基于双目立体视觉的成熟棉花识别定位

针对采棉机械手棉花识别定位难的问题,提出一种基于机器视觉的棉花识别与定位方法,搭建出双目立体视觉系统,在此基础上通过相机标定、图像采集、图像处理、特征提取等过程,计算得出棉株的深度信息以及其成熟棉花的三维信息,其深度平均误差值为2.55 mm,单位坐标误差均值为(2.8 mm,-1.4 mm,-1.35 mm)。结果表明,基于双目立体视觉对棉株上的成熟棉花进行三维空间上的识别定位是可行的。     

基于双目视觉的作物点云获取与分割定位方法

为了提高农业视觉导航系统对作物定位的精确性,提出了一种基于双目视觉的作物点云获取与分割定位方法。该方法采用ZED双目相机采集作物左右视图,通过视差原理获取作物的3D点云数据,利用点云离散程度和体素化网格方法对初始点云数据的离散点和冗余数据进行去除,然后在预处理后的点云图中利用基于点云法线角度差的区域生长分割出每株作物的点云簇,用每个点云簇中所有点的平均坐标值作为该株作物的三维坐标,结合视觉系统坐标系,计算出作物与相机的水平距离以及水平偏角,从而实现作物定位。试验结果表明,该方法测得的作物平均距离误差为1.89%,平均角度误差为2.17%,该算法可以对作物进行准确定位,为基于双目视觉导航的路径规划提供可靠的定位信息。     

信息动态

针对果蔬采摘机械采摘过程中深度信息不易获的缺陷,该研究运用双目立体视觉技术通过摄像机标定对豆角的位姿信息进行获取.首先根据相机成像原理阐述图像坐标系、相机坐标系、世界坐标系三者之间的转换;其次通过对单目摄像机模型与平行相机模型之间的比较,推导双目相机定位算法;最后通过对试验结果的研究,分析该技术在不同场景应用过程中的注意事项,并对未来改进方向进行展望.     

1种基于Kinect深度图像的指尖检测与跟踪算法

为了实现基于Kinect的三维手势识别,提出一种基于深度图像的指尖检测与跟踪方法。首先利用Kinect提供的深度信息和HSV肤色模型分割出手掌区域,并通过映射获得二维手掌区域的二值图像;然后在二维手掌区域中采用形态学操作,计算获得各手指的二维区域,并把各手指区域中离手心点距离最远的点作为指尖点;最后接着加入指尖点的深度信息,获得各指尖的三维信息,在三维空间中利用卡尔曼滤波方法实现对指尖的跟踪。试验结果证明,该算法能够准确、实时地实现指尖检测与跟踪,满足了手势识别的基本要求。     

基于视觉的手势识别技术及其应用研究

研究基于视觉的手势识别技术,并在OpenCV的平台基础上实现基于该技术的多媒体教学的应用,即在幻灯片播放的过程中能够由动态手势来控制幻灯片的翻页。首先通过摄像头来采集图像,利用背景差分法结合颜色直方图检测动态信息完成手势的检测。其次通过几种动态手势的跟踪算法的分析与比较,采用主流的非线性跟踪算法—粒子滤波算法。最后是应用实现部分,将手势识别的结果应用于多媒体演示文稿的播放中,实现通过动态手势实时控制PPT翻页的功能。     

基于智能手机与机器视觉技术的立木胸径测量方法

针对现有森林资源调查中立木胸径测量工作劳动强度大、效率低,先进设备操作复杂、成本高等问题,结合相机标定、三维重建、机器视觉和近景摄影测量等技术,探索基于智能手机与机器视觉技术的立木胸径测量方法。通过智能手机获取待测立木的图像信息,运用Lab颜色空间模型(Lab color model)和3×3算子对图像进行卷积运算,得到立木图像的视觉显著图; 结合HSV颜色模型(色调H,饱和度S,明度V)中的H分量增强图像中立木树干部分的颜色对比度,通过图像分割算法识别并获取自然环境下的目标立木轮廓区域; 通过一种改进的带有非线性畸变项的相机标定模型标定智能手机的相机内、外参数,并借助相机参数和二维图像信息进行三维世界坐标重建,从而实现树干1.3 m处胸径的测量。经验证,一定距离内胸径测量结果的相对误差小于2.50%。该方法测量精度较高,符合森林资源调查对胸径测量的精度要求,可应用于森林资源调查。     

基于线结构光视觉的番茄重叠果实识别定位方法研究

为实现番茄自动化采收,针对温室光照条件多变、背景复杂及果实簇生遮挡的特征,构建了基于线结构光视觉的番茄果实识别定位视觉系统,并提出了一种针对簇生重叠果实的区域分割方法。在(2R-G-B)色差模型下利用动态阈值分割,提取成熟果实区域;计算亮度渐变梯度向量,采用灰度重心法提取结构光条纹中心线;基于线结构光立体测量原理,在光条纹扫描视场过程中实时获取成熟果实表面三维信息,并映射形成果实表面与相机光心距离深度图像,实现簇生重叠果实区域的立体分割;基于果实表面激光条纹点空间坐标拟合果实外接球体,获取果实形态和空间坐标信息;试验结果表明,视觉系统单次识别测量耗时2.8s,果实直径测量误差小于6mm,果实与摄像机中心距测量误差小于8mm。     

基于图像的人体参数测量系统的设计与实现

给出一种基于图像的人体参数自动测量方法,并设计与实现人体参数测量系统.通过2个数码相机拍摄人体的正视图和侧视图,运用图像分割和特征提取等图像处理方法提取2幅图像上的人体特征点;利用三维标定架标定相机的内外参数;利用双目视觉原理从2幅图像上的特征点计算出人体的测量点,完成人体尺寸参数计算.试验结果表明：与传统手工测量相比,本方法能实现自动测量,缩短了测量时间,提高测量的精度和效率;与三维非接触测量相比,本方法测量设备简单和便携,测量速度更快,操作更加方便.     

结合区域协方差分析的图像显著性检测

目的 图像显著性检测的目的是为了获得高质量的能够反映图像不同区域显著性程度的显著图,利用图像显著图可以快速有效地处理图像中的视觉显著区域。图像的区域协方差分析将图像块的多维特征信息表述为一个协方差矩阵,并用协方差距离来度量两个图像块特征信息的差异大小。结合区域协方差分析,提出一种新的图像显著性检测方法。方法 该方法首先将输入的图像进行超像素分割预处理;然后基于像素块的区域协方差距离计算像素块的显著度;最后对像素块进行上采样用以计算图像像素点的显著度。结果 利用本文显著性检测方法对THUS10000数据集上随机选取的200幅图像进行了显著性检测并与4种不同方法进行了对比,本文方法估计得到的显著性检测结果更接近人工标定效果,尤其是对具有复杂背景的图像以及前背景颜色接近的图像均能达到较好的检测效果。结论 本文方法将图像像素点信息和像素块信息相结合,避免了单个噪声像素点引起图像显著性检测的不准确性,提高了检测精确度;同时,利用协方差矩阵来表示图像特征信息,避免了特征点的数量、顺序、光照等对显著性检测的影响。该方法可以很好地应用到显著目标提取和图像分割应用中。     

机器视觉核桃分级中相机可变视场与像素转换系数自动获取方法

针对利用机器视觉进行农产品无损检测中相机视场调节困难以及调整后需要重新标定的问题,提出一种基于MFC软件界面控制的大恒定焦USB 2.0工业相机视场自动调节方法,并通过试验对相机进行标定,拟合出相机高度和像素转换系数的关系式,当相机视场发生变化时,系统中超声波测高模块可以实时给出相机高度,程序根据关系式实时给出对应高度的像素转换系数,方便图像处理软件根据核桃轮廓像素数据换算出核桃尺寸,精确判断等级。     

基于智能手机单目视觉的多株立木高度提取方法

  目的  提出一种智能手机单目视觉下的多株立木高度提取方法。  方法  该方法以智能手机为采集设备，利用Graph Cut 算法对输入的立木图像进行分割定位，实现单幅图像中多株立木轮廓的自动获取；再通过智能手机相机对摄像头进行标定，从而基于几何相似法获取智能手机相机图像的深度信息。在不同角度下拍摄标靶，进行深度提取模型的精度优化，进而确定信息提取的最优方位。同时，结合高精度陀螺仪获取相机俯视角，根据提取的深度信息和相机俯视角实现非接触条件下的多株立木高度测量。  结果  使用型号为MI 2S的小米智能手机为试验设备，在本方法中的立木高度测量模型具有良好的稳定性，并且试验中最高相对误差为2.45%，树高测量精度可达97.55%。  结论  基于智能手机单目视觉下的立木高度提取方法精确度高、操作简便，能够有效满足国家森林资源二类调查中对于树高测量精度的要求。      

草莓采摘机器人的研究:Ⅱ.基于图像的草莓重心位置和采摘点的确定

成熟草莓果实重心和采摘点的确定是草莓采摘机器人采摘收获作业中的关键问题。采用LRCD (lumi nanceandredcolordifference)方法分割草莓图像。在RGB色彩模型中 ,求得图像中每个像素的色差 ,在灰度图像中显示以色差值为灰度值的色差图像 ,取合适的阈值对该图像二值化 ,得到分割后的草莓图像 ;提取分割后草莓图像的几何特征 ,从而确定草莓的重心位置和采摘点。采用本文所述的机器人视觉系统 (CCD成像像素 75 3× 5 82 ,像素中心距 10 μm× 10 μm)的试验结果表明 ,其采摘点位置误差 <3mm。利用LRCD方法能够很好的将成熟草莓与背景分离 ,通过提取分割后草莓图像的几何信息 ,可确定草莓重心和采摘点的位置。该处理方法适用于从复杂背景中提取红色目标     

基于计算机视觉的棒材在线计数系统研究

以计算机视觉技术为基础,利用色彩与阈值相结合的分割算法将端面目标从复杂的背景中分割出来,运用形态学处理方法实现端面边缘的快速检测,通过边界追踪算法提取连通区域的边界长度来实现棒材的计数．该系统较好地解决了粘连和堆叠棒材的准确计数问题,实时性好,可靠性高．     

基于Android平台的立木胸径测量系统

本文提出了一种基于Android平台的立木胸径快速测量系统.首先,采用张正友标定法实现了相机自动标定功能,并根据标定结果完成立木图像畸变的矫正;然后,通过YCbCr色彩空间对MeanShift算法进行改进,缩短了图像处理耗时,并减弱了光照的影响;通过改进后的MeanShift算法增强了立木图像纹理与边缘信息,并结合GrabCut算法实现了立木图像的准确分割,提取了立木图像前景;最后,根据立木图像前景提取结果与摄影测量原理构建了立木胸径测量模型和深度提取模型,无需参照物即可实现基于移动端的立木胸径快速测量.本系统比算法改进前有效提高了立木胸径测量的速度,耗时缩短不低于80%,测量结果的最大误差不超过6%,可实现立木胸径的快速测量.     

基于Kinect的温室番茄盆栽茎干检测与分割

立体视觉系统能够得到图像的深度信息,可以很好地将植物前景与温室的背景分开。茎干是植物的骨架,也是识别植株的重要特征。通过采用基于Kinect的立体视觉系统对温室盆栽植物的茎干进行检测和分割。通过细化算法、Hough变换、基于直方图的统计方法及Otsu算法在深度图像上进行植物茎干检测,从而分割植物的茎干。最后基于OpenGL图形平台,实现了番茄植株个体的形态可视化,从而为番茄植株生长的可视化奠定了技术基础。     

基于计算机视觉的立木枝干直径自动测量方法

立木枝干直径是智能型立木整枝机器人工作的重要工作参数.该文提出了一种基于计算机视觉原理的立木枝干自动测量方法.该方法利用已知大小的标定尺简化无线性畸变CCD摄像机标定过程.首先,将标定尺与被测立木紧贴在一起并通过CCD摄像机获取它们的图像;其次,从图像中通过二次模板匹配方法检测标定尺并统计标定尺像素数;然后,计算出图像每一个像素代表的实际尺寸;第四,通过立木枝杈点检测分离出树干和树枝;最后,将统计立木枝干直径的像素数与每一个像素代表的实际尺寸相乘就可以很容易地计算立木枝干直径.该文测量了12组立木枝干的直径,平均绝对误差为0.67 cm,平均相对误差为1.9%.实验结果表明,计算机视觉的立木枝干直径自动测量方法能够比较精确地解决智能型立木整枝机器人中的立木枝干自动测量问题,但是该方法在进行复杂背景立木枝干直径测量时精度需要进一步提高.      

基于PSO和视觉显著性的棉花图像分割算法

针对自然光条件下具有复杂背景的棉花图像,提出了1种新的图像分割方法。首先,利用粒子群优化(PSO)算法进行聚类预处理,去除图像中较暗区域;其次,利用简单线性迭代聚类(SLIC)算法构建超像素,并用1种改进的方法检测每个超像素在图像中的独特性和分布情况权值,利用检测结果逐像素计算显著度获得整幅图像的显著图;最后,利用连通域面积去噪方法得到棉花图像分割结果。结果表明,该方法能有效去除图像的复杂背景,消除强光和阴影影响,准确地将棉花图像从背景中分割出来,效果较理想。     

面向整枝机控制的手势识别技术研究

为了实现对自动立木整枝机的手势控制,需要完成手势识别和无线遥控两部分工作,因此开展了基于表面肌电信号的手势识别技术研究。首先根据整枝机6个工作状态的特点定义相对应的6个手势,即:握拳、上切、下切、外翻、内翻和展拳;然后对采集到的表面肌电信号进行预处理,包括消噪和活动段分割;再对表面肌电信号进行时域和时-频域分析,得到3类特征,即:平均绝对值、自回归参数模型系数和小波分解后的各子频段信号平均能量;最后,构建支持向量机分类器,通过V折交叉验证得到最佳参数,分别进行单用户和多用户的识别实验。手势识别实验结果表明:单用户识别的准确率最高达100.00%,平均准确率为98.07%,高于多用户识别(91.19%)。本研究为实现整枝机手势控制的后续工作奠定了基础,为推进林业机械的智能化与人机交互进程提供了一种有效的新思路。      

图像分割算法在肉鸡深度图集上的研究

[目的]针对在复杂环境背景中难以识别分割多只肉鸡的问题,探讨基于深度学习实现对多只肉鸡深度图像分割的方法.[方法]利用深度相机,通过不同的拍摄角度(俯视、正视、侧视)在自然环境下采集肉鸡不同姿势(站立、俯卧、抬头、低头等)形态的深度图像,并使用CVAT标注软件对深度图像进行精确标注,建立肉鸡深度图数据集(含4058张深...     

视觉伺服除草机器人控制系统研究

杂草是影响我国农产品质量和产量的重要因素之一,而人工除草费时费力,因此除草自动化有着深远的意义。本文对于视觉伺服控制的除草机器人系统进行了研究,通过整合背景分割方法、杂草识别方法及以摄像机标定为基础的杂草位置定位的研究,结合机械臂的去除动作执行,实现了视觉伺服机器人的除草功能。