基于机器视觉的番茄图像匹配算法研究

论文摘要

目前,在我国农产品收获主要以手工采摘为主,尚未完全实现机械化。而发达国家农业生产过程基本上实现机械化,并在信息技术、计算机技术和控制技术的推动下,向自动化、智能化方向发展,农业生产正在走向精准、高效之路。作为实现农业现代化的一种手段-农业机器人的研究受到各国的重视,作为移动式采摘机器人主要解决3方面的问题:①机器人本体结构设计,②机器人的自主导航,③目标的识别、匹配、定位与采摘.视觉系统作为实现目标的识别与定位的方式,显得尤为重要。目前,发达国家在农业生产自动化方面已开始应用机器视觉技术.我国农业机器人的研究刚刚起步,与发达国家相比还有很大的差距。因此抓住世界农业科技革命的机遇,及时研究以农业机器人为代表的新一代农业机械,对促进我国农业机械的自动化、智能化发展有着重要的意义。本研究以成熟番茄为研究对像,以番茄的匹配为研究目标,结合计算机视觉,对番茄收获机器人的视觉系统进行研究。主要研究内容包括:1基于机器视觉在农业生产中的实现条件,构建了采摘机器人双目视觉的硬件系统:2分析了双目立体视觉的测量原理,基于小孔成像模型,对摄像机模型进行分析和标定;结合本实验室已有的试验条件,选用平行式的双目立体视觉,并在此基础上,通过实验确定两摄像机的合理基线距离B=60mm和合理测量深度范围z=[126,800]mm之间。3针对成熟番茄图像的灰度和颜色特征,提出一种基于HIS颜色特征的成熟番茄识别技术。将机器视觉系统获取的番茄RGB图像,转换成HIS图像,然后根据H分量的灰度分布用阈值法分割出成熟番茄区域;经过空洞填充后,计算出番茄质心坐标。提取了单果,多果情况下的番茄质心并做了分析,结果表明质心误差在0.5%左右,该方法对田间成熟番茄之间相互分离的情况有很好的识别效果.4分析了当前立体视觉中的匹配方法,并对面积匹配和傅立叶变换匹配在番茄图像中的应用做了介绍,然后提出了一种在立体视觉中基于基准点的匹配方法,在实验室环境和自然（大棚）环境下做了实验论证,结果表明本算法有效,其匹配正确率可以达到94.5%,算法运行速度也得到了提高,达到机器人采摘田间番茄所需的要求.

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究的目的和意义
• 1.2 国内外图像匹配研究的现状
• 1.2.1 国外研究动态
• 1.2.2 国内研究动态
• 1.3 研究的内容和关键技术
• 1.3.1 研究内容
• 1.3.2 关键问题
• 1.4 本章小结
• 第二章 机器视觉系统的原理和实现
• 2.1 机器视觉系统的概念和理论原理
• 2.1.1 机器视觉系统的概念
• 2.1.2 机器视觉系统的理论原理
• 2.2 机器视觉系统的实现
• 2.2.1 硬件构成
• 2.2.2 软件实现
• 第三章 双目立体视觉的标定方法和实现
• 3.1 双目立体视觉的原理
• 3.2 摄像机标定方法
• 3.2.1 自标定技术
• 3.2.2 传统的标定技术
• 3.3 实验
• 3.3.1 标定板
• 3.3.2 实验数据
• 3.4 本章小结
• 第四章 图像的采集与处理
• 4.1 番茄的采集
• 4.2 番茄图像的预处理
• 4.2.1 概述
• 4.2.2 番茄图像的分割策略
• 4.2.3 单果图像的处理方法
• 4.2.4 多果图像的处理方法
• 4.3 本章小结
• 第五章 图像匹配与定位
• 5.1 常规的匹配方法
• 5.1.1 基于相关的匹配方法及存在的问题
• 5.1.2 基于傅立叶变换的匹配方法及存在的问题
• 5.1.3 基于点匹配的匹配方法及存在的问题
• 5.1.4 基于弹性模型的匹配方法及存在的问题
• 5.2 基于面积的匹配
• 5.3 基于傅立叶变换的匹配
• 5.3.1 匹配步骤
• 5.3.2 边缘检测
• 5.3.3 实验数据
• 5.4 基于基准点的图像匹配
• 5.4.1 约束规则
• 5.4.2 基于基准点图像匹配的基本步骤
• 5.4.3 基准点的寻找和定位实验
• 5.4.4 匹配算法的实现和实验数据
• 5.4.5 实验误差分析以及匹配精度提高的措施
• 5.5 算法比较
• 5.6 深度求解方法
• 5.7 本章小结
• 第六章 结论与展望
• 6.1 研究的主要结论
• 6.2 研究中的不足与展望
• 参考文献
• 研究生期间撰写发表的论文
• 致谢