本文關(guān)鍵詞： 自動(dòng)噴藥 SIFT 雙目測距 視覺SLAM　出處：《煙臺(tái)大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：果樹自動(dòng)農(nóng)藥噴灑即移動(dòng)機(jī)器根據(jù)周圍環(huán)境自主完成對(duì)農(nóng)作物的藥物噴灑過程,從而代替果農(nóng)的操作,降低人的勞動(dòng)強(qiáng)度。此過程可以分為四部分:動(dòng)力驅(qū)動(dòng)部分、運(yùn)動(dòng)控制部分、周圍環(huán)境識(shí)別與決策部分以及噴藥執(zhí)行部分。而周圍環(huán)境識(shí)別與決策可以歸結(jié)為一個(gè)自主導(dǎo)航的問題。同時(shí)定位與地圖創(chuàng)建(SLAM)問題是自主導(dǎo)航的基礎(chǔ)與核心,為自主導(dǎo)航提供了理論依據(jù)與解決方案。SLAM即運(yùn)用相應(yīng)算法處理傳感器獲取的信息,完成自身的狀態(tài)位置估計(jì)以及整個(gè)任務(wù)目標(biāo)區(qū)的環(huán)境地圖建立,同時(shí)利用已知的地圖反饋估計(jì)自身的位置,從而適應(yīng)復(fù)雜的環(huán)境。本文針對(duì)未知環(huán)境下雙目視覺SLAM系統(tǒng)進(jìn)行研究。對(duì)果樹的噴藥操作,首先需要確定目標(biāo)物的方位、距離信息。在圖像處理領(lǐng)域中,雙目測距的方法能夠較好的完成對(duì)目標(biāo)物距離的測量,而要獲得較高的距離測量精度,就要通過相機(jī)標(biāo)定獲取相機(jī)焦距參數(shù)參與計(jì)算。實(shí)現(xiàn)雙目測距的另一個(gè)關(guān)鍵在于選取目標(biāo)物上一個(gè)較為穩(wěn)定的點(diǎn),由于SIFT特征點(diǎn)的尺度不變性、旋轉(zhuǎn)不變性以及穩(wěn)定精確性等特點(diǎn),本文采用SIFT算法完成目標(biāo)物穩(wěn)定點(diǎn)的提取。但接下來的問題是并非所有的SIFT特征點(diǎn)都在植株上,所以應(yīng)該限定特征點(diǎn)的選取范圍。本文在閾值分割算法的基礎(chǔ)上進(jìn)行改進(jìn),提出了一種基于最大分量分析的閾值分割算法,這樣便可保證所有的特征點(diǎn)都在植株上,另外也減少了特征點(diǎn)數(shù)量,提高了算法執(zhí)行效率。雙目測距還需要給出左、右目相機(jī)中同一個(gè)測量點(diǎn)的圖像位置偏移量,而兩幅圖像中同一特征點(diǎn)是可通過特征點(diǎn)匹配進(jìn)行識(shí)別。針對(duì)存在較多錯(cuò)誤匹配點(diǎn)的情況,本文對(duì)圖像中的極限幾何約束關(guān)系進(jìn)行改進(jìn),提出了一種平行約束關(guān)系,結(jié)合RANSAC算法較好的實(shí)現(xiàn)了錯(cuò)誤匹配點(diǎn)的剔除。最后選取中心匹配點(diǎn)對(duì)進(jìn)行距離測量。接下來以此特征測量點(diǎn)的距離信息作為SLAM系統(tǒng)的輸入,利用卡爾曼濾波方法進(jìn)行相關(guān)的狀態(tài)估計(jì)矯正以及地圖建立進(jìn)行研究,為后續(xù)的相關(guān)研究奠定了基礎(chǔ)。在實(shí)驗(yàn)驗(yàn)證方面,進(jìn)行了相關(guān)背景圖下的特征點(diǎn)提取與匹配實(shí)驗(yàn)以及雙目測距實(shí)驗(yàn),取得了較好的效果。
[Abstract]:The automatic pesticide spraying of fruit trees means that the moving machine completes the spraying process of crops according to the surrounding environment, which replaces the operation of the fruit farmers and reduces the labor intensity of the people. The process can be divided into four parts: the power driving part. The motion control part, the surrounding environment identification and decision making part and the spray execution part. And the surrounding environment recognition and decision can be summed up as a problem of autonomous navigation. At the same time, the problem of location and map creation is the foundation and core of autonomous navigation. It provides the theoretical basis and solution for autonomous navigation. SLAM uses the corresponding algorithm to process the information obtained by the sensor, and completes the estimation of its own state position and the establishment of the environmental map of the whole task target area. At the same time, the known map feedback is used to estimate its position to adapt to the complex environment. In this paper, the binocular vision SLAM system in unknown environment is studied. Range information. In the field of image processing, the binocular ranging method can achieve the target distance measurement better, but to obtain a higher range measurement accuracy, The focal length parameters of the camera must be obtained by camera calibration to participate in the calculation. Another key to achieve binocular ranging is to select a relatively stable point on the target, because of the scale invariance of the SIFT feature points. In this paper, SIFT algorithm is used to extract the stable point of the object, but the next problem is that not all the SIFT feature points are on the plant. In this paper, we improve the threshold segmentation algorithm and propose a threshold segmentation algorithm based on maximum component analysis, which can ensure that all the feature points are on the plant. In addition, the number of feature points is reduced, and the efficiency of the algorithm is improved. The same feature point in two images can be identified by matching the feature points. In view of the fact that there are more mismatched points, this paper improves the limit geometric constraint relation in the image, and proposes a parallel constraint relation. Combined with the RANSAC algorithm, the error-matching points are eliminated. Finally, the center matching points are selected to measure the distance. Then, the distance information of the feature measurement points is used as the input of the SLAM system. The Kalman filtering method is used to study the state estimation correction and map establishment, which lays a foundation for further research. The feature points extraction and matching experiments and binocular ranging experiments under the relevant background images are carried out, and good results are obtained.
【學(xué)位授予單位】：煙臺(tái)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：S49;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 胡宗進(jìn);范文強(qiáng);于光玉;劉寶軍;;基于OpenCV的自適應(yīng)閾值圖像前景提取[J];光電技術(shù)應(yīng)用;2017年01期

2 劉千里;;從探路先鋒到使命擔(dān)當(dāng):全豐航空植保用科技改變農(nóng)業(yè)未來[J];營銷界(農(nóng)資與市場);2016年23期

3 王保防;張瑞雷;李勝;陳慶偉;;基于軌跡跟蹤車式移動(dòng)機(jī)器人編隊(duì)控制[J];控制與決策;2015年01期

4 介軍;李智杰;姚鵬;;改進(jìn)的RANSAC匹配點(diǎn)提純算法[J];西安建筑科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年06期

5 梁明杰;閔華清;羅榮華;;基于圖優(yōu)化的同時(shí)定位與地圖創(chuàng)建綜述[J];機(jī)器人;2013年04期

6 熊萍;趙文龍;段德華;鐘霞;鄒煜煒;;基于單片機(jī)的實(shí)時(shí)時(shí)鐘同步系統(tǒng)的研究[J];科技廣場;2013年03期

7 邵暖;李惠光;劉樂;;基于特征匹配算法的雙目視覺測距[J];燕山大學(xué)學(xué)報(bào);2012年01期

8 沈建文;;農(nóng)藥噴灑機(jī)械化勢在必行[J];農(nóng)藥市場信息;2012年02期

9 時(shí)也;吳懷宇;徐文霞;彭晟遠(yuǎn);;基于擴(kuò)展卡爾曼濾波器的移動(dòng)機(jī)器人SLAM研究[J];電子設(shè)計(jì)工程;2012年01期

10 弋英民;劉丁;;有色過程噪聲下的輪式機(jī)器人同步定位與地圖構(gòu)建[J];電子學(xué)報(bào);2010年06期

相關(guān)博士學(xué)位論文 前2條

1 曲麗萍;移動(dòng)機(jī)器人同步定位與地圖構(gòu)建關(guān)鍵技術(shù)的研究[D];哈爾濱工程大學(xué);2013年

2 石朝俠;基于多機(jī)器人協(xié)作的未知環(huán)境下路徑探索研究[D];哈爾濱工業(yè)大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 戴雪梅;基于圖像特征點(diǎn)匹配的改進(jìn)SLAM算法關(guān)鍵技術(shù)研究[D];安徽工程大學(xué);2016年

2 陳含欣;無人機(jī)視覺特征提取及同步定位與地圖構(gòu)建方法研究[D];南京航空航天大學(xué);2016年

3 楊恒;基于局部特征提取匹配的視覺SLAM閉環(huán)檢測方法研究[D];南華大學(xué);2015年

4 徐仁桐;遠(yuǎn)程故障會(huì)診系統(tǒng)的關(guān)鍵技術(shù)研究[D];江蘇科技大學(xué);2015年

5 李耀云;基于SIFT算法的雙目立體視覺定位研究[D];太原理工大學(xué);2013年

6 汪松;基于SIFT算法的圖像匹配方法研究[D];西安電子科技大學(xué);2013年

7 劉峰伯;基于OpenCV的雙目立體視覺測距測速的研究[D];吉林大學(xué);2012年

8 趙艷麗;圖像特征提取與匹配算法研究[D];電子科技大學(xué);2011年

9 南飛艷;基于SIFT特征匹配的雙目視覺圖像識(shí)別定位系統(tǒng)研究[D];西安理工大學(xué);2010年

10 李成;圖像增強(qiáng)與圖像融合研究[D];西安電子科技大學(xué);2009年

，

本文編號(hào)：1540003