基于极线约束对称距离的特征点匹配算法的研究

立体匹配作为双目测量的关键技术之一,特征点的准确匹配将会影响双目视觉测量的准确性。所以,本文在提取图像区域特征和利用Zhang的标定算法实现摄像机标定的基础上,提出基于极线约束的对称距离的特征点匹配算法,然后采用最小二乘法计算特征点的三维坐标及两特征点的欧氏距离。实验结果分析表明,算法的匹配率高,测量的相对误差在1%以内,所以本文的匹配方法有效可行。     

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.      

基于特征点提取的林木生长状态无损测量方法

为提高林木生长状态测量的准确性,克服传统测量方法的不足,从视差处理的角度出发,根据不同时间点采集到的树木图像信息,通过采取特征点提取方法,判断出一段时间内树木生长状态的变化情况。试验过程中,将待采集图像的树木上标出红色的矩形信息点,并利用双摄像机针对标出的特征点进行采集,然后将2幅树木图像进行对比研究, 分别计算出在一定时间间隔内树木上信息点空间信息,从而确定该段时间内信息点的位置变化。试验结果表明:针对标定的信息点,传统测量方法在高度和粗度上数值相近,与林木生长实际不符;而基于视觉技术的测量,其测量结果与林木的实际增长过程是一致的,能够很好地实现对树木的无损测量研究,判断出树木的生长状态变化情况。图4表1参22     

应用半球图像构建的立木高度测算方法

结合鱼眼相机标定技术、近景摄影测量技术、图像处理技术,提出了应用半球图像测算立木高度的测量方法。利用配有鱼眼镜头的iPhone7苹果手机采集半球图像,图像尺寸为3024×3024像素时,图像光学中心点坐标用图像中心点坐标代替,畸变系数分别取k_x=18.141、k_y=17.936;依据鱼眼镜头的标定、校正原理建立测算树高的数学模型,给出模型参数标定步骤;通过实地测量与计算,分析半球图像立木高度测算方法与传统的超声波测高方法的差异。结果表明:半球图像立木高度测算方法,最高相对误差为3.35%,能够满足国家森林资源二类调查中对树高测量精度的要求。与超声波测距仪相比,半球图像立木高度测算方法——精度更高、测量结果更稳定;测量范围广、单幅采集立木信息量大,能在一幅半球图像中实现一排树的树高测算,有效降低测量工作量;成本低、设备便携、操作简单,单人即可完成测量。     

基于XCT序列图像的植物根系三维矢量模型构建方法

为实现植物根系三维构型参数的原位、无损、准确、快速和自动化测量,提出一种基于X射线计算机断层摄影术(X-ray computed tomography,简称XCT)序列图像的植物根系三维矢量模型构建方法。首先,根据根系的形态特征设计了根结点、根分枝、根系统3个基本结构;其次,对植物根系三维体数据(XCT序列图像)重切以提取根截面,并根据根截面质心和面积构建初始根结点,继而对根结点分组以构建初始根分枝,再通过重构根结点、重获根结点面积和根分枝关系判定构建完整的根系统(矢量模型);再次,基于矢量模型设计根数、根长度、根体积、根表面积以及根夹角的计算方法;最后,在Windows平台上利用图形用户界面开发工具Qt、可视化工具包VTK和医学图像分割与配准工具包ITK实现上述结构和算法,并将上述参数的计算结果与手工测量值进行对比,验证所提出方法的可行性与准确性。     

基于RGB-D图像的自动化膳食调查系统

针对传统膳食调查方法使用过程繁琐,耗时长的问题,对基于彩色深度图像的自动化膳食调查系统进行研究,采用DeepLabv3+语义分割模型对RealSense传感器获取的食物彩色图像进行分割,根据食物分割结果和对应的深度图像计算每一类别食物体积并结合食物配料表和营养成分估算营养素含量;同时采集人体深度图像序列结合蒙皮多人线性模型拟合三维人体模型,并利用模型点云和人体体重信息计算身体质量指数和腰臀比。结果表明:1)本系统在食物图像分割中的像素准确率为72.1%,像素准确率平均值为97.13%,平均交并比为82.03%;2)食物体积计算中的平均绝对误差均小于40 cm³;3)所有人体样本计算的腰臀比与真实值偏离程度均小于4%。本系统在实现自动监测食物各营养素摄入量的基础上,增加对人体体重状况以及中心性肥胖程度的初步判定,同时提高了膳食调查的便捷性和自动化程度,可以为营养干预提供依据和参考。     

基于双目立体视觉的草坪植株高度测量

计算机视觉现已被广泛应用于诸多农业领域,有助于精准农业的发展,提高劳动生产效率。针对坐骑式零转弯半径(ZTR)割草机刀盘高度无级调节问题,利用双目立体视觉对草坪植株高度进行测量可推动其智能化发展。首先对地毯草灰度图像中的V分量进行图像增强、形态学处理、阈值分割等预处理提取出植株图像。本研究提出一种结合高通滤波与Foerstner的特征点检测算法,对提取后的植株图像进行特征点检测,该方法可有效去除伪角点,准确率在98%以上。利用双目标确定后的参数对左右2幅图像进行角点匹配,选取z轴方向数值最小的3个点构造假想地面并最终计算植株均高。结果表明,该高度测量系统可识别测量不同草种,且总体相对误差为1.5%,有效地提高了测量精度且适用范围较广。     

基于神经网络的立木枝干测量方法研究

通过神经网络算法完成实现摄像机标定,并将标定方法应用到立木枝干的测量上,实现立木枝干尺寸测量的自动化.该方法包含3个主要步骤:首先是通过图像预处理提取特征点,其次针对树木特点提出改进型神经网络摄像机标定算法,最后对测量方法进行验证并对误差进行分析.结果表明,此方法的测量精度能达到0.1mm,测量误差为±1.40 mm,满足作业要求.     

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.     

应用Harris角点检测进行图像拼接的超长板材尺寸测量方法

选择约700 mm(长)×200 mm(宽)的10块柞木板材为研究对象;用相机进行标定得到相机内部参数、外部参数,对采集的板材图像进行镜头畸变修正;对图像进行高斯平滑处理后,采用Harris角点检测方法对采集的先后两帧图像进行图像拼接;采用边缘检测得到板材完整的边界信息,通过建立空间坐标系与像素坐标系的转换关系完成板材尺寸计算。结果表明:相机标定与畸变补偿,提高了测量的精度由5 mm至1 mm;图像拼接方法,解决了长尺寸板材机器视觉测量困难的问题;采用Sobel算子边缘检测方法,能够准确保留边缘信息,速度快、计算简单;测量结果最大标准差为0.582 mm,测量精度小于1 mm。     

基于点云边缘平滑和生物特征的鸡只体尺估测

目的 针对使用深度相机的鸡只体尺估测中,鸡只点云边缘抖动、羽毛冗余、特征点提取难的问题,本文提出一种结合点云边缘平滑和基于生物特征的特征点提取方法用于鸡只多部位体尺估测。方法 首先,通过直通滤波、统计滤波等方法对点云进行预处理,减少背景和噪点对目标的影响;其次,通过点云的空间变化约束边缘,采用连续多帧序列变化平滑边缘,减少边缘抖动对体尺测点提取的干扰;再次,对处理后的点云进行生物特征分析,结合基于邻域分析的边缘算法,融合RGB图像采用Canny边缘检测、霍夫变换等方法提取特征点;最后,依据特征点估测胸宽、半潜水长和胫长体尺。结果 试验结果表明,估测的胸宽平均误差为6.64%,胫长平均误差为5.93%,半潜水长平均误差为3.34%,平均每帧图像计算体尺耗时8.8 s。结论 本文算法可为鸡只体尺测量提供技术参考。     

基于视觉技术的林木生长状态无损测量方法

为提高林木生长状态测量的准确性,克服传统测量方法的不足。从视差处理的角度出发,将图像处理技术与视觉理论有机结合,根据不同时间点采集到的树木图像信息,判断出一段时间内树木生长状态的变化情况。试验过程中,将待采集图像的树木上标出红色的矩形信息点,并利用双摄像机针对标出的特征点进行采集,然后将2幅树木图像进行对比研究, 分别计算出在一定时间间隔内树木上信息点空间信息,从而确定该段时间内信息点的位置变化。试验结果表明,针对标定的信息点,传统测量方法在高度和粗度分别增长5.63 mm和5.75 mm,二者数值相近,与林木生长实际不符;而基于视觉技术的测量,高度和粗度分别增长2.4 mm和1.5 mm,高度变化是粗度变化的1.6倍,与林木的实际增长过程是一致的。所以,基于视觉技术的测量方法,能够很好地实现对树木的无损测量研究,判断出树木的生长状态变化情况。     

基于多尺度Retinex图像增强的羊体尺参数无接触测量

针对传统羊体尺参数测量中存在工作量大、精度低、应激反应强等问题,采用多尺度Retinex算法、Graph Cut算法和羊体尺测点识别相结合的方法,基于双目视觉检测原理对羊体尺参数的无接触测量进行研究。结果表明:1)带色彩恢复的多尺度Retinex算法能增强光照不均匀的羊图像,对羊图像的细节和颜色恢复表现出较强的处理能力;2)基于多尺度分水岭的Graph Cut算法准确地分割出羊体区域,获得光滑的羊体轮廓线;3)划分羊体轮廓线区域,采用包络线分析方法识别体尺测点,计算羊体尺参数,并与真实值比较,11只羊的平均相对误差为2.32%,除去绒山羊剩下9只羊的平均相对误差为1.95%,测量精度较高。试验证明本研究带色彩恢复的多尺度Retinex算法能增强羊图像亮度和色度,包络线分析方法能准确地识别体尺测点,算法稳定,能够实现饲养过程中羊体尺参数的无接触测量。     

基于改进区域生长法的羊体点云分割及体尺参数测量

针对传统羊体尺测量中测量耗时、应激大的问题,采用主成分分析、随机采样一致性算法和改进的区域生长法,基于三维点云对羊体尺参数测量进行研究。结果表明:1)使用主成分分析和随机采样一致性算法能计算羊体点云的法向量和曲率;2)改进的区域生长法能准确地分割出羊体区域,并且避免了外点的干扰;3)在羊体点云数据上选取体尺测点,计算羊体长、体高、臀高、胸深体尺参数,并与实测值比较,4种体尺参数的最大相对误差为2.36%,测量精度较高。试验证明改进的区域生长法能准确地对羊体点云进行分割,依据选取的体尺测点,能够实现羊体尺参数的无接触测量。     

名优绿茶嫩芽识别与定位方法研究

由于人工采摘名优绿茶效率太低,严重制约了名优绿茶产业的发展。研究具有选择性且能快速准确采摘名优绿茶的智能系统迫在眉睫。而嫩芽识别和定位则是实现名优绿茶机械采摘的前提,因此,开展了名优绿茶嫩芽识别与定位方法的研究。基于RGB颜色空间采用三基色以及组合因子对图像进行灰度化处理,利用维纳滤波和梯度增强技术对处理后的图像进行滤波去噪,采用大津法和迭代法分割图像获取二值图像;借助MATLAB软件对相机进行标定处理获取各项内外参数,然后采用质心法对目标进行定位。结果表明,利用G-B索引因子结合迭代法能较大程度地识别出嫩芽目标,采用张氏标定法能在误差要求范围内对目标质心进行定位,且实时性较高。     

基于梯度变换与最优似然法则的图像修复算法

为了解决当前图像修复算法在待修复图像纹理结构较为丰富时易产生模糊效应以及块效应的问题,提出了一种基于梯度变换与最优似然法则的图像修复算法.首先,利用像素点对应的邻域方向特征来构造置信度,用以形成优先权因子.通过优先权因子对待修补块的优先级进行度量,从而确定最优修补块;然后,根据像素点的梯度变换,构造修补块尺寸选择模型,对修补块的尺寸进行自适应调整;最后,利用修补块与匹配块的内积关系、距离关系,分别构造余弦度量模型、相似度量模型,从而建立最优似然法则,从源区域中搜索最优匹配块,对待修复块进行填充修复.实验结果显示,与其他图像修复算法相比,本文算法具备更高的修复质量,能有效克服阶梯效应以及模糊效应.     

对无损伤测量叶片面积方法的改进

在栽培现场无损伤测量叶片面积,可以利用两个平行摄像头对同一叶片采集两张二维(2-D)彩色图像,然后根据特定的算法和计算公式,复原三维叶片(3-D)图像,再由三维图像计算该叶片面积。但在现场条件下拍摄的二维(2-D)彩色图像存在强烈的噪声及干扰,从而在边界提取时出现大量的伪边缘,使得边缘像素点匹配难度加大,从而无法正确地复原出三维(3-D)图像,也就无法测量叶片面积。为消除伪边缘、剔除干扰,并使叶片边界光滑连续无冗余,笔者提出将点变换成线段,根据线段群之间的几何位置关系剔除噪声线段。然后将线段连结成线段群,并将周长最长的线段群认定为所需要的叶片边缘,从而在抗噪声和抗干扰上取得良好的效果。通过上述处理,可以在现场达到精确测量叶片面积的目的。     

基于图像分割的苹果叶片几何参数计算

针对传统方法和叶面积仪法测定作物叶面积、叶长、叶宽等参数费时费力,成本高等问题,提出苹果叶面积、叶长、叶宽和周长的图像测定法。首先采用颜色空间转换法转换RGB(红、绿、蓝)图为HIS(色调、亮度、饱和度)图,并以大津法(Otsu)阈值色调(H)获取二值图像;再根据二值图中苹果叶边缘像素坐标分布特征,计算叶长、叶宽和叶周长,根据苹果叶片像素数计算叶面积;最后对叶长、叶宽和叶面积的计算值与实测值之间进行均方根误差(RMSE)和决定系数(R~2)计算,并以测定硬币周长的方式验证周长算法。结果表明:苹果叶面积、叶长、叶宽的RMSE值分别为0.58cm~2、0.46和0.10cm,R~2值分别为0.99、0.93、0.97,测定的1元、5角、1角硬币的周长分别为7.68、6.42和6.10cm。RMSE取值较小和R~2取值较高表明叶面积、叶长和叶宽算法结果可靠,周长算法验证结果表明周长计算值与实测值之间差异较小。     

基于间隙度的无人机林地航拍图像序列拼接方法

无人机林地航拍图像具有的分辨率高、数据量大、边缘丰富的特点,造成了特征点配准中误匹配率的增加,因此本文提出了一种新的无人机林地航拍图像序列拼接方法。分形中的间隙度可用于描述图像区域纹理的粗糙程度,本文首先利用间隙度特征选取图像中局部图像块作为候选区域查找特征点,减少了待配准的特征点数量,提高了特征点配准正确率;其次,采用全局拼接技术变换图像,减少传统拼接中矩阵连乘产生的误差的积累和传播。实验中选取了不同拍摄高度的两组图像序列,将本方法与传统的全局SURF特征方法和降采样图像拼接方法进行了对比,结果显示本方法可以有效拼接图像,同时不会损失原图像的精度信息,并从视觉效果和均方根误差两个角度证明了本文方法优于其他两种方法。