一種基于子葉輪廓三維視覺測量的秧苗分離方法研究.pdf

1、嫁接可提高秧苗對環(huán)境的適應能力，改良品質(zhì)，對農(nóng)業(yè)生產(chǎn)具有重要意義。嫁接對秧苗與砧木有一定匹配關(guān)系的要求，以提高嫁接苗的成活率，但是目前自動和半自動的嫁接機都沒有實現(xiàn)這種功能。為實現(xiàn)全自動果蔬嫁接機嫁接過程中秧苗與砧木的匹配，需要對秧苗與砧木的苗莖尺寸進行實時測量。在穴盤上開展穴盤苗的檢測存在多株苗的子葉相互遮擋的情況，對視覺檢測帶來極大干擾，必須加以分離。本文通過雙目視覺的方法對穴盤苗子葉輪廓的三維數(shù)據(jù)進行測量，并利用子葉輪廓三維數(shù)據(jù)在

2、高度上的突變實現(xiàn)相互遮擋子葉的分離，為后續(xù)秧苗與砧木的匹配奠定基礎(chǔ)。本文研究的工作主要有以下幾個方面：
　　1、雙目視覺系統(tǒng)的構(gòu)建。構(gòu)建了一套完整的雙目視覺系統(tǒng)，并采用了一種基于同心圓檢測的雙目視覺系統(tǒng)在線綜合調(diào)整方法對系統(tǒng)誤差進行控制。通過該方法可以有效調(diào)整雙目系統(tǒng)光軸、相機夾角以及使雙目相機焦距一致，使系統(tǒng)搭建更為合理，為后續(xù)的極線匹配奠定基礎(chǔ)。
　　2、基于同心圓圓心檢測的系統(tǒng)標定。在分析了成像模型的幾種畸變和標定方法

3、的優(yōu)缺點的基礎(chǔ)上，采用了一種基于同心圓圓心檢測的相機標定方法。該方法將同心圓的圓心作為特征點代替張正友標定法中的棋盤格角點。通過同心圓圓心的平均值約束使特征點提取較棋盤格角點更為精確，實驗證明同心圓標定法較棋盤格標定法標定誤差減小了9.6％，速度提高了14.8％。同時對極線幾何進行分析，表明利用極線約束將特征匹配從二維空間轉(zhuǎn)為一維的有效性，極大地提高了特征匹配的速度與精度。實驗表明通過極線尋找匹配點，匹配點的潛在點與真實點的誤差在2個像

4、素點左右，通過對潛在點的八鄰域進行同時匹配以尋找較為準確的匹配點。
　　3、子葉三維數(shù)據(jù)測量方法研究。首先利用連通域標記法對圖像去噪，采用色差法對秧苗部分進行圖像增強，采用迭代法對色差圖進行二值化處理以實現(xiàn)秧苗子葉與背景的分離。采用基于游程的連通域標記法對秧苗輪廓進行提取將不同連通域的輪廓進行單獨分離，并通過freeman鏈碼對輪廓點序列進行降采樣。同時采用基于窗口的灰度向量法（Gray Vector)、簡化SIFT描述子(SSI

5、FT)、同心圓SIFT描述子(Circle SIFT)三種匹配方法對雙目圖像的輪廓點進行匹配。最后利用三角測量法則對輪廓點序列的三維坐標進行計算，并導入Matlab對秧苗子葉的進行基于輪廓信息的三維重建。實驗表明在匹配速度上SSIFT描述子最快，單點耗時0.79ms，Gray Vector描述子次之，單點耗時0.98ms，Circle SIFT描述子最慢，單點耗時4.17ms；在匹配點數(shù)上Gray Vector描述子最多，SSIFT描述

6、子次之，CircleSIFT描述子最少，反之匹配精度上Circle SIFT描述子最高，但考慮到對子葉輪廓的三維重建，較少的點不利于輪廓三維信息的表示，本文采用匹配點最多的Gray Vector描述子。
　　4、子葉分離方法研究。采用三維數(shù)據(jù)濾波去除三維數(shù)據(jù)集合中由于輪廓收縮所造成的匹配點偏移而產(chǎn)生的孤立突變點對三維數(shù)據(jù)的影響。三維數(shù)據(jù)濾波主要是尋找與周圍兩點皆存在較大高度差值的點，對于只有單邊存在較大差值則認為可能是潛在的連續(xù)突