苹果采摘机器人快速跟踪识别重叠果实

分类：论文范文 发表时间：2021-04-09 09:16

　　摘要：为解决采摘机器人在运动状态下对重叠果实的识别问题，减少采摘过程处理的时间，对重叠果实的快速跟踪识别进行了研究。首先，对采集到的第1幅图像进行分割并去噪，之后通过计算圆内的点到轮廓边缘最小距离的极大值确定圆心的位置，计算圆心到轮廓边缘距离的最小值确定半径，通过圆心与半径截取后续匹配的模板，经试验证明该算法能较准确地找到重叠果实的圆心与半径。然后，确定连续采集的10幅图像的圆心，根据每幅图像圆心的位置对机器人的运动路径进行拟合、预判、综合半径与预判路径确定下一次图像处理的范围。最后，采用快速归一化互相关匹配对重叠果实进行匹配识别。试验证明，经过改进后的算法匹配识别时间与原算法相比，在没有进行预判的情况下匹配识别的时间为0.185s，经过预判之后，匹配时间为0.133s，减少了28.1%，采摘机器人的实时性得到了提高，能够满足实际需求。该研究可为苹果等类球形重叠果实的动态识别提供参考。

　　关键词：机器人；果实；图像处理；重叠果实；图像预判；图像匹配

　　0引言

　　自1983年第1台西红柿采摘机器人在美国诞生以来，采摘机器人的研究开发历经30多年，各国相继立项研究各类蔬果采摘智能机器人。然而，因为识别率和采摘率不高等问题，采摘机器人离实用化和商品化还有一定的距离，因此，提高采摘机器人的采摘效率，增强采摘机器人的实用性能是当前研究的关键[1-4]。

　　1重叠果实动态跟踪识别方法

　　对于苹果果实的跟踪识别是基于一系列的图像序列来实现的。通过寻找一系列图像序列的相关性以及差异性，可以获得苹果果实的动态特性，从而对后续的运动状态进行预判，估计出下一次图像处理的范围，减少机器人图像识别和定位的时间，提高采摘效率。重叠苹果的跟踪识别的难点在于确定重叠果实的圆心与半径，本文采用极大值的方法确定出圆心与半径，具体流程图如图1所示。

　　2图像分割与完善

　　分割重叠果实是重叠果实跟踪识别的一大难点，分割的效果对后续图像的匹配识别有着至关重要的影响。固定阈值分割实时性固然不错，但其适应性不强，尤其是对于背景复杂的图像，因此本文采用动态阈值分割法——大津法（Otsu法）。再结合苹果图像中背景与果实的颜色差别较大的特点，本文采用基于颜色特征的Otsu法。

　　3快速模板提取

　　经过自动阈值分割之后，苹果图像基本从背景中分离出来，接下来要确定重叠苹果各自的圆心与半径，从而将苹果的匹配模板从图像中提取出来。

　　4快速匹配识别

　　4.1机器人运动路径预判

　　为了减少图像处理的时间，加快机器人采摘的速度，本文根据机器人运动中采集到图像中果实的圆心对其运动路径进行预判，利用前后图像圆心的位置信息缩小后续图像处理的范围。

　　4.2归一化匹配

　　经过上述步骤之后，图像后续处理的区域已经提取出来。对于待处理的图像，只需与之前提取出的模板进行归一化互相关匹配，定位出苹果所在的位置。

　　[参考文献]

　　[1]方建军.移动式采摘机器人研究现状与进展[J].农业工程学报，2004，20(2)：273－278.FangJJ.Presentsituationanddevelopmentofmobileharvestingrobot[J].TransactionsoftheChineseSocietyofAgriculturalEngineering(TransactionsoftheCSAE),2004,20(2):273－278.(inChinesewithEnglishabstract)

　　[2]王俊，杜冬冬，胡金冰，等.蔬菜机械化收获技术及其发展[J].农业机械学报，2014，45(2)：82－87.WangJun,DuDongdong,HuJinbing,etal.Vegetablemechanizedharvestingtechnologyanditsdevelopment[J].TransactionsoftheChineseSocietyforAgriculturalMachinery,2014,45(2):82－87.(inChinesewithEnglishabstract)

　　赵德安，沈甜，陈玉，贾伟宽

上一篇：农田镉砷污染防控与作物安全种植技术探讨 下一篇：苹果采摘机器人视觉系统研究进展