[发明专利]一种基于特征点检测的粘连蘑菇视觉识别与测量方法

说明书

本发明公开了一种基于特征点检测的粘连蘑菇视觉识别与测量方法，采用黑白相机采集菇床灰度图像视频流；对灰度图像进行角点检测以滤除大部分菌丝背景，获得只包含蘑菇连通域的二值图；用八邻域跟踪法逆时针遍历蘑菇连通域的边界轮廓点序列，基于其链码搜索蘑菇粘连处的相接凹点序列，用相邻凹点间的弧弦比匹配凹点对，分割粘连的蘑菇，获取蘑菇单体的边界轮廓；标定相机坐标系与世界坐标系之间的比例尺，用最小二乘法对蘑菇单体的边界轮廓点序列进行椭圆拟合，根据比例尺获取世界坐标系下蘑菇单体的圆心、直径等参数。该发明方法能够快速识别粘连的类圆形蘑菇，并对菌丝干扰、光照不均匀的复杂背景有较好的适应性，运行时间短，实时性较好。

技术领域

本发明涉及机器视觉领域，具体涉及果蔬采摘机器人的图像识别与测量算法，特别是对类圆型蘑菇的视觉识别与测量方法。

背景技术

蘑菇肉厚脆嫩、香味浓郁、鲜美可口、营养价值丰富，具有提高机体免疫力等作用，以蘑菇为原料的菜肴正逐步获得消费者的青睐。蘑菇生产过程中，采摘和分类是最后一道重要工序，由于蘑菇的市场价格与尺寸大小有关，有必要对蘑菇进行选择性采摘。传统方法都靠手工完成，由于手工作业的效率和分类的质量因工作人员的疲劳程度不一，很难达到严格的分选要求，并且费工费时，成本高，劳动强度大，适宜的劳动力短缺，亟需研究一种能够替代工人进行蘑菇在线识别、测量和采摘的智能蘑菇采摘机器人设备，以实现蘑菇的工业化生产中，进一步降低生产成本、提高分类质量、保证最佳的经济效益。

为了引导智能蘑菇采摘机器人的机械臂持续工作，需要采集菇床视频流，通过图像处理算法实现蘑菇的快速识别与测量，为机械臂规划运动轨迹提供参数。

蘑菇的快速识别与测量算法主要有以下二个难点：(1)现有蘑菇图像的背景分割主要借助了菇床与蘑菇灰度的显著差异或人工背景，对蘑菇照片中光照不均、泥土、菌丝等复杂背景的处理仍是空白。(2)在获得去背景的图像后，已有的研究通常基于距离图像的分水岭算法等矩阵运算或霍夫变换识别粘连蘑菇，计算开销大，对重叠蘑菇的识别效果欠佳。

发明内容

针对已有技术存在的不足，本发明提供了一种基于特征点检测的粘连蘑菇视觉识别与测量方法。

本发明所采用的技术方案，步骤如下：

步骤1，蘑菇图像采集：采用黑白相机采集菇床灰度图像视频流；

步骤2，蘑菇背景分割：对采集到的每一帧灰度图像进行角点检测，并根据检测到的角点滤除背景，获得只包含蘑菇连通域的二值图；

步骤3，蘑菇粘连分割：从二值图中提取各个蘑菇连通域，用八邻域跟踪法逆时针遍历蘑菇连通域的边界轮廓点序列，基于链码运算搜索其中的蘑菇粘连处的相接凹点序列，进一步用相邻凹点间的弧弦比匹配凹点对，分割粘连的蘑菇，获取蘑菇单体的边界轮廓；

步骤4，蘑菇单体测量：标定相机坐标系与世界坐标系之间的比例尺，用最小二乘法对蘑菇单体的边界轮廓点序列进行椭圆拟合，根据比例尺获取世界坐标系下蘑菇单体的圆心、直径等参数。

进一步，所述步骤2中对采集到的菇床灰度图像进行背景分割的过程为：

步骤2.1，计算灰度图的角点，并记录各角点位置；以奇数N为步长遍历整个灰度图，计算N×N滑动窗口内的角点数量，若角点数量大于预设阈值，则认定该区域为背景，将该区域内的所有像素点灰度值置0，以滤除大部分菌丝背景；

步骤2.2，用大津法设定自适应阈值对已经滤除背景的蘑菇灰度图进行二值化，结合形态学操作去除蘑菇边界噪声和小面积连通域，获得只含蘑菇连通域的二值图。

进一步，所述步骤3中对蘑菇粘连分割的过程为：