论文摘要
在充分了解国内外果实采摘自动化研究成果的基础上,针对果实收获机器人研究中存在的不足,以番茄采摘为研究对象,着眼于解决自然环境下成熟期果实与背景的颜色差异不大,且整个果实表面色彩不一致的果实目标识别与定位问题,将图像处理技术、多光谱技术、图像配准技术、信息融合技术和定位技术等有机结合起来,构建了多源传感视觉识别定位系统。（1）采集了不同环境下番茄可见光图像和近红外图像作为图像分析的主要数据,并对图像进行了去噪、光照不均校正、图像增强和图像分割等前期预处理。针对生长状态为相互分离的番茄图像,在分割算法上,提出了一种新的基于互信息最佳阈值迭代优化分割方法。该算法在原理上充分考虑了图像的灰度信息、空间信息和分割后图像与原图像的内在联系,分割后的图像具有目标信息准确、特征保留完整、目标边缘连续等优点。对表面色彩一致且与背景有色差的成熟番茄分割完整率达到了90%以上,对成熟期果实与背景的颜色差异不大或表面色彩不一致的番茄可见光图像,MI-OPT分割方法的分割完整率达到了70%以上,对其多源融合图像,MI-OPT分割方法的分割完整率达到了90%左右;针对复杂生长状态的番茄图像,基于形态学重构的图像分水岭分割方法对多果相连图像具有良好的分割效果。（2）建立了基于2D圆控制点的摄像机标定试验系统,对多源传感器视觉系统的摄像机,采用张正友等人提出的基于2D平面靶标摄像机标定方法进行了标定试验,得到了多源传感器视觉系统的摄像机内外参数,并对标定结果进行了精度和误差分析,得出视觉系统在X方向误差均值为3.39 mm,Y方向误差均值为0.43 mm,Z方向误差均值为1.52 mm,可以满足多源传感器视觉系统的定位要求。（3）在多源传感视觉系统中,利用摄像机的几何特性进行多源图像的粗配准,对得到的粗配准图像采用基于点特征的配准方法进行了精配准,并采用图像之问的均方根误差、图像配准运算时间和鲁棒性等参数作为图像配准效果的评价。经配准实验表明:基于传感器参数和SIFT特征点的图像配准方法具有较强的噪声抑制能力,且其多源图像间的配准均方根误差均值为0.94,配准精度达到了像素级水平,可完全满足图像融合要求。（4）以多源传感器图像融合为背景,讨论了像素级多源图像的融合问题。针对番茄可见光图像和近红外图像的特点,提出了基于主分量分析和提升小波变换的多源图像快速融合算法（PCA-LWT）。在融合原理上考虑了多源图像的成像机理,兼顾了图像的空频分布情况,在融合操作时根据融合目的引入多源图像的细节信息,从而表现出更强的针对性和实用性。实验结果表明PCA-LWT融合算法得到的融合图像自然,符合人类视觉特性,融合结果有利于对图像作进一步分析、理解和识别。（5）在自然生长状态下,存在果实与背景的颜色差异不大,且整个果实表面色彩不一致的成熟番茄,针对这种目标物和其它生物体用颜色阈值难以分割或分割出的目标轮廓缺失严重的情况,利用近红外光谱和可见光谱各自有效的生物信息,采用多光谱图像融合技术使收获目标的轮廓特征信息得到修正和补全。就成熟番茄的选择性收获而言,选取园形度、凹度、面积比等形状特征和均匀度纹理特征等特征量对番茄进行识别和生长状态判别。（6）在目标定位上,提出了双目彩色图像信息和近红外图像信息融合的三维定位方法,解决了多目标图像特征匹配的不确定问题。即从双目定位的几何模型出发,在双目匹配搜索中,提取多源传感融合图像的番茄凸壳有效形心点,采用极线约束、唯一性约束进行立体视觉图像的特征点及其邻域灰度相关的双向匹配,利用体视原理获取唯一被测目标的空间坐标。（7）研究了收获目标空间定位误差的补偿方法。将双目立体视觉技术恢复出来的成熟番茄空间坐标与该成熟番茄的实际空间坐标进行比较,在定位误差分析的基础上,采用遗传和神经网络算法（GA-BP）修正成像过程中的测距误差,对测试样本进行仿真试验,结果表明收获目标空间定位的绝对误差X和Y值均可控制在（0-5）mm之间,Z坐标值可以控制在（0-7）mm之间,达到了番茄收获机器人的定位精度要求。（8）设计了基于多源图像融合收获目标准确定位的处理流程。