采摘機(jī)器人圖像處理系統(tǒng)中的關(guān)鍵算法研究.pdf

1、中國(guó)是一個(gè)水果生產(chǎn)大國(guó)，利用機(jī)器視覺(jué)技術(shù)實(shí)現(xiàn)自動(dòng)收獲能夠解決我國(guó)勞動(dòng)力短缺問(wèn)題并大幅提高生產(chǎn)力。但由于果樹(shù)的生長(zhǎng)環(huán)境的非結(jié)構(gòu)化，采摘機(jī)器人的視覺(jué)系統(tǒng)獲取的圖像是一幅包含有天空、樹(shù)枝、樹(shù)葉、土壤和果實(shí)的復(fù)雜圖像，且樹(shù)上果實(shí)的生長(zhǎng)形態(tài)多種多樣，果園的光線(xiàn)變化無(wú)常，所有這些因素決定了建立一個(gè)實(shí)用摘機(jī)器人視覺(jué)系統(tǒng)是一個(gè)復(fù)雜的系統(tǒng)工程。
　　本文以在自然光條件下拍攝的果樹(shù)圖像為研究對(duì)象，結(jié)合圖像處理、計(jì)算機(jī)視覺(jué)以及人工智能技術(shù)對(duì)果實(shí)采摘機(jī)器

2、人視覺(jué)系統(tǒng)中圖像處理關(guān)鍵算法進(jìn)行了深入的研究，主要工作和研究成果如下:
　　1)基于改進(jìn)k-mean均值聚類(lèi)算法的彩色果實(shí)圖像分割
　　首先對(duì)顏色空間進(jìn)行了深入研究，在RGB，HIS，YCgCr，YCbCr和CIE5種顏色空間中選擇21個(gè)顏色特征，利用BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)找出識(shí)別率最高、誤分率最低的顏色特征組(H，Cr(YCgCr)，Cr(YCbCr)，R-G,2R-G,Cb-Cr)，并將該特征組作為果實(shí)圖像分割的向量;然后利用

3、變異系數(shù)賦權(quán)法對(duì)k-means聚類(lèi)算法進(jìn)行改進(jìn)，并對(duì)識(shí)別樣本集中的果實(shí)圖像進(jìn)行分割試驗(yàn)。結(jié)果表明，本文提出的算法能夠?qū)ψ匀还庹諚l件下成熟桃子圖像進(jìn)行有效分割，且對(duì)逆光拍攝的桃子圖像分割效果也很好，算法識(shí)別正確率大于89.5％。該方法結(jié)合了多種顏色空間的優(yōu)勢(shì)，克服了傳統(tǒng)歐氏距離在聚類(lèi)算法中的缺陷,提高了圖像分割的效率和識(shí)別精度。
　　2)結(jié)合顏色和紋理特征兩步法實(shí)現(xiàn)果實(shí)和背景精準(zhǔn)分割
　　以自然條件下采集的果實(shí)圖像為對(duì)象，研究

4、利用顏色和紋理特征進(jìn)行果實(shí)識(shí)別的方法，提出了一種基于紋理和顏色兩步圖像分割方法。首先選擇16×16，8×8兩種窗口對(duì)圖像進(jìn)行分塊處理，計(jì)算基于灰度共生矩陣(0°，45°，90°，135°4個(gè)方向)的能量(en)和對(duì)比度(con)特征;同樣對(duì)這兩種窗口圖像進(jìn)行一次Harr小波分解，獲取4種紋理特征:水平細(xì)節(jié)圖像對(duì)應(yīng)的能量(enCh1)和對(duì)比度(conCh1)，垂直細(xì)節(jié)圖像對(duì)應(yīng)的能量(enCv1)和對(duì)比度(conCv1)。利用BP神經(jīng)網(wǎng)絡(luò)選

5、擇最優(yōu)紋理分割特征:16×16窗口的對(duì)比度(con)和垂直細(xì)節(jié)的對(duì)比度(conCv1)，利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對(duì)圖像進(jìn)行一次分割，粗略確定果實(shí)位置;然后顏色特征H和R-G對(duì)圖像進(jìn)行二次確認(rèn)分割。研究結(jié)果表明，不管是順光圖像還是逆光圖像，兩步法均能達(dá)到很好的分割效果。
　　3)改進(jìn)的圓形Hough變換檢測(cè)并定位獨(dú)立生長(zhǎng)狀態(tài)的類(lèi)圓果實(shí)
　　首先為了能夠快速準(zhǔn)確地計(jì)算出相互分離且無(wú)遮擋類(lèi)圓果實(shí)的形心坐標(biāo)和半徑，提出來(lái)了一種基于改進(jìn)圓

6、形隨機(jī)Hough變換的快速類(lèi)圓果實(shí)目標(biāo)檢測(cè)方法。在實(shí)現(xiàn)背景分離后獲取單像素果實(shí)輪廓，并按步長(zhǎng)獲取果實(shí)的邊緣特征點(diǎn);然后，根據(jù)邊緣特征點(diǎn)的平均切線(xiàn)方向?qū)μ卣鼽c(diǎn)進(jìn)行分組，并以此為依據(jù)對(duì)圓形RHT算法進(jìn)行改進(jìn);最后利用改進(jìn)后的圓形RHT算法計(jì)算出類(lèi)圓果實(shí)的形心坐標(biāo)和半徑。研究結(jié)果表明，該方法能夠快速準(zhǔn)確地對(duì)生長(zhǎng)狀態(tài)為相互分離的類(lèi)圓果實(shí)進(jìn)行檢測(cè)，對(duì)部分被遮擋的類(lèi)圓果實(shí)識(shí)別效果也較好。
　　4)基于凹點(diǎn)搜索的重疊果實(shí)的快速定位和檢測(cè)

7、　　為了能夠快速準(zhǔn)確地計(jì)算出生長(zhǎng)狀態(tài)為靠攏或重疊的成熟類(lèi)圓果實(shí)的形心坐標(biāo)和半徑，提出了一種基于凹點(diǎn)搜索的快速定位和檢測(cè)重疊果實(shí)目標(biāo)的方法。采用鏈碼跟蹤法獲得單像素果實(shí)輪廓，并按步長(zhǎng)獲取邊緣特征點(diǎn);然后利用N點(diǎn)方向編碼差獲取邊緣凹點(diǎn)，確定凹點(diǎn)群，根據(jù)閾值確定分割凹點(diǎn);最后利用改進(jìn)的Hough變換計(jì)算出多個(gè)重疊桃子的形心坐標(biāo)和半徑。研究結(jié)果表明，該方法能夠快速準(zhǔn)確地實(shí)現(xiàn)多果重疊情況下果實(shí)目標(biāo)的檢測(cè)。
　　5)基于相位編組的樹(shù)枝障礙物的

8、檢測(cè)方法
　　為了能夠快速準(zhǔn)確地計(jì)算出果樹(shù)枝干的空間位置，提出了一種基于梯度相位編組的Hough變換樹(shù)枝檢測(cè)新算法。利用改進(jìn)的平方梯度法計(jì)算邊緣點(diǎn)的梯度相位角，找出梯度相位直方圖中多個(gè)閾值大于T的峰值。然后將具有相近梯度相位角的邊緣點(diǎn)歸為一組。最后對(duì)每組中的邊緣點(diǎn)采用改進(jìn)的兩點(diǎn)表決Hough變換算法找出對(duì)應(yīng)的直線(xiàn)參數(shù)。利用梯度相位角進(jìn)一步驗(yàn)證參數(shù)的正確性。研究結(jié)果表明，本文提出的梯度相位編組直線(xiàn)檢測(cè)方法具有速度快，檢測(cè)誤差小和魯棒

9、性強(qiáng)的特點(diǎn)，該方法能夠快速準(zhǔn)確地實(shí)現(xiàn)果樹(shù)樹(shù)枝的定位和檢測(cè)，對(duì)部分被遮擋的樹(shù)枝識(shí)別效果也較好。
　　6)研究了獨(dú)立生長(zhǎng)的果實(shí)的生長(zhǎng)姿態(tài)的識(shí)別方法
　　為了避免機(jī)械手在收獲過(guò)程中因缺少果實(shí)生長(zhǎng)姿態(tài)信息造成對(duì)果實(shí)和枝干的損傷，提出了一種蘋(píng)果生長(zhǎng)姿態(tài)估算方法。首先以無(wú)遮擋相互分離的樹(shù)上蘋(píng)果為研究對(duì)象，根據(jù)果實(shí)輪廓的幾何特征提出了四種判定果實(shí)生長(zhǎng)姿態(tài)的方法①二階中心矩法——由2階中心矩計(jì)算出的慣性主軸方向就是蘋(píng)果的果軸方向;②最短距離