基于图像检测的割草机及割草机控制方法

1.一种基于图像检测的割草机，其特征在于，包括：
机体；
切割装置，设于所述机体的底部；
图像采集装置，用于采集所述机体前方地面的图像数据，所述图像采集装置包括：设于所述机体前端且具有向地面方向开口的遮光罩、位于遮光罩内的摄像头和光源；
控制装置，分别与所述切割装置、图像采集装置连接，用于根据所述图像数据计算得到图像特征值，并将所述图像特征值与预存的特征阈值进行比较：若所述图像特征值小于所述特征阈值，控制所述切割装置继续工作；否则控制所述切割装置停止工作。
2.根据权利要求1所述的基于图像检测的割草机，其特征在于，所述控制装置用于：
将所述图像数据进行灰度化处理；
分别计算不同边界区域中所包含的像素点的灰度均值，并将其中最大的灰度均值作为所述图像特征值。
3.根据权利要求1所述的基于图像检测的割草机，其特征在于，所述控制装置用于：
分别计算不同边界区域中所包含的像素点的R、G、B三个颜色通道像素值的平均加权和，并将其中最大的平均加权和作为所述图像特征值。
4.根据权利要求1所述的基于图像检测的割草机，其特征在于，还包括报警装置，用于在所述控制装置控制所述切割装置停止工作时发出报警信号。
5.根据权利要求4所述的基于图像检测的割草机，其特征在于，所述报警信号包括声音报警和/或灯光报警。
6.一种割草机控制方法，所述割草机包括机体及设于机体底部的切割装置，其特征在于，包括：
采集机体前方地面的图像数据；
根据所述图像数据计算得到图像特征值；
将所述图像特征值与预存的特征阈值进行比较：若所述图像特征值小于所述特征阈值，控制所述切割装置继续工作；否则，控制所述切割装置停止工作。
7.根据权利要求6所述的割草机控制方法，其特征在于，根据所述图像数据计算得到图像特征值的步骤为：
将所述图像数据进行灰度化处理；
分别计算不同边界区域中所包含的像素点的灰度均值，并将其中最大的灰度均值作为所述图像特征值。
8.根据权利要求6所述的割草机控制方法，其特征在于，根据所述图像数据计算得到图像特征值的步骤为：
分别计算不同边界区域中所包含的像素点的R、G、B三个颜色通道像素值的平均加权和，并将其中最大的平均加权和作为所述图像特征值。
9.根据权利要求6所述的割草机控制方法，其特征在于，在控制所述切割装置停止工作之后还包括发出报警信号的步骤。
10.根据权利要求9所述的割草机控制方法，其特征在于，所述报警信号包括声音报警和/或灯光报警。

基于图像检测的割草机及割草机控制方法\n技术领域\n[0001] 本发明涉及自动化机械领域，特别是涉及一种基于图像检测的割草机及割草机控制方法。\n背景技术\n[0002] 割草机是一种用于切割草被、植被等，修剪杂草和处理平整绿化草坪的半自动化机械工具。割草机因操作简单，节省人力与时间，从而被广泛应用。割草机一般通过其刀盘的旋转来进行切割或修剪工作。\n[0003] 然而，传统的割草机无法检测其被提起或遇到阶梯时的这种情况，使得旋转的刀盘容易导致人身伤害，安全指数低。\n发明内容\n[0004] 基于此，有必要提供一种安全指数高的基于图像检测的割草机及割草机控制方法。\n[0005] 一种基于图像检测的割草机，包括：\n[0006] 机体；\n[0007] 切割装置，设于所述机体的底部；\n[0008] 图像采集装置，用于采集所述机体前方地面的图像数据，所述图像采集装置包括：\n设于所述机体前端且具有向地面方向开口的遮光罩、位于遮光罩内的摄像头和光源；\n[0009] 控制装置，分别与所述切割装置、图像采集装置连接，用于根据所述图像数据计算得到图像特征值，并将所述图像特征值与预存的特征阈值进行比较：在所述图像特征值小于所述特征阈值，控制所述切割装置继续工作；否则，控制所述切割装置停止工作。\n[0010] 在其中一个实施例中，所述控制装置用于：\n[0011] 将所述图像数据进行灰度化处理；\n[0012] 分别计算不同边界区域中所包含的像素点的灰度均值，并将其中最大的灰度均值作为所述图像特征值。\n[0013] 在其中一个实施例中，所述控制装置用于：\n[0014] 分别计算不同边界区域中所包含的像素点的R、G、B三个颜色通道像素值的平均加权和，并将其中最大的平均加权和作为所述图像特征值。\n[0015] 在其中一个实施例中，还包括报警装置，用于在所述控制装置控制所述切割装置停止工作时发出报警信号。\n[0016] 在其中一个实施例中，所述报警信号包括声音报警和/或灯光报警。\n[0017] 一种割草机控制方法，所述割草机包括机体及设于机体底部的切割装置，包括：\n[0018] 采集机体前方地面的图像数据；\n[0019] 根据所述图像数据计算得到图像特征值；\n[0020] 将所述图像特征值与预存的特征阈值进行比较：若所述图像特征值小于所述特征阈值，控制所述切割装置继续工作；否则，控制所述切割装置停止工作。\n[0021] 在其中一个实施例中，根据所述图像数据计算得到图像特征值的步骤为：\n[0022] 将所述图像数据进行灰度化处理；\n[0023] 分别计算不同边界区域中所包含的像素点的灰度均值，并将其中最大的灰度均值作为所述图像特征值。\n[0024] 在其中一个实施例中，根据所述图像数据计算得到图像特征值的步骤为：\n[0025] 分别计算不同边界区域中所包含的像素点的R、G、B三个颜色通道像素值的平均加权和，并将其中最大的平均加权和作为所述图像特征值。\n[0026] 在其中一个实施例中，在控制所述切割装置停止工作之后还包括发出报警信号的步骤。\n[0027] 在其中一个实施例中，所述报警信号包括声音报警和/或灯光报警。\n[0028] 上述基于图像检测的割草机及割草机控制方法通过计算机体前方地面图像数据的图像特征值并根据所述图像特征值控制所述切割装置的工作状态，当割草机在被提起、遇到台阶等情况时，机体前方地面的图像数据的图像特征值会产生相应变化，这样控制装置可以根据所述图像特征值的相应变化控制切割装置的工作状态，有效地提高了安全指数。\n附图说明\n[0029] 图1为一实施例中基于图像检测的割草机的结构模块图；\n[0030] 图2为一实施例中基于图像检测的割草机正常状态时机体前方地面的图像示意图；\n[0031] 图3为一实施例中基于图像检测的割草机左侧倾斜时机体前方地面的图像示意图；\n[0032] 图4为一实施例中基于图像检测的割草机右侧倾斜时机体前方地面的图像示意图；\n[0033] 图5为一实施例中基于图像检测的割草机翻倒时机体前方地面的图像示意图；\n[0034] 图6为一实施例中割草机控制方法的流程图。\n具体实施方式\n[0035] 为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的较佳实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容的理解更加透彻全面。\n[0036] 需要说明的是，除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。\n[0037] 请参考图1，为一实施例中基于图像检测的割草机的结构模块图。\n[0038] 该基于图像检测的割草机包括机体(图未示)、切割装置200、图像采集装置300以及控制装置400。其中，切割装置200设于所述机体的底部，控制装置400分别与图像采集装置300、切割装置200连接。\n[0039] 该基于图像检测的割草机在工作的过程中可能因工作环境或人为的影响出现被提起、遇到台阶、被障碍物绊倒等情况，这样位于所述机体底部且依然在旋转的切割装置\n200可能会导致人身伤害。图像采集装置300用于采集所述机体前方地面的图像数据。正常状态下，所述机体前方地面的图像示意图如图2所示。在本实施例中，图像采集装置300包括设于所述机体前端且具有向地面方向开口的遮光罩、位于所述遮光罩内的摄像头和光源，所述遮光罩用于防止干扰光进入所述摄像头，所述光源用于照射所述机体前方的地面。\n[0040] 控制装置400用于根据所述图像数据计算得到图像特征值，并将所述图像特征值与预存的特征阈值进行比较：若所述图像特征值小于所述特征阈值，控制所述切割装置继续工作；否则控制所述切割装置停止工作。在本实施例中，所述图像特征值为灰度均值。\n[0041] 具体地，控制装置400首先将所述图像数据进行灰度化处理，然后分别计算不同边界区域中所包含的像素点的灰度均值，并将其中最大的灰度均值作为所述图像特征值。\n[0042] 当所述机体的底部进光量瞬间增大，那么图像采集装置300采集到所述机体前方地面的图像数据的灰度均值也会增大，此时，可认为该基于图像检测的割草机出现了被提起、遇到台阶、被障碍物绊倒等状况。比如，当该基于图像检测的割草机出现左侧倾斜、右侧倾斜或翻倒等不同情况时，其对应的机体前方地面的图像示意图分别如图3～5所示。\n[0043] 图像数据灰度化处理一般有四种方法：分量法、最大值法、平均值法以及加权平均法。其中，分量法是将彩色图像中每个像素点的三个分量的亮度分别作为三个灰度图像在该像素点处的灰度值，然后根据应用需要选取一种灰度图像；最大值法是将彩色图像中每个像素点的三个分量的亮度最大值作为灰度图的灰度值；平均值法是将彩色图像中的三个分量的亮度求平均值得到一个灰度值；加权平均法是根据重要性及其它指标，将三个分量的亮度以不同的权值进行加权平均以得到较合理的灰度图像。\n[0044] 在本实施例中，控制装置400采用最大值法获取不同边界区域(ABFE区域、GHCD区域和IBCJ区域)中所包含的每个像素点处的灰度值，然后计算不同边界区域(ABFE区域、GHCD区域和IBCJ区域)中所包含的像素点处的灰度值的平均值以得到灰度均值。可以理解，在其他实施例中，也可以采用其他方法计算得到不同边界区域中所包含的像素点处的灰度值。\n[0045] 因为分别计算了ABFE区域、GHCD区域和IBCJ区域三个不同边界区域中所包含的像素点的灰度均值，所以有三个灰度均值。在本实施例中，是将三个灰度均值中最大的灰度均值作为所述图像特征值与预存的特征阈值进行比较，即只要其中一个边界区域中所包含的像素点的灰度均值大于所述特征阈值时，控制装置400就控制切割装置200停止工作。\n[0046] 另外，在其他实施例中，控制装置400还可以用于获取不同边界区域(ABFE区域、GHCD区域和IBCJ区域)中所包含的像素点处的R、G、B三个颜色通道像素值，然后计算不同边界区域(ABFE区域、GHCD区域和IBCJ区域)中所包含的像素点处的R、G、B三个颜色通道像素值的平均加权和，并将其中最大的平均加权和作为所述图像特征值。具体地，根据公式(R+G+B)/3进行计算。其中，R、G、B分别为表示其对应颜色通道像素值。\n[0047] 可以理解，在其他实施例中，该基于图像检测的割草机还包括报警装置。所述报警装置用于在控制装置400控制切割装置200停止工作时发出报警信号。这样以便用户能够及时得知，提高使用的可靠性。该报警装置可发出声音报警信息、灯光报警信息或者声光报警信息，有利于用户直观得知。\n[0048] 请参照图6，为一实施例中割草机控制方法的流程图，所述割草机包括机体及设于机体底部的切割装置，包括：\n[0049] 步骤S110：采集机体前方地面的图像数据。\n[0050] 步骤S120：根据所述图像数据计算得到图像特征值。\n[0051] 在本实施例中，步骤S120具体为：\n[0052] 将所述图像数据进行灰度化处理；\n[0053] 分别计算不同边界区域中所包含的像素点的灰度均值，并将其中最大的灰度均值作为所述图像特征值。\n[0054] 可以理解，在其他实施例中，步骤S120为：\n[0055] 分别计算不同边界区域中所包含的像素点的R、G、B三个颜色通道像素值的平均加权和，并将其中最大的平均加权和作为所述图像特征值。\n[0056] 步骤S130：将所述图像特征值与预存的特征阈值进行比较：若所述图像特征值小于所述特征阈值，控制所述切割装置继续工作；否则，控制所述切割装置停止工作。\n[0057] 在其他实施例中，在控制所述切割装置停止工作之后还包括发出报警信号的步骤。这样以便用户能够及时得知，提高使用的可靠性。该报警装置可发出声音报警信息、灯光报警信息或者声光报警信息，有利于用户直观得知。\n[0058] 上述基于图像检测的割草机及割草机控制方法通过计算机体前方地面图像数据的图像特征值并根据所述图像特征值控制所述切割装置的工作状态，当割草机在被提起、遇到台阶等情况时，机体前方地面的图像数据的图像特征值会产生相应变化，这样控制装置可以根据所述图像特征值的相应变化控制切割装置的工作状态，有效地提高了安全指数。\n[0059] 以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。