《柑橘采摘机器人成熟果实定位与障碍物检测研究论文》由会员分享，可在线阅读，更多相关《柑橘采摘机器人成熟果实定位与障碍物检测研究论文（80页珍藏版）》请在金锄头文库上搜索。
1、分类号 TP391.41 密级 公 开UDC 519.688 编号 10299S0618014 学 位 论 文柑橘采摘机器人成熟果实定位与障碍物检测研究Study on Mature Fruit Location and Obstacle Detection for Citrus Picking Robots院 系 江大学食品与生物工程学院 申请学位级别 硕士专业名称农产品加工与贮藏工程 学位论文使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权江大学可以将本学位论文的全部容编入有关数据库
2、进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于，在 年我解密后适用本授权书。不学位论文作者签名： 指导教师签名： 2009年 月 日 2009年 月 日 / 独创性申明本人重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的容以外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：2009年 月 日柑橘采摘机器人成熟果实定位与障碍物检测研究Study on Mature Fruit L
3、ocation and Obstacle Detection for Citrus Picking Robots毕业设计（论文）原创性声明和使用授权说明原创性声明本人重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作与取得的成果。尽我所知，除文中特别加以标注和致的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得与其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了意。作 者 签 名：日 期：指导教师签名： 日期：使用授权说明本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即
4、：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部容。作者签名： 日 期：学位论文原创性声明本人重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名： 日期： 年 月 日学位论文使用授权书本学位论文
5、作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权大学可以将本学位论文的全部或部分容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。涉密论文按学校规定处理。作者签名：日期： 年 月 日导师签名： 日期： 年 月 日摘 要随着农业生产的飞速发展和农业劳动力成本的迅速上升，农业劳动力的匮乏将成为许多发达国家和发展中国家共同面对的问题。目前机器人技术在农业上应用研究越来越成为热门课题，与工业机器人特定的工作环境不同,农业机器人主要在自然场景下工作,要面对更为复杂多变的情况,有更多的问
6、题需要解决。本研究作为柑橘采摘机器人研究的一部分，利用双目立体视觉技术，研究自然场景下的成熟柑橘的识别和定位方法、障碍物(树枝)的检测方法，为未来开发收获机器人采摘柑橘进行前期视觉系统方面的准备工作，这部分相关的研究也是水果收获机器人实用化的关键。本研究的主要容和方法如下：1. 成熟果实定位果实定位主要通过识别和匹配等步骤完成。识别的目的是把成熟柑橘从背景中识别出来，为空间定位做准备。本研究利用对RGB颜色系统中的色差分量2R-G-B值进行迭代，自动寻找阈值的方法分割柑橘图像；将区域分割后的彩色图像转化为二值图像；经过形态学运算消除噪声；对图像进行区域标记，根据区域面积和区域最小外接矩形长宽比
7、设定阈值，去除小块与非类圆形干扰区域；进行区域填充、轮廓提取，并采用优化圆形Hough变换拟合出成熟果实图像中的圆心坐标、半径等特征值；然后以单个柑橘为匹配对象，采用基于特征的立体匹配方法，加入柑橘的区域重心、外接矩形尺寸等特征值作为匹配约束来实现左右两幅图像中对应果实的唯一匹配，研究结果显示正确匹配率达80%以上。最后在对摄像机外部参数进行了标定的情况下，求得柑橘的空间三维坐标，并利用激光测距仪进行了对比验证，当测量距离小于等于1.5m时，平均误差不超过1%。2. 障碍物检测为保持算法的可执行性，障碍物检测的步骤和果实定位基本一样，采用对图像2R-G-B和2G-R-B色差分量值进行迭代，并结
8、合图像灰度阈值法能快速有效的分割出图像树枝区域，通过图像二值化、形态学运算、区域标记、空洞填充提取出图像树枝区域；通过区域细线化提取树枝骨架，并进行骨架修剪、恢复遮挡骨架等处理；然后找出骨架中端点、分支点等特征点并记录它们的连接关系；最后通过对特征点的立体匹配恢复障碍物的三维信息。试验表明障碍物的正确识别率为67.3%，当障碍物实际距离大于1.5m时，识别误差增大。通过研究，在成熟水果识别、匹配和定位方面取得了较大进展，提出了一种果实收获机器人的障碍物检测方法。本文的研究容对我国开展农业收获机器人视觉识别技术领域的研究具有参考价值，为进一步的研究打下了基础，对提高我国农业的国际竞争力有重要的经
9、济意义。关键词：识别，匹配，圆形Hough变换，空间定位，障碍物ABSTRACTWith the rapid development of agricultural production, the cost of agriculture labor force will become more and more costly.In recent years,the agricultural application of robot technique have already become popular issue, because of the shortage of the agricu
10、lture labor force both in developed countries and developing countries. Different from industrial robot, which works in particular environment, the agriculture robot mainly works in the natural environment, and the agriculture robot has to face more complicated and uncertain circumstance, thus there
11、 are more problems to be resolved.As a part of research on citrus picking robots, this research used binocular stereo vision to researching on recognition and location mature citrus, obstacle (branches) detection under natural environment. The main contents and methods are as follows:1. Mature fruit
12、 locationThe main steps to complete that are image recognition and stereo matching. The purpose of image recognition is recognizing mature citrus region from image to make preparation for location. This research used iterate on 2R-G-B chromatism component in RGB color system to finding threshold aut
13、omatically to segment original image. Then the segmented images were converted to two-value images and eliminated noiseby morphological operation. Region labeling was done and eliminated region which was small or had great differences from circle by defining threshold which based on area and length
14、to width ratio of the smallest circumscribed rectangles of each region. Then region filling and contour extraction operation were been done and used improved Circular Hough Transformation (CHT) to found out circle centre and radius of each regions approaching round. Then used feature-based match and
15、 added extra characteristics such as barycenter of orange region in the image, sizes of each regions approaching round to get correct match results of each image pair. Experimental results show that the matching accuracy can reach over 80%. Finally, after calibrated the camera interior and exterior parameters, the 3-d space coordinate of each orange was been obtained and used the laser range finder to verification and comparison. Results show tha
