一种基于图像视觉的无人割草车导航方法与流程

1.本发明涉及无人割草车技术领域，尤其是一种基于图像视觉的无人割草车导航方法。


背景技术：

2.无人割草车能够进行自主的割草工作，使操作人员在繁重的割草工作中解脱出来，其具有很好的发展前景；但无人割草车在实际应用中由于环境存在差异性，有些割草区域往往存在遮挡物，比如高墙、大树或树篱，处于上述遮挡物的割草区域，卫星定位信号较弱，导致传统的路径导航方法存在不连续性，而且对于保密单位所在区域内，为保证机密不被泄露，需要避免使用北斗、gps等卫星定位系统，而在较为开阔且无明显参照物的草地中，无法通过视觉或激光slam(simultaneous localization and mapping)的方式为无人割草车进行定位、定向以及导航，有待于此，迫切需要一种基于图像视觉的无人割草车导航方法。


技术实现要素：

3.本发明所要解决的技术问题就是在于针对上述现有技术中的不足，提供一种基于图像视觉的无人割草车导航方法。
4.本发明解决其技术问题所采用的技术方案是:一种基于实时图像的无人割草车导航方法，包括以下步骤：
5.s1：监控摄像头的安装；监控摄像头安装在草地区域外围的高处支架上，其包括全景摄像头和细节摄像头；细节摄像头为带云台的长焦摄像头，对无人割草车的细节进行拍摄；其中，监控摄像头拍摄到的图像传输到上位机进行处理；
6.s2：草地工作区域栅格划分；以全景摄像头拍摄的草地区域为基础，采用栅格划分的形式将拍摄的草地区域划分；
7.s3：全景摄像头图像目标跟踪；监控摄像头实时检测草地区域；
8.s4：细节摄像头目标跟踪；
9.s5：无人割草车定向及无人割草车栅格定位。
10.作为上述技术方案的进一步改进，在步骤s2中，以割草车的长宽尺寸作为栅格划分的基本单位，将整个草地工作区域进行栅格划分；图像采用倾斜栅格划分的形式，在工作前进行栅格尺寸标定，将割草车分别停放于工作区域的长宽方向的最近和最远点，共计四个角点位置，在图像中识别四个角点位置中割草车所占图像区域尺寸，随后以区域四个角点的栅格尺寸通过插值计算区域中其它位置的栅格尺寸。
11.作为上述技术方案的进一步改进，在步骤s3中，当无人割草车出现在草地区域后，由全景摄像头的图像中识别到无人割草车的在图像中的位置坐标，随后采用图像跟踪的方式追踪无人割草车的位置变化。
12.作为上述技术方案的进一步改进，图像追踪采用目标检测和运动目标跟踪相结合
的方式，当未锁定割草车位置时，不断扫描拍摄到的图像，以割草车的形状特征和颜色特征进行目标检测；检测到目标后，以目标所在图像区域作为运动目标跟踪的初始化区域；其中，运动目标跟踪采用mean
‑
shift算法，以初始化区域图像开始，不断从下一帧图像中寻找与上一帧中目标区域相关性最大的区域作为目标所在图像区域；搜索到目标区域后，在该区域以目标检测的方式进行扫描，对目标检测位置进行精准测量，当目标检测位置与运动目标跟踪方法搜索到的区域位置相差较大时则重新设置运动目标跟踪的初始化区域。
13.作为上述技术方案的进一步改进，在步骤s4中，全景摄像头检测到无人割草车后，通过云台控制细节摄像头实时追踪无人割草车，拍摄无人割草车的细节信息图像，通过细节信息得到无人割草车的车头方向。
14.作为上述技术方案的进一步改进，通过细节摄像头得到清晰的割草车图像，在图像中通过割草车的形态特征对车辆的姿态进行识别和计算，得到割草车在图像中的车头方向，随后获取云台旋转角度与图像中的车头方向得到割草车相对于相机的行进方向。
15.作为上述技术方案的进一步改进，在步骤s5中，根据检测得到的无人割草车的图像坐标，判断其在图像栅格中的位置，根据车头方向实时调整无人割草车的转弯幅度和速度，使其根据规划后的行驶路径向下一个目标栅格行驶，直至行程经过所有路径控制点。
16.作为上述技术方案的进一步改进，路径规划采用弓字型规划方法。
17.作为上述技术方案的进一步改进，行驶路径其包括控制无人割草车行驶路径；行驶控制采用l1自适应控制算法，l1自适应控制算法以车辆当前所在位置和期望位置的连线作为期望路径，在期望路径上选取参考点，根据参考点和当前水平速度计算出水平期望加速度，使车辆保持行驶在期望路径上，当车辆行驶存在偏差时，通过水平加速度调整车辆行进方向。
18.与现有技术相比，本发明的有益效果是：基于图像的无人割草车的导航方法可不依赖于卫星定位系统和环境特征进行定位和导航，可以有效解决在保密单位或无法使用卫星定位和环境特征定位的大场景草地环境中无人割草车导航的问题；
19.图像追踪采用目标检测和运动目标跟踪相结合的方式，当未锁定割草车位置时，不断扫描拍摄到的图像，以割草车的形状特征和颜色特征进行目标检测；检测到目标后，以目标所在图像区域作为运动目标跟踪的初始化区域。
附图说明
20.图1所示为基于实时图像的无人割草车导航方法的流程示意图。
21.图2所示为弓字型路径规划示意图。
具体实施方式
22.以下结合具体实施例对本发明作进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
23.在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对
本发明的限制。
24.在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个部件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本发明中的具体含义。
25.参考图1所示，本发明提供一种基于实时图像的无人割草车导航方法，包括以下步骤：
26.s1：监控摄像头的安装；监控摄像头安装在草地区域外围的高处支架上，其包括全景摄像头和细节摄像头；全景摄像头的视角范围为180度，全景摄像头可拍摄到整个草地区域；细节摄像头为带云台的长焦摄像头，可对无人割草车的细节进行拍摄；其中，监控摄像头拍摄到的图像传输到上位机进行处理。
27.s2：草地工作区域栅格划分；以全景摄像头拍摄的草地区域为基础，采用栅格划分的形式将拍摄的草地区域划分，考虑摄像头的安装角度，将整个草地区域划分为均匀的栅格作为无人割草车的位置控制点，进而规划无人割草车的行驶路径；
28.在s2中，以割草车的长宽尺寸作为栅格划分的基本单位，将整个草地工作区域进行栅格划分；在上述中，由于全景摄像头是以倾斜角度拍摄地面，所以图像采用倾斜栅格划分的形式，即由近到远，图像栅格由大到小；同时为方便栅格划分，在工作前进行栅格尺寸标定，将割草车分别停放于工作区域的长宽方向的最近和最远点，共计四个角点位置，在图像中识别四个角点位置中割草车所占图像区域尺寸，随后以区域四个角点的栅格尺寸通过插值计算区域中其它位置的栅格尺寸；
29.s3：全景摄像头图像目标跟踪；监控摄像头实时检测草地区域，当无人割草车出现在草地区域后，由全景摄像头的图像中识别到无人割草车的在图像中的位置坐标，随后采用图像跟踪的方式追踪无人割草车的位置变化；
30.在s3中，图像追踪采用目标检测和运动目标跟踪相结合的方式，当未锁定割草车位置时，不断扫描拍摄到的图像，以割草车的形状特征和颜色特征进行目标检测；检测到目标后，以目标所在图像区域作为运动目标跟踪的初始化区域；其中，运动目标跟踪采用mean
‑
shift算法，以初始化区域图像开始，不断从下一帧图像中寻找与上一帧中目标区域相关性最大的区域作为目标所在图像区域；搜索到目标区域后，在该区域以目标检测的方式进行扫描，对目标检测位置进行精准测量，当目标检测位置与运动目标跟踪方法搜索到的区域位置相差较大时则重新设置运动目标跟踪的初始化区域。
31.s4：细节摄像头目标跟踪；全景摄像头检测到无人割草车后，通过云台控制细节摄像头实时追踪无人割草车，拍摄无人割草车的细节信息图像，通过细节信息可计算得到无人割草车的车头方向；
32.在s4中，通过细节摄像头可得到更为清晰的割草车图像，在图像中通过割草车的形态特征对车辆的姿态进行识别和计算，可得到割草车在图像中的车头方向，随后获取云台旋转角度与图像中的车头方向相结合可得到割草车相对于相机的行进方向；
33.s5：无人割草车定向及无人割草车栅格定位；根据检测得到的无人割草车的图像坐标，判断其在图像栅格中的位置，根据车头方向实时调整无人割草车的转弯幅度和速度，
使其根据规划后的行驶路径向下一个目标栅格行驶，直至行程经过所有路径控制点；
34.其中，路径规划采用弓字型规划方法，如图2所示：
35.在s5中，其包括控制无人割草车行驶路径；行驶控制采用l1自适应控制算法，l1自适应控制算法以车辆当前所在位置和期望位置的连线作为期望路径，在期望路径上选取参考点，根据参考点和当前水平速度计算出水平期望加速度，使车辆保持行驶在期望路径上，当车辆行驶存在偏差时，通过水平加速度调整车辆行进方向。
36.以上所述仅是本发明的优选实施方式，应当指出的是，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。