[发明专利]基于深度图像的树上苹果识别方法

说明书

技术领域

本发明属于图像识别技术领域，尤其涉及一种基于深度图像的树上苹果识别方法。

背景技术

目前，我国农业机械化在农业生产中的主力军作用日益凸显，有效保障了农业生产的进度和质量。其中，农业机器人是智能化最高的农业机械，它的出现和应用为现代农业的发展开拓了更加广阔的前景。农业机器人技术的发展，将有利于提高我国农业机械智能化装备水平，改善我国目前的农业作业模式。

苹果是世界四大水果之一，收获采摘约占整个生产作业量的40%，采摘质量的好坏直接影响到苹果的储存、加工和销售，从而最终影响市场价格和经济效益。目前我国苹果的采摘工作主要依靠人工完成，由于果树植株较高，苹果成熟期较短，加大了人工采摘的劳动强度；加之城镇化进程的推进和中国人口的老龄化，农村劳动力大量减少，终将导致苹果采摘劳动力不足。苹果采摘机器人的应用，将是解决上述问题的重要途径之一。

机器视觉是采摘机器人最大的外部环境信息源，不但关系其快速、准确识别果实的能力，也直接决定了采摘机器人的可靠性，国内外在相关方面已作了大量的研究工作。现有的视觉系统多以CCD摄像机为关键组件，由于采摘环境存在多变性、未知性、开放性等非结构特点，特别是光照条件的不确定性等问题，使得果实的识别率和定位精度受到了一定限制。

苹果采摘机器人激光视觉系统是通过扫描果树，获得大量的距离数据，并将距离数据转换为灰度值，从而得到深度图像的系统。由于激光视觉系统的测距原理，生成的深度图像不受光线变化的影响，且图像中的像素代表了一个相对的深度信息，因此，与通常所处理的二维光学图像相比，深度图像能更方便地解析目标场景中不同对象的形状、大小及远近关系。

发明内容

本发明针对上述背景技术中提到的现有视觉系统中，苹果的识别率和定位精度方面存在不足，提出了一种基于深度图像的树上苹果识别方法。

一种基于深度图像的树上苹果识别方法，其特征包括下列步骤：

步骤1：使用苹果采摘机器人激光视觉系统扫描果树，并生成对应的深度图像；

步骤2：改善通过步骤1得到的图像的视觉效果，抑制无用信息，并对改善后的图像进行滤波处理；

步骤3：对步骤2得到的图像的灰度频率曲线图中代表不同位置的果实相应峰进行搜索，并结合图像中果实中心到边缘深度信息的变化特点，实现对目标区域的逐层分割，得到一幅或多幅二值图像；

步骤4：计算步骤3中得到的一幅或多幅二值图像各连通区域的圆形度及各连通区域面积与最大面积的面积比，通过对上述相对形状参数进行约束，完成对果实区域的准确识别。

步骤1中，使用苹果采摘机器人激光视觉系统扫描果树，获得大量的果树距离数据，通过式(1)将采集到的距离数据转换为灰度值，生成对应的深度图像。

G(x,y)=D(x,y)-MimDMaxD-MinD×255---(1)]]>

式中，x、y表示两个方向的参数，MinD、MaxD、D(x,y)、G(x,y)分别是最小距离值、最大距离值、点(x,y)的距离值和灰度值。

步骤2中，为了改善深度图像的视觉效果，抑制无用信息，采用选择性对比度增强方法。由于图像直方图出现的灰度值较大范围属于背景，直接忽略对应像素，将蕴含重要信息的灰度区间[a，b]进行扩充，通过式(2)，即完成灰度范围由[a,b]到[0,255]的转换。为了兼顾平滑噪声与保留细节两方面，采用了中值滤波技术，通过3×3的像素窗口对图像进行滤波处理。