基于轮廓曲率和距离分析的重叠柑橘分割与重建

自然环境下重叠果实的精准识别是智能采摘面临的难题之一。针对自然环境中成熟的重叠柑橘，提出了一种基于轮廓曲率和距离分析的果实分割方法。首先，提取重叠柑橘果实轮廓并进行高斯平滑，通过曲率分析，找出异常的轮廓像素点；其次，依次连接相邻两个异常像素点，分析该线段上的像素点到轮廓的距离，在相邻两正常线段的交点处完成重叠柑橘轮廓分割，并通过寻找异常线段剔除对应的非柑橘轮廓像素点；在此基础上，采用最小二乘椭圆拟合方法，对获取的柑橘目标进行轮廓重建。结果表明：利用该方法所得到的重叠柑橘重建轮廓的平均误差、不重合度和时间分别为4.903%、5.593%、0.408 s，优于Hough变换算法和RANSAC算法，能够满足自然环境下成熟重叠柑橘果实的智能识别需求。     

无遮挡重叠柑橘目标分割与重建

自然环境下重叠果实的精准识别是智能采摘面临的难题之一。本研究针对无遮挡重叠柑橘,提出了一种基于凹区域简化和距离分析的果实分割与重建方法。该方法提取、分割果实轮廓凹区域,对其进行多边形简化,利用角点检测提取多边形顶点,通过分析各顶点到轮廓凸壳曲线的距离确定轮廓分割点,采用最小二乘圆拟合方法对分割后的轮廓进行重建。结果表明,基于凹区域简化和距离分析的无遮挡重叠柑橘重建轮廓的平均误差为3.12%,不重合度为4.55%,时间为0.291 s,优于RANSAC算法和Hough变换算法,能够满足自然环境下无遮挡重叠果实的智能识别需求。     

重叠苹果果实的分离识别方法

针对苹果采摘机器人重叠果实识别误差较大的问题,设计了一种分离识别方法。首先在苹果图像分割获取其二值果实区域的基础上,基于横、纵投影图实现重叠形态果实的判别,而后基于边缘曲线通过SUSAN算法检测果实轮廓上的角点,再通过迭代腐蚀和瓶颈准则挑选重叠果实的分离点,并采用Bresenham算法连接分离点实现重叠果实的分离。提取分离果实边缘曲线的有效轮廓后,通过改进的随机Hough算法拟合果实圆心及半径。最后选择15幅重叠果实区域二值图像,通过不同角点检测计算结果的比较,验证了SUSAN算法相比于其他角点检测方法更为有效;通过改进的随机Hough算法识别11幅图像中的21个果实,其圆心相对误差平均值、半径相对误差平均值和相对偏差平均值分别为6.90%、4.12%和6.07%,比传统Hough算法分别低4.03、2.75、1.14个百分点,说明改进的随机Hough算法得到的拟合圆更接近实际苹果果实区域。     

自然环境下苹果作业机器人双果重叠目标侦测方法

为进一步提升苹果的侦测精度,从而提高苹果作业机器人的果实作业效率,以果园重叠苹果为对象,研究了自然环境下双果重叠目标的机器侦测方法。首先将采集到的苹果图像在Lab色彩空间中利用K-means聚类算法提取重叠苹果目标区域;其次在得到重叠苹果边界上的Harris角点后,通过关键角点检测算法定位苹果重叠部分的果实轮廓所在区域,并利用Canny边缘检测算子提取出苹果重叠部分的果实轮廓;然后利用Y型节点搜索算法实现重叠苹果目标的单果轮廓分离,并得到未遮挡果实的完整轮廓;最终利用距离最小二乘算法对被遮挡苹果目标进行果实轮廓重建。为验证方法的有效性,将Hough变换法、Spline样条内插法的重叠果实侦测结果与本文方法所得结果进行对比。试验结果显示,本文方法不仅可以侦测出未遮挡果实的完整轮廓,同时对被遮挡苹果目标也有较好的轮廓重建效果,其果实平均重合度和定位误差分别为95.43%和4.44%,侦测性能明显优于前两种方法,表明本文方法可以较好实现自然环境下苹果双果重叠目标的侦测,该结果为苹果作业机器人多果重叠目标的自动化侦测提供参考。     

复杂背景下油茶果采收机重叠果实定位方法研究

油茶果机械化振动采摘技术关键在于振动点选取,判断振动点选取取决于果实生长密度测算和分布估计.然而自然环境下重叠果实的识别对判定结果有较大的影响,因此提出一种基于凸壳识别的分割边界优化方法,提升重叠油茶果识别与分割准确度.该方法先将原始图像转换颜色空间,经过阈值分割和形态学处理获得重叠果实的凹区域,然后在此基础上通过Harris角点检测得到区域的特征点集,利用主成分分析(PCA)和欧式距离方法分析特征点距离关系得到分割路径,最后采用最小二乘法对分割后的目标区域进行拟合重建得到果实轮廓.对比重建的果实轮廓与真实分布图像,该方法的平均定位误差为8.6％,比Hough方法低5.1％;平均耗时为0.52 s,比Hough方法低0.12 s.结果 表明,提出的方法可以有效解决重叠油茶果实识别与分割问题,为采摘装置的振动点选择奠定基础.     

发动机性能试验数据处理方法的研究

研究了发动机性能试验数据处理的方法 ,提出利用最小二乘分段多项式拟合方法对曲线进行拟合 ,可提高工作效率和试验精度 ;认为坐标变换法可提高拟合精度 ;最后采用二元列表函数的线性插值法 ,实现了大气修正的计算机处理。     

基于机器视觉的成熟柑橘自动识别研究

针对自然生长状态下成熟柑橘图像的识别问题,采用2R-G-B色差分量,通过Ostu自适应阈值算法进行图像分割,用面积阈值的方法消除噪声来获取成熟柑橘图像的目标区域,然后利用最小二乘拟合方法拟合出目标区域的质心及半径等特征参数。结果显示,识别正确率在90%以上。     

基于双目立体视觉的重叠柑橘空间定位

果实的精准识别和定位是智能采摘面临的难题之一。基于双目立体视觉,提出了一种针对户外重叠柑橘的三维空间定位方法。首先,从双目左右图像中提取重叠柑橘果实轮廓并进行高斯平滑,通过曲率分析,找出异常的轮廓像素点;其次,依次连接相邻两个异常像素点,分析该线段上的像素点到柑橘轮廓的距离,在相邻两正常线段的交点处完成重叠柑橘轮廓分割,并通过寻找异常线段剔除对应的非柑橘轮廓像素点;再者,采用最小二乘椭圆拟合方法重建柑橘目标轮廓,并获取柑橘的中心;最后,根据双目极线约束和图像相似度,对重叠柑橘中心点进行匹配,并基于视差原理计算柑橘中心的深度值及三维空间坐标,确定重叠柑橘的遮挡关系。户外实验结果表明,所提出的方法定位误差为6.38 mm,满足柑橘采摘机器人户外采摘作业的定位精度要求。     

油菜直播机导航路径识别方法研究

针对油菜直播机视觉导航路径识别效果受天气、稻茬噪声等影响的难题,提出一种结合小波变换和改进随机抽样一致性(RANSAC)的导航路径识别方法。首先,对原始图像灰度化后进行小波变换,在大尺度低分辨率下凸显导航路径宏观轮廓;然后利用直播机作业区与未作业区图像对比度大的特点获取导航路径上的特征点集合;最后针对获取的特征点集合运用结合预检验和后处理校正的改进随机抽样一致性算法区分内外点,并对内点集运用最小二乘法进行导航路径直线拟合,从而获取导航路径参数。田间图像测试表明,该方法可以稳定、准确地检测出导航路径,正确率达到96.7%,同时每帧图像的处理时间在31 ms以内,能为油菜直播机的视觉导航提供技术支撑。     

基于机器视觉的叶菜类蔬菜菜垄识别算法

针对目前叶菜类蔬菜田间作业自动化程度低,缺乏适用自主导航技术等问题,提出一种基于机器视觉的叶菜类蔬菜菜垄识别算法。利用改进超绿算法(Gray=2Cg-Cr-Cb)对菜地图像进行灰度化,通过二值形态学变换和连通区域提取获得菜垄区域和边界,基于Huber损失函数进行边界曲线拟合,最终提取导航基准线。图像处理结果表明:1)本研究提出的识别算法在不同光照环境下具有较好的鲁棒性,自然综合光照条件下导航基准线提取成功率为97.5%;2)基于Huber损失函数获取到的导航基准线,平均均方根误差为0.668像素,比最小二乘法高72.5%,平均角度偏差为0.273°,比最小二乘法高72.6%,且处理速度与最小二乘法相似。试验证明本研究算法可实现在自然光照条件下对叶菜类蔬菜图像的菜垄识别和导航基准线提取。     

基于双目立体视觉的重叠柑橘空间定位

果实的精准识别和定位是智能采摘面临的难题之一。基于双目立体视觉，提出了一种针对户外重叠柑橘的三维空间定位方法。首先，从双目左右图像中提取重叠柑橘果实轮廓并进行高斯平滑，通过曲率分析，找出异常的轮廓像素点；其次，依次连接相邻两个异常像素点，分析该线段上的像素点到柑橘轮廓的距离，在相邻两正常线段的交点处完成重叠柑橘轮廓分割，并通过寻找异常线段剔除对应的非柑橘轮廓像素点；再者，采用最小二乘椭圆拟合方法重建柑橘目标轮廓，并获取柑橘的中心；最后，根据双目极线约束和图像相似度，对重叠柑橘中心点进行匹配，并基于视差原理计算柑橘中心的深度值及三维空间坐标，确定重叠柑橘的遮挡关系。户外实验结果表明,所提出的方法定位误差为6.38 mm，满足柑橘采摘机器人户外采摘作业的定位精度要求。     

基于小波递推最小二乘滤波算法的马铃薯高光谱图像去噪研究

为了提高马铃薯高光谱图像的滤波效果,降低马铃薯外部损伤检测模型的错误率和误判率,采用小波递推最小二乘滤波算法对马铃薯高光谱图像进行去噪.该算法先对经过主成分分析的马铃薯高光谱图像进行4尺度的小波变换,并将得到的二维小波变换系数集成为一个单一的一维重构向量,利用此向量的系数重构分辨率更高的图像,再将经过小波逆变换的图像使用递推最小二乘滤波算法进行滤波,得到结果图像;同时与改变噪声类型的滤波效果、采用维纳滤波和递推最小二乘滤波算法对马铃薯高光谱图像的滤波效果进行对比.结果表明:该滤波算法对高斯和椒盐噪声均具有良好的滤波效果;与采用维纳滤波算法和递推最小二乘滤波算法相比,滤波效果明显,对提高马铃薯外部损伤检测模型的正确率和识别率具有促进作用.     

林间作业环境内采育目标立木间株距的计算

为提高林木联合采育机的工作效率,减轻驾驶员的工作压力,采用基于二维激光扫描仪的非接触测量系统获取采育作业林地环境内的目标数据,运用基于腐蚀扩张和聚类原理的滤波算法过滤原始扫描数据的背景噪声,获取采育目标的位置和轮廓数据,并假设所有目标为标准圆,采用最小二乘法拟合目标直径,计算采育目标之间的株距。结果表明,采用以上方法的株距计算与人工测量结果相比,平均误差为197.52 mm,标准差为97.7 mm,相对误差小于2%。     

基于改进的Codebook算法的车轮轮廓提取

提取车轮轮廓在机动车车型识别课题中有重要作用,通过检测侧面图像车辆的车轮数便可确定被测车辆的轴数,为车型的识别提供重要的底盘信息。本文提出了一种鲁棒性较强的车轮轮廓提取方法,通过摄像机拍摄道路行驶车辆的侧面视频,利用改进后的Codebook算法提取出目标车辆后,经圆形度初步筛选近似为圆形的目标,再通过Hough变换圆检测来验证圆,最后完成车轮轮廓的提取。     

HHT方法在结构模态参数识别中的改进

在Hilbert-Huang变换(HHT)的基础上,采用ChebyshevⅠ类带通滤波器对测量响应进行滤波,使得经EMD分解得到的固有模态函数(IMF)包含所有需要的模态,解决了模态混淆问题;采用去端点法预处理模态响应的相位和幅值,进行线性最小二乘法拟合,解决了端点效应问题;并推导了如何利用HHT识别比例阻尼结构体系的振型,获得了结构的各阶模态参数.分别通过4自由度数值试验和4自由度实验室框架结构试验说明了本文算法的有效性.     

Marquardt方法在动物传染病模型参数拟合中的应用

该文利用Marquardt方法对动物传染病模型进行参数的优化估值,获得原始数据的最佳拟合曲线,建立数学模型。并与最小二乘法对此模型的拟合结果进行比较,Marquardt方法拟合结果较好。     

基于最小二乘的点云叶面拟合算法研究

利用地面激光扫描仪(TLS)获取户外树木的大量点云数据,从中截取树叶点云数据并以此来进行曲面拟合,构建树叶真实三维模型。主要针对空间散乱点云数据的曲面拟合方法进行研究。在最小二乘法、正交最小二乘法、移动最小二乘法等3种二维曲面拟合方法基础上,针对空间散乱点云数据,提出新的曲面拟合方法。通过比较这3种方法对点云数据曲面拟合后效果,得出结论:针对树叶散乱点云数据,移动最小二乘法能够有效的拟合出树叶的曲面。     

枝条遮挡下单个苹果目标识别与重建的研究

【目的】研究枝条遮挡情况下单个苹果目标的识别,为复杂生长环境下苹果目标的准确识别与定位及实现自动采摘提供支持。【方法】针对果实目标受枝条遮挡影响被分割成几个部分,从而严重影响果实目标准确识别的现状,以枝条遮挡下的苹果目标为研究对象,选用基于Lab颜色空间的Kmeans聚类算法对苹果目标进行分割,再通过数学形态学方法对目标苹果轮廓进行提取,然后根据最小外接矩形法去除目标苹果的伪轮廓,最后利用轮廓的曲率特征对目标苹果进行重建,并对分割与重建结果进行了方法验证。【结果】利用基于Lab颜色空间下的Kmeans聚类算法和最小外接矩形法可有效提取出苹果目标的真实轮廓,能够与苹果目标边缘线达到高度重合,同时可获得较准确的重建结果。对10幅枝条遮挡果实目标的识别、定位与重建的验证结果表明,该方法对目标苹果进行分割与重建的平均分割误差为13.83%,平均重叠系数为88.08%,假阳性率和假阴性率分别为1.22%和11.92%,目标苹果重建准确率均在84.00%以上,平均重建时间为24.40 s。【结论】应用本研究中的方法可对枝条遮挡下的苹果目标进行准确识别、定位与重建,有效缩短重建时间。     

枝条遮挡下单个苹果目标识别与重建方法的研究

【目的】研究枝条遮挡情况下单个苹果目标的识别,为复杂生长环境下苹果目标的准确识别与定位及实现自动采摘提供支持。【方法】针对果实目标受枝条遮挡影响被分割成几个部分,从而严重影响果实目标准确识别的现状,以枝条遮挡下的苹果目标为研究对象,选用基于Lab颜色空间的K-means聚类算法对苹果目标进行分割,再通过数学形态学方法对目标苹果轮廓进行提取,然后根据最小外接矩形法去除目标苹果的伪轮廓,最后利用轮廓的曲率特征对目标苹果进行重建,并对分割与重建结果进行了方法验证。【结果】利用基于Lab颜色空间下的K-means聚类算法和最小外接矩形法可有效提取出苹果目标的真实轮廓,能够与苹果目标边缘线达到高度重合,同时可获得较准确的重建结果。对10幅枝条遮挡果实目标的识别、定位与重建的验证结果表明,该方法对目标苹果进行分割与重建的平均分割误差为13.83%,平均重叠系数为88.08%,假阳性率和假阴性率分别为1.22%和11.92%,目标苹果重建准确率均在84.00%以上,平均重建时间为24.40s。【结论】应用本研究中的方法可对枝条遮挡下的苹果目标进行准确识别、定位与重建,有效缩短重建时间。     

复叶中小叶主叶脉及其生长角的提取

复叶中小叶的生长角度可作为特征参数识别复叶植物。首先利用改进的Sobel算子和中值滤波提取复叶叶轴和小叶的主叶脉,进而利用Hough变换线性检测获取复叶叶轴和小叶主叶脉的直线,利用所检测的直线计算得到小叶的生长角度。此外,对基于Hough变换线性检测的适用性进行探讨,发现Hough变换线性检测可以很好地适用于小叶主叶脉呈直线的复叶;但对于小叶主叶脉呈现弯曲状时,Hough变换线性检测时会出现明显的缺陷,需要采用外接矩形方法提取小叶的生长角度。提取结果表明,所采用的算法可以有效地提取复叶中小叶的生长角度。