本文關(guān)鍵詞：重疊及遮擋影響下的蘋果目標識別與定位方法研究

  更多相關(guān)文章： K-means聚類算法 雙果重疊 Ncut算法 遮擋蘋果目標 單果無遮擋 輪廓平滑 目標定位

【摘要】：自然場景下蘋果目標往往被枝、葉遮擋或處于果實重疊狀態(tài),這將導(dǎo)致蘋果采摘機器人不能迅速、精確地定位蘋果目標,嚴重地影響了采摘任務(wù)的執(zhí)行。重疊及遮擋影響下果實目標的識別與定位是蘋果采摘機器人視覺系統(tǒng)必須解決的難題,為了實現(xiàn)重疊及遮擋影響下蘋果目標快速識別及準確定位,本研究針對重疊及遮擋影響因素提出了不同的方法,主要研究內(nèi)容及結(jié)論如下:(1)對比多種分割算法,以選擇更適合本研究的圖像分割算法。圖像分割是進行后續(xù)處理的基礎(chǔ),圖像的準確分割對果實定位等后續(xù)研究具有重要意義。對比了多顏色空間融合法、色差法、模糊C均值算法以及K-means聚類算法等分割算法的性能。試驗結(jié)果表明,利用K-means聚類算法分割蘋果圖像的平均分割誤差為2.245%,分割目標與原始目標的平均重合度為97.660%,平均運行時間為0.818s,該算法的性能優(yōu)于其它分割算法的性能,能夠較為穩(wěn)定、準確、高效地將圖像中的蘋果目標提取出來,因此后續(xù)試驗中選擇K-means聚類算法進行圖像分割。(2)提出了基于Normalized Cut(Ncut)譜聚類算法與Spline插值算法相結(jié)合的雙果重疊蘋果目標的分割與重建方法。普遍存在的蘋果目標重疊現(xiàn)象嚴重影響果實目標的精確定位和采摘任務(wù)的執(zhí)行,為了實現(xiàn)雙果重疊蘋果目標的分割與重建,對K-means分割及預(yù)處理后的蘋果圖像使用Ncut譜聚類算法再次進行圖像分割,并分別提取2個蘋果目標的輪廓,然后對被遮擋輪廓不完整的蘋果目標利用Spline插值算法進行輪廓重建。試驗結(jié)果表明,Ncut方法可以保留未被遮擋蘋果目標的全部輪廓信息,有助于提高目標分割精度。對于未被遮擋的蘋果目標,算法的平均分割誤差和平均重合度分別為3.147%和96.081%。對于重疊被遮擋的蘋果目標,重建算法平均分割誤差和平均重合度分別為5.243%和93.709%,表明該算法能夠較精確地分割重疊蘋果目標及重建被遮擋蘋果目標的輪廓。(3)提出了基于三點定圓法的遮擋影響下蘋果目標的定位方法。蘋果目標常常被枝葉遮擋,這將嚴重地影響機器人執(zhí)行采摘任務(wù)。針對這一問題,本研究首先結(jié)合利用蘋果目標的輪廓及其凸殼提取真實輪廓段,然后在真實輪廓段上隨機選取三個點,利用這三個點所確定的圓定位遮擋的蘋果目標。為了避免不同候選點帶來的參數(shù)估計差異較大的問題,重復(fù)選點100次并得到100個定位圓,將過大和過小的圓予以去除,以剩余圓的圓心坐標和半徑的平均值定位遮擋的蘋果目標。經(jīng)過試驗驗證,算法的平均分割誤差為8.259%,平均假陽性率為1.235%,平均假陰性率為8.227%,平均重疊系數(shù)為88.921%,表明該算法能夠較準確地定位遮擋蘋果目標。(4)提出了基于輪廓平滑算法和轉(zhuǎn)動慣量算法的單果無遮擋蘋果目標采摘點定位方法。單果無遮擋蘋果目標采摘點的定位是實現(xiàn)重疊以及遮擋果實目標采摘點定位的基礎(chǔ)。該算法首先利用蘋果目標的凸殼代替其輪廓,以使輪廓更為平滑,同時減少表示輪廓所用的點數(shù),以提高后續(xù)試驗精度和運行效率,然后利用轉(zhuǎn)動慣量算法提取蘋果目標的對稱軸,進而定位蘋果目標的采摘點。試驗結(jié)果表明,算法平均定位誤差為5.617°,平均運行時間為3.743ms,表明該算法能夠準確、高效地定位單果無遮擋蘋果目標的采摘點。(5)采用MATLAB中GUI編譯工具箱,設(shè)計了重疊及遮擋影響下蘋果目標的識別與定位軟件系統(tǒng)。該軟件主要包括分割方法效果對比模塊、雙果重疊蘋果目標的分割與重建模塊、遮擋蘋果目標的識別與定位模塊以及單果無遮擋蘋果目標采摘點的定位模塊。通過試驗驗證,該軟件能夠較準確地實現(xiàn)多種分割方法分割性能的對比、重疊蘋果目標的分割、遮擋蘋果目標的定位以及單果無遮擋蘋果目標采摘點的定位等功能,此外,該軟件系統(tǒng)還具有簡單直觀、操作快捷等優(yōu)點。
【關(guān)鍵詞】：K-means聚類算法 雙果重疊 Ncut算法 遮擋蘋果目標 單果無遮擋 輪廓平滑 目標定位
【學(xué)位授予單位】：西北農(nóng)林科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要6-8
• Abstract8-13
• 第一章 緒論13-21
• 1.1 研究的目的和意義13-14
• 1.2 機器視覺在采摘機器人上的應(yīng)用現(xiàn)狀14-16
• 1.3 國內(nèi)外果實目標識別與定位方法研究現(xiàn)狀16-19
• 1.3.1 果實自身著色度以及光照強弱影響下目標的識別與定位方法研究現(xiàn)狀16-17
• 1.3.2 表面有陰影影響的目標識別與定位方法研究現(xiàn)狀17
• 1.3.3 重疊影響下目標的識別與定位方法研究現(xiàn)狀17-18
• 1.3.4 遮擋影響下目標的識別與定位方法研究現(xiàn)狀18-19
• 1.3.5 存在的問題19
• 1.4 本論文的主要研究內(nèi)容19-21
• 第二章 自然場景下蘋果果實分割算法比較及性能測試21-32
• 2.1 引言21
• 2.2 四種分割方法的簡要介紹及分割結(jié)果21-27
• 2.2.1 試驗中所用蘋果圖像的獲取21
• 2.2.2 多顏色空間融合法21-24
• 2.2.3 色差法24-26
• 2.2.4 模糊C均值法26-27
• 2.2.5 K-means聚類算法27
• 2.3 蘋果果實分割算法性能測試27-30
• 2.3.1 圖像預(yù)處理方法28-29
• 2.3.2 四種分割算法性能測試29-30
• 2.4 本章小結(jié)30-32
• 第三章 無枝葉遮擋的雙果重疊蘋果目標的分割與重建方法32-43
• 3.1 引言32
• 3.2 基于Ncut譜聚類算法的重疊蘋果目標的分割方法32-35
• 3.2.1 試驗中蘋果圖像的獲取32
• 3.2.2 聚類后蘋果目標的預(yù)處理32-33
• 3.2.3 基于Ncut譜聚類算法的重疊蘋果目標輪廓提取方法33-35
• 3.3 重疊蘋果目標的輪廓分割方法35-36
• 3.4 基于Spline插值算法的被遮擋蘋果目標輪廓重建方法36-37
• 3.5 試驗結(jié)果與分析37-42
• 3.5.1 試驗過程37-38
• 3.5.2 試驗結(jié)果與分析38-42
• 3.6 小結(jié)42-43
• 第四章 遮擋影響下的蘋果目標識別與定位方法43-54
• 4.1 引言43
• 4.2 蘋果目標真實輪廓段的提取方法43-46
• 4.2.1 試驗中蘋果圖像的獲取43
• 4.2.2 蘋果圖像預(yù)處理43-44
• 4.2.3 蘋果目標輪廓及凸殼的提取44-45
• 4.2.4 蘋果目標真實輪廓段提取方法45-46
• 4.3 遮擋蘋果目標的定位方法46-47
• 4.4 遮擋蘋果目標定位結(jié)果與分析47-52
• 4.4.1 試驗過程47-48
• 4.4.2 試驗結(jié)果與分析48-52
• 4.5 小結(jié)52-54
• 第五章 單果無遮擋蘋果目標的識別與采摘點定位方法54-62
• 5.1 引言54
• 5.2 蘋果目標輪廓的提取及輪廓平滑方法54-55
• 5.2.1 蘋果圖像的獲取54
• 5.2.2 蘋果目標輪廓提取54-55
• 5.2.3 蘋果目標輪廓平滑方法55
• 5.3 蘋果目標對稱軸提取以及采摘點定位方法55-58
• 5.3.1 利用轉(zhuǎn)動慣量算法提取蘋果目標對稱軸原理56-57
• 5.3.2 蘋果目標對稱軸的提取及采摘點定位57-58
• 5.4 試驗結(jié)果與分析58-61
• 5.4.1 試驗過程58-59
• 5.4.2 試驗結(jié)果與分析59-61
• 5.5 小結(jié)61-62
• 第六章 重疊及遮擋影響下蘋果目標的識別與定位系統(tǒng)設(shè)計62-68
• 6.1 引言62
• 6.2 重疊及遮擋影響下蘋果目標的識別與定位系統(tǒng)整體設(shè)計62-67
• 6.2.1 系統(tǒng)運行及開發(fā)環(huán)境62
• 6.2.2 系統(tǒng)功能設(shè)計及系統(tǒng)框圖62-63
• 6.2.3 系統(tǒng)功能實現(xiàn)及操作演示63-67
• 6.3 小結(jié)67-68
• 第七章 結(jié)論與展望68-70
• 7.1 結(jié)論68-69
• 7.2 創(chuàng)新點69
• 7.3 展望69-70
• 參考文獻70-76
• 致謝76-77
• 作者簡介77

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉曉洋;趙德安;陳玉;賈偉寬;;夜間低照度條件下蘋果采摘機器人的圖像識別[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2015年S1期

2 賈偉寬;趙德安;劉曉洋;唐書萍;阮承治;姬偉;;機器人采摘蘋果果實的K-means和GA-RBF-LMS神經(jīng)網(wǎng)絡(luò)識別[J];農(nóng)業(yè)工程學(xué)報;2015年18期

3 張俊雄;何芬;;設(shè)施農(nóng)業(yè)采摘機器人研究進展[J];農(nóng)業(yè)工程技術(shù)(溫室園藝);2015年25期

4 馮青春;程偉;楊慶華;荀一;王秀;;基于線結(jié)構(gòu)光視覺的番茄重疊果實識別定位方法研究[J];中國農(nóng)業(yè)大學(xué)學(xué)報;2015年04期

5 張傳棟;徐漢飛;陳弘毅;宋懷波;;基于超紅圖像與輪廓曲率的蘋果目標識別與定位方法研究[J];軟件;2015年08期

6 李國利;姬長英;顧寶興;;基于單目視覺與超聲檢測的振蕩果實采摘識別與定位[J];農(nóng)業(yè)機械學(xué)報;2015年11期

7 劉立群;火久元;王聯(lián)國;;基于改進混合蛙跳算法的圖像閾值分割算法[J];計算機應(yīng)用與軟件;2015年05期

8 劉瓊;史諾;;基于Lab和YUV顏色空間的農(nóng)田圖像分割方法[J];國外電子測量技術(shù);2015年04期

9 李卓;楊子敬;郝建唯;高宏偉;;蘋果幼果圖像的分割與識別算法研究[J];沈陽理工大學(xué)學(xué)報;2015年01期

10 徐越;李盈慧;宋懷波;何東健;;基于Snake模型與角點檢測的雙果重疊蘋果目標分割方法[J];農(nóng)業(yè)工程學(xué)報;2015年01期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 張鐵君;卡通角色版權(quán)保護關(guān)鍵問題研究[D];哈爾濱工業(yè)大學(xué);2013年

2 許曉麗;基于聚類分析的圖像分割算法研究[D];哈爾濱工程大學(xué);2012年

3 饒云波;夜間視頻增強的關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2012年

4 王述云;數(shù)據(jù)流頻繁項挖掘與聚類分析的研究[D];復(fù)旦大學(xué);2008年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 呂學(xué)智;基于雙目視覺的爬壁機器人環(huán)境檢測技術(shù)研究[D];揚州大學(xué);2014年

2 潘楊;基于小波的圖像去噪方法研究[D];吉林大學(xué);2010年

3 李澤輝;基于圖像序列的運動目標檢測與跟蹤[D];哈爾濱工程大學(xué);2009年

，

本文編號：784435