我國(guó)水果產(chǎn)量高、國(guó)民需求量大,但水果供應(yīng)鏈的采摘環(huán)節(jié)卻仍然依靠人工作業(yè),采摘成本高、效率低,無(wú)法滿足市場(chǎng)的供應(yīng)需求。為有效解決上述問(wèn)題,利用水果采摘機(jī)器人代替人工作業(yè)必將成為果園現(xiàn)代化管理的發(fā)展趨勢(shì)。視覺系統(tǒng)作為水果采摘機(jī)器人的核心部分,能夠有效提高對(duì)目標(biāo)果實(shí)的識(shí)別與定位性能,提升作業(yè)效率,降低采摘成本。本文以自然環(huán)境中的類球形果實(shí)為研究對(duì)象,基于Kinect機(jī)器視覺技術(shù)獲取果實(shí)的彩色圖像和深度圖像,實(shí)現(xiàn)了果實(shí)的二維平面識(shí)別和三維空間定位。取得的主要研究成果和結(jié)論如下:(1)研究了圖像的采集方式,分析了顏色空間模型的特點(diǎn),利用R-G色差法得到果實(shí)彩色圖的色差灰度圖后,利用OTSU自動(dòng)閾值分割算法從圖像中提取出目標(biāo)果實(shí)區(qū)域,針對(duì)表面與背景顏色相近的果實(shí)而言,提出了基于灰度共生矩陣提取紋理特征訓(xùn)練支持向量機(jī)的紋理分割方法,并運(yùn)用數(shù)學(xué)形態(tài)學(xué)運(yùn)算消除果實(shí)區(qū)域的內(nèi)部孔洞和邊緣毛刺,該方法對(duì)于光照具有一定的魯棒性。(2)研究了自然環(huán)境下被樹枝、樹葉、果實(shí)遮擋的類球形果實(shí)的識(shí)別方法,引入空矩陣提取果實(shí)區(qū)域邊緣和質(zhì)心坐標(biāo),提出了一種利用目標(biāo)區(qū)域邊緣上相鄰的人工標(biāo)注點(diǎn)與質(zhì)心的距離波動(dòng)曲線求取最佳遮擋閾值...

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題的研究背景及意義
    1.2 農(nóng)業(yè)采摘機(jī)器人的視覺發(fā)展概況
        1.2.1 農(nóng)業(yè)采摘機(jī)器人視覺系統(tǒng)概述
        1.2.2 農(nóng)業(yè)采摘機(jī)器人視覺系統(tǒng)國(guó)內(nèi)外研究現(xiàn)狀
        1.2.3 果實(shí)識(shí)別方法國(guó)內(nèi)外研究現(xiàn)狀
        1.2.4 果實(shí)定位方法國(guó)內(nèi)外研究現(xiàn)狀
    1.3 存在的問(wèn)題
    1.4 本文的主要研究?jī)?nèi)容和技術(shù)路線
        1.4.1 研究?jī)?nèi)容
        1.4.2 技術(shù)路線
第2章 圖像分割方法研究
    2.1 Kinect V2 設(shè)備簡(jiǎn)介
    2.2 果實(shí)樣本的采集
    2.3 基于顏色特征的果實(shí)分割
        2.3.1 圖像去噪
        2.3.2 顏色空間的選取
        2.3.3 顏色閾值分割
    2.4 基于紋理特征的果實(shí)分割
        2.4.1 灰度共生矩陣提取紋理特征
        2.4.2 SVM基本原理
        2.4.3 基于GLCM提取紋理特征訓(xùn)練SVM
    2.5 形態(tài)學(xué)處理
    2.6 本章小結(jié)
第3章 基于遮擋閾值的被遮擋果實(shí)識(shí)別方法研究
    3.1 霍夫梯度變換法識(shí)別被遮擋果實(shí)
    3.2 基于遮擋閾值的識(shí)別方法
        3.2.1 目標(biāo)區(qū)域邊緣及質(zhì)心的獲取
        3.2.2 遮擋閾值的判斷
        3.2.3 圓心點(diǎn)集的獲取
        3.2.4 基于堆排序的凝聚層次聚類算法
    3.3 識(shí)別效果和評(píng)價(jià)標(biāo)準(zhǔn)
    3.4 本章小結(jié)
第4章 基于Kinect的果實(shí)定位方法研究
    4.1 視覺測(cè)量模型
        4.1.1 世界坐標(biāo)系與相機(jī)坐標(biāo)系
        4.1.2 相機(jī)坐標(biāo)系與圖像坐標(biāo)系
        4.1.3 圖像坐標(biāo)系與圖像像素坐標(biāo)系
    4.2 Kinect V2 相機(jī)標(biāo)定
        4.2.1 相機(jī)標(biāo)定原理
        4.2.2 彩色圖與深度圖配準(zhǔn)
        4.2.3 Kincet相機(jī)標(biāo)定實(shí)驗(yàn)
        4.2.4 獲取果實(shí)表面點(diǎn)云數(shù)據(jù)
    4.3 基于最小二乘法的曲面擬合
        4.3.1 最小二乘法原理介紹
        4.3.2 擬合參數(shù)的解算
        4.3.3 粗差點(diǎn)的剔除
        4.3.4 插值擬合結(jié)果
    4.4 本章小結(jié)
第5章 結(jié)論
參考文獻(xiàn)
在學(xué)研究成果
致謝



本文編號(hào)：3855952