基于机器视觉的棉花图像分割与定位技术研究

• 作 者: 樊海风
• 出 处: 重庆大学
• 发表日期: 2004年期
• 关键词: 双目立体视觉 棉花图像分割 立体匹配 误差分析 误差补偿

几年来,随着棉花产业的发展,如何降低植棉成本,提高采棉效率与品质,是广大棉花科研工作者的研究重点。传统的机械采棉棉花含杂率高,品质等级较低,作业成本高,因此,智能型采棉机是未来采棉机械的发展方向。本文针对采棉机的应用环境,提出一种智能采摘方案:利用双目视觉系统作为采棉机的“眼睛”,完成棉花的定位识别工作,并把采摘点的位置信息传递给机械手,完成智能化采摘。在棉花目标识别方面,本文首先分析了棉花实际环境中的主要分割问题,进而提出了三种适宜的分割算法:基于Otsu算法的自适应阈值图像分割、基于改进的BP神经网络算法以及极限学习机。通过三种算法的图像分割实验,分析总结出以下规律:(1)在复杂自然环境中,存在许多背景区域的灰度信息与棉花类似,而由于遮挡原因,一些棉花区域的亮度信息较低,采用阈值分割的方法很难从背景区域中完全分割出棉花。(2)在BP神经网络算法和极限学习机的训练过程中,RGB和OHTA颜色空间下的特征值对不同区域的分割效果各有优劣。(3)和BP神经网络相比,极限学习机在分割性能接近的情况下实时性更优秀。因此,本文提出基于极限学习机的图像分割算法,以RGB和OHTA颜色空间下的特征分量以及图像的平均亮度作为网络模型的输入,实现在自然环境下棉花区域的准确分割。在视觉定位系统上,根据课题需求选择了平行双目立体视觉系统,介绍了双目视觉系统的理论模型,分析阐述了相机标定的计算原理,采用基于平面标定板的相机标定方法完成双目相机的立体标定。在立体匹配上,分析总结了目前常用匹配方法的优点,结合本文的采摘情况,提出了基于棉花分割信息的区域匹配方法,该方法利用了图像的分割信息,实现了棉花采摘点的快速匹配,实时性好的同时误匹配率低。最后为了提高定位系统的精度,本文分析总结了平行双目立体视觉系统下测量误差的主要影响因素,并建立测量结果的误差模型,提出误差补偿的思想,采用BP神经网络模型预测定位系统的测量误差,并通过学习样本数据得到测量误差的预测模型,对测量数据进行误差补偿,分析对比原始测量数据与修正后测量结果的精度,验证了误差补偿方法在提高定位系统精度上的可行性。