采摘機(jī)器人目標(biāo)標(biāo)識(shí)別及定位研究.pdf

1、在自然環(huán)境下橘子目標(biāo)所處的背景十分復(fù)雜，被枝葉遮擋或者果實(shí)之間疊加的現(xiàn)象非常普遍，這種環(huán)境的復(fù)雜性無(wú)疑給機(jī)器視覺(jué)系統(tǒng)的識(shí)別帶來(lái)困難，導(dǎo)致采摘機(jī)器人不能有效、準(zhǔn)確地識(shí)別目標(biāo)。針對(duì)這一問(wèn)題，本文對(duì)復(fù)雜環(huán)境中橘子目標(biāo)圖像的識(shí)別與定位問(wèn)題進(jìn)行了仿真與實(shí)驗(yàn)研究。主要工作內(nèi)容如下：
　　對(duì)復(fù)雜環(huán)境中橘子目標(biāo)輪廓的識(shí)別方法進(jìn)行了研究。介紹了傳統(tǒng)的邊緣檢測(cè)算法，并對(duì)橘子圖像進(jìn)行了測(cè)試，測(cè)試效果顯示該方法不能有效提取復(fù)雜環(huán)境中的橘子目標(biāo)輪廊。將 K

2、-means聚類算法與Canny算法融合，采用K-means聚類算法從目標(biāo)圖像中分割目標(biāo)物區(qū)域，結(jié)合Canny檢測(cè)算法檢測(cè)出目標(biāo)物區(qū)域的輪廓，進(jìn)而完成目標(biāo)的識(shí)別，橘子圖像測(cè)試結(jié)果驗(yàn)證了該方法的有效性。
　　對(duì)重疊橘子目標(biāo)輪廓分離方法進(jìn)行了研究。在對(duì)腐蝕剝離法及分水嶺分割法等方法分離重疊（鄰接）目標(biāo)的原理和特點(diǎn)比較基礎(chǔ)上，研究了基于K-means聚類算法分離重疊橘子目標(biāo)輪廓的方法，該方法對(duì)雙果鄰接、重疊的橘子目標(biāo)圖像進(jìn)行了測(cè)試，測(cè)試

3、結(jié)果苕出重疊目標(biāo)輪廓分離完整，體現(xiàn)了該方法的有效性。
　　對(duì)橘子目標(biāo)輪廓匹配進(jìn)行了研究。為描述目標(biāo)輪廓特征，引入幾何不變矩參數(shù)作為輪廓的描述子，采用作差法的結(jié)果作為兩幅圖像中輪廓匹配測(cè)度值，實(shí)驗(yàn)數(shù)據(jù)表明，幾何不變矩參數(shù)在橘子目標(biāo)輪廓特征描述方面具有較好的效果，匹配能力良好。同時(shí)引入基于梯度法的Hough變換圓檢測(cè)方法對(duì)類圓形橘子目標(biāo)輪廊擬合重建，測(cè)試效果圖顯示該方法能夠?qū)崿F(xiàn)果實(shí)的有效定位。
　　對(duì)基于單目視覺(jué)的目標(biāo)深度進(jìn)行了