一种动态背景下振荡苹果跟踪识别方法

    公开(公告)号:CN110766698A

    公开(公告)日:2020-02-07

    申请号:CN201910983754.6

    申请日:2019-10-16

    Abstract: 本发明公开了一种动态背景下振荡苹果跟踪识别方法,具体包括以下步骤:1)图像采集;2)图像分割;3)二值图完善;4)苹果识别;5)苹果位置预判;6)匹配识别。本发明方法简单,通用性好,且满足苹果采摘的精度和实时性的要求,使得苹果采摘机器人在采摘苹果的过程能够提高采摘的效率和精度;该算法苹果识别平均耗时72ms,跟踪算法平均耗时25ms,静态苹果的跟踪误差小于2%,振荡苹果的跟踪误差小于4%,满足苹果采摘的精度和实时性的要求,该算法也可以给其他果实的跟踪识别提供良好参考。

    一种动态背景下振荡苹果跟踪识别方法

    公开(公告)号:CN110766698B

    公开(公告)日:2022-04-22

    申请号:CN201910983754.6

    申请日:2019-10-16

    Abstract: 本发明公开了一种动态背景下振荡苹果跟踪识别方法,具体包括以下步骤:1)图像采集;2)图像分割;3)二值图完善;4)苹果识别;5)苹果位置预判;6)匹配识别。本发明方法简单,通用性好,且满足苹果采摘的精度和实时性的要求,使得苹果采摘机器人在采摘苹果的过程能够提高采摘的效率和精度;该算法苹果识别平均耗时72ms,跟踪算法平均耗时25ms,静态苹果的跟踪误差小于2%,振荡苹果的跟踪误差小于4%,满足苹果采摘的精度和实时性的要求,该算法也可以给其他果实的跟踪识别提供良好参考。

    一种苹果采摘机器人夜间青苹果识别方法

    公开(公告)号:CN111160180A

    公开(公告)日:2020-05-15

    申请号:CN201911325004.6

    申请日:2019-12-16

    Abstract: 本发明公开了一种苹果采摘机器人夜间青苹果识别方法,具体包括以下步骤;1)使用环形LED灯正对青苹果进行补光,使用彩色CCD相机采集图像;2)对图像进行高斯滤波,对图像进行限制对比度自适应直方图均衡,再使用伽马矫正提高对比度;3)对步骤2)处理后的图像使用SLIC算法进行超像素分割;4)提取超像素的颜色和纹理特征;5)使用预训练好的SVM分类器对超像素分类,获得苹果模板图像,并去除面积小于300像素的连通区域;6)使用霍夫圆变换法识别定位苹果。本发明解决了夜间图像整体偏暗、对比度不高、边缘模糊的问题以及青苹果与叶子难以分割的问题,使苹果采摘机器人在夜间能够正常采摘青苹果。

Patent Agency Ranking