基于双目视觉及深度学习的采摘机器人目标检测及定位技术研究

发布时间：2020-12-05 23:23

　　国家发展纲要《中国制造2025》中要求在农业生产过程中提高信息收集、智能决策和精准作业的能力。采摘农机设备实现智能化会促进我国农业进一步向智能农业迈进。面对复杂的自然环境,现有的技术不能使采摘机器人精确实时的对果实进行检测和定位。本文针对以上问题,以奇异果为研究对象,对采摘机器人的目标检测及定位技术进行研究,主要贡献如下:首先,由于目前相机标定的步骤较为繁琐,不利于工程团队批量快速操作,因此基于相关理论和Opencv封装得到ViEye相机标定工具,通过标定得到双目相机的内部参数、畸变参数和外部参数,将左、右相机得到的图像校正到同一平面,标定误差小于0.05%。其次,针对目前奇异果检测方法识别精度低且用时长,建立了基于Retina-Net的奇异果检测模型:在Pytorch的框架下,以ResNet-50作为特征提取网络,通过制作数据集、选用适当的优化函数和调参策略,使用Retina-Net来检测自然环境下的奇异果。识别平均精度达到了 91.35%，单幅图像识别时间为0.08s,检测精度和速度都得到了很大的提升,能够为果实的三维定位提供数据支持。然后,针对在自然环境下提取奇异果的特征点比较困... 

【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校

【文章页数】：90 页

【学位级别】：硕士

【部分图文】：

图２－１?ＶｉＥｙｅ双目立体相机??

像坐标系”），最后转换到“像素坐标系”，变为图像上一点。??２．２．１坐标系??在相机的成像过程中，一共涉及到有四个坐标系，如图２－２所示：??Ｙｃ?ｐ（ｘ？?ｙ？?ｚｊ?ｆＺｗ??／?７??＾ｙ）?／?＼?０??／?〇?！?‘?ｌ??／ｙｆ?＾??＾?；—；—??图２－２坐标系??Ｆｉｇ．２－２?Ｃｏｏｒｄｉｎａｔｅ?Ｓｙｓｔｅｍ??８??

像坐标系”），最后转换到“像素坐标系”，变为图像上一点。??２．２．１坐标系??在相机的成像过程中，一共涉及到有四个坐标系，如图２－２所示：??Ｙｃ?ｐ（ｘ？?ｙ？?ｚｊ?ｆＺｗ??／?７??＾ｙ）?／?＼?０??／?〇?！?‘?ｌ??／ｙｆ?＾??＾?；—；—??图２－２坐标系??Ｆｉｇ．２－２?Ｃｏｏｒｄｉｎａｔｅ?Ｓｙｓｔｅｍ??８??

【参考文献】：
期刊论文
[1]自然环境下多类水果采摘目标识别的通用改进SSD模型[J]. 彭红星,黄博,邵园园,李泽森,张朝武,陈燕,熊俊涛.  农业工程学报. 2018(16)
[2]基于卷积神经网络的田间多簇猕猴桃图像识别方法[J]. 傅隆生,冯亚利,Elkamil Tola,刘智豪,李瑞,崔永杰.  农业工程学报. 2018(02)
[3]计算机视觉中摄像机标定的实验分析[J]. 吴渊凯,卞新高.  电子测量技术. 2016(11)
[4]基于边缘曲率分析的重叠番茄识别[J]. 项荣,应义斌,蒋焕煜,饶秀勤,彭永石.  农业机械学报. 2012(03)
[5]苹果采摘机器人果实识别与定位方法[J]. 司永胜,乔军,刘刚,高瑞,何蓓.  农业机械学报. 2010(09)
[6]基于K-均值聚类的绿色苹果识别技术[J]. 司永胜,刘刚,高瑞.  农业机械学报. 2009(S1)
[7]采摘机器人的研究进展与现状分析[J]. 崔玉洁,张祖立,白晓虎.  农机化研究. 2007(02)
[8]机器视觉技术及其应用综述[J]. 段峰,王耀南,雷晓峰,吴立钊,谭文.  自动化博览. 2002(03)



本文编号：2900272