[发明专利]一种自然环境下果实常见生长形态判定方法

说明书

技术领域

本发明涉及一种自然环境下果实常见生长形态判定方法，淘宝涉及一种对苹果、柑橘等类果实的常见生长形态判定方法。 

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，其中果实邻接、重叠遮挡和枝叶遮挡是主要因素。果实邻接就是两个或多个果实相互接靠在一起。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。显然，果实重叠遮挡包含果实邻接（果实并靠邻接可以看作是广义的果实重叠），为了叙述方便，通称这类果实为重叠遮挡果实。枝叶遮挡果实则是从视觉传感器图像采集方向看去由果树树枝和叶子所造成的果实遮挡，它又可以分为果实边缘被枝叶遮挡和果实被枝叶遮挡分割成两块或多块即被枝叶严重遮挡果实两类。它们都是果实常见的生长形态，其识别方法自然都是不同的，然而没有一种完善的果实常见生长形态判定方法，所以采摘机器人无法自适应采用相应方法来完成不同生长形态果实的精确识别，迟滞了采摘机器人的实用化进程。

发明内容

 针对现有技术中果实的常见生长形态判定方法存在的上述不足，本发明提供一种自然环境下果实常见生长形态判定方法，能够使得采摘机器人自动完成采集图像中不同生长形态果实的分类，从而可以采用相应方法实现其精确识别，为推动采摘机器人的实用化起到重要作用。

本发明的技术方案是：

一种自然环境下果实常见生长形态判定方法，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）果实生长形态判定步骤：采用先粗后精的判定方法，即首先以不同深度距离果实长宽及面积数据区间范围为基准来粗略判定出果实图像中连通区域是单个果实还是重叠遮挡果实。

若为单个果实，采用几何计算方法快速检测其所在矩形与其它矩形有无重合或者在一定区域范围有无其它矩形：若存在重合区域或者有其它矩形，采用基于枝叶图像的区域映射检测方法来检测重合区域或者两矩形之间区域内有无枝叶来进一步粗略判定属于A类还是C类果实，若粗判为A类果实，采用双扫描线边缘缺口检测和基于枝叶图像的区域映射检测相结合的方法来精确判定属于 A类还是B类果实，若粗判为C类果实，则采用同样方法来精确判定属于C类还是D类果实；若无重合区域或者其它矩形，则直接采用双扫描线边缘缺口检测和基于枝叶图像的区域映射检测相结合的方法来精确判定属于A类还是B类果实。

对于开始粗判结果为重叠遮挡果实的精确判定步骤和方法，其与上述单个果实精确判定步骤和方法等同，不同的是最终精确判定结果，即E类或 F 类或 G 类或H类果实。

本发明的有益效果为：

对于苹果、柑橘等类果实采摘机器人来说，本发明一种自然环境下果实常见生长形态判定方法能够使其自动完成采集图像中不同生长形态果实的分类，从而可以采用相应方法完成其精确识别。

附图说明

图1为本发明一种自然环境下果实常见生长形态判定方法的总流程图；

图2为本发明中目标对象提取步骤的流程图；

图3为本发明中果实生长形态判定步骤的流程图。

具体实施方式

下面结合附图对本发明作进一步详细说明。

本发明一种自然环境下果实常见生长形态判定方法的步骤流程如图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