隨著人工智能與機器人技術(shù)的不斷發(fā)展,農(nóng)業(yè)裝備將逐步向自動化、智能化方向發(fā)展。果實的識別與定位是智能采摘的關(guān)鍵。我國蘋果果園環(huán)境復雜,蘋果果樹掛果率高,果實姿態(tài)各異,果實直徑大,果實重疊、遮擋率高。如何在上述非結(jié)構(gòu)化的場景下實現(xiàn)蘋果的識別與定位是必須要解決的難題。針對這個問題,本文提出了基于信息融合的采摘機器人視覺識別與定位方法,論文主要研究內(nèi)容如下:（1）建立蘋果采摘機器人立體視覺識別系統(tǒng)。運用剛性配準的方法計算深度圖與彩色圖的映射矩陣,進而融合彩色與深度信息得到蘋果特征向量P[x,y,z,r,g,b];研究了機器人手眼標定方法,對立體視覺系統(tǒng)中埃夫特四軸機械臂與Kinect設(shè)備進行手眼標定。（2）提出了一種適用于蘋果果園的蘋果特征提取方法。運用R-G、ExR、S分量（HSI空間）以及a*分量（L*a*b*空間）對所采集的蘋果圖像灰度化,運用otsu全局最優(yōu)化閾值和k-means聚類對灰度特征圖進行蘋果圖像粗分割;分析它們在不同環(huán)境下對背景噪聲的抑制效果以及蘋果特征提取效果,比較時間復雜度及特征提取效果,確定了蘋果圖片顏色特征提取所需的灰度算子及圖像分割算法,提取目標蘋果果實粗分割圖像... 

【文章來源】：華南理工大學廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：97 頁

【學位級別】：碩士

【部分圖文】：

近十年我國蘋果年產(chǎn)量統(tǒng)計

幀率 30fps 30fps深度檢測范圍 0.5-4.5m 0.8-4.0m水平視野角 70° 57.5°深度視野角 60° 43.5°數(shù)據(jù)接口 USB3.0 USB2.0理代 Kinect v1 攝像機，通過結(jié)構(gòu)光與光編碼（Light Coding）的 2-2a）所示，Kinect v2 攝像機的深度數(shù)據(jù)讀取是基于飛行時，如圖 2-2b）所示。其基本原理是通過 Kinect v2 中的紅外發(fā)光，紅外光照射到物體產(chǎn)生反射光，反射光被 Kinect v2 中紅光線發(fā)射與接收的時間差，獲取視場中各物體的深度數(shù)據(jù)。K方式，相比 Kinect v1 靈敏度和分辨率都要更高，因此本文中為數(shù)據(jù)采集設(shè)備。

機進行單目標定得到各自的內(nèi)、外參數(shù)和畸變參數(shù)，然后在此基礎(chǔ)上，對于 Kinect 設(shè)備中集成的彩色攝像機和紅外攝像機進行立體標定，求解出彩色攝像機和紅外攝像機之間的空間位姿變換關(guān)系，本文立體視覺系統(tǒng)標定流程圖如圖 2-9 所示。輸出立體視覺系統(tǒng)同步立體標定內(nèi)參數(shù)及畸變參數(shù)圖像采集 角點檢測圖像采集 角點檢測 外參數(shù)外參數(shù)內(nèi)參數(shù)及畸變參數(shù)彩色紅外圖 2-9 立體視覺標定流程圖b．標定實驗與結(jié)果分析實驗采用的標定板是棋盤格式標定板，材質(zhì)采用氧化鋁面板，浮法玻璃基板，具有不反光、不透明的特點。標定板外形尺寸 200×200mm，標定板內(nèi)共有 9×12 塊黑白相間的方形小格，各小格的邊長為 15mm，打印精度±0.01mm。如圖 2-10 所示。

【參考文獻】：
期刊論文
[1]基于隨機Hough變換圓檢測算法的MRI質(zhì)量控制空間線性度自動檢測程序設(shè)計[J]. 林迪逵,吳劍威,李威,付麗媛,熊暉,陳自謙.  中國醫(yī)療設(shè)備. 2018(10)
[2]基于隨機森林算法的自然光照條件下綠色蘋果識別[J]. 廖崴,鄭立華,李民贊,孫紅,楊瑋.  農(nóng)業(yè)機械學報. 2017(S1)
[3]基于RANSAC的便攜式激光掃描測量臂手眼標定方法[J]. 吳晗,李巍,董明利.  計算機工程與應(yīng)用. 2017(23)
[4]基于區(qū)域生長的圖像分割研究進展[J]. 徐蔚波,劉穎,章浩偉.  北京生物醫(yī)學工程. 2017(03)
[5]基于區(qū)域劃分和霍夫變換的車牌傾斜校正[J]. 王越,黃龍超,李琴.  重慶理工大學學報(自然科學). 2017(03)
[6]雙足機器人下樓梯動作的設(shè)計與生成[J]. 張勤,邱俊佳,范吉斌.  計算機測量與控制. 2016(09)
[7]基于Kinect相機的蘋果樹三維點云配準[J]. 鄭立華,麥春艷,廖崴,文瑤,劉剛.  農(nóng)業(yè)機械學報. 2016(05)
[8]番茄采摘機器人夜間照明系統(tǒng)設(shè)計與試驗[J]. 項榮,段鵬飛.  農(nóng)業(yè)機械學報. 2016(07)
[9]一種基于信息融合蘋果果實世界定位方法[J]. 麥春艷,鄭立華,肖昌一,陳元,李民贊,劉剛.  東北農(nóng)業(yè)大學學報. 2016(01)
[10]融合旋轉(zhuǎn)平移信息的機器人手眼標定方法[J]. 張召瑞,張旭,鄭澤龍,屠大維.  儀器儀表學報. 2015(11)

博士論文
[1]采摘機器人圖像處理系統(tǒng)中的關(guān)鍵算法研究[D]. 謝忠紅.南京農(nóng)業(yè)大學 2013

碩士論文
[1]機器人視覺伺服系統(tǒng)的建模與跟蹤控制技術(shù)研究[D]. 林燕龍.華南理工大學 2018
[2]機器人堆疊目標識別與定位抓取系統(tǒng)研究[D]. 彭澤林.華南理工大學 2018
[3]基于機器視覺的簇生獼猴桃果實多目標識別方法研究[D]. 陳禮鵬.西北農(nóng)林科技大學 2018
[4]基于雙目視覺的柑橘采摘機器人目標識別及定位技術(shù)研究[D]. 李揚.重慶理工大學 2017
[5]基于Kinect的虛擬試衣系統(tǒng)的設(shè)計與實現(xiàn)[D]. 李智超.東南大學 2017
[6]圖像邊界檢出及在同心度測量中的應(yīng)用研究[D]. 王禎元.華南理工大學 2014
[7]海量灰度圖像8連通域標記算法的設(shè)計與應(yīng)用[D]. 王晶晶.河南大學 2014
[8]田間獼猴桃圖像識別方法研究[D]. 詹文田.西北農(nóng)林科技大學 2014
[9]成熟蘋果的圖像識別及其位姿的獲取研究[D]. 趙文旻.南京農(nóng)業(yè)大學 2012
[10]蘋果果梗/花萼與缺陷的紋理特征識別方法[D]. 宋怡煥.浙江大學 2012



本文編號：3540980