随着机器视觉技术的不断发展,农业机器人使用视觉导航技术进行作业已经成为现代智能农业机械一个重要研究方向,在自动喷药施肥、收割作业、耕种除草、病虫害检测等方面有着广泛的应用。本文根据目前农业领域机器视觉技术发展现状,在总结国内外相关研究成果的基础上,设计并开发了一套基于机器视觉的农业导航系统,本文的主要研究工作和成果如下:(1)针对农业环境的多变性和复杂性,为了保证在各种环境中分割的成功率,采用了基于局部特征的层级分割结构进行图像分割,由于层级分割结构计算过程复杂,往往需要耗费大量的时间和内存,因此采用了基于离散-连续的最优梯度方向信号预测算法,相较于不使用预测算法,可以保证在成功分割的前提下减少40%的计算时间和10%的内存使用。(2)由于目前农作物种植大多为条播法,但在导航线提取时往往只用到两条作物行,因此许多研究中在图像处理过程中创建感兴趣区域(ROI)用于简化计算。针对目前研究中ROI多为人工创建的现状,提出自动ROI的思想。跟人工创建ROI相比,自动ROI可以根据条件和参数变化进行自我调整,如作物种类、拍摄角度等,不再只局限于某一特定作物或场景,增强了系统的鲁棒性。(3)针对杂草存在对导航线提取精度的影响问题,使用了机器学习进行杂草识别,一共使用了三种分类器进行实验,分别是人工神经网络,支持向量机和随机森林。实验结果表明,三种分类器都可以识别出杂草,其中随机森林的效果最佳,对作物的识别率为93.8%,杂草的识别率为91.1%,所以选择随机森林作为杂草识别的分类器。(4)对于杂草识别后的作物行识别问题,由于已经创建了合适的ROI,并且排除了杂草的影响,此时使用横条法加线性回归的组合算法更加简单有效。通过对比实验证明,无论是在精度还是耗时组合算法均优于随机Hough变换,所以最终选择了横条法加线性回归的组合算法进行作物行检测。(5)针对农田地形环境和实际需求,以韩伯电子技术研究所HBE-ROBOCAR型号机器人为移动平台,设计并开发了机器人控制系统。为了克服摄像存在的畸变问题,采用了OpenCV标定法进行了标定实验,最后在校内开展了仿真实验,平均偏差角度为2.02°。