基于图像分割映射的农业机器人视觉去雾方法

视觉导航农业机器人在雾天作业容易受前端含雾图像的影响,严重时无法有效工作。提出了一种基于图像分割映射的农业机器人视觉去雾方法。对前端采集图像进行近景与远景区域分割,并通过亮度信息的分段映射获取大气散射函数的预测估计值;采用导向滤波对大气散射函数的估计值进行优化,进一步增强图像的边缘信息,改善大面积天空背景引起的去雾残留问题。基于实际的农业智能导航平台对实测的含雾前端图像进行了去雾分析,并同传统的去雾方法进行了综合比较,显示所提方法具有较高的去雾精度和实时性。两段视频的图像去雾综合指标分别改善了28.9%和29.1%,时间消耗分别减少了34.4%和53.9%。     

基于DCP和OCE的无人机航拍图像混合去雾算法

针对无人机在雨雾天气下的农田航拍图像退化问题,考虑无人机自身特性,提出了一种基于DCP和OCE的无人机航拍图像混合去雾算法。首先判断原始图像天空区域的存在,利用Canny边缘检测算法对带天空区域的原始图像进行分割并做高斯羽化处理,再采用膨胀和腐蚀等形态学操作进行二值化区域填充,去除非天空区域中对应亮度低的区域,提取天空区域和非天空区域。非天空区域图像采用基于导向滤波的暗通道先验算法去雾。天空区域图像采用基于代价函数的优化对比度算法去雾。本试验分别从主观视觉性和无参考量化评测两方面对100幅航拍图像去雾结果作出评价,试验结果表明,所提算法在对带雾图像去雾后,出现Halo现象的概率相较于DCP算法降低了95%,其综合评测均值指数提高了26%,去雾效果明显,色彩还原度高,没有明显的过渡区域和偏色现象,处理速度可达33帧/s,平均速度相较于DCP算法提高了32%,能满足实时性要求。     

西红柿采摘机器视觉中的图像采集技术

对机器视觉中现有的两种图像采集方法进行了比较分析,得出基于VFW的图像采集方法具有较大优点的结论,该方法为机器视觉系统的开发提供了新的途径.为此,介绍了VFW实现图像实时采集的基本过程;在基于VFW图像实时采集的基础上,完成了西红柿采摘机器视觉中的图像实时采集软件系统的设计.通过使用该系统对采摘物进行实时采集可知,其采集效果能较好地满足实际需要.     

基于机器视觉和信息融合的邻接苹果分割算

提出了利用亮度和颜色的信息融合来分割邻接苹果的方法.首先使用Lab模型对苹果图像进行分割.然后计算分割后每个区域的面积,并判断其是否为邻接苹果区域.接着在邻接区域内计算亮度信息,利用亮度产生的亮斑对邻接苹果进行分割.这样,在邻接区域以外的部分,亮度信息产生的噪声被Lab模型的信息屏蔽,而邻接区域以内的部分,具有惟一性的亮度信息可以较好分割经Lab模型处理后的邻接苹果.实验表明,此算法对邻接苹果识别非常有效,识别率大于92.89%,而且算法简单快速,平均每幅图片识别时间小于0.5 s.     

基于图像边缘检测技术的采摘机器人视觉系统设计

采摘机器人作业环境复杂,视觉系统往往不能准确对待采摘的果树或者果实进行准确的定位。为了提高采摘机器人视觉系统的定位精度,引入了图像边缘检测技术,通过提取待采摘果树或者果实的边缘,计算果实的位置坐标,为采摘机器人的自主行走定位和采摘作业提供可靠数据支持。为了验证方案的可行性,以待采摘果树的特征边缘提取为例,对系统的果树边缘提取的可行性及定位准确性进行了实验。实验结果表明:采用基于图像边缘检测技术的采摘机器人视觉系统可以成功地对果树进行定位,并输出果树的位置坐标,将位置坐标和实测位置坐标进行对比发现,其结果基本吻合,具有较高的定位精度。     

基于视觉感知特性的多聚焦图像融合技

针对多聚焦图像融合问题,借鉴生物视觉特性和相关图像处理理论,提出了一种基于视觉感知特性的多聚焦图像融合算法.该算法在对待融合的多聚焦图像进行RGB分块分解的基础上,采用视觉对比度模型以确定融合后图像的选取准则.为了获得最佳图像融合效果,采用免疫遗传算法以指导图像分块,标准熵和标准偏差作为评价图像融合质量的的标准.实验表明,该算法具有较好的效果,能够解决多聚焦图像融合问题.     

采摘机器人选择性作业信息获取研究——基于无标定视觉伺服系统

以采摘机器人采摘作业为研究对象,以选择性采摘成熟果蔬为研究目标,基于无标定视觉伺服系统,结合果蔬成熟特性判断目标果实是否适合采摘,设计了一套以MSP430F149为核心的智能检测控制系统,可以实时处理相机采集到的图像,并选择性采摘符合要求的果实。本文重点研究了视觉伺服原理与模型、果实成熟度判断、选择性作业信息获取,以及系统的硬软件设计,并对文中设计研究的系统进行了可行性验证。试验结果表明:该无标定视觉伺服系统判断准确,能够较大程度提高机器人的可靠性与稳定性,应用前景宽广。     

基于机器视觉的大米粘连图像分割

以粘连大米为对象,分别以间隔90°的4个方向和不同高度的光源采集大米图像,然后对采集到的一系列图像用LoG算子进行边缘检测,综合不同条件下的边缘,得到粘连分界线。结果表明:这种方法对于椭圆米粒和长圆米粒的分割效果很明显。     

基于双目视觉的树木图像测距方法

研究了双目视觉技术在智能对靶喷雾中的应用;试验中运用平行光轴的摄像机采集图像,通过寻找树木图像中特征点的方式将两幅图像进行匹配,解决相似性问题;再计算出目标树木到摄像头的距离及其误差,试验的平均偏差率在8%以内;运用该方法能达到智能喷雾中控制施药量的目的,提高精确智能对靶施药效率。     

计算机视觉信息处理技术在苹果自动分级中的应用

苹果在水果消耗中占有较大份额,对其进行分级销售可提高经济效益。在以往的苹果分级中,大都采用人工方法进行,只考虑大小、色泽方面的影响,导致分级精度低和人工消耗大。计算机系统现今已被广泛应用在精细农业中,如水果和蔬菜的自动收获及农产品的分级。为此,利用计算机视觉系统采集提取苹果图像,采用边缘检测、图像改善、图像二值化等图像数据处理方法对采集的图像前处理,设定等级区分参数,再依据特征参数对苹果进行自动分级。采用机器视觉进行苹果等级分离,提高了苹果分级的正确率,节省了劳动力,可以广泛地推广应用。     

茄子收获机器人视觉系统图像识别方法

设计了一种实现田间茄子收获机器人视觉系统的图像识别方法.通过判断茄子图像每点像素值差值实现分割;通过模板操作及形态学上的闭运算操作去除残留物,最终找到茄子图像的外接矩形完成提取.经实验测定,对实验样本茄子图像提取试验成功率为97%,平均用时0.152 s.     

智能交通系统中的计算机视觉技术应用

随着我国的经济发展以及科学技术的不断提升,人民生活质量在提高的同时对智能系统的要求也越来越高。特别是近几年来车辆的不断增加以及交通事故的频发,为了能够进一步确保我国公民的生活质量避免人员伤亡问题,智能交通系统的计算机视觉技术逐渐被相关部门所应用。基于此本文将针对智能交通系统中的计算机视觉技术进行全面的分析,继而希望能够促进我国交通管理,提升国民生产生活水平。     

基于机器视觉的智能人机交互技术分析

机器人视觉和机器人技术已被广泛地使用在我们的生活当中,智能机器人技术逐渐成熟。在传统的机器人技术应用过程中,没有做到机器视觉和机器控制的技术统一,只实现了某一技术的应用,极大地制约了智能机器人的发展工作,因此如何统一机器视觉、机器人控制以及人工智能三大要素,成为了人机交互功能实现的主要限制。     

汽车追尾预警系统人机信息界面设计

从人机工程学的基本原理出发,针对汽车追尾预警系统设计了多种方案的视觉、听觉人机信息界面,并对预警图标和预警声音进行了测试评价。在汽车驾驶模拟器上,对预警报警的效果进行了综合试验研究。结果表明,同时使用听觉和视觉预警,能够起到较好的预警提示作用。     

基于近红外图像的温室小型西瓜采摘信息获取技术

为实现温室立体栽培模式下小型西瓜的识别与空间定位,研究了基于近红外图像的西瓜采摘信息获取方法。测定、比较西瓜果实与茎、叶的光谱反射率,确定波长850 nm附近波段为区分西瓜与背景的最佳波段,在光强差异较大的两时段内采集了最佳波段下的西瓜近红外图像;通过Otsu算法滤除背景信息,利用米字型模板检测得到浓缩西瓜区域,实现西瓜果实识别;使用形心坐标计算公式获得采摘点坐标;根据西瓜果梗生长特性,利用分块定位算法获得切割点坐标信息。在温室环境下随机选择拍摄50幅有西瓜图像和20幅无西瓜图像进行识别算法验证,并对识别成功的有西瓜图像进行采摘点与切割点提取算法验证。结果表明,有西瓜图像识别成功率为86%,无西瓜图像为95%;采摘点、切割点定位准确度分别为93.0%、88.4%。     

基于CMOS图像传感器的采摘机器人嵌入式视觉系统

为了提高采摘机器人的自动化程度,实现自主导航和自主采摘作业能力,将基于CMOS图像传感器的嵌入式视觉系统引入到了采摘机器人的设计过程中,有效降低了机器人的设计复杂程度,提高了机器人的设计效率。采用DSP主控芯片构建了嵌入式图像处理系统,可以处理CMOS相机实时采集的图像,并采用模块化设计,构建了包括通讯单元、存储单元及视频输入输出接口的硬件系统,使各模块之间协调工作。为了验证方案的可行性,对一款果实采摘机器人进行了改装,安装了嵌入式视觉系统,并对其性能进行了测试。测试结果表明:采用基于CMOS图像传感器嵌入式视觉系统后,采摘机器人的定位准确率和采摘准率率都较高,满足了自动化采摘作业需求。     

基于机器视觉技术的棉籽破损检测

种子质量对增产丰收具有十分重要的意义。提出一种基于机器视觉提取单粒棉籽,自动识别破损棉籽的方法。试验用最大类间法自动选择阈值结合膨胀处理和区域属性度量函数提取单粒棉籽图像;基于改进阈值的小波去噪对图像进行增强;通过对多幅单粒棉籽图像的研究找到对破损区域进行阈值分割的最佳阈值,对整个棉籽进行阈值分割的最佳阈值;进而对分割后的图像进行相乘和数学形态学处理等方法得到破损区域特征;最后利用获取连通区域的方法实现破损棉籽的识别并将此方法用Matlab App Designer设计成软件。试验表明,此系统对破损棉籽的平均准确率达到89%。优于软阈值函数、硬阈值函数和软硬阈值折衷函数的平均准确率83.5%、85%和87.5%。     

基于计算机视觉的咸蛋图像边缘检测算法研究

0引言图像的边缘是图像最基本的特征,它能反映出图像中目标对象的许多形状特征参数,是进行图像后续处理的前提和基础。长期以来,人们一直在寻找一种高效、定位精确、不漏检真边缘又不引入假边缘的检测方法。