基于绿色作物特征提取不变性的立体视觉导航方法实现

摘要

农田环境复杂多变，基于立体视觉的导航方法对图像中的信息量有一定的要求，否则会碾压作物。而图像的特征信息描述了图像的某种属性，特征点为特征匹配和三维计算等技术提供基础。因此，在保持绿色作物特征尺度、光照和旋转不变性的基础上，提高特征点的数量和特征匹配的对数是本论文的主要目的。 本论文首先对基于SIFT特征点提取算法原理进行分析，对算法处理的每个过程给出详细的实验结果。为了提高用于特征匹配的特征点数量，将高斯同态滤波嵌入到SIFT金字塔各组中，以对图像进行增强处理，但图像偏暗，细节信息对比不明显，故采用直方图均衡化增强图像对比度。在多尺度图像中，通过高斯同态滤波和直方图均衡化处理，可有效地改进尺度和光照的问题，使目标特征点的数量提高2倍多。实验结果表明，基于高斯同态滤波的SIFT算法在提高特征点数量的同时，保持了特征点的尺度、光照和旋转不变性。 之后，本文对所获得的特征点进行特征匹配，利用视差得到作物的三维信息，并构建基于三维信息的高程图。其次，采用灰度化、二值化、滤波、边缘提取算子和形态学方法对田间绿色作物图像进行边缘轮廓提取。然后，将得到的高程图和边缘轮廓进行图像融合，生成置信密度图。 最后，基于置信密度图构建导航模型，并通过导航角和侧边距离的约束，设计了控制农业机器人5种运行状态方程组。采用S型和O型路径对农业机器人运行状态方程组进行验证，实验结果表明，农业机器人的横向偏差为[-8cm,10cm]，并没有碾压农作物的边缘。同时，对S型路径的导航角和农业机器人实际转过的角度进行拟合，得到导航角（?）和农业机器人实际转过的角度（σ）满足Fourier函数关系，相关系数为0.96。采用S型路径对该函数进行验证，将得到数据与O型路径的数据进行分析，实验结果表明，其均值误差和方差分别为0.7。和1.5。。

目录

声明

第一章 引言

1.1课题背景及意义

1.2研究现状

1.3课题来源及研究工作情况

1.4论文的主要研究内容和章节安排

第二章 双目视觉系统

2.1双目视觉系统原理

2.2双目视觉导航系统结构

2.3本章小结

第三章 双目视觉图像局部特征点提取

3.1彩色模型空间的选择

3.2基于SIFT算法不变性研究

3.3 SIFT改进算法的理论基础

3.4基于同态滤波的SIFT算法实现

3.5本章小结

第四章 农业机器人导航边缘信息获取

4.1边缘提取原理

4.2边缘检测步骤

4.3本章小结

第五章 运动控制方法的研究与实验验证

5.1实验平台与实验参数

5.2双目视觉置信密度图

5.3农业机器人导航控制策略

5.4导航控制实验结果

5.5本章总结

第六章 总结与展望

6.1总结

6.2展望

参考文献

致谢