基于双目视觉的农田作物三维信息获取

摘要

作物的三维信息获取在农田机械视觉导航及作物种植、收割、农药喷施、除草和蔬菜嫁接等方面的作用越来越大，可为现代农业作业提供作物生长的坐标信息，具有很大的应用前景。本文首先对双目立体视觉原理进行深入分析，结合实验环境和研究目的，确定在本系统采用的摄像头模型，然后通过学习摄像头标定技术，依据系统测量精度的要求，确定适合本课题研究的标定方法。
　　基于双目视觉系统中农田作物三维信息获取的需要，本文研究一种基于农田作物特征匹配的方法，通过获得的左、右图像匹配点对，依据视差原理得到目标作物的三维信息。利用MeanShift算法首先对作物进行分割，去除背景干扰因素，然后采用SURF算法分三步获取最终匹配点对:第一步，用Hessian矩阵检测极值点，当极值点大于设定的阈值时，采用非极大值抑制法和插值运算定位极值点;第二步，通过特征点主方向和描述算子进行特征点匹配，并运用最近距离比次近距离法去除误匹配，得到最优的特征点匹配对;第三步，运用视差原理得到农田作物的三维信息。实验结果表明，该方案测量三维坐标精度能够满足现代农田作业中对作物三维信息获取的需要，是一种有效的测量方法。

目录

声明

摘要

图表目录

第一章 绪论

1．1 引言

1．2 研究背景、目的和意义

1．3 国内外研究发展与现状

1．4 本文研究的主要内容

1．5 本章小结

第二章 双目立体视觉

2．1 引言

2．2 立体视觉发展历程

2．3 双目立体视觉的基本原理

2．4 双目测量系统

2．5 本章小结

第三章 摄像头标定技术

3．1 引言

3．2 摄像头模型

3．2．1 系统坐标系

3．2．2 双目摄像头模型

3．3 摄像头标定方法

3．3．1 摄像头参数

3．3．2 传统的摄像头标定方法

3．3．3 自标定法

3．3．4 本系统标定方法的选取

3．4 标定实验

3．5 本章小结

第四章 特征提取与匹配

4．1 引言

4．2 基于Mean shift的图像分割

4．2．1 Mean Shift算法

4．2．2 Mean Shift算法步骤

4．2．3 Mean Shift图像分割

4．3 基于SURF的立体匹配

4．3．1 特征点检测与定位

4．3．2 SURF特征描述算子

4．3．3 SURF算法特征匹配

4．4 本章小结

第五章 作物三维信息获取

5．1 引言

5．2 双目立体视觉作物三维信息获取系统设计

5．2．1 实验

5．2．2 实验数据误差分析

5．3 本章小结

第六章 总结与展望

6．1 总结

6．2 展望

参考文献

致谢