一种采摘机器人的堆叠蘑菇快速识别方法与流程

本发明涉及收获机械领域，具体涉及果蔬采摘机器人的图像识别算法，特别是对蘑菇类球状果实的快速识别方法。

背景技术：

在中国，蘑菇栽培已经形成工厂化生产，采摘蘑菇是在阴暗潮湿的蘑菇房中进行，工作环境差。采摘机器人的应用可以大量减少劳动力，提高工作效率，改善工作环境。近年来，各国相继开展对各类果蔬采摘机器人的研究，然而，由于蘑菇生长非结构化特点，存在很多影响蘑菇识别的因素，因此，蘑菇的的快速识别成为采摘机器人的研究重点。

蘑菇堆叠较多、生长姿态不可控、图像匹配难度高等都给采摘机器人末端执行器识别和定位带来困难。另外，现在的蘑菇识别技术难以区分成熟蘑菇和不成熟蘑菇、无损伤蘑菇和有损伤蘑菇，难以实现蘑菇的选择性采摘，因此，蘑菇的快速识别和定位问题现已经成为采摘机器人亟待解决的关键问题之一。

技术实现要素：

针对已有技术存在的不足，本发明的目的是提供一种针对蘑菇等类球状堆叠果实的快速识别定位方法，解决由于蘑菇自然生长导致堆叠影响机器人快速识别定位的问题。其方法简单、通用性好，能够准确提高采摘机器人的采摘速度。

本发明是通过如下技术方案实现以上目的的。

本发明的一种采摘机器人的堆叠蘑菇快速识别方法，步骤如下：

步骤1：堆叠蘑菇图像采集：采用ccd摄像机连续采集图像；

步骤2：堆叠蘑菇分割：对采集到的图像进行动态阈值分割，去除背景，并采用数学形态学方法对分割后的区域进行完善，去除噪声和孔洞并分离堆叠蘑菇；

步骤3：最大蘑菇区域提取：对图像进行区域面积筛选，得到最大蘑菇区域；

步骤4：确定目标蘑菇的圆心坐标：对筛选后的目标蘑菇区域进行圆形拟合，并确定拟合后的圆心坐标；

步骤5：匹配识别与定位：根据圆心坐标，采用快速归一化互相关匹配对堆叠蘑菇进行快速识别与定位。

进一步，所述步骤2中采用数学形态学方法对分割后的区域进行完善的过程为：

步骤2.1，采用一定大小半径的圆形结构对分割后的区域进行腐蚀运算，之后求得区域的最大连通区域，将环境噪声和堆叠部分去除；

步骤2.2，对区域进行膨胀运算，填充区域孔洞。

进一步，所述步骤4完善过程为：

步骤4.1：目标蘑菇区域圆形拟合：采用最小外接圆法对目标区域进行拟合运算，最终目标区域被圆形区域覆盖；

步骤4.2：确定拟合圆形区域圆心坐标：通过计算圆内各点到轮廓边缘最小距离的极大值找出拟合圆形区域圆心位置并以坐标化。

进一步，所述步骤5完善过程为：

式中，(i，j)为子图fi，j的左上角在图像f中的坐标，称为参考点；r(i，j)为互相关系数。

本发明的一种采摘机器人的堆叠蘑菇快速识别方法的优点是：针对蘑菇等类球状果实自然培养情况，该发明方法能够准确快速识别堆叠果实，而且采摘机器人抓取果实重合度高，运行时间短，实时性较高。

附图说明

图1是堆叠蘑菇快速识别流程图；

图2是堆叠蘑菇图像分割以及形态学运算后的图像，其中，图2a为原始图像，图2b为形态学腐蚀后的图像，图2c为形态学膨胀后的图像；

图3是堆叠最大蘑菇提取图。

图4是最大蘑菇圆形拟合图。

图5是提取的匹配模板图。

图6是快速归一化互相关匹配结果图。

具体实施方式

本发明专利具体流程图如图1所示，下面结合附图对本发明专利的具体步骤作进一步的说明。

1、堆叠蘑菇图像采集

本发明采用ccd摄像头连续采集图像，采集频率为10帧/秒。

2、堆叠蘑菇分割

本专利对图像首先采用基于灰度直方图动态阈值进行分割，分离蘑菇与背景区域，然后对分割后的图像采用数学形态学方法去除孔洞、噪声等。具体方法是首先采用半径为150的圆形结构元素对图像进行腐蚀运算，之后求得区域的最大连通区域，将环境噪声和堆叠部分去除；最后对区域采用半径为130的圆形结构元素进行膨胀运算，填充区域孔洞。图像分割完善效果如图2所示。

3、最大蘑菇区域提取

通过对分割完善后的图像运用区域面积筛选，筛选出最大蘑菇区域。具体筛选运算方法是首先对目标区域进行一定规格大小的点标记，使得整个目标区域被点填满，然后计算各分区域内点的个数，数量最多的点区域即为最大蘑菇区域。最大蘑菇区域提取图如图3所示。

4、确定目标蘑菇的圆心坐标

首先采用最小外接圆法对目标区域进行拟合运算，使目标区域被圆形区域覆盖；然后寻找圆内各点到轮廓边缘的最小距离的极大值找出圆心的位置。具体方法是对圆形区域内的点采用多方向由轮廓向圆内扫描，计算各点到轮廓边缘的最小距离，最终在这些距离值中选出极大值，该极大值对应点的位置即为圆心所在位置。结果图如图4所示。

5、提取目标蘑菇模板

根据4中确定的拟合区域及圆心坐标截取相匹配的模板。结果图如图5所示。

6、匹配识别与定位

根据圆心坐标，采用快速归一化互相关匹配对堆叠蘑菇进行快速识别与定位。匹配结果图如图6所示。

归一化互相关匹配的算法步骤如下：

设待匹配图像f(像素m×n)与模板图像t(像素m×n)。归一化相关系数的定义为：

将模板图t放在搜素图f上平移，模板覆盖下的那块搜索图叫做fi，j。

式中：(i，j)为子图fi，j的左上角在图像f中的坐标，称为参考点。分子位置的项是子图像和模板图像的互相关，随(i，j)的改变而改变；分母的第一项表示子图fi，j的总能量，分母的第二项表示的是模板t的总能量。

r(i，j)的范围在(0，1)之间，r为相似性的度量值，该值越大，说明匹配模板相识度越高。当模板t和覆盖子图匹配时，r出现极大值，当模板和覆盖子图完全一样时，互相关系数r(i，j)＝1。当完成全部搜索图f后，找出互相关系数rmax(i，j)，其对应的fi，j就是要找的匹配目标。

技术特征：

技术总结
本发明公开了一种采摘机器人的堆叠蘑菇快速识别方法，通过CCD摄像头连续采集蘑菇图像，对采集到的图像进行图像分割运算，去除背景及噪声；通过区域面积筛选运算筛选目标图像中的最大蘑菇区域，然后对该区域采用最小外接圆法进行拟合运算，得到圆形区域；通过计算圆内各点到轮廓边缘的最小距离的极大值确定蘑菇区域圆心位置；根据圆心位置截取目标蘑菇的匹配模板。最后，采用快速归一化互相关匹配算法对蘑菇进行匹配识别。该发明方法能够准确快速识别堆叠果实，而且采摘机器人抓取果实重合度高，运行时间短，实时性较高。

技术研发人员：胡小梅;李明杭
受保护的技术使用者：上海大学
技术研发日：2017.07.04
技术公布日：2017.11.03