自主式移动机器人定位坐标平滑算法研究

为了提高基于全局视觉导航的移动机器人的全局绝对定位精度，提出了一种适用于较大工作空间的摄像机参数分区标定方法，并借用数字图像中邻域的概念，定义了小区域的8—邻域关系，利用模糊数学的方法确定了中心区域及其邻域的权值函数，有效解决了各小区域边界的定位坐标平滑过渡问题。该平滑算法是一种计算模板，计算量不会因小区域的面积和小区域的个数的增加而增加，对于区域的内部和边缘计算一样有效。     

基于计算机视觉的规模化蛋鸡场产蛋计数方法

本文提出了一种基于计算机视觉和图象处理的规模化蛋鸡场产蛋量计数方法,通过分析摄像机获取的图像中鸡蛋和传送带背景信息来有效的检测鸡蛋个数.本方法经试验表明:鸡蛋计数的准确率为95%,并对统计鸡蛋枚数效率高,实用性强,克服了人工计数带来的不便,因而可以进行推广.     

玉米中耕除草复合导航系统设计与试验

为了实现玉米中耕除草过程中的自动导航作业,提高自动除草的效率和准确性,设计了一种玉米中耕除草复合导航系统。系统由基于GNSS的农机自动导航部分和基于机器视觉的农具自动导航部分组成,可通过GNSS位置信息进行农机自动导航,同时根据摄像头获取的玉米作物行信息控制农具铲刀进行行间除草。对农机的转向控制部分和前轮转角检测部分进行了机械改装,以PLC和步进电机驱动器为基础设计了农机转向控制电路和农具液压控制电路;以横向偏差和横向偏差变化率作为模糊控制的输入变量设计了自适应模糊控制方法;采用摄像头获取玉米作物行,通过扫描滤波方法进行作物行检测。农机独立导航除草试验和农机具复合导航试验结果表明：在车速为0.6 m/s时,农机自动导航最大横向偏差为10.04 cm,平均偏差为4.62 cm;农机具复合导航时的最大偏差为6.35 cm,平均偏差为2.73 cm;农机具复合导航系统能较好地满足玉米中耕除草的要求。     

基于视觉的苗期作物株间除草关键技术研究现状

基于视觉的苗期作物和杂草的图像分割技术逐渐成熟,通过视觉技术对苗期作物进行精准识别和定位,是实现株间除草的关键技术和难点。作物的精准识别首先需要利用颜色特征将图像中的作物、杂草和土壤背景进行分割;其次利用实际识别对象的位置特征,形状特征,纹理特征,光谱特征等构造新的特征向量,结合成熟的分类算法对作物和杂草进行特征分类识别。针对棉苗和大豆苗,主要提取位置特征、形状特征,多采用支持向量机为主分类算法;针对玉米,主要提取位置特征、纹理特征,多采用人工神经网络为主的分类算法;针对部分蔬菜苗,主要提取形状特征、光谱特征,多采用算法结合的优化算法,具体实现时需要根据离线样本学习的结果来平衡苗期作物的识别准确率与实时性。在目前的算法中,主要存在三方面的问题:作物特征提取效果易受到遮挡、光照等干扰;分类算法目前还不能得到非常令人满意的准确性和实时性;目前算法一般是针对某种时段的作物,不具有通用性。这些都是后续算法研究中需要进一步解决的问题。     

农产品品质检测中常用的图像背景分割方法

利用机器视觉对农产品进行无损检测和自动分级时，对实时拍摄的农产品图像，在进一步的特征提取、模式识别等图像处理之前，采用适当、有效的方法把农产品图像从背景中分剖出来是一个非常重要的预处理步骤。其分割效果的好坏将直接影响到农产品分级的最终效率和准确性。为此，介绍了农产品品质无损检测中常用的图像背景分割方法。     

计算机视觉描述缺素番茄叶片颜色变化的研究

利用计算机视觉系统代替人眼对番茄缺素进行自动识别的方法，通过对缺素番茄叶片彩色图像的分析研究，利用图像处理技术中的颜色分析方法，分析缺N和正常叶片的特征量随着缺素时间的变化规律．提出用G体均值、H色调均值来定量描述缺N叶片随时间的变化。结果表明：利用计算机视觉能定量描述缺N叶片颜色随缺素时间的变化。     

基于桌面虚拟现实系统车辆运动仿真的立体视觉实现

设计了一套桌面虚拟现实系统，在该系统下实现了立体视觉，并给出了车辆运动仿真的一个实例。虚拟现实技术为车辆运动仿真提供了一种新的方法。     

基于虚拟仪器的计算机图像处理与分析系统

传统的图像处理与分析系统的开发常常采用面向过程、基于文本的信息，具有开发周期长、可移植性差等缺点，而基于虚拟仪器的计算机图像处理与分析系统的开发，大大改变了传统的开发方式，其面向对象、图形化的编程的方式使开发灵活、方便、系统界面友好、开发周期短、功能易于扩充及程序移植性好，为此，根据农产品品质检测的需要，开发了一套基于虚拟仪器的计算机图像处理与分析系统。论述了系统的构成及功能。     

基于视觉测量的挖掘机工作装置姿态测量系统

提出了一种基于视觉测量的挖掘机工作装置姿态测量方法。使用工业相机获取工作装置侧视图像,采用鞍点检测方法快速捕捉工作臂上的人工靶标;将靶标间的固定几何尺寸关系作为约束条件筛选出靶标中的鞍点并计算相应工作臂的姿态角;通过预判靶标的运动范围以缩小图像检测区域,提高算法处理速度。试验表明,与挖掘机上原有的拉线传感器测量系统相比较,动臂和斗杆姿态角动态测量偏差分别小于1°和2°,处理每帧工作装置运动图像平均用时在100 ms以内,验证了该方法对挖掘机工作装置姿态测量的可行性。     

小型农产品分选机设计与试验

针对家庭农场及小规模营销的需要,设计了基于机器视觉的小型农产品分选机。农产品在平胶带上形成多通道阵列式输送,以DSP作为机器视觉单元的核心,采集一帧图像可分析多个通道,并根据农产品的形状、颜色等图像特征进行分选。在水平输送速度为9.2 cm/s、农产品输送间隔为16 cm、4通道并行输送的条件下,选用核桃、红枣及栗子3种农产品进行了分选机性能测试。试验表明,机器能够可靠工作;核桃、红枣和栗子的分选准确性分别为91.66%、94.79%和97.39%;分选速度达8 800个/h。因此采用DSP芯片作为小型分选机的机器视觉核心是可行的,可以为农产品分选机的小型化、低成本提供技术支持。