發(fā)布時間：2023-10-21 13:47

　　我國水果產量高、國民需求量大,但水果供應鏈的采摘環(huán)節(jié)卻仍然依靠人工作業(yè),采摘成本高、效率低,無法滿足市場的供應需求。為有效解決上述問題,利用水果采摘機器人代替人工作業(yè)必將成為果園現(xiàn)代化管理的發(fā)展趨勢。視覺系統(tǒng)作為水果采摘機器人的核心部分,能夠有效提高對目標果實的識別與定位性能,提升作業(yè)效率,降低采摘成本。本文以自然環(huán)境中的類球形果實為研究對象,基于Kinect機器視覺技術獲取果實的彩色圖像和深度圖像,實現(xiàn)了果實的二維平面識別和三維空間定位。取得的主要研究成果和結論如下:(1)研究了圖像的采集方式,分析了顏色空間模型的特點,利用R-G色差法得到果實彩色圖的色差灰度圖后,利用OTSU自動閾值分割算法從圖像中提取出目標果實區(qū)域,針對表面與背景顏色相近的果實而言,提出了基于灰度共生矩陣提取紋理特征訓練支持向量機的紋理分割方法,并運用數(shù)學形態(tài)學運算消除果實區(qū)域的內部孔洞和邊緣毛刺,該方法對于光照具有一定的魯棒性。(2)研究了自然環(huán)境下被樹枝、樹葉、果實遮擋的類球形果實的識別方法,引入空矩陣提取果實區(qū)域邊緣和質心坐標,提出了一種利用目標區(qū)域邊緣上相鄰的人工標注點與質心的距離波動曲線求取最佳遮擋閾值...

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題的研究背景及意義
    1.2 農業(yè)采摘機器人的視覺發(fā)展概況
        1.2.1 農業(yè)采摘機器人視覺系統(tǒng)概述
        1.2.2 農業(yè)采摘機器人視覺系統(tǒng)國內外研究現(xiàn)狀
        1.2.3 果實識別方法國內外研究現(xiàn)狀
        1.2.4 果實定位方法國內外研究現(xiàn)狀
    1.3 存在的問題
    1.4 本文的主要研究內容和技術路線
        1.4.1 研究內容
        1.4.2 技術路線
第2章 圖像分割方法研究
    2.1 Kinect V2 設備簡介
    2.2 果實樣本的采集
    2.3 基于顏色特征的果實分割
        2.3.1 圖像去噪
        2.3.2 顏色空間的選取
        2.3.3 顏色閾值分割
    2.4 基于紋理特征的果實分割
        2.4.1 灰度共生矩陣提取紋理特征
        2.4.2 SVM基本原理
        2.4.3 基于GLCM提取紋理特征訓練SVM
    2.5 形態(tài)學處理
    2.6 本章小結
第3章 基于遮擋閾值的被遮擋果實識別方法研究
    3.1 霍夫梯度變換法識別被遮擋果實
    3.2 基于遮擋閾值的識別方法
        3.2.1 目標區(qū)域邊緣及質心的獲取
        3.2.2 遮擋閾值的判斷
        3.2.3 圓心點集的獲取
        3.2.4 基于堆排序的凝聚層次聚類算法
    3.3 識別效果和評價標準
    3.4 本章小結
第4章 基于Kinect的果實定位方法研究
    4.1 視覺測量模型
        4.1.1 世界坐標系與相機坐標系
        4.1.2 相機坐標系與圖像坐標系
        4.1.3 圖像坐標系與圖像像素坐標系
    4.2 Kinect V2 相機標定
        4.2.1 相機標定原理
        4.2.2 彩色圖與深度圖配準
        4.2.3 Kincet相機標定實驗
        4.2.4 獲取果實表面點云數(shù)據(jù)
    4.3 基于最小二乘法的曲面擬合
        4.3.1 最小二乘法原理介紹
        4.3.2 擬合參數(shù)的解算
        4.3.3 粗差點的剔除
        4.3.4 插值擬合結果
    4.4 本章小結
第5章 結論
參考文獻
在學研究成果
致謝



本文編號：3855952