买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉河南农业大学申请的专利基于机器视觉的植物高垄栽培环境的作物导航线提取方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116128816B 。

龙图腾网通过国家知识产权局官网在2025-08-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211643115.3，技术领域涉及：G06V20/10；该发明授权基于机器视觉的植物高垄栽培环境的作物导航线提取方法是由张秀丽;周湘铭;周培林;黄伟华;宋强龙;裴宜坤;丁建朋;赵任重;马少帅;汤胜美;许丹丹;雷佩设计研发完成，并于2022-12-20向国家知识产权局提交的专利申请。

本基于机器视觉的植物高垄栽培环境的作物导航线提取方法在说明书摘要公布了：基于机器视觉的植物高垄栽培环境的作物导航线提取方法，相机获取RGB颜色空间的图像，将图像颜色空间转化为CIE‑Lab颜色空间。提取CIE‑Lab颜色空间的a分量实现初步提取作物行特征，结合OTSU和形态学处理实现完全分离作物行和背景。采用等距分段垂直投影法提取作物行特征点。运用自适应聚类方法对相邻特征点进行聚类处理，运用动态分割点聚类方法确定最终聚类的特征点集，并使用横向距离优化法和点线距离优化法对特征点集进行优化，优化过程中采用基于Huber损失函数的线性回归方法进行拟合，根据作物行线计算导航线。最后引入动态分割水平条带数量反馈机制提高算法多时期适应能力。本发明的图像处理过程的每帧平均耗时38.53ms，能够满足视觉导航的效率要求。

本发明授权基于机器视觉的植物高垄栽培环境的作物导航线提取方法在权利要求书中公布了：1.基于机器视觉的植物高垄栽培环境的作物导航线提取方法，其特征在于：它包括如下步骤： S1:采用彩色相机获取农田RGB图像； S2:将图像颜色空间由RGB颜色空间转化为CIE-Lab颜色空间； S3:提取CIE-Lab颜色空间的a分量实现初步提取作物行特征，对获取的彩色图像灰度化处理； S4:对灰度化图像进行二值化处理，得到二值图像； S5:对二值图像滤除噪声； S6:采用改进的等距分段垂直投影法提取作物行特征点； S7:运用自适应聚类方法对相邻特征点进行聚类处理； S8:运用动态分割点聚类方法确定最终聚类的特征点集； S9:并使用横向距离优化法和点线距离优化法对特征点集进行优化处理，优化过程中采用基于Huber损失函数的线性回归方法对优化后的特征点集合拟合处理； S10:根据作物行线计算导航线； S11:引入动态分割水平条带数量反馈机制提高算法多时期适应能力； 步骤S6包括如下步骤： 1依据动态分割水平条带数量反馈机制计算水平条带数目ND； 2根据水平条带数目ND计算水平条带高度D； 3在二值图像内划分出ND条水平条带，按照自下而上的顺序为所有的划分的水平条带编号，初始化x＝ND-1，在第x段水平条带中，寻找fi,j＝255的点，将同一列fi,j＝255的点投影累加至列坐标轴上得到垂直投影统计图； 4计算第x段水平条带的垂直投影统计图，记作第x垂直投影统计图；设pi为二值水平条带位于第i列的像素值为255的像素点的个数，pi的计算公式表达式如公式1所示，其中i∈{0,1,2,…,u}；x∈{ND-1,…,2,1,0}； 5计算在第x垂直投影统计图的所有列的pi的平均投影值avgpx；将较大较高的峰值区域认定为作物特征区域，将作物特征区域简化成一个点，该点即为作物特征点；avgpx计算公式： 其中，W为图像宽度； 6采用基于面积阈值的特征点纵坐标值确定方法，确定特征点水平线的纵坐标为mx， Yx＝UppB+mx4 其中，ths为图像面积阈值，Yx为第x段水平条带中每个特征点的纵坐标值； 7比较pi和mx的大小关系； Bi为第x垂直投影的二值统计值； 8特征点的横坐标计算公式如下： 其中p_midc表示在第x段水平条带中编号为c的特征点的横坐标；u1为连续数据集合的起始点；u2为连续数据集合的终止点；nk为连续数据集合的数据个数；nk＝u2-u1；thn为噪声判断阈值； 9输出特征点集合SET_FP＝{p_mid0,Yx,p_mid1,Yx,p_mid2,Yx,…,p_midQ-1,Yx}，Q为该段水平条带中的特征点数目； 10令x＝x-1，循环重复步骤4～9，直到x0时，程序停止运行。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人河南农业大学，其通讯地址为：450002 河南省郑州市金水区文化路95号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。