论文部分内容阅读
番茄收获是一个极其耗费劳动力的过程,为减轻番茄收获作业的劳动力需求,目前已有研制成功的番茄自动收获机器人小规模投入使用,但是都是以单个番茄果实为对象,单果实采摘效率相对人工的优势并不明显。番茄果实成串收获可以提高效率,针对番茄成串采摘过程中机器人采摘点的空间定位需求,本课题具体研究内容如下:(1)研究对比番茄串图像在HSV和RGB模型中的分量图,进一步将果实串图像分成绿叶、果梗和果实等区域,统计各区域颜色分量均值发现在R-G分量差下分割最优,R-G直方图为双峰分布,所以采用Otsu法分割,通过形态学等方法去除干扰,利用Canny算子提取果串轮廓,最后计算并得到果实串的质心、外接矩形横纵比、轮廓周长、像素面积等一系列识别特征。(2)根据果实串特征确定果梗的ROI,并将果梗区域转为HSV图,在H通道下灰度处理结合固定阈值法得到果梗二值图。采用阈值法、形态学法、横向扫描像素等方法得到单一果梗。比较距离变换法、Zhang细化算法、形态学细化法提取骨架效果,实验表明Zhang细化算法得到的骨架毛刺最少,连通性较优。选用Harris算法提取骨架的角点,并将得到的角点按纵轴坐标大小排序,通过角点与特征点的关系公式提取特征点的像素坐标。(3)采用双目相机进行采摘点的深度信息提取试验,利用Matlab标定工具获取相机内外参数,通过极线搜索特征点结合极线约束、视差范围约束等方法进行立体匹配。通过公式计算获得深度信息,与激光测距仪实测值对比,结果表明在250~900mm距离内,深度计算误差在10mm内。(4)分析和研究深度计算值与实测值偏差较大的原因,进一步引入深度误差补偿机制,建立数据库进行直线插补,结果表明,误差补偿后,精度平均提高2.92mm,最后利用几何原理计算空间三维坐标对比测距仪测量的坐标值,结果表明,250~900mm范围内,坐标计算值对比实测值误差最大为6.8mm,满足末端执行器采摘需求。本研究搭建和设计了针对番茄串采摘点空间定位实验的视觉平台和方法流程,实现了自然光照下番茄果实串采摘点的空间坐标的提取。