[发明专利]一种果实定位识别方法

摘要

本发明公开了一种果实定位识别方法，本发明的方法利用神经网络颜色分类模型分割出果实像素区域；利用边缘检测算法对去除背景的果实像素区域图像进行边缘检测，检测出果实边界；利用图像中定位形状的霍夫变换技术对果实边缘图像进行霍夫变换的圆检测，获得果实圆及圆心位置，并且实现了对果实重叠区域的分割；基于图像深度信息，融合摄像头姿态信息和世界位置信息，采用世界坐标变换算法对每个果实圆心的世界坐标进行提取，实现果实的快速检测、精准定位和准确计数。

主权项

一种果实定位识别方法，其特征在于，所述方法包括以下步骤：S1、利用不同光照条件下的不同成熟程度果实图像与非果实图像作为训练样本，通过对神经网络模型进行训练得到用于果实检测的神经网络颜色分类模型；S2、获取目的场景的RGB图像以及深度图像；S3、将所述RGB图像的R、G、B值作为所述神经网络颜色分类模型的输入，并输入到所述神经网络颜色分类模型，由所述神经网络颜色分类模型对所述RGB图像的像素点进行分类，去除背景像素，得到果实像素区域图像；S4、利用边缘检测算法对所述步骤S3得到的果实像素区域图像进行边缘检测，得到果实边缘图像，所述果实边缘图像为各个果实的边界；S5、选用标准的圆作为果实的形状模型，利用霍夫变换算法对所述果实边缘图像进行圆检测，得到果实圆以及圆心在所述RGB图像中的坐标；利用霍夫变换圆检测，根据不完全信息检测圆的特性实现对所述果实边缘图像中重叠区域的分割；S6、匹配所述RGB图像和深度图像的像素坐标，得到果实圆心的深度信息；S7、根据果实圆心的所述深度信息，融合采集深度图像的摄像头的姿态信息以及其世界定位信息，通过世界坐标变换算法得到每个果实圆心的世界坐标；所述步骤S3之后、所述步骤S4之前，还包括以下步骤：所述神经网络颜色分类模型对所述果实像素区域图像进行二值化，然后对二值化的所述果实像素区域图像进行形态学的孔洞填充和开运算，用得到的孔洞填充和开运算之后的所述果实像素区域图像对所述RGB图像做掩码运算，得到边缘平滑的去除背景的果实像素区域图像；所述步骤S4中的边缘检测算法为拉普拉斯二阶零交叉检测算子，所述拉普拉斯二阶零交叉检测算子利用两个不同参数的高斯函数的差来近似地对所述果实像素区域图像作卷积，通过寻找所述果实像素区域图像的二阶导数的过零点来寻找边界，从而检测出果实图像的边缘点；所述步骤S7中，得到每个果实圆心的世界坐标的具体步骤为：S71、将深度图像的坐标系中的坐标转换为深度摄像头坐标系的坐标；S72、将所述深度摄像头坐标系中的坐标转换为世界坐标系的坐标。