基于AdaBoost算法的级联分类器对绿色荔枝的快速检测方法

针对绿色荔枝与树叶颜色相似,采摘机器人在自然环境下准确识别较为困难的问题,提出一种基于AdaBoost算法的级联分类器快速检测方法。首先提取MB-LBP特征,并基于积分图技术快速计算其特征值;然后利用AdaBoost算法从MB-LBP特征中构造若干个最优弱分类器,并加权组合成强分类器;最后通过若干个强分类器的级联来构造级联分类器,可获得基于MB-LBP特征的AdaBoost级联分类器。试验表明:该方法对绿色荔枝的识别准确率为92.7%,召回率为81.3%;测试图像的平均处理时间为1.276 s。

基于双目视觉的齿轮曲面重构

工件的曲面重构可以反求工件的表面信息,对工件的重设计和造型改进具有重要的意义。本文以常用零件齿轮为对象,提出了基于双目视觉的曲面重构算法,反求齿轮的三维曲面模型。阐述了图像处理算法,提出了只针对目标区域进行立体匹配的算法,以节省计算量;介绍了三维点云处理算法,包括对图像处理后得到的三维点云进行滤波去噪,并将不同视角下获得的三维点云进行配准,得到完整的齿轮表面信息;最后利用贪婪投影三角化算法重构齿轮的曲面模型。

基于改进法线方向的泊松曲面重构算法

针对三维点云在泊松曲面重构过程中由于法线方向不一致而导致重构结果出现偏差的问题,提出一种基于改进法线方向的泊松曲面重构算法。利用包围盒将原始点云分割为若干个立方体体素,并将每个有效体素标记为"位置已知"或"位置未知"。采用KD(k-dimensional)树对每个有效体素内的点云重新排序,利用主成分分析法进行法线估计,将新的顺序作为法线传播方向,实现点云法线的局部定向。针对"位置已知"的体素,依据体素质心位置完成法线的全局定向;对于"位置未知"的体素,则依据相邻体素的法线实现法线的全局定向。最后,结合法线定向结果对点云进行泊松曲面重构。实验结果表明,该算法能将复杂曲面点云的法线定向至同一侧,法线估计误差接近于0,能较好地实现泊松曲面重构,提高重构曲面的准确度。

轻量化番石榴采摘机器人的关键技术研究与应用

为了发展智慧农业,采摘机器人研发具有重要意义。华南农业大学、仲恺农业工程学院、广州若铂智能机器人有限公司合作对轻量化番石榴采摘机器人展开了研究,在野外环境下进行了番石榴的识别与定位、末端执行器、机器人本体、驱动与网络化控制等关键技术的研究,实现了番石榴采摘机器人的自动化与智能化,研究成果经成果鉴定为国际先进水平。番石榴采摘机器人及其关键技术获得一定的应用推广,并获得国际著名公司的认可和合作机会,取得了良好的社会经济效益。

复杂背景下目标三维重构的图像预处理方法

针对目标三维重构图像处理算法要求背景单一、对实验环境依赖性较大的弊端,提出了一种复杂背景下目标三维重构的图像预处理算法。通过对所采集的图像进行高斯滤波、伽马变换以及直方图均衡化处理,去除图像噪点,对复杂背景图像进行抑制,最大程度地强化目标细节信息。融合Grab cut算法与Deeplab算法,解决Grab cut耗时而Deeplab边缘模糊的问题,有效地实现了目标与复杂背景的分离。搭建了针对小汽车模型的实验平台,共获取16组目标图像,验证了该算法的可行性。以2组目标为例,对比了所提算法与传统三维重构图像预处理算法的效果:所提算法的分割准确性为0.9986,灵敏度为0.9889,特异性为0.9991,均高于传统方法;与传统算法点云噪点率为22.7%相比,所提算法的点云噪点率降低为1.15%;所提算法的平均重构耗时为2.245s,是传统算法耗时的60.6%。由此证明了所提图像预处理方法在复杂背景下的三维重构中具有更好的效果。

复杂环境下异形多目标识别与点云获取算法

研究了复杂环境下不同形状物体的快速识别、定位以及表面检测,旨在满足智能机器在线作业时对复杂环境中的目标进行同步性抓取以及表面检测等需求,讨论了异形物体的多目标快速识别、定位、立体匹配及点云后处理算法。首先,基于稳健主成分分析识别出场景中的新增目标,再运用改进k均值聚类对各目标进行图像定位。然后,通过支持向量机筛选出感兴趣区域,并借助外极线约束进行一维搜索获取双目图像中的待匹配区域,快速获得局部三维点云。最后,进行特定的点云去噪处理以减小误差。实验结果表明,相比于传统方法,本文算法有效缩短了程序运行时间,并有效抑制了由复杂背景引起的各种噪声,提高了在复杂环境下获取点云的精度和自适应性,是一种稳健、有效、快速的三维点云获取算法。