[发明专利]一种机器视觉自然放置葡萄串抓取点定位方法

摘要

本发明公开了一种机器视觉自然放置葡萄串抓取点定位方法，首先根据串类水果分拣机器人的空间可抓取范围、抓取精度和速度等要求，构建获取葡萄串图像的硬件平台，得到基于机器视觉的自然放置葡萄串彩色图像，并对图像进行预处理，得到含有主果梗、次果梗、果蒂等区域的葡萄串二值图像。构建葡萄串多维特征向量和BP神经网络提取主果梗区域,采用梯度方向轮廓分析定位抓取点；最后，基于双目视觉标定参数，将抓取点的图像坐标转换为空间三维坐标点，最终得到自然放置葡萄串抓取点的空间三维坐标，以实现机器人对自然放置葡萄串的自动抓取。

主权项

1.一种机器视觉基于多特征和梯度方向轮廓分析的自然放置葡萄串抓取点定位方法，其特征在于，包括如下步骤：步骤1，基于双目视觉的图像获取与预处理：根据串类水果分拣机器人设计构建图像采集系统，通过多自由度支架将两个相机分别安置在不影响机器手移动和抓取操作，并且相机视场包含机器人工作空间的不同位置，同时将漫反射平板光源不直接照射葡萄串，以相互对射并采用暗室白色内壁反射的方式，实现操作空间光源均匀的漫反射，同时，对原始图像进行阈值分割，得到含有主果梗、次果梗、果蒂等区域的葡萄串二值图像；步骤2，构建葡萄串多维特征向量和BP神经网络提取主果梗区域：构建能表征主果梗和非主果梗区别特征的多个描述子，并采用描述子构建表征较全面信息的多维特征向量，提出一种葡萄串多特征的主要信息提取方法，实现多维特征向量的降维和解耦，最后，构建BP神经网络对降维和解耦后的多维特征向量进行分类，实现主果梗区域的提取；步骤3，采用梯度方向轮廓分析定位抓取点：对主果梗边缘进行统计分析，根据区域轮廓上像素点的梯度和像素变化，构建主果梗边缘梯度方向分布图和梯度方向上的主果梗直径分布图，根据分布规律，选择自然放置葡萄串中最粗壮的位置作为优先抓取点，与是否有分支的判断进行结合，以主果梗主分支和最粗壮双重约束定位抓取点，实现自然放置葡萄串抓取点的准确定位；步骤4，采用双目标定获取抓取点的空间三维坐标：根据获取的抓取点图像坐标，采用双目视觉和双目标定技术，将抓取点的图像坐标转换为空间三维坐标点，最终得到自然放置葡萄串抓取点的空间三维坐标，以实现机器人对自然放置葡萄串的自动抓取。