论文部分内容阅读
农业机械对操作目标的识别和定位是精准农业技术的关键,立体视觉技术能逼真的模仿人类的双目视觉功能,从两个不同的角度观察同一景物,通过两幅图像之间的视差获得目标物体的深度信息,从而计算出目标物的三维空间坐标实现对目标的定位和识别。我国是果蔬生产大国,目前国内的果蔬采摘基本上都是人工进行,本文通过对双目立体识别和定位算法的研究,可以有效的提高机械手的采摘成功率,降低工人劳动强度和生产费用。双目立体匹配技术的实现可分为图像获取、摄像机标定、特征提取、立体匹配和三维重构几个部分。
本文针对双目立体视觉的几个关键技术进行了深入的研究。主要内容包括:⑴在原始图像采集过程中,由于摄像机的抖动、变焦及其他环境因素的影响,采集到的图像信息可能会发生畸变,从而影响到立体匹配的精确度。在图像畸变的预处理上,本文提出了一种基于位移、缩放和旋转因子的视差修正算法,利用左右图像的局部特征点建立左图像到右图像之间最佳立体匹配的转换关系。在计算调整参数时以垂直视差为出发点,简化了计算过程。实验表明,该方法能有效解决视图之间视差不匹配的问题,可以改善双目立体视觉的显示效果。⑵在目标的识别和定位问题上,本文提出了一种基于角点聚类的自然路标局部特征提取及其建模和匹配的算法,和以往算法不同的是,其最大程度上利用了角点的几何特性,且角点响应函数的设计简单独特,角点检测精度高。由于同一种类的水果具有外形一致性的特点,利用角点聚类能避免大量的冗余计算。以角点视差、角点距离和颜色等为约束条件,大大提高了果实目标的匹配精度。理论分析与实验证明,此算法能够快速检测水果形状和建立稳定的局部特征模板,并能够在背景变换情况下正确识别目标。通过对不同背景下果实目标进行大量试验,发现基于单一特征属性的提取方法角点匹配效率低、定位精度差,基于视差的定位精度为78%,基于距离的定位精度为73%,基于颜色的定位精度为68%,本文提出的算法融合三种特征属性,定位精度为89%。试验结果表明该算法具有较高的鲁莽性,能够更有效定位果实位置,提高机械手采摘效率。