典型文献
采用双目视觉和自适应Kalman滤波的作物行识别与跟踪
文献摘要：
针对传统作物行识别方法在相邻图像间的识别结果偏差较大,作物行的定位精度和稳定性低等问题,该研究提出一种基于双目视觉和自适应Kalman滤波技术的作物行识别与跟踪方法.对于作物行识别,首先建立图像预处理算法,基于改进的超绿-超红模型和最大类间方差法分割植被灰度特征;建立作物行特征提取算法,基于特征点检测技术和双目视差测距方法计算植被角点特征的三维坐标,根据三维阈值提取作物行特征点,进而建立作物行中心线检测算法,建立基于主成分分析的直线拟合模型,根据作物行特征点的频数统计规律检测作物行冠层中心线.对于作物行跟踪,建立跟踪目标规划模型,提取位于图像中央区域的作物行作为跟踪目标;建立目标状态方程,基于自适应Kalman滤波技术构建作物行中心线跟踪模型.以棉花图像开展试验研究,图像数据包括阴影、杂草、地头等田间场景.试验结果表明,该研究方法的作物行识别准确度、精度和速度均较高,识别正确率约为92.36％,平均航向偏差为0.31°、标准差为2.55°,平均识别速度约80.25 ms/帧;经目标跟踪后,航向角和横向位置估计的标准差分别为2.62°和0.043 m、较无跟踪状态分别减小22.94％和10.42％,作物行中心线的方位估计精度进一步提高.研究成果可为导航系统提供连续、稳定的作物行导引参数.
文献关键词：
导航;机器视觉;图像处理;大田作物;作物行识别;作物行跟踪;线性状态观测
中图分类号：
作者姓名：
翟志强;熊坤;王亮;杜岳峰;朱忠祥;毛恩荣
作者机构：
中国农业大学工学院,北京 100083
文献出处：
引用格式：
[1]翟志强;熊坤;王亮;杜岳峰;朱忠祥;毛恩荣-.采用双目视觉和自适应Kalman滤波的作物行识别与跟踪)[J].农业工程学报,2022(08):143-151
A类：
中心线检测,作物行跟踪,田间场景
B类：
双目视觉,Kalman,作物行识别,定位精度,滤波技术,跟踪方法,图像预处理,理算,最大类间方差法,灰度特征,特征提取算法,特征点检测,视差,测距,角点,点特征,三维坐标,检测算法,直线拟合,拟合模型,频数统计,统计规律,冠层,跟踪目标,目标规划,规划模型,中央区,状态方程,技术构建,棉花,图像数据,数据包,阴影,杂草,地头,头等,航向偏差,ms,目标跟踪,航向角,横向位置,位置估计,跟踪状态,方位估计,估计精度,导航系统,导引,引参,机器视觉,大田作物,线性状态观测
AB值：
0.320242
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
