公开(公告)号：CN109978949A

公开(公告)日：2019-07-05

申请号：CN201910236562.9

申请日：2019-03-26

Applicant: 南开大学

Inventor： 孙桂玲 ,  崔竞文 ,  王世杰 ,  刘晓超

IPC: G06T7/70 ,  G06T7/80 ,  G06K9/32 ,  B25J9/16

Abstract: 本发明针对如何在农作物自动化采摘过程中识别并定位农作物这一问题，提出了一种基于计算机视觉技术的YOLOv3算法与点云图像坐标法相结合的农作物识别定位方法。本发明首先利用Kinect v2深度相机获取场景的RGB图像以及深度图像，再通过YOLOv3算法对RGB图像中的多种类目标农作物进行识别，选择合适的方法确定目标农作物的特征点，最后通过点云图像确定特征点的三维坐标。实验结果表明，使用本发明方法识别出的农作物准确度高，空间位置定位误差小，与RGB图像分割法和LTLS坐标变换法相比，不仅精度高，且实现方法简单，便于操作，可为接下来使用机械臂对农作物执行采摘操作奠定良好的基础。

公开(公告)号：CN109978949B

公开(公告)日：2023-04-28

申请号：CN201910236562.9

申请日：2019-03-26

Applicant: 南开大学

Inventor： 孙桂玲 ,  崔竞文 ,  王世杰 ,  刘晓超

IPC: G06T7/70 ,  G06T7/80 ,  G06V10/25 ,  B25J9/16

Abstract: 本发明针对如何在农作物自动化采摘过程中识别并定位农作物这一问题，提出了一种基于计算机视觉技术的YOLOv3算法与点云图像坐标法相结合的农作物识别定位方法。本发明首先利用Kinect v2深度相机获取场景的RGB图像以及深度图像，再通过YOLOv3算法对RGB图像中的多种类目标农作物进行识别，选择合适的方法确定目标农作物的特征点，最后通过点云图像确定特征点的三维坐标。实验结果表明，使用本发明方法识别出的农作物准确度高，空间位置定位误差小，与RGB图像分割法和LTLS坐标变换法相比，不仅精度高，且实现方法简单，便于操作，可为接下来使用机械臂对农作物执行采摘操作奠定良好的基础。