植物枝干识别方法

专利名称：植物枝干识别方法
技术领域：
本发明涉及图像处理技术领域，尤其涉及一种植物枝干识别方法。
背景技术：
苹果作为我国最主要的果树树种，占果树总面积的20%。在苹果生产作业中，收获采摘约占整个作业量的40%。采摘作业质量的好坏直接影响到苹果的储存、加工和销售，从而最终影响市场价格和经济效益。同时，收获作业又是一项劳动强度大、消耗时间长、工作单调的作业。随着农村城镇化建设和农村人口向城市的大量转移，在苹果成熟期易出现短期劳动力不足的现象，采用苹果采摘机器人来完成苹果的采摘任务具有很好的应用前景。采摘机器人技术主要包括三个方面识别定位技术，采摘技术和移动技术。其中识别技术包括对成熟果实及周围环境的识别与定位，采摘技术主要是机械手臂的设计及运动控制，移动技术主要指机器人导航技术。实现苹果采摘机器人对苹果进行采摘，最关键的环节是要获得苹果在空间的三维坐标位置和以及果实周围枝干等障碍物的识别与定位，即苹果树的三维重建，从而为机械手臂提供准确的空间位置参数，提高苹果的采摘质量。视觉系统是采摘机器人研究的难点之一，苹果树的三维重建的准确性关系到采摘机器人的采摘效率和采摘质量。近年来，国内外的研究人员对多种水果果实在自然条件下的识别与定位进行了研究，如柑桔、苹果和桃子等。在众多方法中，应用最多的是基于机器视觉的方法，即采用摄像机采集图像，利用计算机、DSP芯片等设备对图像进行处理，识别和定位果实。上述研究成果在一定程度上减轻了自然光线的影响，实现了自然条件下果实的识别和定位。但在采摘作业过程中，机械臂和机械手会与果树的枝干、果园中支撑果树的金属杆和铁丝等“障碍物”发生碰撞，从而使设备损坏或伤害果树。因此，仅仅对果实的定位并不能满足采摘作业的需要，同样需要对这些“障碍物”进行识别和定位。现有技术中采用对柑桔的枝干的色差R-B图像进行Ostu (最大类间方差法)自适应阈值分割，能够识别出枝干，但在光线直射的情况下，光照耀斑导致图像分割效果明显下降，对枝干的识别效果差。

发明内容
(一 )要解决的技术问题本发明要解决的技术问题是提供一种植物枝干识别方法，其能够准确地识别出植物的枝干，并能使苹果采摘机器人在采摘作业时避免因枝干的阻碍造成设备损坏或伤害果树等问题的发生。(二)技术方案为解决上述问题，本发明提供了一种植物枝干识别方法，包括以下步骤A :求取采集到的图像的R-G色差图像；B :利用阈值法获取所述R-G色差图像的分割图像；
C :利用数学形态学和面积特征对所述R-G色差图像的分割图像进行初步去噪，得到初步去噪的色差分割图像；D :分别根据所述采集到的图像的迎光或逆光情况对所述初步去噪的色差分割图像进行处理；E :对逆光情况得到的所述初步去噪的色差分割图像进行Hough变换直线检测；F :计算所述初步去噪的色差分割图像被检测得到的直线分割的不同区域的形状特征，并根据所述不同区域的形状特征对所述采集到的图像进行识别，得到最终的枝干目标。优选地，所述步骤A进一步包括将所述采集到的图像在RGB颜色空间中R通道的值与G通道的值相减的步骤。优选地，所述步骤B进一步包括若R-G色差图像的像素值在0 10之间，将该像素值置为255,否则,将该像素值置为0的步骤。优选地，所述步骤D进一步包括若所述采集到的图像为迎光图像，则不对所述初步去噪的色差分割图像进行处理，若所述采集到的图像为逆光图像，则采用candy算子提取所述初步去噪的色差分割图像的边缘，得到其边缘图像。优选地，所述步骤E中，进行Hough变换直线检测时，Hough变换的角度步长和距离步长分别为I度和I个像素，检测累加器取值最大的5条直线。优选地，所述步骤F进一步包括将直线所在区域识别为枝干，对被直线分割的其
它区域利用形状参数F =夂和偏心率e = I进行识别，满足F大于2. 5且e大于4的区域
识别为枝干的步骤，其中，A和B分别为区域的面积和周长，c和a分别为区域的边界长轴长度和短轴长度。(三)有益效果本发明通过对植物枝干的色差R-B图像进行阈值分割，并根据图像的迎光或逆光情况对分割图像进行去噪处理，能够准确地识别出植物的枝干，使苹果采摘机器人在采摘作业时避免因枝干的阻碍造成设备损坏或伤害果树等问题的发生。


图I为本发明实施方式中所述植物枝干识别方法的流程图。
具体实施例方式下面结合附图和实施例，对本发明的具体实施方式
作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。如图I所示，本发明所述的一种植物枝干识别方法，包括以下步骤A :求取采集到的图像的R-G色差图像；
本步骤中，将所述采集到的图像在RGB颜色空间中R通道的值与G通道的值相减。B :利用阈值法获取所述R-G色差图像的分割图像；本步骤中，若R-G色差图像的像素值在0 10之间，将该像素值置为255，否则，将该像素值置为O。
C :利用数学形态学和面积特征对所述R-G色差图像的分割图像进行初步去噪，得到初步去噪的色差分割图像；本步骤中，可以首先采用边长为5个像素得方形结构元素对所述R-G色差分割图像进行开、闭运算两次，清除微小噪声点。对清除微小噪声点后的R-G色差分割图像进行区域标记，并分别计算各个区域的面积，清除面积小于最大区域面积1/50的区域，得到初步去噪的色差分割图像。D :分别根据所述采集到的图像的迎光或逆光情况对所述初步去噪的色差分割图像进行处理；本步骤中，若所述采集到的图像为迎光图像，则所得到的初步去噪的色差分割图像中的目标(像素值为255部分)即为枝干，其余部分为背景，不对所述初步去噪的色差分割图像进行处理，若所述采集到的图像为逆光图像，所述初步去噪的色差分割图像中依然包含较多噪声，则采用candy算子提取所述初步去噪的色差分割图像的边缘，得到其边缘图像。E :对逆光情况得到的所述初步去噪的色差分割图像进行Hough变换直线检测；本步骤中，进行Hough变换直线检测时，Hough变换的角度步长和距离步长分别为I度和I个像素，检测累加器取值最大的5条直线。所述5条直线中，累加器取最大2值所对应的直线，将所述初步去噪的色差分割图像分割为不同的区域，所述5条直线所在区域为枝干，其中累加器取最大2值所对应的直线之间的区域为树干，另外3条直线所在区域为树枝。所述5条直线所在区域外，存在枝干和噪声。F :计算所述初步去噪的色差分割图像被检测得到的直线分割的不同区域的形状特征，并根据所述不同区域的形状特征对所述采集到的图像进行识别，得到最终的枝干目标。本步骤中，所述形状特征有多个参数，本实施例只计算形状参数和偏心率，首先定
义区域的形状参数和偏心率，形状参数
权利要求
1.一种植物枝干识别方法，其特征在于，包括以下步骤 A :求取采集到的图像的R-G色差图像； B :利用阈值法获取所述R-G色差图像的分割图像； C :利用数学形态学和面积特征对所述R-G色差图像的分割图像进行初步去噪，得到初步去噪的色差分割图像； D :分别根据所述采集到的图像的迎光或逆光情况对所述初步去噪的色差分割图像进行处理； E :对逆光情况得到的所述初步去噪的色差分割图像进行Hough变换直线检测； F :计算所述初步去噪的色差分割图像被检测得到的直线分割的不同区域的形状特征，并根据所述不同区域的形状特征对所述采集到的图像进行识别，得到最终的枝干目标。
2.根据权利要求I所述的植物枝干识别方法，其特征在于，所述步骤A进一步包括将所述采集到的图像在RGB颜色空间中R通道的值与G通道的值相减的步骤。
3.根据权利要求I所述的植物枝干识别方法，其特征在于，所述步骤B进一步包括若R-G色差图像的像素值在0 10之间,将该像素值置为255,否则,将该像素值置为0的步骤。
4.根据权利要求I所述的植物枝干识别方法，其特征在于，所述步骤D进一步包括若所述采集到的图像为迎光图像，则不对所述初步去噪的色差分割图像进行处理，若所述采集到的图像为逆光图像，则采用candy算子提取所述初步去噪的色差分割图像的边缘，得到其边缘图像。
5.根据权利要求I所述的植物枝干识别方法，其特征在于，所述步骤E中，进行Hough变换直线检测时，Hough变换的角度步长和距离步长分别为I度和I个像素，检测累加器取值最大的5条直线。
6.根据权利要求I所述的植物枝干识别方法，其特征在于，所述步骤F进一步包括将直线所在区域识别为枝干，对被直线分割的其它区域利用形状参数F = 偏心率e = fAnAa进行识别，满足F大于2. 5且e大于4的区域识别为枝干的步骤，其中，A和B分别为区域的面积和周长，c和a分别为区域的边界长轴长度和短轴长度。
全文摘要
本发明公开了一种植物枝干识别方法，包括以下步骤A求取采集到的图像的R-G色差图像；B利用阈值法获取所述R-G色差图像的分割图像；C利用数学形态学和面积特征对所述R-G色差图像的分割图像进行初步去噪，得到初步去噪的色差分割图像；D分别根据所述采集到的图像的迎光或逆光情况对所述初步去噪的色差分割图像进行处理；E对所述初步去噪的色差分割图像进行Hough变换直线检测；F计算图像被检测得到的直线分割的不同区域的形状特征，并据此对所述采集到的图像进行识别，得到最终的枝干目标。本发明能够准确地识别出植物的枝干，并能使苹果采摘机器人在采摘作业时避免因枝干的阻碍造成设备损坏或伤害果树等问题的发生。
文档编号G06T7/00GK102622755SQ20121004919
公开日2012年8月1日 申请日期2012年2月28日 优先权日2012年2月28日
发明者任雯, 冯娟, 刘刚, 司永胜, 周薇 申请人:中国农业大学