基于双目视觉的番茄果实串采摘点的空间坐标获取方法

发布时间：2020-04-13 07:31

【摘要】：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。
【图文】：

收获机

(a) 黄瓜收获机器人 (b) 番茄收获机器人 (c) 草莓收获机器人图 1.1 国外收获机器人1.2.2 国内研究现状在意识到机器视觉在机器人领域的重要研究价值之后，我国的许多科研人员也相继投入这一方面的研究并取得了一定的进展。2004 年，浙江大学的徐惠荣等[22]实验了两种柑桔果实的识别定位方法，一种是基于 RGB 颜色空间模型的，通过分析对比 53 幅在自然光条件下拍摄下的图像，发现果实、枝干、叶子的 R、G 颜色分量基本分布在对应坐标系 45°对角线上，进一步分析提出了利用 R-B 色差进行阈值分割，实验表明肉眼可见的成熟单果和多果果实的识别率为 100%。另一种是利用红外热成像技术，在不同的温度、湿度下，果实、枝干、树叶的温度是有差异的，通过实验分析，在顺光情况下有较好的识别效果，，在背光的环境下则不能识别，该方法受环境因素影响较大。

收获机

后左右相机计算的空间坐标误差满足要求。2007 年，张立彬[30]等提出了一种温室黄瓜的识别方法以 B（蓝色）和 S（饱度）作为神经网络的输入，成功训练网络后，以黄瓜植株作为研究对象，保黄瓜目标区域，去除背景，通过 40 个黄瓜图像实验表明，识别准确率超过百 75%。2012 年，熊俊涛和邹湘军等[31]提出了扰动条件下荔枝的识别定位方法，在获过程中机械臂产生对荔枝的扰动，通过试验平台模拟震荡过程，在 HIS 空下结合 FCM 模糊 C 均值聚类法分割图像，最后利用霍夫直线检测并求坐标，采用多帧检测求平均值的方法，试验表明空间的误差在 6cm 以内满足采摘业的需求。国内的一些机构也研制了相应的采摘机器人，华南农业大学研发的荔枝采机器人如图 1.2（a）所示，利用双目定位通过算法自动规划采摘路径，其采效率是人工的两倍；图 1.2（b）是中国的研究机构针对苹果研制的收获机器，通过安装不同的传感器应对复杂的采摘环境，其整体分为两部分：采摘部和移动部分，在实际工作中能够高效的完成作业需求。
【学位授予单位】：中国计量大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.41;S225

【相似文献】