果实自动化采摘的识别与定位方法研究

发布时间：2023-10-21 13:47

　　我国水果产量高、国民需求量大,但水果供应链的采摘环节却仍然依靠人工作业,采摘成本高、效率低,无法满足市场的供应需求。为有效解决上述问题,利用水果采摘机器人代替人工作业必将成为果园现代化管理的发展趋势。视觉系统作为水果采摘机器人的核心部分,能够有效提高对目标果实的识别与定位性能,提升作业效率,降低采摘成本。本文以自然环境中的类球形果实为研究对象,基于Kinect机器视觉技术获取果实的彩色图像和深度图像,实现了果实的二维平面识别和三维空间定位。取得的主要研究成果和结论如下:(1)研究了图像的采集方式,分析了颜色空间模型的特点,利用R-G色差法得到果实彩色图的色差灰度图后,利用OTSU自动阈值分割算法从图像中提取出目标果实区域,针对表面与背景颜色相近的果实而言,提出了基于灰度共生矩阵提取纹理特征训练支持向量机的纹理分割方法,并运用数学形态学运算消除果实区域的内部孔洞和边缘毛刺,该方法对于光照具有一定的鲁棒性。(2)研究了自然环境下被树枝、树叶、果实遮挡的类球形果实的识别方法,引入空矩阵提取果实区域边缘和质心坐标,提出了一种利用目标区域边缘上相邻的人工标注点与质心的距离波动曲线求取最佳遮挡阈值...

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题的研究背景及意义
    1.2 农业采摘机器人的视觉发展概况
        1.2.1 农业采摘机器人视觉系统概述
        1.2.2 农业采摘机器人视觉系统国内外研究现状
        1.2.3 果实识别方法国内外研究现状
        1.2.4 果实定位方法国内外研究现状
    1.3 存在的问题
    1.4 本文的主要研究内容和技术路线
        1.4.1 研究内容
        1.4.2 技术路线
第2章 图像分割方法研究
    2.1 Kinect V2 设备简介
    2.2 果实样本的采集
    2.3 基于颜色特征的果实分割
        2.3.1 图像去噪
        2.3.2 颜色空间的选取
        2.3.3 颜色阈值分割
    2.4 基于纹理特征的果实分割
        2.4.1 灰度共生矩阵提取纹理特征
        2.4.2 SVM基本原理
        2.4.3 基于GLCM提取纹理特征训练SVM
    2.5 形态学处理
    2.6 本章小结
第3章 基于遮挡阈值的被遮挡果实识别方法研究
    3.1 霍夫梯度变换法识别被遮挡果实
    3.2 基于遮挡阈值的识别方法
        3.2.1 目标区域边缘及质心的获取
        3.2.2 遮挡阈值的判断
        3.2.3 圆心点集的获取
        3.2.4 基于堆排序的凝聚层次聚类算法
    3.3 识别效果和评价标准
    3.4 本章小结
第4章 基于Kinect的果实定位方法研究
    4.1 视觉测量模型
        4.1.1 世界坐标系与相机坐标系
        4.1.2 相机坐标系与图像坐标系
        4.1.3 图像坐标系与图像像素坐标系
    4.2 Kinect V2 相机标定
        4.2.1 相机标定原理
        4.2.2 彩色图与深度图配准
        4.2.3 Kincet相机标定实验
        4.2.4 获取果实表面点云数据
    4.3 基于最小二乘法的曲面拟合
        4.3.1 最小二乘法原理介绍
        4.3.2 拟合参数的解算
        4.3.3 粗差点的剔除
        4.3.4 插值拟合结果
    4.4 本章小结
第5章 结论
参考文献
在学研究成果
致谢



本文编号：3855952