论文部分内容阅读
菠萝是世界重要的水果之一,也是目前华南地区主要外销水果之一,现已成为华南主产区农村经济的一大支柱产业,为促进农民增收、扩大城乡居民就业做出了积极贡献。由于菠萝采摘期间存在劳动环境炎热、叶片毛刺尖锐、收获期短、劳动量繁重、劳动成本高等问题,自动化采摘菠萝将成为解放劳动力、提高菠萝采摘效率的必然趋势。 本文基于计算机视觉和图像处理理论,结合自然环境下的菠萝图片和实验室环境下的菠萝图片,利用Matlab语言编程,对菠萝果实的识别与定位进行了研究,最终确定了菠萝的采摘位置。 具体研究内容如下: (1)对摄像机标定技术进行全面系统地分析,传统的方法需要分别标定双目视觉系统中两个摄像机的内外参数,方法繁琐且不易实现。本文利用BP神经网络强大的非线性映射功能,建立了双目视觉成像模型。该模型能够一次性完成两个摄像机的标定,视觉系统的各参数信息分别存储在网络的各个权值内,测得目标的最大距离误差为0.75mm,验证了该方法的可行性。 (2)利用机器视觉系统采集菠萝图像,并对菠萝果实图像进行识别与定位,本文重点研究了菠萝果实图像的分割方法。对自然环境下采集的菠萝图片在各种颜色模型中进行分割,并对分割结果进行分析和比较,最终选用RGB颜色模型中的R分量进行分割,并结合Otsu(最大类间方差)阈值分割法对果实进行了识别。结果表明该方法具有较好的识别效果。 (3)在立体匹配部分,本文提取菠萝果实的形心作为匹配特征,用改进的SIFT算法对目标形心进行匹配,即利用传统的SIFT算法进行匹配后,将匹配结果进行二次逆向匹配,实现了目标之间的快速准确匹配。 (4)空间定位部分,本文构建了一个4-18-3型的BP神经网络。利用标定实验得到的样本数据训练神经网络,实现了从目标的左右图像坐标(u1,v1)、(u2,v2)到目标空间坐标(X,Y,Z)的映射。通过对菠萝进行实验,将在立体匹配中得到的菠萝特征目标在左右图像中的形心坐标作为神经网络的输入,经神经网络可以直接得到菠萝的空间坐标。对于单个果实最大距离误差为3.19cm,在误差允许范围之内,证明了该BP神经网络的可用性。 本文采用Matlab建立了图像处理系统的界面,对输入的图像可以直接得出目标的匹配结果和空间坐标。