蘆　卿　江蘇省常州技師學(xué)院　213032

?

機器人三目視覺系統(tǒng)詳細設(shè)計

蘆卿江蘇省常州技師學(xué)院213032

【文章摘要】

由于果園環(huán)境復(fù)雜，果實和障礙物難以定位，這勢必對機器人采摘帶來一定的困難。而三目攝像機可以同時對一個果實或障礙物進行攝像，獲取三幅圖像，通過軟件系統(tǒng)同時對這三幅圖像進行分析和處理，并且通過對這三幅圖像的像素進行分析，建立相對應(yīng)的像素關(guān)系，從而確定果實或障礙物到攝像機之間的距離。

【關(guān)鍵詞】

機器人；三目視覺系統(tǒng)

目前國內(nèi)水果的采摘仍然以人工為主，一方面增加了果園的勞動成本，降低了水果采摘效率；另一方面，隨著人口老齡化，農(nóng)業(yè)勞動人員短缺也是我國農(nóng)業(yè)發(fā)展所面臨的問題。如果對采摘機器人進行分析和研究，以期通過農(nóng)業(yè)的機械化和自動化提高果園勞動效率，降低勞動成本。而實際情況是由于果園環(huán)境復(fù)雜，果實和障礙物難以定位，這勢必對機器人采摘帶來一定的困難。而三目攝像機可以同時對一個果實或障礙物進行攝像，獲取三幅圖像，通過軟件系統(tǒng)同時對這三幅圖像進行分析和處理，并且通過對這三幅圖像的像素進行分析，建立相對應(yīng)的像素關(guān)系，從而確定果實或障礙物到攝像機之間的距離。

三目成像是基于雙目成像基礎(chǔ)上，不僅能夠在X軸和Y軸兩個方向確定果實或者障礙物的位置，同時還能夠確定果實或者障礙物到攝像機的距離。

目標(biāo)物體在圖像中的視差，以及目標(biāo)物體與攝像頭之間的幾何關(guān)系決定了目標(biāo)物體到攝像機的距離。由攝像機的焦距、圖像分辨率，以及各個攝像頭之間的位置來確定目標(biāo)物體與攝像機之間的位置。農(nóng)業(yè)機器人采用DIGIHIBW-60攝像機來進行測距的原理如圖1所示。

圖1　通過視差測距的原理圖

如圖1所示，三目攝像機的左右兩個攝像機所同時拍攝的兩張圖片，其中點Aleft和點Aright分別對應(yīng)A點在左攝像頭和右攝像頭中的成像，點Bleft和點Bright分別對應(yīng)B點在左攝像頭和右攝像頭中的成像。

果實的空間定位除了需要定位果實與采摘機器人機械手之間的距離以外，還需要確定投影平面內(nèi)的X、Y坐標(biāo)，為此還需要通過對圖像進行處理，來確定果實的投影空間坐標(biāo)。由于果實一般都是圓形或者近似圓形，為此，在本文所研究的農(nóng)業(yè)機器人中主要對圓形或者近圓形果實的自動識別進行分析。

在對圓形或者近圓形物體進行自動識別時，通常都會使用到霍夫變換，而在使用霍夫變換獲取圓心坐標(biāo)之前，首先需要提取果實的輪廓。常用的輪廓提取算法（邊緣檢測算法）有Canny算子、Roberts算子、Prewitt算子、Sobel算子、Krisch算子等。在通過三目視覺系統(tǒng)獲取果實圖像之后，將果實圖像進行二值化，并且從二值化的果實圖像提取果實的輪廓信息，最終得到果實的中心位置信息。球形果實輪廓提取的效果如圖2所示。

圖2　圓形果實輪廓提取效果圖

在確定球形果實的輪廓之后，就可以利用圓形霍夫變化來獲取球形果實圖像的半徑以及坐標(biāo)?；舴蜃兓菣z測確定曲線的最為有效的辦法，具有曲線間斷影響小、受到噪聲的影響小等特點，當(dāng)果實被樹葉遮住，導(dǎo)致果實圖片信息缺失時，也可以利用霍夫變化來盡量減少這種損失。但是經(jīng)典的霍夫變換是通過全局迭代和累加來確定曲線的，所需存儲量大、運算量大、效率低、速度慢，因此在實際使用中，應(yīng)該考慮如何降低霍夫變化的累積維數(shù)，從而達到提高算法效率的問題。

在本文對研究中，通過尋找球形果實圖像中同心圓的弦中點來對霍夫變化進行改進，在改進的霍夫變化算法中，將三維參量統(tǒng)計，轉(zhuǎn)變成為基于弦中點的圓心和半徑參量統(tǒng)計，從而有效的降低了霍夫變換算法的復(fù)雜度。其中，弦中點霍夫變化的算法原理為：在一個球形果實的二維圖像中，在該球形圖像中的圓上任意取一點，然后將該點與其它圓上的任意一點連接組成一根圓上的弦，然后將這組中點線相聯(lián)之后，組成一個與圓內(nèi)切的新圓（如圖3所示）。

圖3　內(nèi)切圓

如圖3所示，內(nèi)切圓的中心經(jīng)過圓心，則計算若干個內(nèi)切圓的交點，就可以得到圓的圓心，如圖4所示。

圖4　圓上的多個內(nèi)切圓

本文在該算法基礎(chǔ)上加以改進，首先將該算法用于本文中含有果實輪廓的二值圖像中，在該輪廓上任取一點求取弦中點內(nèi)切圓。遍歷整個輪廓之后可以求出一個輪廓的中心，然后簡化了半徑求取的過程，只要求該中心點到邊界輪廓的距離，建立一個果實半徑的閾值，將所有閾值內(nèi)的半徑值求平均作為最終確定的半徑值。把該中心即當(dāng)做果實的圓心，求取的半徑當(dāng)做果實的半徑，為了檢驗圓心和半徑值和實際蘋果質(zhì)心和半徑值的偏差，以求取的圓心和半徑值畫出擬合圓。

圖5　霍夫變換后的球形果實效果圖

由圖5處理結(jié)果可見，通過該算法做出的擬合圓與果實輪廓基本吻合，說明該算法能夠準(zhǔn)確確定果實的中心位置及半徑，而且該算法處理速度快且效果較好。對于算例果實，得出的坐標(biāo)值及半徑見圖6，單位為像素。

圖6　所獲得的球形果在采集圖像上的圓心和半徑