基于深度图像的树上苹果识别方法

摘要

本发明公开了图像识别技术领域的一种基于深度图像的树上果实识别方法。其技术方案是，使用苹果采摘机器人激光视觉系统扫描果树，并以生成对应的深度图像；结合图像中果实中心到边缘深度信息的变化特点，实现对目标区域的逐层分割，得到一幅或多幅二值图像；计算一幅或多幅二值图像中各连通区域的圆形度及各连通区域面积与最大面积的面积比，通过对上述相对形状参数进行约束，完成对果实区域的准确识别。

主权项

一种基于深度图像的树上果实识别方法，其特征包括下列步骤：步骤1：使用苹果采摘机器人激光视觉系统扫描果树，并生成对应的深度图像；步骤2：改善通过步骤1得到的图像的视觉效果，抑制无用信息，并对改善后的图像进行滤波处理；步骤3：对步骤2得到的图像的灰度频率曲线中代表不同位置的果实相应峰进行搜索，并结合图像中果实中心到边缘深度信息的变化特点，实现对目标区域的逐层分割，得到一幅或多幅二值图像，其具体步骤为：a)设定灰度阈值Gt，只考虑G′(x,y)≤Gt范围内的灰度频率变化，即仅识别表层果实；其中G′(x,y)为经滤波处理后点(x，y)的灰度值；b)基于a)所述范围，利用设定的评价函数，通过评价函数搜索所有满足条件的峰点位置，并剔除其峰值小于最大值75％的峰点；若仍表现为多峰状态，通过设定一个峰间距阈值Dt，进一步确定峰点的有效性；当D≤Dt，说明不同果实位置差距较小，将后一个峰点确定为有效位置；当D>Dt，说明不同果实位置差距较大，需将两个峰点均保留；其中，D为不同果实位置差距；c)将峰点位置S_i加一个设定偏移量u作为分割阈值；若检测为单个峰点，则分割区间[0,S₁+u]包含果实区域；若检测为多个峰点，会存在多个分割区间，[0,S₁+u]表示第一层果实区域，[S₁+(S₂‑S₁)/2,S₂+u]表示第二层果实区域，依次类推；分割区域中的像素值赋予逻辑0，分割区域之外的像素值赋予逻辑1；若果实图像的直方图是单峰情况，则得到一幅二值图像；若果实图像的直方图是多峰情况，则得到多幅二值图；其中i＝1，2，…,n；n代表峰点的总数；步骤4：计算步骤3中得到的一幅或多幅二值图像各连通区域的圆形度及各连通区域面积与最大面积的面积比，通过对步骤3中得到的一幅或多幅二值图像各连通区域的圆形度及与最大面积的面积比进行约束，完成对果实区域的准确识别。