[发明专利]一种重叠遮挡果实精确识别方法

说明书

技术领域

本发明涉及一种重叠遮挡果实精确识别方法，特别涉及一种对苹果、柑橘等类重叠遮挡果实的精确识别方法。

背景技术

对于采摘机器人来说，由于自然工作环境非结构化的特点，存在很多影响果实精确识别的因素，其中重叠遮挡是主要因素之一。果实重叠遮挡，顾名思义，就是从视觉传感器图像采集方向看去，两个或多个果实重合但不一定相接触致使后方果实部分被前方果实所遮挡。采摘机器人能否具备果实精确识别能力，与果实信息的完备与否有重要关系。具体针对重叠遮挡果实来说，其精确识别依赖于重叠果实的自然分离。所谓自然分离即依靠原图像与遮挡边缘反像叠加实现分离，而非人为设定分割线将其分离，损害所有相关果实的原始形状，使其信息缺失，不利于其精确识别。

重叠遮挡果实非分离识别方法适用于轻微、不严重的遮挡，对于遮挡较严重的，由于果实信息不足，不能对其精确识别；分离识别方法基于果实轮廓边缘信息，边缘信息是否连续、完备，直接决定着重叠遮挡果实是否被分离、进而影响其精确识别。如何很好地解决重叠遮挡这种常见生长形态果实的精确识别问题，已成为推动采摘机器人实用化亟待解决的关键问题之一。

发明内容

针对现有技术中重叠遮挡果实的识别方法中存在的上述问题，提供一种重叠遮挡果实精确识别方法，使得采摘机器人实现对重叠遮挡果实的精确识别，从而推动采摘机器人的实用化进程。

本发明的技术方案是：

一种重叠遮挡果实精确识别方法，具体包括以下步骤：

1）图像采集步骤：基于双目视觉实时采集果实图像。

2）目标对象提取步骤：首先采用自适应维纳滤波方法图像预处理；其次采用基于颜色特征的动态阈值层层剥离分割方法将预处理图像中的无用信息去除；然后采用基于颜色特征和纹理特征的聚类分割算法获取图像中的果实、树枝和树叶，其中纹理特征的提取采用Contourlet变换方法。分割后图像中的分割碎片则采用基于纹理特征的消噪方法去除，最后采用水平最小外接矩形法将图像中所有的连通区域框定，提取各个矩形内求补图像中的孤立区域，通过孤立区域图像与原图像叠加来修复孔洞。

3）目标对象深度计算步骤：基于双目视觉采用组合匹配及深度校正模型测定出各个最小外接矩形内连通区域的深度信息，对于超出采摘机器人作业深度之外的区域进行去除，此外，该深度信息还用于后续处理。

4）遮挡边缘区域确定步骤：通过计算重叠遮挡果实深度图像上的点与其一定邻域内各点所对应深度值的差值变化特征来确定遮挡边缘的区域。

5）遮挡边缘信息获取步骤：首先利用元胞自动机的演化，建立边缘检测元胞自动机模型来进行果实图像遮挡边缘信息的提取；然后采用基于数学形态学的细化算法对提取到的重叠遮挡边缘进行细化操作；最后采用基于结构元素的主动生长退化方式对断裂的边缘进行连接。

6）重叠遮挡果实分离步骤：通过将重叠遮挡完备边缘图像反像后与果实图像叠加来实现重叠遮挡果实的分离。

7）非完整目标果实修复步骤：在事先建立果实不同深度不同姿态外形的参数表的基础上，采用基于同深度下果实模板配准的方法来实现果实的重建修复。

8）果实形心及深度坐标计算步骤：通过对果实区域内所有像素点坐标求均值来获取其形心坐标，其深度也通过计算该区域深度均值来获取。

本发明是有益效果是：

对于苹果、柑橘等类果实采摘机器人来说，本发明一种重叠遮挡果实精确识别方法能够实现对重叠遮挡果实的精确识别。

附图说明

图1为本发明一种重叠遮挡果实精确识别方法的总流程图；

图2为本发明中目标对象提取步骤的流程图。

具体实施方式

下面结合附图对本发明作进一步详细说明。

本发明一种重叠遮挡果实精确识别方法的流程如图1所示，具体包括如下步骤：

(1) 图像采集步骤

图像的采集基于双目视觉系统，除了后续提取出目标对象的二维信息外，还要获取目标对象的深度信息。

(2) 目标对象提取步骤

该步骤实施流程如图2所示。首先自然环境下光照的多变性，严重影响着图像的分割效果，因此本步骤采用自适应维纳滤波方法图像预处理，以消除强光、弱光等不同光照条件下所采集图像中的噪声干扰。

图像中除了果实、枝叶信息之外，还可能有天空，果园地膜（果园为了保墒蓄水，提高果实着色指数，通常会覆盖地膜）等无用信息，而天空又与果树枝叶相互交错在一起，所以本步骤采用基于颜色特征的动态阈值层层剥离分割方法先将其从预处理图像中去除。