论文部分内容阅读
苹果种植具有较强的季节性,采摘环节基本依靠人工完成,工作时间集中,劳动强度大且采摘效率低。运用采摘机器人技术可以减轻人工采摘工作量,机器视觉系统是苹果采摘机器人的重要组成部分,目前,对青苹果的识别定位问题研究较少,本文以夜间青苹果为研究对象,围绕图像降噪、图像增强以及识别定位等问题展开研究,解决了识别定位过程中遇到的复杂光照、部分遮挡等问题,实现采摘机器人夜间作业模式。主要研究内容及结论如下:(1)选定合适的辅助光源并研究夜间青苹果图像的噪声特点,分析中值滤波算法和小波降噪算法的特性,结合两者的优点对夜间青苹果图像进行降噪处理并与常用降噪算法进行对比,以PSNR作为图像降噪评价标准,本文降噪算法的PSNR最高,即图像所含噪声最少。(2)针对夜间青苹果图像存在整体偏暗和细节信息丢失的问题,提出了一种保护细节特征的图像增强算法。在基于Retinex图像増强理论的基础上,使用改进的LoG算子对原始图像进行处理,提取图像的细节特征,根据图像信息熵计算比例系数,将细节特征融入到单尺度Retinex算法处理后的图像中,得到增强处理后的结果图像。对比常用图像增强算法,本文图像增强算法可以达到良好的图像增强效果且图像携带更多的细节特征。(3)基于模板匹配思想对夜间青苹果的识别算法进行研究,利用成熟青苹果形状特征得到标准青苹果边界,通过7次尺度变换创建满足实际采摘要求的模板库,选用NCC模板匹配算法进行匹配并使用图像金字塔算法加速匹配过程。经过重复性实验得出:无遮挡情况下的匹配准确率为90%,遮挡面积低于40%时可以匹配成功,匹配一幅模板图像的平均时间为0.8秒。(4)对夜间青苹果双目立体视觉系统进行研究,定义左摄像机为世界坐标系的原点,借助Matlab平台完成摄像机标定,获取双目摄像机的内外参数,矫正双目摄像机,根据双目视觉原理,对青苹果采摘点进行定位计算。实验表明,左摄像机距离青苹果500mm~1500mm距离内产生的误差满足实际采摘要求。