[发明专利]一种农作物秧苗定位方法

说明书

本发明属于农业机械自动化技术领域，公开了一种农作物秧苗定位方法，该方法包括第一、固定相机与激光雷达的相对位置；第二、在时间维度和空间维度，对齐相机与激光雷达；第三、改进一种目标检测模型，获取作物秧苗的识别模型；第四、将激光雷达点云投射到相机图像；第五、对图像包围框中的点云进行聚类运算，获取点云的中心点坐标；第六、输出农作物的空间位置坐标。本发明充分地利用了相机与激光雷达的优势，实现了二者优势的融合，达到了对农作物秧苗进行定位的目的，这是现有的相机或者激光雷达无法单独完成的。本发明可以作为研发农田智能除草机械的上游技术。

技术领域

本发明属于农业机械自动化技术领域，具体为一种农作物秧苗定位方法。

背景技术

智能机械除草作业有两种主流的策略，其一是首先获取杂草的位置，而后定点铲除杂草。其二是准确地获取农作物秧苗的位置，然后躲避农作物的秧苗，在没有农作物秧苗的位置统一执行除草动作即可。相比较于杂草，农作物的生长位置比较规律，所以获取农作物秧苗的位置、而后执行除草动作是首选。尤其对于较低矮的农作物而言，例如生菜、甘蓝、花椰菜等等，只要获取一株作物的形心位置，就能够让除草执行机构精确地躲避它。但是目前，虽然以相机为硬件、利用深度学习训练的识别模型能够以较高的准确率识别作物秧苗，但是却较难准确地获取作物秧苗的位置信息；利用激光雷达可以较精确地获取作物秧苗的位置信息，但是却较难识别作物种类。针对上述弊端，结合相机与激光雷达的优势，我们提出了一种农作物秧苗定位方法。

发明内容

本发明的目的在于提供一种农作物秧苗定位方法。采用相机图像与激光雷达点云相融合的策略，包括以下步骤：

S1、固定相机与激光雷达的相对位置；

S2、将相机与激光雷达在时间维度与空间维度进行对齐；对比相机的拍摄帧率与激光雷达的扫描频率，以二者中频率较低者为基准，间隔提取频率较高者获得的数据，数据提取频率设定为二者中的较低频率，采用时间戳作为相机与激光雷达在时间维度对齐的标准；将相机坐标系和激光雷达坐标系分别进行齐次变换，然后按照如下公式将激光雷达坐标系融合到图像坐标系，

q_i＝K[RT]p_i

其中，q_i代表即将投射到图像坐标系上的第i个雷达数据，K代表相机的内参矩阵，R代表将雷达坐标系融合到图像坐标系的旋转矩阵，T代表将雷达坐标系融合到图像坐标系的平移矩阵，p_i代表雷达坐标系中的第i个雷达数据；

S3、获取作物秧苗识别模型；改进一次拍摄检测(SSD)模型，采用相机拍摄农田中包含作物秧苗的图像，训练作物秧苗识别模型，而后用一个矩形方框包围识别出的农作物秧苗；

S4、将激光雷达点云投射到相机图像上；

S5、对图像包围框中的点云进行聚类运算，获取点云的中心点坐标；具体地，根据S3中识别出农作物秧苗包围框的左上角点和右下角点的坐标，获得包围框的竖直中心线，以该竖直中心线为中轴，将包围框在宽度尺度上缩小至原包围框的三分之一；对该小包围框中的雷达点云进行筛选，当雷达点符合下式时，该雷达点将被用来做聚类运算；然后求取用来做聚类运算的所有雷达点的三维坐标值的平均值，继而生成一个新的空间坐标点；这个新的空间坐标点即被认为是作物秧苗的形心位置，以该形心代表作物秧苗所处的空间位置。

f(x)-R_th≤L_dd≤f(x)+R_th

其中，f(x)代表根据种植模式和相机位置而获得的图像坐标系原点到农作物秧苗的平均距离，L_dd代表新的空间坐标点到图像坐标系原点的检测距离，R_th代表设定的阈值；

S6、输出农作物秧苗的空间位置坐标。