(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910354568.6
(22)申请日 2019.04.29
(71)申请人 四川农业大学
地址 611130 四川省雅安市雨城区新康路
46号
(72)发明人 陈松柏 李楚川 吴佳 蒋欣睿
李铭 唐鑫林
(74)专利代理机构 成都正华专利代理事务所
(普通合伙) 51229
代理人 陈选中
(51)Int.Cl.
G06K 9/00(2006.01)
G06K 9/46(2006.01)
(54)发明名称
别方法
(57)摘要
本发明公开了一种基于微处理器的智能割
草机器人边界识别方法，该方法包括以下步骤：
像原图；S2、在微处理器平台上将原图进行灰度
变换，得到灰度图像；S3、在微处理器平台上将灰
度图像进行二值化处理，得到二值图像；S4、在微
处理器平台上对二值图像进行数学形态学的闭
运算，得到高对比度图；S5、在微处理器平台上用
Hough变换对高对比度图进行边界曲线拟合，得
到图像边界曲线，完成对智能割草机器人边界的
识别；实现在现有数学理论的基础上，设计出一
套基于微处理器和嵌入式系统的高准确性边界
识别方法。权利要求书2页 说明书6页 附图4页CN 110059669 A 2019.07.26
C N 110059669
A
权 利 要 求 书1/2页CN 110059669 A
1.一种基于微处理器的智能割草机器人边界识别方法，其特征在于，包括以下步骤：
S1、使用双目图像传感器进行图像采集，得到图像原图；
S2、在微处理器平台上将原图进行灰度变换，得到灰度图像；
S3、在微处理器平台上将灰度图像进行二值化处理，得到二值图像；
S4、在微处理器平台上对二值图像进行数学形态学的闭运算，得到高对比度图；
S5、在微处理器平台上用Hough变换对高对比度图进行边界曲线拟合，得到图像边界曲线，完成对智能割草机器人边界的识别。
2.根据权利要求1所述的基于微处理器的智能割草机器人边界识别方法，其特征在于，所述微处理器的内核为ARM内核。
3.根据权利要求1所述的基于微处理器的智能割草机器人边界识别方法，其特征在于，所述图像原图的像素为RGB565格式的16位数据。
4.根据权利要求1所述的基于微处理器的智能割草机器人边界识别方法，其特征在于，所述步骤S1中得到图像原图的步骤为：
S11、进行μC/OS-II嵌入式操作系统和硬件设备初始化；
S12、通过双目图像传感器模块进行图像采集，得到图像原图，并对图像原图进行存储。
5.根据权利要求4所述的基于微处理器的智能割草机器人边界识别方法，其特征在于，所述步骤S12中的图像原图存储在AL422B缓存芯片中。
6.根据权利要求2所述的基于微处理器的智能割草机器人边界识别方法，其特征在于，所述步骤S2中得到灰度图像的步骤为：
S21、从16位RGB565格式的像素数据的高5位中提取出像素的R分量；
S22、从16位RGB565格式的像素数据的中间6位中提取出像素的G分量；
S23、从16位RGB565格式的像素数据的低5位中提取出像素的B分量；
S24、将R、G、B三分量按照以下公式：
Gray＝R×A1+G×A2+B×A3 (1)
进行加权求和，得到像素灰度值Gray；
其中，A1为R分量的权值，A2为G分量的权值，A3为B分量的权值，将R分量、G分量和B分量均用像素灰度值Gray替换，得到灰度图像。
7.根据权利要求1所述的基于微处理器的智能割草机器人边界识别方法，其特征在于，所述步骤S3得到二值图像的步骤为：
S31、在微处理器中预设一组不同光强环境中的阈值，阈值大小在(16,22)开区间范围内；
S32、根据当前环境的光强，选取对应的阈值；
S33、将灰度图的像素与选取的阈值进行比较，将像素值大于阈值的像素赋新值255；将像素点小于阈值
的像素赋新值0，得到二值图像。
8.根据权利要求1所述的基于微处理器的智能割草机器人边界识别方法，其特征在于，所述步骤S4得到高对比度图的步骤为：
S41、对二值图像进行数学形态学膨胀运算，得到膨胀图；
S42、对膨胀图进行数学形态学腐蚀运算，得到高对比度图。
9.根据权利要求1所述的基于微处理器的智能割草机器人边界识别方法，其特征在于，
2
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议