理后的圖像中的待切甘蔗在圖像中的切割點和地面點這兩個特征點的坐標(biāo)值提取出來?？梢岳肕atlab2012b中的函數(shù)得到圖9中待切甘蔗的宿根所在的地面點的坐標(biāo)為[u，vmax]，再取圖9中最高且最靠近刀盤的點為切割點，利用Matlab2012b中的函數(shù)即可獲得切割點的坐標(biāo)為[u0，v0]，從而將地面點和切割點分別標(biāo)注。

第八，把第一步的兩個圖像經(jīng)過上述步驟處理后得到的圖像采用極線約束及唯一性約束來完成匹配，并利用雙目視覺測量技術(shù)進(jìn)行三維重建確定兩個特征點相對于甘蔗收割機(jī)的空間坐標(biāo)，即在世界坐標(biāo)系下的坐標(biāo)，進(jìn)而確定當(dāng)前刀盤對待切甘蔗的切割高度。

利用雙目視覺測量建立數(shù)學(xué)模型。如圖10所示，假設(shè)某一根甘蔗在切割時甘蔗地面點和切割點的齊次坐標(biāo)分別為P₁＝(X₁,Y₁,Z₁,1)^T、P₂＝(X₂,Y₂,Z₂,1)^T，甘蔗地面點在左、右相機(jī)的成像平面的投影點齊次坐標(biāo)分別為p₁₁＝(u₁₁,v₁₁,1)^T、p₁₂＝(u₁₂,v₁₂,1)^T，切割點在左、右成像平面的投影點齊次坐標(biāo)分別為p₂₁＝(u₂₁,v₂₁,1)^T、p₂₂＝(u₂₂,v₂₂,1)^T。

根據(jù)攝像機(jī)模型有

式中，k＝1,2，分別表示左攝像機(jī)和右攝像機(jī)；(u1,v1,1)、(u2,v2,1)分別為空間點P1在左右攝像機(jī)中成像點p11和p12的像素坐標(biāo)；(X,Y,Z,1)為P1點在世界坐標(biāo)系下的坐標(biāo)。聯(lián)立上面的六個方程消去z1和z2，得關(guān)于X、Y、Z的四個線性方程，即

利用最小二乘法，將式中四個方程聯(lián)立求出P1的坐標(biāo)(X1,Y1,Z1)。同樣用這種方法求出P2的坐標(biāo)(X2,Y2,Z2)。進(jìn)而求出切割高度為：

H＝Y(jié)₂-Y₁

在獲取P1和P2時需對攝像機(jī)標(biāo)定求出攝像機(jī)的內(nèi)外參數(shù)。常用的相機(jī)標(biāo)定方法有傳統(tǒng)的攝像機(jī)標(biāo)定方法、自標(biāo)定方法。目前應(yīng)用最廣泛的是介于傳統(tǒng)標(biāo)定法和自標(biāo)定法之間的張正友法。因此本文利用張正友法進(jìn)行標(biāo)定獲得其相機(jī)的內(nèi)外參數(shù)，進(jìn)而獲得左攝像機(jī)和右攝像機(jī)的投影矩陣M1、M2。

本發(fā)明通過兩個相機(jī)對甘蔗收獲機(jī)前面的待切割甘蔗進(jìn)行攝取圖像；然后對這兩個圖像分別通過圖像分割、消除噪聲、去除高于刀盤的圖像、刀盤的圖像以及非待切甘蔗的圖像，以得到只剩下待切甘蔗的圖像；再對這個待切甘蔗的圖像提取切割點和地面點這兩個特征點的坐標(biāo)；最后利用兩個圖像中的兩個特征點的坐標(biāo)通過雙目視覺測量技術(shù)進(jìn)行三維重建，來最終獲得待切甘蔗的兩個特征點的空間坐標(biāo)，便可確定當(dāng)前刀盤對待切甘蔗的切割高度，以此為依據(jù)，便能夠準(zhǔn)確控制刀盤入土切割的深度，以保證切割質(zhì)量，并提高甘蔗產(chǎn)量。

前述對本發(fā)明的具體示例性實施方案的描述是為了說明和例證的目的。這些描述并非想將本發(fā)明限定為所公開的精確形式，并且很顯然，根據(jù)上述教導(dǎo)，可以進(jìn)行很多改變和變化。對示例性實施例進(jìn)行選擇和描述的目的在于解釋本發(fā)明的特定原理及其實際應(yīng)用，從而使得本領(lǐng)域的技術(shù)人員能夠?qū)崿F(xiàn)并利用本發(fā)明的各種不同的示例性實施方案以及各種不同的選擇和改變。本發(fā)明的范圍意在由權(quán)利要求書及其等同形式所限定。