[发明专利]一种基于双目立体视觉的成簇状番茄识别方法

说明书

技术领域

本发明涉及成簇状番茄识别方法，尤其是涉及一种基于双目立体视觉的成簇状番茄识别方法。

背景技术

果蔬采摘机器人是实现自动化采摘作业的一种解决方案，果实识别是果蔬采摘机器人实现果实采摘的前提。

成簇状番茄指呈相互接触生长状态的多个番茄。番茄在自然生长状态下，成簇状现象非常普遍，如某温室中的番茄，87.5%是成簇状生长。成簇番茄的几类常见生长状态如图1所示。定义番茄重叠率为番茄簇中，某个番茄被其他番茄遮挡的面积与该番茄总面积的比例。根据番茄重叠率，定义两类成簇状番茄。图1中第一行的2类重叠比例小，为粘连类型；第二行和第三行的5类为重叠比例大，为重叠类型。番茄相互接触后，由于番茄颜色相近，所以较难实现图像中番茄之间的分离，易将多个番茄误识别为同一个番茄，造成番茄大小及位置信息提取错误，最终无法实现番茄的自动采摘。

目前成簇状果实自动识别系统基本采用图像接收装置和图像分析处理系统组成的机器视觉系统。应用的成簇状果实自动识别方法是通过图像分割，识别出成簇状果实区域后，再根据果实轮廓的形状特征，实现成簇状果实的自动识别。所使用的方法主要包括：分水岭算法（周天娟等.基于数学形态学的相接触草莓果实的分割方法及比较研究,农业工程学报.2007,23(9):164-168），基于Hough变换的识别算法（姚立健等.广义Hough变换在遮挡图像识别中的应用,农业工程学报.2008,24(12):97-101）及基于果实边缘几何形状的识别算法(项荣等.基于边缘曲率分析的重叠番茄识别,农业机械学报.2012,43(3):157-162)等。分水岭算法常用于粘连区域分离，但较易出现过分割或欠分割的情况；基于Hough变换的识别方法，运用形状建模的思想，通过预先建立的形状模型实现成簇状果实的识别，具有较强的抗干扰能力，但其时间成本相对较高；基于果实边缘几何形状的识别方法，常见用于类圆形成簇状果实的识别。通过提取无遮挡的果实边缘点，求解相应的圆回归方程，实现成簇状果实的识别。该方法依赖于无遮挡边缘的长度，若无遮挡边缘信息不足，较易产生误识别。上述方法均是基于二维图像信息实现成簇状果实的识别，当成簇状果实的边缘信息较丰富时，能较好地实现成簇状果实的识别。当果实重叠比例较大导致边缘形状信息不足时，由于深度信息缺失，使用该类方法实现成簇状果实的识别仍存在较大困难。另外，上述方法均未对成簇状果实的类型加以区别，对所有成簇状果实采用单一方法，因此其对不同类型成簇状果实识别的适应性能均不够理想。

发明内容

本发明的目的在于提供一种基于双目立体视觉的成簇状番茄识别方法，可实现成簇状番茄类型的识别，并根据成簇状番茄的类型，采用不同识别方法实现不同类型成簇状番茄的识别。

本发明采用的技术方案是：

本发明包括如下步骤：

1.1）番茄图像分割：用基于分段阈值图像分割及光斑识别的室外番茄识别方法实现番茄图像分割；计算各番茄区域的最小外接矩及其形心坐标；从二值图像中直接提取待识别番茄簇的边界；

1.2）多果匹配：以双目立体图像的右图像为匹配基准，根据右图像中的各番茄区域形心坐标和左图像中各番茄区域的形心坐标间的水平和垂直极线约束条件，实现右图像中各番茄区域与左图像中各番茄区域间的匹配；

1.3）视差图像获取：通过对右图像中番茄区域的各像素点逐点运用区域立体匹配方法，在左图像匹配的番茄区域中寻找匹配的像素，获得右图像番茄区域中各像素的视差后，获取番茄区域视差图；

1.4）深度图获取：根据步骤1.3获得的视差图，运用三角测距原理获得番茄区域深度图，定义番茄表面一点到双目立体相机的右相机光心平面的垂直距离为该点的深度，以右图像中番茄区域内各像素对应的深度值作为深度图；