农业机械自动导航技术是精准农业的重要组成部分,而导航线的提取是自动导航的首要工作。近年来图像处理技术以其低廉的成本逐渐应用在导航线提取方面。因此,研究一种快速、准确、鲁棒的导航线提取算法是十分必要的。本文以图像处理技术的基本理论和农田作物行中心线检测技术为基础,研究了农业机械导航线提取所涉及的三个关键技术:农田图像预处理、作物行定位点提取以及作物行直线拟合。最后对本文算法的效果在实验室环境下进行了验证。本文主要工作归结如下:(1)研究了一种基于超像素块密度的农田图像去噪算法。在对传统的农田图像灰度化算法、二值化算法以及形态学滤波去噪算法研究的基础上,针对形态学去噪存在的形态学算子尺寸不容易确定导致去噪效果不稳定的问题,本文考虑对将超像素分割算法与传统灰度化、二值化结果进行结合。通过将超像素分割算法与超绿特征灰度化算法进行结合得到了本文基于超像素块密度的农田图像去噪算法。最后对常用的形态学去噪算法与本文算法进行了简单的结果分析。其去噪结果表明本文算法较形态学的方法具有较好的效果,也可作为农田图像去噪的一种有效方法。(2)研究了一种基于轮廓查找的作物行定位点提取算法。通过对常用的作物定位点提取算法的仿真,分析了各自的优点与不足。针对常用的作物定位点提取算法存在的检测不准确以及算法实时性差等问题,本文考虑利用在条形图中检测作物轮廓,并根据一定阈值来对检测结果进行筛选。在实验中,对常用的作物定位点提取算法进行了定性和定量评价。分析结果表明,本文算法可以有效克服传统算法在算法速率以及准确性方面的问题,能够实现作物行定位点的有效提取。(3)研究了一种基于轮廓查找结合线扫描的作物行中心线检测算法。在本文基于轮廓查找的作物行定位点提取算法的基础上,考虑到作物行直线在利用定位点进行直线检测时存在容易受定位点检测准确性的影响,且正常情况下作物的密度远远高于杂草等杂物的密度,本文考虑利用一种依赖绿色作物密度的作物行直线检测算法来进行改进。通过在图像底端一定条形图区域查找轮廓得到直线下端点,在图像顶部搜索作物行直线上端点,根据两点构成的直线附近的特征点数来确定最优作物行所在直线。最后对传统直线检测算法与本文算法的作物行中心线检测效果进行了定性和定量评价。最终结果表明,本文算法速度快、准确性高,且在正常杂草情况与作物稀少的情况下的直线检测准确率高、算法用时较少。(4)在实验室环境下基于嵌入式系统搭建了简易的算法验证平台对基于轮廓查找与直线扫描的作物行中心线提取算法的有效性进行了验证。为了验证本文基于轮廓查找与线扫描的作物行直线检测算法的有效性,在实验室环境下模拟了两条绿色作物行,并搭建了挂载摄像头的小车来模拟农用车辆,在实验中通过上位机将图像处理的结果传送到下位机进行车辆的转向控制。根据建立的车辆与相机之间的数学模型,计算了车头位置的横向偏差并记录了处理每帧图像以及传递参数给下位机的时间。通过对车辆运行状态以及实验结果的分析得出,本文研究的基于轮廓查找与直线扫描的作物行定位点提取算法在嵌入式系统中的处理速度较快,实时性较高。