面向采摘機器人的棉花雙目視覺定位技術(shù)研究.pdf

1、同工業(yè)機器人或者其他領(lǐng)域機器人相比，農(nóng)業(yè)機器人工作環(huán)境多變，以非結(jié)構(gòu)環(huán)境為主，對智能化程度的要求要遠高于其他領(lǐng)域機器人，因此，現(xiàn)階段的研究重心應(yīng)轉(zhuǎn)向機器視覺和人工智能，下面設(shè)計了一套雙目視覺測距裝置，以定位田間棉花的三維坐標(biāo)，為棉花采摘機器人機械臂的運動軌跡提供參數(shù)，力圖解決農(nóng)業(yè)機器人的智能問題。
　　在投影儀打光和不打光的情況下，拍攝了3棵棉株的圖像，獲取了邊界清晰、紋理豐富的棉花圖像樣本，下面以第1幅圖像樣本為例闡述實驗過程。

2、對棉花圖像進行二值化處理去除背景，進一步進行灰度平衡和銳化來增強棉花表面的紋理;對圖像進行4次降采樣處理生成5組圖像，分別在6個高斯核函數(shù)尺度下對每一組圖像進行高斯模糊濾波處理，生成一個高斯金字塔尺度空間;基于相鄰尺度的高斯圖像獲取高斯差分圖像的層疊，在像素的3×3×3立體鄰域內(nèi)判斷出極值點，左右圖像分別獲取了1634和1581個極值點，進一步采用子像素插值法精確定位關(guān)鍵點，并用曲率閾值去除邊緣點，左右圖像分別獲取了1529和1493個

3、關(guān)鍵點;基于關(guān)鍵點鄰域內(nèi)像素的梯度直方圖的最大幅值確定關(guān)鍵點的主方向，沿著主方向獲取關(guān)鍵點4×4鄰域內(nèi)的16個種子點在8個梯度方向上的模值，由此獲取關(guān)鍵點的128維SIFT特征值，它們具有旋轉(zhuǎn)、平移、縮放和仿射不變性。
　　左右圖像粗匹配時，針對右圖像的所有關(guān)鍵點，計算每一維SIFT特征值的方差，基于最大方差所在維對關(guān)鍵點進行排序并折半劃分關(guān)鍵點，重復(fù)此過程建立一棵KD二叉樹;左圖像的某一個關(guān)鍵點從二叉樹根開始搜尋匹配點時，獲取了

4、一條通往葉子的搜索路徑，沿途記錄其兄弟節(jié)點，并依據(jù)一定準(zhǔn)則排序成一個BBF(Best Bin First)優(yōu)先級序列作為回溯搜索路徑，由此獲取最近鄰和次近鄰點，若最近鄰點到左圖像關(guān)鍵點的歐氏距離小于次近鄰點的0.49倍，即為匹配點，依此類推，左右圖像獲取了172對匹配點。進一步基于8點法精匹配的方法是，從粗匹配點對中任意選取8個匹配點對構(gòu)建極線方程，基于歸一化和奇異分解獲得的方程解為基本矩陣F，它表征的是相機成像平面之間的極線約束關(guān)系，

5、計算粗匹配點對到極線的距離，以1.5為閾值判斷內(nèi)點對，獲取內(nèi)點對數(shù)及其到極線的誤差;基于隨機采樣一致性方法RANSAC(Random Sample Consensus)重復(fù)這一過程并快速收斂，內(nèi)點對數(shù)最多或者誤差較小的基本矩陣F最優(yōu)，相應(yīng)的內(nèi)點對即為精匹配點對，左右圖像獲得了155對精匹配點對，誤差為0.8018。
　　以左相機光心為世界坐標(biāo)系的原點，采用張正友二步標(biāo)定法獲取相機的內(nèi)部參數(shù)，結(jié)合基本矩陣F構(gòu)建極線約束方程得到本質(zhì)矩