[发明专利]一种基于TOF相机的树上苹果识别与定位方法

说明书

技术领域

本发明涉及一种基于TOF相机的树上苹果识别与定位方法，属于图像识别技术领域。

背景技术

我国是一个苹果种植大国，种植面积广阔，每年的苹果产量高速增长，因此，智能化、信息化的植物相关检测技术应运而生，而植物果实的完整分割，是相关算法的基础，也是计算机视觉领域的核心研究课题之一。随着市场需求量增加，苹果大面积种植，为了及时采摘成熟的苹果，解决上述问题的重要途径之一就是苹果采摘机器人的应用。

机器视觉是采摘机器人最大的外部环境信息源，其主要任务包括采摘目标的识别、定位及相关特征的提取。目前，双目立体视觉技术、超声波成像和激光扫描技术得到了关注与研究。双目立体视觉技术利用颜色空间实现对果实的识别，并通过图像处理技术处理重叠和遮挡问题，最后通过立体匹配实现定位。在双目图像中所提取的区域由于遮挡和光线的变化导致同一目标存在差异性，致使深度信息不准确，同时立体匹配算法复杂、耗时。超声波成像和激光扫描技术通过对果实表面的三维特征及光谱吸收特征的分析，实现对果实的识别和定位。虽然此技术定位精度高，但实时性差、成本高，不能普遍使用。

TOF相机以其成像速度快、定位精度高、高分辨率等优点在环境感知、导航及目标跟踪识别等领域得到了广泛应用，相对二维图像，可通过距离信息获取物体之间更加丰富的位置关系，即区分前景与后景，对复杂物体的姿态判断极为有效。TOF相机的测量主要利用了光的物理传播特性，红外光发射器向目标场景发出余弦调制信号，经场景中物体反射后被光探测器接收，通过“四点测量法”计算出各像素点处的三维信息域反射光幅值。

发明内容

本发明针对上述的现有的视觉系统中，苹果的识别率方面存在的不足，提出了一种识别率高、定位准确的基于高精度TOF相机的树上苹果识别与定位方法。

本发明解决识别与定位问题采用如下方案：

本发明采用一种基于TOF相机的树上苹果识别与定位方法是按如下步骤进行的：

步骤1：使用分辨率为1280(h)×1024(v)、型号为OI-VS-1000的TOF相机的三维成像技术获取自然生长的苹果的反射光强度图像和深度图像，并对图像进行预处理；

步骤2：将步骤1得到的图像的视觉效果进行增强改善，抑制无用信息，然后对其进行滤波处理。

步骤3：对步骤2得到的改善的强度图和深度图进行分裂合并，取两部分交集作为识别的目标区域。然后利用Canny算子对二值图像进行边缘检测，提取果实图像的轮廓

步骤4：将得到的图像进行区域标记，绘制区域的最小外接圆，然后利用Hough变换对单个果实的轮廓线进行拟合，完成对果实的识别。

步骤5：由步骤4可以提取到果实的圆心坐标、半径等形状特征，利用TOF相机三维数据库的特点直接读取圆心的三维坐标，进而求得果实实际半径值，实现对苹果的定位。

在步骤1中，通过计算机实时采集处理程序获取系统校正后的深度图和代表反射光幅值的强度图。通过式(1)将各测试点到相机平面的深度信息转换为灰度图像各像素的灰度值，实现三维数据的可视化。

式中，g(i,j)表示灰度图像的灰度值；z(i,j)表示传感器获取的深度值。

将灰度图像的像素类型设定为16位的，用数据库的形式保存各像素点的三维坐标，这样做可以使由连续的深度信息转化为离散的灰度值时的误差比较小。

在苹果识别过程中，通过式(2)将采集到的强度信息结合深度信息进行校正，消除物距对强度图灰度值产生的影响。

A'(i,j)＝A(i,j)z(i,j)² (2)

式中，A'(i,j)为校正后的的强度值；A(i,j)为原始强度值。

在步骤2中采用选择性对比度增强方法。背景的灰度值在图像直方图中的范围比较大，直接忽略对应元素，将包含重要信息的灰度空间[a,b]扩充，通过式(3)，即灰度范围从[a,b]到[0,255]的灰度转换就完成了。然后再进行形态滤波处理去除噪声。

式中，G(x,y)为灰度值，G'(x,y)为经过处理后的灰度值。