基于双目立体视觉的番茄识别与定位技术

第30卷　第22期Vol.30 22№

计　算　机　工　程Computer Engineering

文献标识码：A

2004年11月

November 2004

中图分类号： TP391.41

——02 人工智能及识别技术 文章编号：1000—3428(2004)22 0155

基于双目立体视觉的番茄识别与定位技术

(江苏大学生物与环境工程学院，镇江212013)

摘 要：根据颜色特征利用阈值自动设定的方法对图像进行分割，自动、快速识别红色番茄；采用形心匹配取代常规的特征点选择和匹配方法，对双目立体成像测距公式进行了修正，经过验证，当工作距离小于500mm时，距离误差可以控制在±10mm以内。

关键词：计算机视觉；定位；双目立体视觉

郑小东，赵杰文，刘木华

Tomatoes Recognition and Location from Nature Background

Based on Binocular Stereo Vision

ZHENG Xiaodong，ZHAO Jiewen，LIU Muhua

(School of Biological & Environmental Engineering, Jiangsu University, Zhenjiang 212013)

【Abstract】In this paper, a new method is presented to locate tomatoes from nature background. Color information is used to segment image and the threshold used is selected based on the current image. According to the results of the discriminating and by use of binocular stereo vision technique, the 3-D position of the fruit could be got. In the process of position locating, centroid-mathing is recommended to displace the common object-mathing. At the same time, the formula based on binocular stereo vision to measure distance is revised. The result shows that when the work distance is less than 500mm, almost all the errors are less than 10mm.

【Key words】Computer vision；Location；Binocular stereo vision

分割后的图像作如下处理：令T≤0的像素的颜色值为(255，利用机器人采摘果实，首先要识别果实，然后确定果实

255，255)，即变为白色像素，令T>0的像素保持原来原始图的空间位置，这样才能实现下一步的采摘工作。基于计算机

像中的颜色。图1(a)为原始图像，图1(b)为第一次分割后的视觉寻找树上果实的方法大致可以分为两类：一类是根据颜

效果图，图

1(c)色或者灰度特征分割图像、寻找果实；另一类是在图像采集

时使用滤波片或者其它设备获取较为简单的图像，然后根据形状特征寻找果实[1,2]。这些方法目前基本上都停留在理论研究阶段，与实际生产的需要差距很大。本文所提出的番茄识别与定位技术可满足实际工作需要，力求快速、准确。

1 识别

1.1 图像分割

在图像上成熟番茄呈现红色，背景大部分是绿色的枝叶，还有少部分是呈现介于黄色和红色之间颜色的枯萎枝叶。当图像上的像素呈现红色时，其R值(像素红色颜色分量)大于G值(像素绿色颜色分量)；当像素呈现绿色时，其G值大于R值；当像素呈现介于黄色和红色之间的颜色时，虽然R值也大于G值，但是二者的差值远小于红色像素的R值与G值的差值。根据这个特征，可以实现对图像的两次分割。令T＝R－G。

第一次分割：如果T≤0，认为是背景像素，令该像素的R值、G值、B值都为0；如果T>0，认为该像素可能属于番茄，令该像素的R值、G值、B值都为T。

经过第一次分割后，图像转变为灰度图像。属于番茄部分的像素的灰度值大部分集中在高灰度区域，非番茄部分的像素的灰度值大部分集中在低灰度区域，选择合适的阈值进行第二次分割。阈值确定后，把灰度值小于阈值的像素变为白色像素(灰度值为255)，灰度值大于阈值的像素变为黑色像素(灰度值为0)，这样图像就转化成二值图像，可进行下一步处理。为适用于在不同光照条件下拍摄到的图像，阈值需要根据具体图像自动设定，阈值确定采用迭代法[3]。

为了显示第一次分割和第二次分割的效果，特对第一次

(a)原始图像 (c)第二次分割后的图像

(d)识别结果

图1 番茄识别

1.2 噪声消除

经过第二次分割后的图像中仍有许多非番茄部分的像素。对于较小的在视觉上表现为散点的噪声，可以用形态学开运算和中值滤波相结合的方法去掉。对于较大的噪声区域，其面积和周长同番茄的面积和周长相比是比较小的，可以根据面积或周长特征去掉。图1(d)是经过轮廓提取、曲线标记，基于周长特征的识别结果。

2 定位

番茄位置的确定采用双目立体视觉技术。双目立体视觉技术是用两个摄像头模拟人的双眼，同时从两个不同位置对