CN109328615B - 草地边界识别方法、割草装置的控制方法及割草装置 - Google Patents
草地边界识别方法、割草装置的控制方法及割草装置 Download PDFInfo
- Publication number
- CN109328615B CN109328615B CN201811484688.XA CN201811484688A CN109328615B CN 109328615 B CN109328615 B CN 109328615B CN 201811484688 A CN201811484688 A CN 201811484688A CN 109328615 B CN109328615 B CN 109328615B
- Authority
- CN
- China
- Prior art keywords
- mowing device
- external scene
- scene image
- sensitive
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01D—HARVESTING; MOWING
- A01D34/00—Mowers; Mowing apparatus of harvesters
- A01D34/006—Control or measuring arrangements
- A01D34/008—Control or measuring arrangements for automated or remotely controlled operation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Guiding Agricultural Machines (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Harvester Elements (AREA)
- Image Analysis (AREA)
Abstract
一种草地边界识别方法、割草装置的控制方法及割草装置,通过图像获取单元获取所述外部场景图像输入至控制单元,控制单元对图像获取单元获取的外部场景图像的局部特征值进行分析并由此输出控制信号至割草单元或行走单元,由该控制信号分别控制割草单元或行走单元运转。本发明通过所选择的外部场景图像的特定区域,能够减少控制单元的运算量,并且可以直接根据特定区域的特征值控制割草装置转向,减少信号处理的延时。
Description
技术领域
本发明涉及花园工具,尤其涉及一种草地边界识别方法、割草装置的控制方法及割草装置。
背景技术
割草设备主要包括割草单元、控制单元以及自行走单元。工作时,通过各种感知外部环境的装置感知割草设备外部环境的相关数据,控制单元根据外部环境的相关数据,例如根据对草地边界的识别控制自行走单元在不同自行走模式之间切换,以实现刹车、转弯、巡航等,并同时控制割草单元相应地运转。
目前,对草地边界的识别可通过对边界线的识别或者基于计算机视觉技术的方式实现。现有基于计算机视觉技术的草地边界识别方案,大多是通过预设的草地的颜色、纹理等特征值对画面进行分割,提取出画面中符合草地特征的部分;或是通过对比画面整体内容与预设草地的相似度,来判断画面内容是否为草地。由于涉及对图像纹理等特征的提取,现有的实现方式方法计算量较大,对硬件要求较高。并且,通过对草地特征的判断无法准确分辨草地边缘与割草设备的方位关系。
发明内容
为了解决现有技术存在的不足,本发明的目的在于提供一种计算量小,能够直接识别草地边缘与割草设备方位关系的技术。
首先,为实现上述目的,提出一种草地边界识别方法,其步骤包括:获取外部场景图像;判断所述外部场景图像中两个或多个敏感区域的相似度,若相似度达到预设的阈值则判断为在草地边界内;否则,判断为到达草地边界。其中,所述敏感区域包括:所述外部场景图像中的任意角和/或所述外部场景图像的任意边缘。
可选的,上述的草地边界识别方法中,外部场景图像中的任意角包括:任意一角、任意两角、任意三角或任意四角;所述外部场景图像的任意边缘包括:任意一侧边缘、两侧边缘、三侧边缘或四侧边缘。
可选的,上述的草地边界识别方法中,所述敏感区域相对,均位于图像边缘。
可选的,上述的草地边界识别方法中,对所述相似度的判断步骤具体包括:分别计算所述敏感区域的特征值;分别计算所述各敏感区域的特征值之间的巴氏距离、归一化相关系数或高斯差分数据;若所述巴氏距离、归一化相关系数或高斯差分数据达到预设的所述阈值,则判断为在草地边界内;否则,判断为到达草地边界。
可选的,上述的草地边界识别方法中,所述外部场景图像中敏感区域的特征值包括:所述外部场景图像中敏感区域的颜色特征值、直方图、图像矩阵奇异值分解、图像非负矩阵分解或尺度不变特征变换的特征值。
可选的,上述的草地边界识别方法中,所述的不同位置的敏感区域分别对应有不同的阈值。
其次,为实现上述目的,还提出一种割草装置的控制方法,其步骤包括:获取外部场景图像;判断所述外部场景图像中敏感区域的特征值是否符合预设的阈值范围:若符合则控制所述割草装置保持当前驱动模式;否则,控制所述割草装置切换驱动模式。其中,所述敏感区域包括:所述外部场景图像的任意边和/或所述外部场景图像的任意角。
可选的,上述的割草装置的控制方法中,所述驱动模式包括保持当前行进方向,以及,以任意角度和/或方向转弯。
可选的,上述的割草装置的控制方法中,所述转弯的方向为:向最不符合所述阈值范围的区域转弯。
可选的,上述的割草装置的控制方法中,所述的不同位置的敏感区域分别对应有不同的阈值范围;所述阈值范围包括:两个或多个敏感区域的特征值的相似度的范围。也就是说,当所述外部场景图像中敏感区域的特征值满足与另一敏感区域的相似度要求时,控制所述割草装置保持当前驱动模式;否则,控制所述割草装置切换驱动模式。
同时,本发明还提供一种割草装置,包括控制单元,所述控制单元被设置为用于执行上述的方法。
可选的,上述割草装置中,所述割草装置包括有图像获取单元,所述图像获取单元与所述控制单元连接,用于获取所述割草装置前方的外部场景图像。
可选的,上述割草装置中,所述割草装置包括有行走单元,所述行走单元与所述控制单元连接,用于根据所述控制单元的驱动模式驱动所述割草装置行进、转弯或控制其行走速度。
有益效果
本发明,通过对割草装置外部场景图像中局部特征值,尤其是通过对敏感区域特征值的比较,判断割草装置当前是否到达草地边界。对局部特征的计算,运算量小,简化了计算,降低了对运算器件的要求,可有效解决运算量大而造成的延时或硬件成本。
进一步,本发明通过对外部场景图像中不同位置的敏感区域进行特征值的比较,判断其更符合哪种状况,可直接获得割草装置与草地边界的相对位置关系。由此,可直接控制割草装置向相应的方向转向或变更驱动模式。
尤其,当选择相对且均位于外部场景图像边缘的区域作为敏感区域时,由于该敏感区域直接与割草装置的行走方向相对应。也就是说,位于外部场景图像左侧边缘的敏感区域对应割草装置行走方向的左侧,位于外部场景图像右侧边缘的敏感区域对应割草装置行走方向的右侧,位于外部场景图像下侧边缘的敏感区域对应割草装置当前位置,位于外部场景图像上侧边缘的敏感区域对应割草装置行走方向的前方。利用如上敏感区域与割草机空间方向的对应关系,可在空间上能够最有效地判断画面中草地与非草地相对于机器本体的方位关系。选择位置相对且均位于边缘的区域作为敏感区域,对割草机空间方向的判断最为便捷。
也就是说,本发明可直接通对不同敏感区域特征值的比较,进一步简化对割草装置驱动模式的控制,直接通过特征值的比较确定割草装置的转弯方向。这种方式能够进一步提高割草装置的运行效率,简化运算以降低对装置硬件的要求,节约硬件成本。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,并与本发明的实施例一起,用于解释本发明,并不构成对本发明的限制。在附图中:
图1为根据本发明的割草装置的整体结构示意图;
图2为根据本发明的割草装置的电路模块的框图;
图3为根据本发明的草地边界识别的流程图;
图4为根据本发明的割草设备的控制过程示意图;
图5为根据本发明的割草设备的第一种外部场景图像模板;
图6为根据本发明的割草设备的第二种外部场景图像模板;
图7为根据本发明的割草设备的第三种外部场景图像模板;
图8为本发明所采集的第一种外部场景图像的示例;
图9为本发明所采集的第二种外部场景图像的示例;
图10为本发明对第一种外部场景图像中敏感区域相似度的计算过程;
图11为本发明对第二种外部场景图像中敏感区域相似度的计算过程。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
图1为根据本发明的一种割草装置5,参考图2,其包括:图像获取单元1,用以获取所述智能割草机的外部场景图像,可选择设置于所述割草装置的前部;控制单元2,连接所述图像获取单元,对图像获取单元获取的外部场景图像进行分析并由此输出控制信号至割草单元3和行走单元4,由该控制信号分别控制割草单元或行走单元运转。
其中的割草单元主要包括电机以及由电机驱动的割草装置,例如割草刀片。行走单元主要包括行走轮,行走轮由单独的自行走马达驱动或由割草单元的电机驱动。为便于控制所述智能割草装置转弯,所述自行走马达通常选择两个或以上。所述两个或以上的自行走马达分别连接不同的轮子,由所述控制单元单独地进行控制,以在必要的时候使行走轮之间产生速度差,通过转速差使得所述智能割草装置实现转弯、刹车、巡航等不同自行走模式的切换。
参照图3所示,本实施例中,所述控制单元被设置以执行以下的步骤,从而实现对草地边界的识别:
第一步,获取外部场景图像
第二步,判断所述外部场景图像中敏感区域的特征值是否符合预设的阈值范围,若符合则判断为在草地边界内;否则,判断为到达草地边界
其中,所述敏感区域包括:所述外部场景图像中的任意角和/或所述外部场景图像的任意边缘。
其中的阈值范围可设置为预设的两个或多个敏感区域之间的相似度。
本领域技术人员可以理解,上述对敏感区域的判断也可单独选择一角或者一个边缘作为敏感区域,判断割草装置是否到达草地边缘。当只有单独一角或一个边缘作为判断依据时,可以设定特征值阈值,例如与预设模板的相似程度。当符合阈值时判断到边缘。
当选择所述外部场景图像的两角或两侧边缘做为所述敏感区域时,相对于选择单独一角或一侧边缘与模板设定的特征值阈值对比时,选择两角或两侧边缘的方案普适性更好,环境变化后,相对于根据模板所固定的阈值进行的判断的方案更不容易失效。
进一步,当选择外部场景图像的两角或两侧边缘做为所述敏感区域时,或者选择外部场景图像的多角或多侧边缘做为所述敏感区域时,若所述敏感区域的形状相同,则可方便的通过归一化运算计算其归一化的特征值,而无需对不同敏感区域的形状做特殊的拉伸或压缩运算。由此可减小割草装置中控制单元的运算量,进而提高其运算速度。若,选择选择外部场景图像的敏感区域时,进一步保证敏感区域大小相等,则可进一步省去归一化的运算步骤,方便计算,从而进一步提高控制单元的运算速度,进一步避免运算延时所造成的控制失效。
为进一步根据对草地边界的识别控制割草装置的运转,本发明还提供有一种割草机的控制方法。此时,割草装置的控制单元还被进一步设置以执行以下步骤:根据对外部场景图像中敏感区域的特征值是否符合预设的阈值范围,尤其,根据对外部场景图像中敏感区域的特征值是否符合与预先选择的模板的相似度的要求,控制割草装置的驱动模式。
尤其,本发明中可选择模板为:所述外部场景图像中其他敏感区域。当割草装置运动到草地边缘时,其获取的外部场景图像中的一部分为草地图形,另一部分可能为地面,此时两者特征值的分布状况不同。因此,可通过对比其特征值的相似程度,判断装置是否到达草地边缘。这种方式,由于判断所参照的模板与割草装置所处环境相同,因此,可自动修正环境对模板特征值的影响而避免因环境因素造成的误判。
具体而言,驱动模式包括保持当前行进方向,以及,以任意角度,如90度或180度向左或向右转弯。对转弯的角度、方向的选择可通过图4所示的步骤确定:
1、通过安装在外壳上的图像获取装置获得割草机前部的草地图像。如图5至图7所示,列举了三种模板。模板中分为待对比的A、B部分和剩下部分,其中A、B部分相对且均位于图像边缘,为敏感区域。为便于计算,可设置A、B部分形状大小相同,可省去图像归一化处理的步骤,因而可以减少计算量。实际使用中并不限于这种形式。可选取外部场景图像中的任意区域作为敏感区域。
2、分别获得草地图像中三种模板A、B部分的特征值。特征值包括:颜色特征值(RGB/HSV/HSI)、直方图、图像矩阵奇异值分解、图像非负矩阵分解。通过特征值分别计算三种模板中A、B部分的相似度,作为对割草装置驱动模式进行控制的指标。例如,区域A的直方图是TA,区域B的直方图是TB,相似度是通过TA与TB计算出来的。假设预设阈值为0.5,计算出来A、B区域的相似度为0.45,则不满足阈值。此时,如果三个模板的相似度均高于预设阈值,则认为该割草机器人现在位于草地内。若至少存在一个模板的相似度低于预设阈值,则认为该割草机器人到达边界。这里的阈值可理解为针对相似度的阈值。相似度介于0和1之间,表示图像区域的特征值的接近程度。这里的相似度可理解为描述是两块区域之间的纹理、颜色等特征相似程度的值。预设阈值可以根据不同场景改变。
3、比较三种模板A、B部分的相似度,若模板1相似度最低,表示A部分位于草地之外,则控制割草机器人向左转弯90°;同理,若模板2相似度最低,则控制割草机器人向右转弯90°;若模板3最低,则割草控制机器人转弯180°。
其中,A部位或B部位对应的特征值的预设阈值范围也可通过预先的实验测试确定其范围。
由此,本发明能够通过对局部区域图像特征值的判断确定割草装置与草地边缘的位置关系更符合哪种状况,以便直接根据局部区域图像特征值控制割草装置行进方向或行进速度,或者,也可同时控制割草单元停止割草。
在本发明的一种实现方式下,对草地边界的识别可通过如下的过程实现。
首先,通过摄像头获取外部场景图像,如图8或9所示。选取图8、图9的上边缘A和下边缘B作为敏感区域。分别计算AB两敏感区域的特征值,包括颜色特征值(RGB/HSV/HSI)、直方图、图像矩阵奇异值分解、图像非负矩阵分解,得到图10或图11中部显示的特征值。图9中A区域为草地***的路面,其特征值与B区域的特征值相差较大。因此可以根据两者特征值计算A、B两区域的相似度进而判断草地边缘。相似度可以通过巴氏距离、归一化相关系数或高斯差分法进行计算。计算过程如图10或图11所示。若设定的阈值为70%,在相似度达到阈值时,如图10,判定在草地范围内;在相似度未达到阈值时,如图11,判定到草地边缘。这样的相似度计算,其优势在于,同时比较同一外部环境下的外部场景图像,可避免预设的模板与外部环境不匹配而带来的误差。比如,在光线良好的条件下设置的特征值模板,其特征值分布与其他光线条件下的特征值相差较大,根据固定的模板进行草地特征值的判断,其误差较大。而本实施方式中,通过比较同一光照条件下的不同图像区域,可自动纠正由于照明条件而造成的模板特征值的偏差。其识别效率和识别精度更高,并且运算量更小。
本领域普通技术人员可以理解:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (13)
1.一种草地边界识别方法,其特征在于,步骤包括:
获取外部场景图像,
判断所述外部场景图像中两个或多个敏感区域之间的相似度,若相似度达到预设的阈值则判断为在草地边界内;否则,判断为到达草地边界;
其中,所述敏感区域包括:所述外部场景图像中的任意角和/或所述外部场景图像中的任意边缘,且,所述敏感区域相对,均位于图像边缘,包括以下任意组合:
位于外部场景图像左侧边缘的第一敏感区域,所述第一敏感区域对应割草装置行走方向的左侧,
位于外部场景图像右侧边缘的第二敏感区域,所述第二敏感区域对应割草装置行走方向的右侧,
位于外部场景图像下侧边缘的第三敏感区域,所述第三敏感区域对应割草装置当前位置,
位于外部场景图像上侧边缘的第四敏感区域,所述第四敏感区域对应割草装置行走方向的前方。
2.如权利要求1所述的草地边界识别方法,其特征在于,所述外部场景图像中的任意角包括:任意一角、任意两角、任意三角或任意四角;所述外部场景图像的任意边缘包括:任意一侧边缘、两侧边缘、三侧边缘或四侧边缘。
3.如权利要求2所述的草地边界识别方法,其特征在于,所述敏感区域大小相等。
4.如权利要求1所述的草地边界识别方法,其特征在于,对所述相似度的判断步骤具体包括:
分别计算所述敏感区域的特征值;
分别计算所述各敏感区域的特征值之间的巴氏距离、归一化相关系数或高斯差分数据;
若所述巴氏距离、归一化相关系数或高斯差分数据达到预设的所述阈值,则判断为在草地边界内;否则,判断为到达草地边界。
5.如权利要求4所述的草地边界识别方法,其特征在于,所述外部场景图像中敏感区域的特征值包括:所述外部场景图像中敏感区域的颜色特征值、直方图、图像矩阵奇异值分解、图像非负矩阵分解或尺度不变特征变换的特征值。
6.如权利要求2所述的草地边界识别方法,其特征在于,不同位置的敏感区域分别对应有不同的阈值。
7.一种割草装置的控制方法,其特征在于,步骤包括:
获取外部场景图像,
判断所述外部场景图像中敏感区域的特征值之间的相似度是否符合预设的阈值范围,若符合则控制所述割草装置保持当前驱动模式;否则,控制所述割草装置切换驱动模式;
其中,所述敏感区域包括:所述外部场景图像的任意边和/或所述外部场景图像的任意角,且,所述敏感区域相对,均位于图像边缘,包括以下任意组合:位于外部场景图像左侧边缘的第一敏感区域,所述第一敏感区域对应割草装置行走方向的左侧,
位于外部场景图像右侧边缘的第二敏感区域,所述第二敏感区域对应割草装置行走方向的右侧,
位于外部场景图像下侧边缘的第三敏感区域,所述第三敏感区域对应割草装置当前位置,
位于外部场景图像上侧边缘的第四敏感区域,所述第四敏感区域对应割草装置行走方向的前方。
8.如权利要求7所述的割草装置的控制方法,其特征在于,所述驱动模式包括保持当前行进方向,以及,以任意角度和/或方向转弯。
9.如权利要求8所述的割草装置的控制方法,其特征在于,所述转弯的方向为:向最不符合所述阈值范围的区域转弯。
10.如权利要求7所述的割草装置的控制方法,其特征在于,不同位置的敏感区域分别对应有不同的阈值范围;
所述阈值范围包括:与另一敏感区域的特征值的相似度。
11.一种割草装置,包括控制单元,其特征在于,所述控制单元被设置为用于执行权利要求1至权利要求10中任一项所述的方法。
12.如权利要求11所述的割草装置,其特征在于,所述割草装置包括有图像获取单元,所述图像获取单元与所述控制单元连接,用于获取所述割草装置前方的外部场景图像。
13.如权利要求11所述的割草装置,其特征在于,所述割草装置包括有行走单元,所述行走单元与所述控制单元连接,用于根据所述控制单元的驱动模式驱动所述割草装置行进、转弯或控制其行走速度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811484688.XA CN109328615B (zh) | 2018-12-06 | 2018-12-06 | 草地边界识别方法、割草装置的控制方法及割草装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811484688.XA CN109328615B (zh) | 2018-12-06 | 2018-12-06 | 草地边界识别方法、割草装置的控制方法及割草装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109328615A CN109328615A (zh) | 2019-02-15 |
CN109328615B true CN109328615B (zh) | 2021-05-28 |
Family
ID=65302885
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811484688.XA Active CN109328615B (zh) | 2018-12-06 | 2018-12-06 | 草地边界识别方法、割草装置的控制方法及割草装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109328615B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112558595A (zh) * | 2019-09-06 | 2021-03-26 | 苏州科瓴精密机械科技有限公司 | 自动工作***、自动行走设备及其控制方法及计算机可读存储介质 |
CN111339961A (zh) * | 2020-02-28 | 2020-06-26 | 苏州科瓴精密机械科技有限公司 | 自动工作***、自动行走设备及其控制方法及计算机可读存储介质 |
CN112060086B (zh) * | 2020-08-27 | 2022-06-03 | 深圳拓邦股份有限公司 | 机器人行走的控制方法、装置、存储介质及行走机器人 |
CN113632632B (zh) * | 2021-07-05 | 2022-12-20 | 深圳拓邦股份有限公司 | 用户选择识别模型的方法、***、割草机器人及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104111653A (zh) * | 2013-04-22 | 2014-10-22 | 苏州宝时得电动工具有限公司 | 自动行走设备及其工作区域判断方法 |
CN104331873A (zh) * | 2013-07-22 | 2015-02-04 | 浙江大学 | 一种从单幅图像检测道路的方法 |
CN105512689A (zh) * | 2014-09-23 | 2016-04-20 | 苏州宝时得电动工具有限公司 | 基于图像的草地识别方法及草坪维护机器人 |
CN105930779A (zh) * | 2016-04-14 | 2016-09-07 | 吴本刚 | 一种图像场景模式生成装置 |
CN106529593A (zh) * | 2016-11-08 | 2017-03-22 | 广东诚泰交通科技发展有限公司 | 路面病害检测方法和*** |
CN107564071A (zh) * | 2016-07-01 | 2018-01-09 | 苏州宝时得电动工具有限公司 | 一种图像识别草地方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105512622B (zh) * | 2015-12-01 | 2018-11-09 | 北京航空航天大学 | 一种基于图分割和监督学习的可见光遥感图像海陆分割方法 |
CN108284793A (zh) * | 2018-01-10 | 2018-07-17 | 深圳市鑫汇达机械设计有限公司 | 一种车辆辅助控制装置 |
-
2018
- 2018-12-06 CN CN201811484688.XA patent/CN109328615B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104111653A (zh) * | 2013-04-22 | 2014-10-22 | 苏州宝时得电动工具有限公司 | 自动行走设备及其工作区域判断方法 |
CN104331873A (zh) * | 2013-07-22 | 2015-02-04 | 浙江大学 | 一种从单幅图像检测道路的方法 |
CN105512689A (zh) * | 2014-09-23 | 2016-04-20 | 苏州宝时得电动工具有限公司 | 基于图像的草地识别方法及草坪维护机器人 |
CN105930779A (zh) * | 2016-04-14 | 2016-09-07 | 吴本刚 | 一种图像场景模式生成装置 |
CN107564071A (zh) * | 2016-07-01 | 2018-01-09 | 苏州宝时得电动工具有限公司 | 一种图像识别草地方法及装置 |
CN106529593A (zh) * | 2016-11-08 | 2017-03-22 | 广东诚泰交通科技发展有限公司 | 路面病害检测方法和*** |
Also Published As
Publication number | Publication date |
---|---|
CN109328615A (zh) | 2019-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109328615B (zh) | 草地边界识别方法、割草装置的控制方法及割草装置 | |
US10928204B2 (en) | Industrial vehicle with feature-based localization and navigation | |
CN107330376B (zh) | 一种车道线识别方法及*** | |
US9340399B2 (en) | Industrial vehicles with point fix based localization | |
US10754035B2 (en) | Ground classifier system for automated vehicles | |
Kong et al. | General road detection from a single image | |
CN108416320B (zh) | 巡检设备、巡检设备的控制方法及控制装置 | |
CN107506760A (zh) | 基于gps定位与视觉图像处理的交通信号检测方法及*** | |
CN109584258B (zh) | 草地边界识别方法及应用其的智能割草装置 | |
CN114445440A (zh) | 一种应用于自行走设备的障碍物识别方法及自行走设备 | |
Krajník et al. | Visual road following using intrinsic images | |
CN109032125B (zh) | 一种视觉agv的导航方法 | |
Chen et al. | Measurement of the distance from grain divider to harvesting boundary based on dynamic regions of interest | |
Xiong et al. | High Speed Front-Vehicle Detection Based on Video Multi-feature Fusion | |
Dong-Si et al. | Extraction of shady roads using intrinsic colors on stereo camera | |
Yingying et al. | Research on Target tracking Based on Improved KCF Algorithm | |
Singh et al. | Lane Estimation using Improved Hough Transform for Isolated and Metro Highway | |
CN116703956A (zh) | 一种快速多尺度的弱监督箱体边缘感知方法及装置 | |
CN117789521A (zh) | 一种面向平面车位的二阶段车位线检测方法 | |
Yao et al. | Self-adaptive road detection method based on vision and cluster analysis | |
CN118333933A (zh) | 基于投影形变的车辆自动驾驶道路工况检测方法及装置 | |
CN117274949A (zh) | 基于摄像头的障碍物、边界检测方法及自动行走设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |