基于双目视觉的棉花作物行检测算法研究.docx

《基于双目视觉的棉花作物行检测算法研究.docx》由会员分享，可在线阅读，更多相关《基于双目视觉的棉花作物行检测算法研究.docx（58页珍藏版）》请在第一文库网上搜索。

1、基于双目视觉的棉花作物行检测算法研究Research on Cotton Row Detection Algorithm Based onBinocular Vision摘要计算机立体视觉是通过模拟生物双目视觉的原理来实现对空间物体的三维定位和感知的，目前己经应用于工业检测、监控系统、医学影像及机器视觉导航等诸多领域。近年来,计算机视觉领域引起许多学者的关注。机器视觉作为相对定位的一种方法，能够用于棉花中耕期和施药过程的车辆自动导航。由于单目视觉系统无法直接获取图像的深度信息，需要经过大量的运算实现，影响了图像处理速度，并且存在识别精度低、抗噪能力差等诸多问题,难以实现作业机械可靠稳定的导航。

2、本课题提出了一种基于双目立体视觉技术的棉花作物行识别算法，用于棉花作业机械的自动导航。本文首先设计了以双目摄像机、图像采集卡及计算机为基础设备的硬件控制系统，搭建了基于OpenCV开源跨平台计算机视觉库与Visual Studio 2010相结合的图像处理软件平台。利用Bumblebee2双FI摄像机通过IEEE1394接口实时采集棉花图像，通过彩色图像的灰度化、平滑滤波和图像分割等图像预处理方法将棉花与土壤进行区分，减少了图像噪声，提高了后续图像匹配的精度。其次利用张氏平面标定法对摄像机进行标定，求出摄像机的内外参数，其中内参数主要包括主点、焦距和透镜畸变系数，外部参数为从世界坐标系到摄像机

3、坐标系的平移向量和旋转变换矩阵。分析了尺度空间构建、尺度空间特征点检测、SIFT特征描述符生成、特征向量的匹配过程等SIFT算子。根据SIFT算子，对预处理后的图像对进行立体匹配，之后采用视差测距法求得棉花空间三维坐标，并通过OpenGL实现三维重建结果的显示。利用高程信息，剔除低于设定高程阀值的杂草、倒伏棉株、阴影、行间杂物等图像信息，基于Hough变换方法检测出棉花作物行。棉花作物行识别结果表明该方法的精确度可以达到90%以上，能够基本满足田间作业机械自动导航的要求。关键词：双目视觉，SIFT算法，立体匹配，三维重建，棉花作物行检测AbstractComputer vision achie

4、ves 3D positioning and perception of space objects based on theprinciple of biological binocular vision simulation, and has currently been used in fields such asindustrial detection, monitoring system, medical imaging, machine vision navigation, etc. In thelast few years, computer vision has been dr

5、awing increasing attention from experts and scholars inthe fields of machine vision. As a relative locating method, machine vision is generally used forautomatic navigation of cotton cultivator or cotton insecticide sprayer. However, it is difficult toachieve reliable and stable recognition of crop

6、rows with monocular stereo vision system, becauseit neither can access directly to the depth information of the image, which leads to massivetime-consuming calculation, nor possess high-accuracy recognition or a good anti-noise property.This paper presents an algorithm for cotton row detection based

7、 on binocular stereo vision to beused for automatic navigation of cotton cultivator.Firstly, a hardware control system is constructed on the basis of binocular camera, imagecapture card and computer, and an image processing software platform based on Open SourceComputer Vision Library and VC+ is dev

8、eloped. The images of cotton are captured in real timeby the binocular cameras using IEEE 1394 interface. Preprocessing means including graying colorimages, edge detection and smooth filtering are applied to distinguish the cotton from soil, whichreduces the picture noise and improves the matching a

9、ccuracy of subsequent images. The Zhangsplane calibration is used to obtain the internal and external parameters of the binocular stereovision. The i n tern al - parameters include the main point, focal length, the lens distortion coefficient,etc. The external-parameters include translation vector f

10、rom the world coordinate system to thecamera coordinate system and rotational transformation matrix. SIFT operators, such as scalespace building, scale space feature point detection, feature descriptor generation and feature vectormatching are analyzed. Stereoscopic match is conducted according to t

11、he operators, after whichcotton space three-dimensional coordinates are acquired by parallax distance measuring method,and 3d reconstruction results are displayed using OpenGL. With the elevation information, imageinformation of the weeds, the lodging cotton leaves, the shadow and the sundry between

12、 the rowswhose elevation thresholds are less than the set elevation thresholds are removed. And with Houghtransform, cotton lines are finally detected. The detection results indicate that this method has anaccuracy higher than 80%, which primarily meets the need of automatic navigation for cottoncul

13、tivator.Keywords： binocular vision, Scale Invariant Feature Transform, stereoscopic matches,three-dimensional reconstruction, cotton row detection第一章绪论11.1 课题研究意义11.2 国内外研究现状11.3 课题来源与研究内容2第二章双目立体视觉系统52.1 双目立体视觉基本原理介绍52.2 双目立体视觉系统硬件平台的构建62.3 双目立体视觉系统软件系统设计72.4 本章小结10第三章双目立体视觉系统的标定113.1 摄像机的标定方法与原理11

14、3.2 摄像机标定过程133.3 双目视觉标定结果分析163.4 本章小结19第四章双目视觉棉花作物的立体匹配214.1 棉花作物图像的预处理214.2 基于SIFT算法的立体匹配274.3 SIFT算法立体匹配及实验结果分析314.4 本章小结33第五章棉花作物的三维重建及作物行检测355.1 基于视差测距法的三维重建方法355.2 三维重建后棉花作物的显示365.3 棉花作物三维重建实验结果及分析375.4 棉花作物行检测算法研究395.5 本章小结42第六章总结和展望456.1 总结456.2 展望45参考文献47致谢错误!未定义书签。作者简介错误!未定义书签。III第一章绪论1.1 课

15、题研究意义我国是一个农业大国，农业机械化与自动化一直是提高我国农业经济发展的前提要求，棉花作为我国的重要经济作物，种植面积较广阔，尤其以新疆棉区种植面积最为集中，在我国棉花产量中占了很大的比例，主要作为优质棉花的出口基地。2013年我国市场棉花储量情况表明，我国进I棉花量呈增长趋势，意味着国内原材料需求的回暖，从侧面反映出我国棉纺织业的飞速发展，所以实现棉花作物的机械化自动化作业对我国经济的发展起到了关键的作用，很久之前棉花的机械化进展就引起了国家的高度重视，早在50年代末60年代初，新疆农垦农场就引进了棉花的作业机械，研究人员一直致力于研发更适合我国棉花种植地形同时更有效的棉花作业机械，总体水平有很大的提高，但是棉花收获机械化与自动化程度仍然比较低，至今仍然以人工采摘为主，降低了生产效率，增大了劳动强度，制约了棉花生产的发展和棉农收入的提高。目前，我国对棉花生产机械化与自动化进行了一定程度的研究，主要采用了 GPS定位、基于G1S的路径规划及机器视觉等技术手段，推进了棉花生产机械化进程。双目立体视觉是机器视觉中识别精度较高的研究方法，该方法基于视差原理并通过两幅图像获取物体的三维几何信息，由双目摄像机通过不同角度获取被测物的两幅不同位置图像,基于两幅图像视差原理恢复出物体的三