阴影环境下拖拉机视觉导航的路径识别方法研究华希俊，廖茜，陈美云，王木菊（江苏大学机械工程学院，江苏镇江212013）摘要：在对比分析了普通环境与阴影环境下图像特点的基础上，提出了一种适用于阴影环境下拖拉机视觉导航的路径识别方法。首先运用2G-R-B彩色模型分割图像，根据图像的线性灰度分布，采用合理的点运算分析法提高图像对比度，利用迭代阈值分割法和二值图像闭运算提取道路特征，然后通过扫描道路边缘离散点和最小二乘法拟合出拖拉机的导航路径。实验结果表明，该方法能快速、有效地提高拖拉机视觉导航系统对阴影环境的适应性。关键词：视觉导航;拖拉机;阴影环境;路径识别中图分类号：文献标识码：文章编号：0引言拖拉机自动导航技术能使农机驾驶员从单调重复的劳动中解放出来，大幅度提高作业精度，对现代农业的发展具有很大意义[1]。以机器视觉和卫星定位为核心的拖拉机自动导航系统已成为国内外农业机械领域的研究热点。由于机器视觉导航系统具有广泛适用性、功能多样性以及高性价比等优点,因此已被成功地应用于拖拉机自动导航系统中[2]。导航路径的识别是视觉导航系统的关键。日本的Torii等[3]利用HIS空间,基于几条水平扫描线,结合直线最小二乘法识别出农作物行作为导航路径。法国的Debain[4]介绍了相关的边缘提取和导航控制算法，强调单一的视觉传感器在有些情况下(傍晚、车辆自身形成的阴影以及植株的缺失等)无法识别出导航边缘。在国内，中国农业机械化科学研究院的赵博等[5]针对影响较大的垄间杂草环境，提出一种基于BP神经网络的杂草环境下导航路径识别方法。浙江工业大学的吴佳艺等[6]提出了一种基于机器视觉的、适用于林间行走机器人导航的路径生成算法。目前，视觉导航的研究成果大多集中在普通环境下的路径识别，针对阴影环境下的路径识别研究相对较少。然而在拖拉机的实际作业环境中，农作物和车辆自身以及树木等产生的阴影大大增加了路径识别的难度，使导航系统的可靠性下降。因此，本文着重收稿时间：基金项目：中国博士后基金(20070420190)，江苏省高校自然科学研究计划(07KJD460035)作者简介：华希俊(1966-)，男，江苏省仪征市人，教授，研究方向：表面机器视觉检测，激光应用技术。通讯作者：廖茜，女，硕士研究生，(E-mail)jinlongliaoqian@yahoo.com.cn。研究视觉导航拖拉机在阴影环境下的路径识别方法，以提高视觉导航系统对阴影环境的适应性。1普通环境与阴影环境图像的特点1.1普通环境图像的特点普通环境下，田间道路阴影少、光照充足，并且道路边缘均有绿色植物，与道路颜色的对比度较大。图1(a)为普通环境下田间道路的原始图像，图1(d)为该图像的线性灰度统计图。由灰度分布可知，普通环境图像的灰度值范围较大，灰度分布比较均匀，且在中间灰度级（100～200灰度级）上的总像素比其他灰度级（0～100和200～255灰度级）上的总像素多。图像经2G-R-B彩色模型分割(如图1(a))和迭代(a)(b)(c)(d)图1普通环境图像的特点Fig.1Thefeaturesofanimageinapplicationenvironment(a)原始图像(b)2G-R-B灰度化(c)迭代阈值分割法(d)线性灰度统计图阈值分割法二值化(如图1(b))处理后，可得到轮廓清晰的道路特征，能为路径识别的提供准确的依据。1.2阴影环境图像的特点由于树木遮挡、光照角度和强弱等原因，田间道路会被不同程度的阴影覆盖。随着光照强弱的变化，阴影的深浅、面积及路边植物的颜色也会发生变化。中午阳光偏直射且强度高，此时阴影颜色深，面积较小，阴影区域的路边植物颜色与路面颜色对比度较大，而无阴影区域的路边植物颜色与路面颜色相近，如图2(a)所示；早晨和傍晚时分，阳光斜射且强度低，此时阴影颜色浅，面积较大，无阴影区域的路边植物颜色与路面颜色对比度较大，而阴影区域的路边植物颜色与路面颜色相近，如图2(d)所示。图2(g)、2(h)分别为强光照和弱光照下阴影环境图像的线性灰度统计图。对不同光照下阴影环境图像的灰度进行分析，可以发现，强光照下阴影环境图像的灰度分布不均匀，灰度集中在高亮和过暗区，中间灰度的对比度过小，这使得图像经2G-R-B彩色模型分割(如图2(b))和迭代阈值分割法二值化(如图2(c))处理后，道路轮廓发生改...