自然场景下多目标苹果识别定位融合算法研究

自然场景下苹果采摘对目标的精准识别和三维定位是苹果智能采摘设备的关键技术.融合YOLOv3算法和双目视觉技术,通过YOLOv3算法对多种自然场景下的样本进行训练,构建识别模型,利用双目视觉获取苹果图像,运用YOLOv3模型得到图像中目标苹果的二维坐标,再利用双目视觉视差原理得到深度坐标信息,从而实现对目标苹果的三维空间...     

五自由度机械臂的番茄智能采摘机器人

为实现温室大棚内番茄的自动采摘工作,通过模拟人工采摘番茄的过程设计了基于五自由度机械臂的番茄智能采摘机器人,主要由定位导航系统、双目视觉系统和五自由度机械臂等组成。首先,通过对五自由度机械臂进行建模,求解出各关节的角度与目标点坐标的关系;然后利用双目视觉系统对植株上番茄的大小和颜色扫描来判断成熟程度,并定位目标中心点的三维坐标,再将其转化到机械臂坐标系下,最终通过控制各关节的舵机将末端执行器送到成熟番茄的位置完成采摘任务。对五自由度机械臂的控制精度进行测试,结果表明:在9个不同高度和不同方向的目标点中最大的距离偏差仅为6. 71 mm;在实际作业试验中,采摘成功率高达94. 82%,而单颗平均采摘耗时仅为9. 94 s,完全满足设计的要求,能够胜任温室内大规模番茄采摘的工作。     

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。     

水果采摘机器人视觉系统研究进展

概述了近年来国内外水果采摘机器人视觉系统的特点并进行了分析和归类,分析了不同视觉系统和方法的主要特征、所使用的传感器、检测水果的图像处理技术策略、检测效果以及系统的优点和局限性,并对研究的现状进行了综述.经分析发现大多数视觉系统是通过电荷耦合器件(CCD)摄像机来获取图像,利用颜色和纹理分析作为特征,由各种分类器进行水果的检测,通过多相机或者距离传感器来进行空间定位和尺度测量.指出了水果采摘机器人视觉系统存在的问题和有待改进的方面,并初步提出了一些设想和建议.     

单株立木图像信息的提取与解算

该文采用数码相机获取立木的图像信息，对单株立木图像信息的提取分别运用近景摄影测量DLT模型和双目立体视觉技术进行解算，解决了立木图像信息与立木二维坐标之间的解算问题.基于近景摄影测量技术树木图像信息的二维处理方法，简化了解算方程，提高了求解的运算速度.在提取单株立木形状参数时, 采用计算机双目立体视觉技术存在着操作复杂、成本高的缺点.实验结果表明，应用近景摄影测量技术提取单株立木图像信息的方法有效、可行.      

基于机器视觉的葡萄采摘点三维空间定位系统的研究

利用Open CV与VC++语言平台开发了1套基于机器视觉的葡萄采摘点三维空间定位系统,并阐述了运用机器视觉技术实现葡萄目标从相机图像获取到采摘点三维空间数据计算的实现过程。同时利用直线夹角阈值、可信区域、点到直线最小距离与深度间距阈值4个约束条件改进了传统的葡萄采摘点果梗定位方式,使采摘点较好地定于葡萄果梗中部,后经立体匹配与双目视觉三维空间定位原理求取葡萄采摘点的三维坐标,提高了葡萄采摘点定位的精准度。     

激光雷达和摄像机联合标定识别作物

作物识别技术广泛应用于杂草精准对靶施药、果实采摘机器人、植物病虫害识别等方面.从机器视觉和激光探测两方面分析了国内外作物识别的研究现状,机器视觉识别作物主要是利用作物的颜色、纹理、形状、位置特征;激光探测识别作物利用激光的测距信息.分析了国内外融合激光雷达和摄像机信息识别作物的研究现状,总结了激光雷达和摄像机联合标定的方法,并指出其在作物识别中的重要性.     

基于双目视觉的手势识别研究

搭建了一个便利有效地双目视觉系统,结合深度信息,精准地提取手势信息。采用模板标定法对双目相机进行标定,精确地获取了相机的参数,标定的像素误差为0.67个像素;在立体匹配阶段,利用BM算法快速准确地实现了左右相机图像的匹配,获得被测手势的视差;结合三角测距原理,从而生成较为稠密的深度图;最后将深度信息重新映射到原彩色图像上,实现三维重建,生成三维云图,根据云图信息双目视觉系统能有效地从复杂背景中分割手势,并换一种手势进一步验证了所搭建的双目视觉系统从复杂背景中分割手势的可行性。     

科技文摘

<正>20190201杭白菊采摘机器人识别与定位系统研究//DOI:10.25165/j.ijabe.20181101.3683对杭白菊的快速识别和立体定位系统进行研究。该系统主要有三部分组成。第一部分,为了满足杭白菊的采摘质量要求,设计了一种三自由度的杭白菊采摘机械结构。第二部分,根据HSV颜色空间的分割,提出了一种基于S分量的快速FCM(模糊C均值)算法,将目标对象从背景中提取出来。第三部分,采用双目立体视觉来获取三维坐标信息。根据杭白菊的形状特征,选用花蕊的中心点作为特征     

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。