[发明专利]图像识别方法、装置及机器人视觉系统

说明书

本发明提供了一种图像识别方法、装置及图像视觉系统，属于图像处理技术领域。本发明实施例提供的图像识别方法、装置及图像视觉系统通过获取图像采集装置拍摄的包含目标对象的待识别图像，并对待识别图像进行预处理，得到灰度图像，然后对灰度图像进行多阈值搜索，获得最优和声阈值解集，最后对最优和声阈值解集进行分割，得到目标对象所对应的图像，可以准确快速地定位到苹果具体位置，避免因苹果粘连造成定位不准确的现象，从而提高苹果采摘效率。

技术领域

本发明涉及图像处理技术领域，具体而言，涉及一种图像识别方法、装置及机器人视觉系统。

背景技术

自然场景下拍摄的苹果图像背景复杂，干扰因素多，苹果存在粘连，目标苹果在生长过程中可能会被树叶部分遮挡和存在光照不均等现象，精准探测苹果实现采摘存在困难。用传统的图像分割方法采摘苹果时，往往存在图像分割不准确的现象，导致苹果采摘机器人无法准确定位到苹果位置进行采摘，降低了苹果采摘的效率。

发明内容

针对上述现有技术中存在的问题，本发明提供了一种图像识别方法、装置及机器人视觉系统，可以准确快速地定位到苹果具体位置，提高苹果采摘效率。

第一方面，本发明实施例提供了一种图像识别方法，应用于采摘机器人视觉系统，所述方法包括：

获取图像采集装置拍摄的包含目标对象的待识别图像；

对所述待识别图像进行预处理，得到灰度图像；

对所述灰度图像进行多阈值搜索，获得最优和声阈值解集；

对所述最优和声阈值解集进行分割，得到目标对象所对应的图像。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，对所述待识别图像进行预处理，得到灰度图像的步骤，包括：

统计所述待识别图像的灰度等级和所述待识别图像的每个灰度等级对应的像素个数，计算灰度出现的概率；

根据每个灰度等级对应的像素个数和灰度出现的概率获得灰度图像。

结合第一方面的第一种可能的实施方式，本发明实施例提供了第一方面的第二种可能的实施方式，其中，对所述灰度图像进行多阈值搜索，获得最优和声阈值解集的步骤，包括：

采用多目标和声搜索算法搜索最优和声阈值解集。

结合第一方面的第二种可能的实施方式，本发明实施例提供了第一方面的第三种可能的实施方式，其中，所述采用多目标和声搜索算法搜索最优和声阈值解集步骤，包括：

采用Pareto最优解集构造方法构造所述最优和声阈值解集。

结合第一方面的第二种可能的实施方式，本发明实施例提供了第一方面的第四种可能的实施方式，其中，对所述灰度图像进行多阈值搜索，获得最优和声阈值解集的步骤，还包括：

采用密集度算子算法减小所述最优和声阈值解集的密集度。

结合第一方面的第四种可能的实施方式，本发明实施例提供了第一方面的第五种可能的实施方式，其中，对所述最优和声阈值解集进行分割，得到目标对象所对应的图像的步骤，包括：

利用多阈值分割算法对所述最优和声阈值解集进行图像分割，得到目标对象所对应的图像。

结合第一方面，本发明实施例提供了第一方面的第六种可能的实施方式，其中，对所述最优和声阈值解集进行分割，得到目标对象所对应的图像的步骤之后，所述方法还包括：

判断是否继续分割图像采集装置拍摄的其他的待识别图像。

第二方面，本发明实施例还提供了一种图像识别装置，其中，所述装置包括：