基于双目立体视觉的番茄定位

为提高番茄采摘机器人视觉系统的定位精度,该文提出了一种基于组合匹配方法及深度校正模型的双目立体视觉测距方法。该方法在形心匹配的基础上,将形心匹配得到的视差值作为区域匹配时设定视差范围的参考值。这样可以减小区域匹配计算量及误匹配的概率。区域匹配后,利用三角测距原理得到番茄区域对应的深度图,并将区域的深度均值作为其深度维的坐标。试验发现定位误差与测量距离间具有很好的线性相关性。通过回归分析,建立了线性回归模型,并对深度测量结果进行校正。结果表明,工作距离小于650mm时,定位误差约为-7～5mm,工作距离小于1050mm时,定位误差约为±10mm,可满足番茄采摘机器人视觉系统在大多数采摘作业环境下的工作要求。     

基于双目立体视觉技术的成熟番茄识别与定位

研究了基于双目立体视觉技术的成熟番茄的识别与定位方法,获取了成熟番茄的位置信息,用于指导温室内成熟番茄的自动化采摘作业.该方法利用成熟番茄与背景之间颜色特征的差异进行图像分割来识别成熟番茄;根据图像分割的结果,用形心匹配方法获取番茄中心的位置;然后根据相邻区域像素点灰度的相关性,利用区域匹配方法计算番茄表面各点的深度信息.使用限制候选区域和两次阈值分割的方法减少计算量,提高了计算精度.实验结果表明,工作距离小于550 mm时,番茄深度值的误差约为±15 mm.利用该测量方法可以实现成熟番茄位置信息的获取,测量精度较高.     

基于尺度不变特征转换算法的棉花双目视觉定位技术

为了给采棉机器人提供运动参数,设计了一套双目视觉测距装置以定位棉株。对获取的左右棉株图像进行经背景分割等预处理。求取其在8个尺度下的高斯图,通过尺度不变特征转换SIFT(scale-invariant feature transform)算法在相邻高斯差分图中提取出SIFT关键点;计算每个高斯图中关键点邻域内4×4个种子点的梯度模值,得到128维特征向量。分割右图关键点构成的128维空间,得到二叉树;利用最优节点优先BBF(best bin first)算法在二叉树中寻找到172个与左图对应的粗匹配点。由随机采样一致性RANSAC(random sample consensus)算法求出基础矩阵F,恢复极线约束,剔除误匹配,得到分布在11朵棉花上的151对精匹配。结合通过标定和F得到的相机内外参数,最终重建出棉花点云的三维坐标。结果表明,Z轴重建结果比较接近人工测量,平均误差为0.039 3 m,能够反映棉花间的相对位置。     

穴盘幼苗机械手取苗基质完整率影响因素试验与分析

当前国内外移栽机械研究中取苗环节是制约自动移栽机发展的瓶颈,该文试验研究重点是判别拟定的影响因素对穴盘幼苗机械手取苗影响显著与否。测试的影响因素为基质含水率(35%~65%),取苗执行器的执行结构外形特征(指针形状、压舌板形状、U型形状3种)和作物生长初期幼苗根系对基质抗剪性能提升的效果,并将基质完整率作为试验指标值。通过试验给出夹持力与夹持量的对应关系,明确了各取苗执行器执行结构的最佳夹持量,采用正交试验法得出主次影响因素和优水平。试验结果表明:执行结构外形特征是主要影响因素,并确定U型形状为最佳;基质含水率对取苗结果有一定影响,含水率在50%左右为最佳;在幼苗长出第1对真叶时取苗,幼苗根系对基质抗剪性能提升的效果对取苗影响不大,对最优水平组合做验证试验基质完整率均在80%以上,样本全都成功移栽到营养钵内。该文为进一步研究和改善穴盘幼苗移栽设备的关键技术点提供参考。     

基于双目立体视觉的葡萄采摘防碰空间包围体求解与定位

无损收获是采摘机器人的研究难点之一,葡萄采摘过程中容易因机械碰撞而损伤果实,为便于机器人规划出免碰撞路径,提出一种基于双目立体视觉的葡萄包围体求解与定位方法。首先通过图像分割获得葡萄图像质心及其外接矩形,确定果梗感兴趣区域并在该区域内进行霍夫直线检测,通过寻找与质心距离最小的直线来定位果梗上的采摘点,运用圆检测法获取外接矩形区域内果粒的圆心和半径。然后运用归一化互相关的立体匹配法求解采摘点和果粒圆心的视差,利用三角测量原理求出各点的空间坐标。最后以采摘点的空间坐标为原点构建葡萄空间坐标系,求解葡萄最大截面,再将该截面绕中心轴旋转360°得到葡萄空间包围体。试验结果表明:当深度距离在1 000 mm以内时,葡萄空间包围体定位误差小于5 mm,高度误差小于4.95%,最大直径误差小于5.64%,算法时间消耗小于0.69 s。该研究为葡萄采摘机器人的防损采摘提供一种自动定位方法。     

基于区间分析的自动移栽机苗盘定位控制方法

苗盘输送部件是自动移栽机的关键部分,由于国内标准塑料苗盘易变形造成苗盘外表面的光反射率不稳定,导致单个光电传感器识别苗盘到位信息误差大,苗盘定位不准确。针对这一问题,该研究设计了一种推杆平移输送、双传感器融合定位的苗盘输送装置,并提出一种苗盘精确定位控制方法。该方法首先通过双传感器分别感知苗盘与推杆的到位信息,并融合输送装置的结构信息,得到苗盘从起始位置输送至取苗位置的精确输送距离;然后设计了一种苗盘与推杆之间放置位置的判定方法,判定苗盘当前放置位置后输入对应的位移量将苗盘输送至取苗位置,最后驱动伺服电机实现苗盘输送的精确控制。以128穴标准PVC硬塑苗盘为测试对象,开展了苗盘输送定位及取苗性能试验,结果表明：控制系统可以准确判定苗盘任意放置在输送链推杆上的具体位置,在苗盘不同放置位置及不同输送速度下,电机脉冲频率越快,定位偏差越大。当电机脉冲频率为800 Hz时,输送定位偏差最大值为1.35 mm,最小值为0.79mm,此时定位偏差平均值最大为1.07 mm,定位偏差变异系数最大为14.1%。在不同输送速度下,取苗成功率均达100%,满足精确输送定位要求,解决了单个光电传感器定位不稳定的问题,为自动移栽机适应标准塑料苗盘提供了技术保障。     

穴盘苗移栽机自动取喂系统的设计与试验

该文针对新疆地区吊篮式移栽机手工喂入效率低的问题,设计了穴盘苗移栽自动取喂系统。该系统采用穴盘步进移位机构提供穴盘的横向和纵向移位,由翻转摆位式取苗机械手进行取苗和穴盘苗的转移,利用柔性链输送喂入机构对穴盘苗逐个投放,能够对穴高45 mm、上边宽31.75 mm、下边宽13 mm的吸塑成型的软穴盘苗进行自动取苗并向两个栽植器投苗。整个系统由PLC（programmable logic controller）程序控制,采用气压驱动,工作气压0.5～0.8 MPa,耗气量60.65 L/min,单组取喂系统结构独立,质量小于110 kg,不增加原有移栽机地轮负荷,即能与新移栽机配套生产,也能对现有移栽机进行自动化改造。系统中穴盘步进移位机构在柔性链输送喂入机构的侧上方倾斜放置,使穴盘上表面与水平面的夹角105°,缩小了机器水平占用空间。采用苗龄58 d的"红安6号"辣椒苗进行室内取苗试验,试验结果显示,系统取喂苗总可靠率达98.92%,平均基质损失质量9.26%,取喂速度达70株/min,未见明显伤苗,能够满足设计要求。     

采摘机械手对扰动荔枝的视觉定位

为了解决采摘机器人在自然环境中对扰动状态荔枝的视觉精确定位问题,该文分析机械手采摘过程中荔枝产生扰动的因素,设计制造了模拟荔枝振动的试验平台,该试验平台通过改变方向、振频、振幅等振动条件来模拟采摘过程中的扰动环境;结合振动平台运动参数,提出了双目立体视觉系统采集扰动状态的荔枝图像方法,在HSI颜色空间中对预处理后荔枝图像利用模糊C均值聚类法(FCM,fuzzyC-means)分割荔枝果实和果梗,然后利用Hough变换算法进行直线拟合确定有效的果梗采摘区域和采摘点,对多帧图像中采摘点坐标取平均值,然后进行三维重建确定空间采摘点坐标。荔枝扰动状态的视觉定位试验结果表明,空间定位深度值误差小于6cm,荔枝采摘机械手能实现有效采摘,该研究为机械手实际作业提供指导。     

基于双目立体视觉技术的玉米叶片三维重建

玉米叶片的三维形态特征是衡量叶片生物学特性的重要指标,为了能够简捷、快速、准确的获得叶片的三维形态,该研究以两个位置相对固定的摄像机组成双目立体视觉系统,采用平面模板法标定摄像机内外参数,照射结构光测量玉米叶片边缘与叶脉点的三维坐标,对稀疏离散点进行Cardinal样条插值,三角面片化插值点重建出部分叶片三维曲面,旋转平移各部分三维曲面拼接成完整的叶片。试验结果表明该文所提出的方法不仅能够准确的重建玉米叶片三维结构,同时具有无损、非接触、自动化程度高等优势。     

基于多视角立体视觉的植株三维重建与精度评估

基于图像序列的植株三维结构重建是植物无损测量的重要方法之一。而对重建模型的精度评估方法大多基于视觉逼真程度和常规测量数据。该研究以精确的激光扫描三维模型为参照,采用豪斯多夫距离,从三维尺度上对基于图像序列的植株三维重建模型进行精度评估。同时,从植株表型参数(叶片长、宽、叶面积)方面,对植株三维重建模型进行精度评估。结果表明,基于图像序列的三维重建模型精度较高,豪斯多夫距离在0~10 mm之间,各试验植株豪斯多夫距离大多小于4.0 mm,各植株表型参数与其对照值的R2均大于0.95,且两者的无显著性差异(P0.05)。此植株三维结构重建方法能够应用于植物表型、基因育种、植物表型与环境互作等研究领域。     

基于机器视觉的株间机械除草装置的作物识别与定位方法

株间机械除草技术可进一步减少化学除草剂的使用,有利于环境保护和农业可持续发展.为实现智能化的株间机械除草装置自主避让作物并进入株间区域,该研究提出了一种株间机械除草装置的作物识别与定位方法.利用2G-R-B方法将作物RGB彩色图像进行灰度化,再选用Ostu法二值化、连续腐蚀和连续膨胀等方法对图像进行了初步处理.根据行像素累加曲线和曲线的标准偏差扫描线获得作物行区域信息,以作物行区域为处理对象,利用列像素累加曲线、曲线标准偏差和正弦波曲线拟合识别出作物,并结合二值图像中绿色植物连通域的质心获得作物位置信息.试验结果表明,该方法可以正确识别出作物并提供准确的定位信息,能适应不同天气状况、不同种类的作物,棉苗正确识别率为95.8%,生菜苗正确识别率为100%,该方法为株间机械除草装置避苗和除草自动控制提供了基本条件.     

基于Census变换的双目视觉作物行识别方法

针对基于双目视觉技术的作物行识别算法在复杂农田环境下,立体匹配精度低、图像处理速度慢等问题,该文提出了一种基于Census变换的作物行识别算法。该方法运用改进的超绿-超红方法灰度化图像,以提取绿色作物行特征;采用最小核值相似算子检测作物行特征角点,以准确描述作物行轮廓信息;运用基于Census变换的立体匹配方法计算角点对应的最优视差,并根据平行双目视觉定位原理计算角点的空间坐标;根据作物行生长高度及种植规律,通过高程及宽度阈值提取有效的作物行特征点并检测作物行数量;运用主成分分析法拟合作物行中心线。采用无干扰、阴影、杂草及地头环境下的棉田视频对算法进行对比试验。试验结果表明,对于该文算法,在非地头环境下,作物行中心线的正确识别率不小于92.58%,平均偏差角度的绝对值不大于1.166°、偏差角度的标准差不大于2.628°;图像处理时间的平均值不大于0.293 s、标准差不大于0.025 s,能够满足田间导航作业的定位精度及实时性要求。     

基于离散单元分析与物场分析的盆花移栽手爪优化

该文针对盆花移栽作业过程中出现的移栽手爪提取基质不完整的现象,基于离散单元分析方法,利用EDEM(enhanced discrete element method)软件建立起机构(移栽手爪)、作用对象(带有根系的盆花基质)、作用条件(花盆)间的离散元仿真模型,对手爪钢针的插入和提离过程进行离散元仿真分析,确定基质断层为提取基质不完整的原因,并通过对基质提离过程进行受力分析发现,导致基质发生断层现象的根本原因是基质提离总阻力大于基质内部所能提供的最大凝聚力。鉴于如上分析,利用物场分析方法提出在原有系统中添加揉盆机构的解决方案,通过对揉盆机构工作过程进行离散元仿真分析发现,在揉盆机构的作用下基质与花盆之间产生了缝隙,使花盆对基质由于粘附作用产生的摩擦阻力降低,减小了基质提离总阻力,证明在工作过程中揉盆机构可以通过减小基质提离总阻力来解决基质断层问题。分别对添加揉盆机构前后的样机进行3组100盆的花苗移栽试验,移栽手爪完整提取基质成功率从84.67%提升到97.67%。该研究将EDEM离散单元分析与物场分析方法结合应用在机构优化设计过程,可以为盆间自动化移栽领域的设备研制与开发提供参考。     

基于苗钵力学特性的自动移栽机执行机构参数优化试验

为有效减少加工番茄机械化移栽过程钵苗基质的损伤,提高移栽机取苗、植苗成功率,该文构建了移栽过程中取苗、植苗阶段加工番茄钵体的力学模型,结合钵体的抗压力学特性试验,研究移栽过程中造成钵苗基质破损、影响取苗、植苗成功率的因素,通过试验分析适合机械化移栽的钵体和移栽机执行机构的相关参数。参数组合重复性验证试验表明：钵体基质配比（珍珠岩：砾石：泥炭）为1∶1∶2,钵体绝对含水率为72%,取苗夹片插入穴孔深度为35 mm,取苗夹片对钵体的夹持角度为14°,投苗点与接苗碰撞点高度为90 mm,鸭嘴锥度为38°时,移栽成功率满足加工番茄穴盘苗机械移栽要求。该研究为机械化移栽的加工番茄钵苗培育农艺及移栽机参数优化设计提供了参考。     

基于SURF算法的绿色作物特征提取与图像匹配方法

由于田间环境的复杂性,绿色作物特征提取与匹配仍然是基于双目视觉技术农田作物三维信息获取急需解决的关键技术之一。该文首先在RGB空间进行图像分割滤波处理。然后,采用SURF算法旋转不变性分两步获取绿色作物特征点对:第一步采用Hessian矩阵检测作物特征点,运用非极大值抑制法和插值运算寻找、定位极值点;第二步确定特征点主方向,采用描述算子进行特征点提取。最后,运用最近距离比次近距离法进行特征点匹配,并采用全约束条件滤除错误的匹配点对。同时将SURF和SIFT法进行对比分析,通过对不同光照、土壤的田间条件下芥蓝、芹菜、白菜13组图像进行试验,结果表明采用SUFR和SIFT法绿色作物特征提取率均值分别为1.2%、3.3%,双目视觉系统左、右作物图像特征正确匹配率的均值分别为94.8%、92.4%,时间消耗均值分别为4.6s、4.8s。采用SURF优越于采用SIFT法,这为进一步进行农业机械3D视觉导航或基于无线传感器网络的田间作物在线三维信息准确获取提供可借鉴思路和方法。