一种苹果采摘机器人目标果实快速跟踪识别方法技术

本发明专利技术公开了一种苹果采摘机器人目标果实快速跟踪识别方法，包括图像分割；目标果实确定；识别区域提取；快速模板提取识别；目标果实定位的步骤。本发明专利技术方法可提高苹果采摘机器人的采摘速度，缩小与人工采摘速度的差距，实用性强。

【技术实现步骤摘要】

本专利技术属于图像识别领域，特别涉及苹果采摘机器人目标果实快速跟踪识别方法。
技术介绍
从20世纪60年代，美国人Schertz和Brown提出采用机器人采摘果实之后，各种果蔬采摘机器人技术得到广泛研究，但早期样机的果蔬采摘速度都比较低，其中采摘一个苹果的时间为数十秒。2008年，Baeten等开发的苹果采摘机器人AFPM，对直径在6～11cm的苹果平均采摘时间为9秒。国内果蔬采摘机器人研究起步较晚，部分高校及科研院所对各种果蔬采摘机器人相继开展了研究，并取得了初步成果且开发了一些样机，其中2009年中国农业机械化科学研究院与江苏大学联合研制的苹果采摘机器人在实验室条件下的单果采摘时间为15秒，基本上反映了目前国内苹果采摘机器人采摘速度的技术水平，但相比于人工采摘速度还存在较大的差距，还需进一步减少采摘过程处理时间。联合研制的苹果采摘机器人在目标果实质心逐步逼近图像中心的过程中，需多次采集图像跟踪识别。
技术实现思路
本专利技术的目的是提出一种苹果采摘机器人目标果实快速跟踪识别方法，该方法可提高苹果采摘机器人的采摘速度，缩小与人工采摘速度的差距，实用性强。实现本专利技术目的的技术方案是：一种苹果采摘机器人目标果实快速跟踪识别方法，具体步骤包括：1)图像分割选取在自然环境下苹果园拍摄的一组图片，选择苹果果实与背景的树枝、绿叶及天空区域，对其R、G、B颜色因子的值进行统计分析，用色差R-G和2R-G-B方法将苹果果实从背景中分割开来；2)目标果实确定采用8邻域标记法对上述处理好的果实分割图像进行标记，并对标记果实区域求取二维质心坐标，公式为式中：i、j—果实图像像素的横、纵坐标n—果实图像的总像素数Ω—属于同一果实图像的像素集合同时计算其边长，最后以距离图像中心最近原则确定目标果实；3)识别区域提取利用前帧图像识别出的目标果实信息来减少当前图像的识别时间，以此逐帧类推递减，利用前帧图像中目标果实的质心坐标及自身大小和图像中心坐标来确定后帧图像的处理区域；4)快速模板提取识别根据已知模板图在目标图中搜索相匹配的子图像，采用快速去均值归一化积相关算法来匹配识别后帧图像的目标果实；5)目标果实定位对去均值归一化积相关算法进行加速优化改进，在不断缩小的后帧图像区域进行模板匹配、定位目标果实。图像分割时，由于苹果果实与其背景之间具有较大的颜色差别，为此选择基于颜色特征的图像分割方法。目标果实无疑是苹果采摘机器人所采集图像之间的最主要关联信息。目标果实确定时，单机械手采摘机器人在进行果实采摘时，只能逐次单个采摘，因此当图像中有多个果实时，必须确定出即将进行采摘的目标果实。识别区域提取时，由于采集图像中目标果实的质心坐标是逐步逼近图像中心的，所以相对于首幅采集图像，后续采集所得图像的处理区域会大大缩小，从而可以大大减少图像处理时间，进而缩短采摘机器人的整体采摘时间，增强其采摘快速性。快速模板提取识别时，后帧图像通过利用前帧图像目标果实的质心坐标及自身大小来合理缩小图像处理区域从而达到减小图像识别时间的目的。为了进一步减少后帧图像的目标果实识别时间，在利用前帧图像关联信息缩小后帧图像处理区域的同时，提取首帧图像的目标果实作为后续图像识别的模板，采用快速去均值归一化积相关算法来匹配识别后帧图像的目标果实。模板匹配识别算法就是根据已知模板图在目标图中搜索相匹配子图像的过程。去均值归一化积相关算法对图像亮度和等级的变化不敏感，相对于其他相关匹配算法而言，鲁棒性强，精准度高。本专利技术一种苹果采摘机器人目标果实快速跟踪识别方法，可提高苹果采摘机器人的采摘速度，缩小与人工采摘速度的差距，实用性强。具体实施方式下面对本
技术实现思路
作进一步的阐述，但不是对本专利技术的限定。一种苹果采摘机器人目标果实快速跟踪识别方法，具体步骤包括：1)图像分割选取在自然环境下苹果园拍摄的一组图片，选择苹果果实与背景的树枝、绿叶及天空区域，对其R、G、B颜色因子的值进行统计分析，用色差R-G和2R-G-B方法将苹果果实从背景中分割开来；由于苹果果实与其背景之间具有较大的颜色差别，为此选择基于颜色特征的图像分割方法。2)目标果实确定采用8邻域标记法对上述处理好的果实分割图像进行标记，并对标记果实区域求取二维质心坐标，公式为式中：i、j—果实图像像素的横、纵坐标n—果实图像的总像素数Ω—属于同一果实图像的像素集合同时计算其边长，最后以距离图像中心最近原则确定目标果实。3)识别区域提取前帧图像的目标果实信息可为后帧图像目标识别提供借鉴，即利用前帧图像中目标果实的质心坐标及自身大小和图像中心坐标来确定后帧图像的处理区域。由于采集图像中目标果实的质心坐标是逐步逼近图像中心的，所以相对于首幅采集图像，后续采集所得图像的处理区域会大大缩小，从而可以大大减少图像处理时间，进而缩短采摘机器人的整体采摘时间，增强其采摘快速性。4)快速模板提取识别上述步骤中后帧图像通过利用前帧图像目标果实的质心坐标及自身大小来合理缩小图像处理区域从而达到减小图像识别时间的目的，而其图像识别方法是相同的。为了进一步减少后帧图像的目标果实识别时间，在利用前帧图像关联信息缩小后帧图像处理区域的同时，提取首帧图像的目标果实作为后续图像识别的模板，采用快速去均值归一化积相关算法来匹配识别后帧图像的目标果实。模板匹配识别算法就是根据已知模板图在目标图中搜索相匹配子图像的过程。去均值归一化积相关算法对图像亮度和等级的变化不敏感，相对于其他相关匹配算法而言，鲁棒性强，精准度高。5)目标果实定位对去均值归一化积相关算法进行加速优化改进，在不断缩小的后帧图像区域进行模板匹配、定位目标果实。本文档来自技高网...

【技术保护点】
一种苹果采摘机器人目标果实快速跟踪识别方法，其特征是具体步骤包括：1)图像分割选取在自然环境下苹果园拍摄的一组图片，选择苹果果实与背景的树枝、绿叶及天空区域，对其R、G、B颜色因子的值进行统计分析，用色差R‑G和2R‑G‑B方法将苹果果实从背景中分割开来；2)目标果实确定采用8邻域标记法对上述处理好的果实分割图像进行标记，并对标记果实区域求取二维质心坐标，公式为x=Σi,j∈Ωiny=Σi,j∈Ωjn]]>式中：i、j—果实图像像素的横、纵坐标n—果实图像的总像素数Ω—属于同一果实图像的像素集合同时计算其边长，最后以距离图像中心最近原则确定目标果实；3)识别区域提取利用前帧图像识别出的目标果实信息来减少当前图像的识别时间，以此逐帧类推递减，利用前帧图像中目标果实的质心坐标及自身大小和图像中心坐标来确定后帧图像的处理区域；4)快速模板提取识别根据已知模板图在目标图中搜索相匹配的子图像，采用快速去均值归一化积相关算法来匹配识别后帧图像的目标果实；5)目标果实定位对去均值归一化积相关算法进行加速优化改进，在不断缩小的后帧图像区域进行模板匹配、定位目标果实。...

【技术特征摘要】
1.一种苹果采摘机器人目标果实快速跟踪识别方法，其特征是具体步骤包括：1)图像分割选取在自然环境下苹果园拍摄的一组图片，选择苹果果实与背景的树枝、绿叶及天空区域，对其R、G、B颜色因子的值进行统计分析，用色差R-G和2R-G-B方法将苹果果实从背景中分割开来；2)目标果实确定采用8邻域标记法对上述处理好的果实分割图像进行标记，并对标记果实区域求取二维质心坐标，公式为x=Σi,j∈Ωiny=Σi,j∈Ωjn]]>式中：i、j—果实图像像素的横...

【专利技术属性】
技术研发人员：吴海峰，
申请(专利权)人：吴海峰，
类型：发明
国别省市：广西;45