基于信息融合的采摘机器人视觉识别与定位系统研究
发布时间：2021-12-17 21:31
随着人工智能与机器人技术的不断发展,农业装备将逐步向自动化、智能化方向发展。果实的识别与定位是智能采摘的关键。我国苹果果园环境复杂,苹果果树挂果率高,果实姿态各异,果实直径大,果实重叠、遮挡率高。如何在上述非结构化的场景下实现苹果的识别与定位是必须要解决的难题。针对这个问题,本文提出了基于信息融合的采摘机器人视觉识别与定位方法,论文主要研究内容如下:（1）建立苹果采摘机器人立体视觉识别系统。运用刚性配准的方法计算深度图与彩色图的映射矩阵,进而融合彩色与深度信息得到苹果特征向量P[x,y,z,r,g,b];研究了机器人手眼标定方法,对立体视觉系统中埃夫特四轴机械臂与Kinect设备进行手眼标定。（2）提出了一种适用于苹果果园的苹果特征提取方法。运用R-G、ExR、S分量（HSI空间）以及a*分量（L*a*b*空间）对所采集的苹果图像灰度化,运用otsu全局最优化阈值和k-means聚类对灰度特征图进行苹果图像粗分割;分析它们在不同环境下对背景噪声的抑制效果以及苹果特征提取效果,比较时间复杂度及特征提取效果,确定了苹果图片颜色特征提取所需的灰度算子及图像分割算法,提取目标苹果果实粗分割图像...
【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：97 页
【学位级别】：硕士
【部分图文】：
近十年我国苹果年产量统计
帧率 30fps 30fps深度检测范围 0.5-4.5m 0.8-4.0m水平视野角 70° 57.5°深度视野角 60° 43.5°数据接口 USB3.0 USB2.0理代 Kinect v1 摄像机，通过结构光与光编码（Light Coding）的 2-2a）所示，Kinect v2 摄像机的深度数据读取是基于飞行时，如图 2-2b）所示。其基本原理是通过 Kinect v2 中的红外发光，红外光照射到物体产生反射光，反射光被 Kinect v2 中红光线发射与接收的时间差，获取视场中各物体的深度数据。K方式，相比 Kinect v1 灵敏度和分辨率都要更高，因此本文中为数据采集设备。
机进行单目标定得到各自的内、外参数和畸变参数，然后在此基础上，对于 Kinect 设备中集成的彩色摄像机和红外摄像机进行立体标定，求解出彩色摄像机和红外摄像机之间的空间位姿变换关系，本文立体视觉系统标定流程图如图 2-9 所示。输出立体视觉系统同步立体标定内参数及畸变参数图像采集 角点检测图像采集 角点检测 外参数外参数内参数及畸变参数彩色红外图 2-9 立体视觉标定流程图b．标定实验与结果分析实验采用的标定板是棋盘格式标定板，材质采用氧化铝面板，浮法玻璃基板，具有不反光、不透明的特点。标定板外形尺寸 200×200mm，标定板内共有 9×12 块黑白相间的方形小格，各小格的边长为 15mm，打印精度±0.01mm。如图 2-10 所示。
【参考文献】：
期刊论文
[1]基于随机Hough变换圆检测算法的MRI质量控制空间线性度自动检测程序设计[J]. 林迪逵,吴剑威,李威,付丽媛,熊晖,陈自谦. 中国医疗设备. 2018(10)
[2]基于随机森林算法的自然光照条件下绿色苹果识别[J]. 廖崴,郑立华,李民赞,孙红,杨玮. 农业机械学报. 2017(S1)
[3]基于RANSAC的便携式激光扫描测量臂手眼标定方法[J]. 吴晗,李巍,董明利. 计算机工程与应用. 2017(23)
[4]基于区域生长的图像分割研究进展[J]. 徐蔚波,刘颖,章浩伟. 北京生物医学工程. 2017(03)
[5]基于区域划分和霍夫变换的车牌倾斜校正[J]. 王越,黄龙超,李琴. 重庆理工大学学报(自然科学). 2017(03)
[6]双足机器人下楼梯动作的设计与生成[J]. 张勤,邱俊佳,范吉斌. 计算机测量与控制. 2016(09)
[7]基于Kinect相机的苹果树三维点云配准[J]. 郑立华,麦春艳,廖崴,文瑶,刘刚. 农业机械学报. 2016(05)
[8]番茄采摘机器人夜间照明系统设计与试验[J]. 项荣,段鹏飞. 农业机械学报. 2016(07)
[9]一种基于信息融合苹果果实世界定位方法[J]. 麦春艳,郑立华,肖昌一,陈元,李民赞,刘刚. 东北农业大学学报. 2016(01)
[10]融合旋转平移信息的机器人手眼标定方法[J]. 张召瑞,张旭,郑泽龙,屠大维. 仪器仪表学报. 2015(11)
博士论文
[1]采摘机器人图像处理系统中的关键算法研究[D]. 谢忠红.南京农业大学 2013
硕士论文
[1]机器人视觉伺服系统的建模与跟踪控制技术研究[D]. 林燕龙.华南理工大学 2018
[2]机器人堆叠目标识别与定位抓取系统研究[D]. 彭泽林.华南理工大学 2018
[3]基于机器视觉的簇生猕猴桃果实多目标识别方法研究[D]. 陈礼鹏.西北农林科技大学 2018
[4]基于双目视觉的柑橘采摘机器人目标识别及定位技术研究[D]. 李扬.重庆理工大学 2017
[5]基于Kinect的虚拟试衣系统的设计与实现[D]. 李智超.东南大学 2017
[6]图像边界检出及在同心度测量中的应用研究[D]. 王祯元.华南理工大学 2014
[7]海量灰度图像8连通域标记算法的设计与应用[D]. 王晶晶.河南大学 2014
[8]田间猕猴桃图像识别方法研究[D]. 詹文田.西北农林科技大学 2014
[9]成熟苹果的图像识别及其位姿的获取研究[D]. 赵文旻.南京农业大学 2012
[10]苹果果梗/花萼与缺陷的纹理特征识别方法[D]. 宋怡焕.浙江大学 2012
本文编号：3540980
【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：97 页
【学位级别】：硕士
【部分图文】：
近十年我国苹果年产量统计
帧率 30fps 30fps深度检测范围 0.5-4.5m 0.8-4.0m水平视野角 70° 57.5°深度视野角 60° 43.5°数据接口 USB3.0 USB2.0理代 Kinect v1 摄像机，通过结构光与光编码（Light Coding）的 2-2a）所示，Kinect v2 摄像机的深度数据读取是基于飞行时，如图 2-2b）所示。其基本原理是通过 Kinect v2 中的红外发光，红外光照射到物体产生反射光，反射光被 Kinect v2 中红光线发射与接收的时间差，获取视场中各物体的深度数据。K方式，相比 Kinect v1 灵敏度和分辨率都要更高，因此本文中为数据采集设备。
机进行单目标定得到各自的内、外参数和畸变参数，然后在此基础上，对于 Kinect 设备中集成的彩色摄像机和红外摄像机进行立体标定，求解出彩色摄像机和红外摄像机之间的空间位姿变换关系，本文立体视觉系统标定流程图如图 2-9 所示。输出立体视觉系统同步立体标定内参数及畸变参数图像采集 角点检测图像采集 角点检测 外参数外参数内参数及畸变参数彩色红外图 2-9 立体视觉标定流程图b．标定实验与结果分析实验采用的标定板是棋盘格式标定板，材质采用氧化铝面板，浮法玻璃基板，具有不反光、不透明的特点。标定板外形尺寸 200×200mm，标定板内共有 9×12 块黑白相间的方形小格，各小格的边长为 15mm，打印精度±0.01mm。如图 2-10 所示。
【参考文献】：
期刊论文
[1]基于随机Hough变换圆检测算法的MRI质量控制空间线性度自动检测程序设计[J]. 林迪逵,吴剑威,李威,付丽媛,熊晖,陈自谦. 中国医疗设备. 2018(10)
[2]基于随机森林算法的自然光照条件下绿色苹果识别[J]. 廖崴,郑立华,李民赞,孙红,杨玮. 农业机械学报. 2017(S1)
[3]基于RANSAC的便携式激光扫描测量臂手眼标定方法[J]. 吴晗,李巍,董明利. 计算机工程与应用. 2017(23)
[4]基于区域生长的图像分割研究进展[J]. 徐蔚波,刘颖,章浩伟. 北京生物医学工程. 2017(03)
[5]基于区域划分和霍夫变换的车牌倾斜校正[J]. 王越,黄龙超,李琴. 重庆理工大学学报(自然科学). 2017(03)
[6]双足机器人下楼梯动作的设计与生成[J]. 张勤,邱俊佳,范吉斌. 计算机测量与控制. 2016(09)
[7]基于Kinect相机的苹果树三维点云配准[J]. 郑立华,麦春艳,廖崴,文瑶,刘刚. 农业机械学报. 2016(05)
[8]番茄采摘机器人夜间照明系统设计与试验[J]. 项荣,段鹏飞. 农业机械学报. 2016(07)
[9]一种基于信息融合苹果果实世界定位方法[J]. 麦春艳,郑立华,肖昌一,陈元,李民赞,刘刚. 东北农业大学学报. 2016(01)
[10]融合旋转平移信息的机器人手眼标定方法[J]. 张召瑞,张旭,郑泽龙,屠大维. 仪器仪表学报. 2015(11)
博士论文
[1]采摘机器人图像处理系统中的关键算法研究[D]. 谢忠红.南京农业大学 2013
硕士论文
[1]机器人视觉伺服系统的建模与跟踪控制技术研究[D]. 林燕龙.华南理工大学 2018
[2]机器人堆叠目标识别与定位抓取系统研究[D]. 彭泽林.华南理工大学 2018
[3]基于机器视觉的簇生猕猴桃果实多目标识别方法研究[D]. 陈礼鹏.西北农林科技大学 2018
[4]基于双目视觉的柑橘采摘机器人目标识别及定位技术研究[D]. 李扬.重庆理工大学 2017
[5]基于Kinect的虚拟试衣系统的设计与实现[D]. 李智超.东南大学 2017
[6]图像边界检出及在同心度测量中的应用研究[D]. 王祯元.华南理工大学 2014
[7]海量灰度图像8连通域标记算法的设计与应用[D]. 王晶晶.河南大学 2014
[8]田间猕猴桃图像识别方法研究[D]. 詹文田.西北农林科技大学 2014
[9]成熟苹果的图像识别及其位姿的获取研究[D]. 赵文旻.南京农业大学 2012
[10]苹果果梗/花萼与缺陷的纹理特征识别方法[D]. 宋怡焕.浙江大学 2012
本文编号：3540980
本文链接：https://www.wllwen.com/nykjlw/nygclw/3540980.html
