马秋宇 徐 彻

（广西科技师范学院职业技术教育学院，广西 来宾 545004）

目前，基于机器视觉的田间导航线提取算法的研究有很多，田间导航线的提取精度受到多方面因素的影响，特征点的选取是关键，不同特征点的选择，会直接影响导航线的提取精度， 孟庆宽等2013 年提出一种基于线性相关系数约束的作物行中心线检测方法，该方法将物行中心点作为特征点实现作物行中心线提取[1]，姜国权等2017 年提出基于图像特征点粒子群聚类算法的麦田作物行检测，该算法的特征点为小麦行左右边缘的中点[2]。环境也是影响导航线提取精度的主要因素，包括光照情况，土壤干湿情况，图像分割因子的选取，环境因素主要影响作物行图像分割效果进而影响导航线的提取[3-4]。导航线的拟合方法有很多，何洁等2014 年提出了一种将边缘检测和扫描滤波相结合的基准线提取方法[5]，刁智华等2015 年提出一种通过提取作物行骨架，拟合作物行直线的导航线提取算法[6]，马志艳等2017 年以茶作物为对象， 提出了一种基于视觉的作物行间行走路径规划方法，对于垄间，利用漫水填充算法分离出垄沟，通过最小二乘法拟合导航线[7]。田间导航线的提取主要是基于获取的田间图像，因此田间图像的获取范围也会影响导航线的提取精度，本文研究了不同可视范围对导航线提取的影响。

1 获取田间图像

田间图像的获取受各种环境因素的影响较大，因此本文在同一时间利用4 个摄像头同时获取同一种作物的不同可视范围。……