發(fā)布時間：2018-01-04 10:58

  本文關鍵詞：基于尺度不變特征轉換算法的棉花雙目視覺定位技術　出處：《農(nóng)業(yè)工程學報》2016年06期 　論文類型：期刊論文

  更多相關文章： 機器人 圖像處理 視覺 棉花 SIFT特征 雙目視覺 二叉樹 RANSAC算法

【摘要】：為了給采棉機器人提供運動參數(shù),設計了一套雙目視覺測距裝置以定位棉株。對獲取的左右棉株圖像進行經(jīng)背景分割等預處理。求取其在8個尺度下的高斯圖,通過尺度不變特征轉換SIFT(scale-invariant feature transform)算法在相鄰高斯差分圖中提取出SIFT關鍵點;計算每個高斯圖中關鍵點鄰域內4×4個種子點的梯度模值,得到128維特征向量。分割右圖關鍵點構成的128維空間,得到二叉樹;利用最優(yōu)節(jié)點優(yōu)先BBF(best bin first)算法在二叉樹中尋找到172個與左圖對應的粗匹配點。由隨機采樣一致性RANSAC(random sample consensus)算法求出基礎矩陣F,恢復極線約束,剔除誤匹配,得到分布在11朵棉花上的151對精匹配。結合通過標定和F得到的相機內外參數(shù),最終重建出棉花點云的三維坐標。結果表明,Z軸重建結果比較接近人工測量,平均誤差為0.039 3 m,能夠反映棉花間的相對位置。
[Abstract]:In order to provide motion parameters for cotton picking robot, a binocular vision ranging device was designed to locate cotton plant. The obtained left and right cotton plant images were preprocessed by background segmentation, and Gao Si images were obtained at 8 scales. SIFT(scale-invariant feature transformation by scaling invariant features. The algorithm extracts the key points of SIFT from the adjacent Gao Si difference graph. The gradient norm value of 4 脳 4 seed points in each Gao Si graph is calculated, and the 128-dimensional eigenvector is obtained, and the 128-dimensional space formed by dividing the key points in the right graph is segmented, and the binary tree is obtained. Using the optimal node-first BBF(best bin first algorithm, 172 rough matching points corresponding to the left graph are found in the binary tree. Random sample Consensus) algorithm to find the fundamental matrix F. By restoring the constraint of the pole line and eliminating the mismatch, 151 pairs of fine matches distributed on 11 cotton pieces are obtained, and the camera inner and outer parameters are obtained by the combination of calibration and F. Finally, the 3D coordinate of cotton point cloud was reconstructed, and the result showed that the reconstruction result of Z axis was close to manual measurement, and the average error was 0.039 3 m, which could reflect the relative position of cotton.
【作者單位】： 南京農(nóng)業(yè)大學工學院;
【分類號】：TP391.41
【正文快照】： 朱昒杰,朱穎匯,王玲,盧偉,羅慧,張志川.基于尺度不變特征轉換算法的棉花雙目視覺定位技術[J].農(nóng)業(yè)工程學報,2016,32(6):182-188.doi:10.11975/j.issn.1002-6819.2016.06.025 http://www.tcsae.orgZhu Rongjie,Zhu Yinghui,Wang Ling,Lu Wei,Luo Hui,Zhang Zhichuan.Cotton pos

【相似文獻】

相關期刊論文 前10條

1 李海軍;;基于雙目視覺的自動跟蹤系統(tǒng)應用[J];火力與指揮控制;2010年01期

2 胡天翔;鄭加強;周宏平;;基于雙目視覺的樹木圖像測距方法[J];農(nóng)業(yè)機械學報;2010年11期

3 李夢和;林川;潘盛輝;;基于雙目視覺的礦井機車定位方法[J];煤礦機械;2012年04期

4 祝世平,強錫富;基于坐標測量機的雙目視覺測距誤差分析[J];電子測量與儀器學報;2000年02期

5 汪倩倩;申忠宇;張亮;;基于雙目視覺模型的彩色目標實時檢測與定位[J];南京師范大學學報(工程技術版);2008年01期

6 潘浩;趙宇明;;基于雙目視覺的客流監(jiān)測系統(tǒng)[J];微計算機信息;2009年33期

7 單寶華;申宇;;基于雙目視覺的拉索模型自由振動監(jiān)測試驗[J];土木工程學報;2012年11期

8 紀超;王慶;;基于雙目視覺的自主空中加油算法研究與仿真[J];系統(tǒng)仿真學報;2013年06期

9 岳亮;;一種基于雙目視覺的安全車距測量方法[J];電視技術;2013年15期

10 許明杰,王洪榮;雙目視覺中恢復模型點的方法──公垂線法[J];指揮技術學院學報;1997年02期

相關會議論文 前7條

1 孟環(huán)標;楊興強;李雪梅;;基于雙目視覺的測量系統(tǒng)誤差分析[A];第五屆全國幾何設計與計算學術會議論文集[C];2011年

2 朱宗磊;殷福亮;;基于雙目視覺的目標檢測與跟蹤系統(tǒng)[A];2010年通信理論與信號處理學術年會論文集[C];2010年

3 王榮本;張明恒;毛曉燕;;雙目視覺技術在環(huán)境探測中的應用[A];中國宇航學會深空探測技術專業(yè)委員會第二屆學術會議論文集[C];2005年

4 張靜;李琳;劉曉平;;基于雙目視覺的虛擬手的實現(xiàn)[A];計算機技術與應用進展——全國第17屆計算機科學與技術應用（CACIS）學術會議論文集（上冊）[C];2006年

5 吳濤;劉欣;;基于單雙目視覺信息融合的障礙檢測方法[A];中國宇航學會深空探測技術專業(yè)委員會第二屆學術會議論文集[C];2005年

6 孫明;;基于雙目視覺的移動機器人避障研究[A];中國農(nóng)業(yè)工程學會2011年學術年會論文集[C];2011年

7 杜英魁;韓建達;唐延東;;基于雙目重建不確定性的動態(tài)特征濾除[A];第七屆全國信息獲取與處理學術會議論文集[C];2009年

相關博士學位論文 前2條

1 陳學惠;基于移動機器人雙目視覺的井下三維場景重建方法研究[D];中國礦業(yè)大學（北京）;2012年

2 陳希章;基于雙目視覺的弧焊機器人焊縫三維信息獲取研究[D];上海交通大學;2007年

相關碩士學位論文 前10條

1 麥樹彬;基于雙目視覺的色盲輔助技術的研究[D];華南理工大學;2015年

2 徐宏;基于雙目視覺和稀疏表示的智能倒車控制研究[D];西南交通大學;2015年

3 李輝;田間機器人的雙目視覺系統(tǒng)誤差分析研究[D];內蒙古大學;2015年

4 逯沛龍;基于FPGA的雙目視覺圖像預處理系統(tǒng)設計與實現(xiàn)[D];南京理工大學;2015年

5 王婷婷;基于GPU的雙目視覺運動目標檢測跟蹤算法研究[D];哈爾濱工業(yè)大學;2015年

6 王昌盛;基于ORB算法的雙目視覺測量研究[D];哈爾濱工業(yè)大學;2015年

7 趙程;具有圓面特征的非合作目標雙目視覺位姿測量[D];哈爾濱工業(yè)大學;2015年

8 路研研;在軌航天器雙目視覺圖像采集與處理系統(tǒng)研制[D];哈爾濱工業(yè)大學;2015年

9 曹之樂;基于雙目視覺的焦點定位方法研究與應用[D];重慶理工大學;2015年

10 王洪偉;基于雙目視覺的紅綠燈路口安全距離預警研究[D];安徽工程大學;2015年

，

本文編號：1378173