基于视频分析的振荡果实轨迹跟踪方法

发布时间：2022-04-25 18:13

　　受采摘作业及风力等因素影响,果实目标多处于振荡状态,实现振荡影响下果实目标的自动识别与快速跟踪是提升果实采摘机器人采摘效率、果实表型最佳监测帧选取的关键。为了实现振荡影响下果实目标的准确识别与跟踪,提出了一种基于YCbCr颜色空间的果实目标自动识别方法;在此基础上,利用Meanshift算法实现了振荡果实轨迹跟踪;最后,通过对振荡果实运动轨迹跟踪结果得到果实的运动速度及加速度曲线,可为采摘机器人判定最佳采摘时机、最佳果实表型监测帧筛选奠定基础。结果表明,Meanshift跟踪方法适合于振荡果实目标的自动跟踪,可为提高振荡果实采摘效率和果实的生长状态无损监测提供借鉴。 

【文章页数】：7 页

【文章目录】：
1 材料与方法
    1.1 试验材料
    1.2 方法
        1.2.1 待跟踪区域的自动识别方法
        1.2.2 Meanshift算法原理
            1.2.2.1 建立目标模型
            1.2.2.2 建立候选模型
            1.2.2.3 相似性函数
            1.2.2.4 定位目标
2 结果与分析
    2.1 基于Meanshift算法的果实目标跟踪
    2.2 振荡果实运动轨迹的获取
    2.3 试验结果分析
3 结论


【参考文献】：
期刊论文
[1]基于历史帧路径搜索的红枣动态图像采集[J]. 吴俊杭,曾窕俊,马本学,汪传建,罗秀芝,王文霞.  江苏农业科学. 2019(10)
[2]基于CLAHE和开闭运算的绿色苹果图像分割[J]. 王帆,吕继东,申根荣,马正华.  计算机测量与控制. 2017(02)
[3]基于单目视觉与超声检测的振荡果实采摘识别与定位[J]. 李国利,姬长英,顾宝兴.  农业机械学报. 2015(11)
[4]基于视觉组合的苹果作业机器人识别与定位[J]. 王辉,毛文华,刘刚,胡小安,李树君.  农业机械学报. 2012(12)
[5]苹果采摘机器人对振荡果实的快速定位采摘方法[J]. 吕继东,赵德安,姬伟,陈玉,沈惠良,张颖.  农业工程学报. 2012(13)
[6]基于支持向量机的葡萄病害图像识别方法[J]. 田有文,李天来,李成华,朴在林,孙国凯,王滨.  农业工程学报. 2007(06)



本文编号：3648091