采摘机器人果实识别的多源图像配准

为了提高果实识别的准确性,减少非结构化环境对识别的影响,使用基于光学混合探测(PMD)技术的深度摄像机与RGB摄像机组合捕获果园环境的多源图像;SURF算法提取待配准图像的尺度不变特征,欧式距离作为判断特征相似性的测度,最近邻与次近邻比值实现特征向量的初匹配,最近邻的搜索策略加速匹配过程;剔除异常点与优化模型交替迭代的方法提纯匹配结果;并以均方误差(MSE)、归一化互信息(NMI)和相关系数(COEF)作为配准效果的客观评价标准。不同试验结果表明:双摄像机组合丰富了锁定目标区域的信息量,配准算法的实时性、鲁棒性及精度均能满足果园试验的要求。

不同生长时期果树多源图像的配准方法研究

为了实现苹果树冠层的三维重建,指导智能剪枝、疏花和采摘,构建了集成光学混合探测(PMD)摄像机和彩色摄像头的图像采集系统,研究了不同生长时期的多源图像配准方法。从相似度评价指标和PMD图像的像素可靠性两个方面来描述果树不同生长时期图像的不同特征。结合图像的特征信息,提出了应采用基于深度信息的多源传感器标定技术,实现果树从开花期到成熟期的图像配准;对休眠期到发芽期的果树图像应采用基于图像特征的多源图像配准算法。对自然场景下的成熟期、休眠期、开花期果树图像共90组进行图像特征分析和不同配准方法试验验证,成熟期和开花期的匹配率达到100%,休眠期的匹配率达到86.11%。