采摘機(jī)器人目標(biāo)標(biāo)識別及定位研究.pdf

1、在自然環(huán)境下橘子目標(biāo)所處的背景十分復(fù)雜，被枝葉遮擋或者果實之間疊加的現(xiàn)象非常普遍，這種環(huán)境的復(fù)雜性無疑給機(jī)器視覺系統(tǒng)的識別帶來困難，導(dǎo)致采摘機(jī)器人不能有效、準(zhǔn)確地識別目標(biāo)。針對這一問題，本文對復(fù)雜環(huán)境中橘子目標(biāo)圖像的識別與定位問題進(jìn)行了仿真與實驗研究。主要工作內(nèi)容如下：
　　對復(fù)雜環(huán)境中橘子目標(biāo)輪廓的識別方法進(jìn)行了研究。介紹了傳統(tǒng)的邊緣檢測算法，并對橘子圖像進(jìn)行了測試，測試效果顯示該方法不能有效提取復(fù)雜環(huán)境中的橘子目標(biāo)輪廊。將 K

2、-means聚類算法與Canny算法融合，采用K-means聚類算法從目標(biāo)圖像中分割目標(biāo)物區(qū)域，結(jié)合Canny檢測算法檢測出目標(biāo)物區(qū)域的輪廓，進(jìn)而完成目標(biāo)的識別，橘子圖像測試結(jié)果驗證了該方法的有效性。
　　對重疊橘子目標(biāo)輪廓分離方法進(jìn)行了研究。在對腐蝕剝離法及分水嶺分割法等方法分離重疊（鄰接）目標(biāo)的原理和特點(diǎn)比較基礎(chǔ)上，研究了基于K-means聚類算法分離重疊橘子目標(biāo)輪廓的方法，該方法對雙果鄰接、重疊的橘子目標(biāo)圖像進(jìn)行了測試，測試

3、結(jié)果苕出重疊目標(biāo)輪廓分離完整，體現(xiàn)了該方法的有效性。
　　對橘子目標(biāo)輪廓匹配進(jìn)行了研究。為描述目標(biāo)輪廓特征，引入幾何不變矩參數(shù)作為輪廓的描述子，采用作差法的結(jié)果作為兩幅圖像中輪廓匹配測度值，實驗數(shù)據(jù)表明，幾何不變矩參數(shù)在橘子目標(biāo)輪廓特征描述方面具有較好的效果，匹配能力良好。同時引入基于梯度法的Hough變換圓檢測方法對類圓形橘子目標(biāo)輪廊擬合重建，測試效果圖顯示該方法能夠?qū)崿F(xiàn)果實的有效定位。
　　對基于單目視覺的目標(biāo)深度進(jìn)行了