论文部分内容阅读
在我国,果蔬采摘作业很大程度上仍然依靠人工完成,然而,随着农村人口不断减少,人口老龄化日益严重,此外部分果蔬采摘期短,需集中作业,使得农业劳动力愈发不足。因此,开展果蔬采摘机器人研究,实现果蔬自动化采摘迫在眉睫。视觉系统作为采摘机器人的核心部分,对机器人能否顺利采摘果实有着至关重要的影响。本文在国家自然科学基金“基于快速视觉伺服控制的多照度环境苹果高效机器采摘方法研究(31571571)”项目和教育部博士点专项基金“苹果采摘机器人常见生长形态果实自适应精确识别研究(20133227110024)”的资助下,以果园中的重叠苹果为研究对象,重点研究重叠苹果的快速动态识别以及定位,主要涵盖如下内容:1、重叠苹果图像去噪与颜色特征分析。由于多种因素的存在,从果园中现场采集的图像通常会含有一定的噪声,对后续图像识别造成干扰,因此,图像去噪是目标果实识别的第一步。本文采用彩色图像邻域平均法以及中值滤波法去除图像中的噪声,然后对去噪之后的低噪图像进行颜色特征分析,为图像分割奠定基础。2、重叠苹果图像分割以及完善。分割是识别的基础,本文对比了三种基于阈值的图像分割方法,最后选用改进的R-G色差分割算法分割去噪后的重叠苹果图像。该算法通过对RGB图像中的红色分量进行伽马变换,加大图像中红色分量和绿色分量的差,从而缓解当苹果果实与背景颜色的红绿色差不明显时,出现的过分割或者欠分割情况。针对分割后图像中存在的噪声以及孔洞,采用数学形态学、孔洞填充与阈值面积保留法三者相结合的方法进行处理。3、重叠苹果图像快速动态识别。机器人采摘作业通常是在运动状态下进行,因此本文尝试采用动态识别方法,通过对图像序列进行分析,获得苹果果实的动态特性。利用快速生成距离函数法求出分割后目标果实轮廓内的点到果实轮廓边缘最小距离的极大值,极大值对应的点即为果实的圆心;由圆心在不同方向上到轮廓边缘的最大距离的极小值确定半径;结合圆心以及半径信息提取后续匹配所需模板;根据每幅图像中圆心的位置拟合出机器人运动的路径,并对后续运动状态进行估计,缩小后续图像处理的范围,加快识别速度;最后采用快速归一化互相关匹配算法对重叠苹果进行匹配识别。4、双目摄像机标定与果实深度信息获取。本文采用张正友平面标定法对摄像机进行标定,得到其内参以及外参,此时左、右相机的重投影误差分别为[0.22115,0.21346]和[0.24535,0.27693],基本可以满足采摘要求。随后对比分析基于区域与基于特征的两种立体匹配算法,最终将左、右苹果图像的圆心作为匹配的特征点,进行基于特征的立体匹配,并根据三角测量原理得到果实的深度信息。5、重叠苹果快速动态识别与定位算法的实验分析。由实验结果可以得出:对于一幅大小为320×240像素,苹果果实面积占图像面积的比例约为18.5%的图像,若采用传统算法,匹配时间为0.181秒,经过本文算法优化之后,仅需0.094秒,匹配速度提高了48.1%;且苹果果实面积占图像面积的比例越小,加速优化效果越明显,果实重叠部分的面积越大,匹配识别的时间越短;图像采集的最佳距离为350~600mm,此时的深度距离误差在15mm内,满足一般情况下的采摘需求。