苹果采摘机器人树枝障碍识别及定位研究

摘要

我国是一个农业大国，水果产业在农业生产中占十分重要的地位，而水果的采摘仍需耗费大量的人力，同时加上人口老龄化的加重以及进城务工人口的增多，水果自动采摘的实现已成为目前亟待解决的关键问题。因此，开展对果树采摘机器人的研究不仅有利于降低劳动强度、提高作业效率，同时对于推动我国农业技术进步、加速实现农业现代化具有重要现实意义。
　　本文在教育部博士点基金项目“果树采摘机械手运动性能优化与灵巧避障控制策略研究(20093227120013)”资助下，以苹果采摘机器人为研究对象，对其视觉系统、障碍识别和定位等进行了研究，主要完成的工作如下:
　　1、系统实验平台的构建。将主控计算机作为系统核心，通过双目摄像机采集图像并经图像采集卡送入计算机，构建出了视觉系统的硬件平台，这为后续研究提供了硬件支持;以C++语言为主、MATLAB语言为辅，在VC++6.0环境中设计了视觉系统的软件平台，提高了系统的实时性和开放性。
　　2、双目摄像机的标定。常用的摄像机标定方法存在鲁棒性较弱的缺陷，本研究采用张正友标定法，通过自制的平面标定板，首先分别标定左、右摄像机，得到它们的内参数，然后确定两摄像机间的位置关系，将它们统一到同一世界坐标系下，得到两摄像机间的外参数。最后对双目摄像机进行了标定实验，实验结果表明，左、右相机标定的平均误差在x和y方向上的投影分别为[0.15936，0.16681]和[0.08480，0.06172]，满足苹果采摘机器人视觉系统对标定精度的要求。
　　3、图像的采集以及颜色特征的分析。通过数码照相机静态采图的方式采集了晴天、阴天以及傍晚光照不足三种情况下的图像，并对采集到的图像进行颜色特征分析，得出了对于苹果树树枝障碍识别两个较好的颜色特征，分别是I1I2I3颜色空间下的I2颜色特征以及在XYZ颜色空间下的X-Y颜色特征。同时采用基于VFW的动态采图方式作为本视觉系统采集图像的方式，用以研究苹果采摘机器人视觉系统的实际深度信息获取情况。
　　4、树枝障碍的识别。在分析比较常用图像分割方法的基础上，提出了基于对比度受限自适应直方图均衡化的果树树枝迭代阈值分割方法。它利用对比度受限直方图均衡化处理，克服了X-Y颜色特征下对比度不明显的缺陷，经迭代阈值分割，得到了苹果、树枝图像，并通过在I2颜色特征下的迭代阈值分割得到苹果图像，最后经二者灰度图像的差运算，得到含有噪声的树枝图像，并经去噪处理得到最终的树枝图像。最后进行了苹果树树枝障碍的识别实验，实验结果表明，所述方法的识别平均时间小于0.6s，识别成功率为92％，达到了对实时性和准确性的要求。
　　5、树枝障碍的定位。首先通过基于形态学细化的方法对树枝骨架进行提取，并经去除假分支以及遮挡恢复处理，得到树枝的特征骨架，然后提取了骨架上的端点和分支点作为匹配特征点，并采用基于特征的立体匹配算法进行立体匹配，继而根据三角测量原理，获取树枝障碍的深度信息。最后进行了苹果树树枝障碍的定位实验，实验结果表明，在距离目标1000mm～1060mm范围内进行定位时，误差最小，仅为±1.5mm，达到了对定位精度的要求。

目录

声明

摘要

第一章 绪论

1．1 课题的研究背景及意义

1．2 果实采摘机器人的特点

1．3 研究现状

1．3．1 机器视觉在农业中的研究现状

1．3．2 果树障碍视觉感知研究现状

1．4 课题主要研究内容

第二章 苹果采摘机器人视觉系统及摄像机标定

2．1 双目视觉原理

2．2 双目视觉系统的组成

2．2．1 硬件组成

2．2．2 软件组成

2．3 摄像机标定原理

2．3．1 基本坐标系

2．3．2 坐标变换关系

2．4 摄像机标定方法

2．4．1 传统摄像机标定法

2．4．2 摄像机自标定法

2．4．3 张正友平面标定法

2．5 摄像机标定实验

2．6 本章小结

第三章 苹果树树枝图像采集和颜色特征分析

3．1 图像采集方式

3．1．1 静态图像采集

3．1．2 动态图像采集

3．2 颜色空间

3．2．1 RGB颜色空间

3．2．2 XYZ颜色空间

3．2．3 I1I2I3颜色空间

3．3 颜色特征分析

3．4 本章小结

第四章 苹果树树枝障碍的识别研究

4．1 图像分割

4．1．1 直方图阈值法

4．1．2 最大类间方差法

4．1．3 迭代阈值法

4．2 基于CLAHE的苹果树树枝迭代阈值分割

4．2．1 对比度受限自适应直方图均衡化

4．2．2 去噪处理

4．2．3 识别流程图

4．3 实验结果与分析

4．4 本章小结

第五章 苹果树树枝障碍的定位研究

5．1 苹果树树枝特征提取

5．1．1 树枝骨架化

5．1．2 骨架修剪处理

5．1．3 树枝遮挡的恢复

5．1．4 树枝半径提取

5．2 树枝障碍立体匹配

5．2．1 基于区域的立体匹配方法

5．2．2 基于特征的立体匹配方法

5．3 树枝障碍深度信息获取

5．4 双目视觉系统实验与分析

5．5 本章小结

第六章 总结与展望

6．1 研究工作总结

6．2 工作展望

参考文献

致谢

硕士期间的主要成果