机器人三目视觉系统详细设计

芦　卿　江苏省常州技师学院　213032



机器人三目视觉系统详细设计

芦卿江苏省常州技师学院213032

【文章摘要】

由于果园环境复杂，果实和障碍物难以定位，这势必对机器人采摘带来一定的困难。而三目摄像机可以同时对一个果实或障碍物进行摄像，获取三幅图像，通过软件系统同时对这三幅图像进行分析和处理，并且通过对这三幅图像的像素进行分析，建立相对应的像素关系，从而确定果实或障碍物到摄像机之间的距离。

【关键词】

机器人；三目视觉系统

目前国内水果的采摘仍然以人工为主，一方面增加了果园的劳动成本，降低了水果采摘效率；另一方面，随着人口老龄化，农业劳动人员短缺也是我国农业发展所面临的问题。如果对采摘机器人进行分析和研究，以期通过农业的机械化和自动化提高果园劳动效率，降低劳动成本。而实际情况是由于果园环境复杂，果实和障碍物难以定位，这势必对机器人采摘带来一定的困难。而三目摄像机可以同时对一个果实或障碍物进行摄像，获取三幅图像，通过软件系统同时对这三幅图像进行分析和处理，并且通过对这三幅图像的像素进行分析，建立相对应的像素关系，从而确定果实或障碍物到摄像机之间的距离。

三目成像是基于双目成像基础上，不仅能够在X轴和Y轴两个方向确定果实或者障碍物的位置，同时还能够确定果实或者障碍物到摄像机的距离。

目标物体在图像中的视差，以及目标物体与摄像头之间的几何关系决定了目标物体到摄像机的距离。由摄像机的焦距、图像分辨率，以及各个摄像头之间的位置来确定目标物体与摄像机之间的位置。农业机器人采用DIGIHIBW-60摄像机来进行测距的原理如图1所示。

图1　通过视差测距的原理图

如图1所示，三目摄像机的左右两个摄像机所同时拍摄的两张图片，其中点Aleft和点Aright分别对应A点在左摄像头和右摄像头中的成像，点Bleft和点Bright分别对应B点在左摄像头和右摄像头中的成像。

果实的空间定位除了需要定位果实与采摘机器人机械手之间的距离以外，还需要确定投影平面内的X、Y坐标，为此还需要通过对图像进行处理，来确定果实的投影空间坐标。由于果实一般都是圆形或者近似圆形，为此，在本文所研究的农业机器人中主要对圆形或者近圆形果实的自动识别进行分析。

在对圆形或者近圆形物体进行自动识别时，通常都会使用到霍夫变换，而在使用霍夫变换获取圆心坐标之前，首先需要提取果实的轮廓。常用的轮廓提取算法（边缘检测算法）有Canny算子、Roberts算子、Prewitt算子、Sobel算子、Krisch算子等。在通过三目视觉系统获取果实图像之后，将果实图像进行二值化，并且从二值化的果实图像提取果实的轮廓信息，最终得到果实的中心位置信息。球形果实轮廓提取的效果如图2所示。

图2　圆形果实轮廓提取效果图

在确定球形果实的轮廓之后，就可以利用圆形霍夫变化来获取球形果实图像的半径以及坐标。霍夫变化是检测确定曲线的最为有效的办法，具有曲线间断影响小、受到噪声的影响小等特点，当果实被树叶遮住，导致果实图片信息缺失时，也可以利用霍夫变化来尽量减少这种损失。但是经典的霍夫变换是通过全局迭代和累加来确定曲线的，所需存储量大、运算量大、效率低、速度慢，因此在实际使用中，应该考虑如何降低霍夫变化的累积维数，从而达到提高算法效率的问题。

在本文对研究中，通过寻找球形果实图像中同心圆的弦中点来对霍夫变化进行改进，在改进的霍夫变化算法中，将三维参量统计，转变成为基于弦中点的圆心和半径参量统计，从而有效的降低了霍夫变换算法的复杂度。其中，弦中点霍夫变化的算法原理为：在一个球形果实的二维图像中，在该球形图像中的圆上任意取一点，然后将该点与其它圆上的任意一点连接组成一根圆上的弦，然后将这组中点线相联之后，组成一个与圆内切的新圆（如图3所示）。

图3　内切圆

如图3所示，内切圆的中心经过圆心，则计算若干个内切圆的交点，就可以得到圆的圆心，如图4所示。

图4　圆上的多个内切圆

本文在该算法基础上加以改进，首先将该算法用于本文中含有果实轮廓的二值图像中，在该轮廓上任取一点求取弦中点内切圆。遍历整个轮廓之后可以求出一个轮廓的中心，然后简化了半径求取的过程，只要求该中心点到边界轮廓的距离，建立一个果实半径的阈值，将所有阈值内的半径值求平均作为最终确定的半径值。把该中心即当做果实的圆心，求取的半径当做果实的半径，为了检验圆心和半径值和实际苹果质心和半径值的偏差，以求取的圆心和半径值画出拟合圆。

图5　霍夫变换后的球形果实效果图

由图5处理结果可见，通过该算法做出的拟合圆与果实轮廓基本吻合，说明该算法能够准确确定果实的中心位置及半径，而且该算法处理速度快且效果较好。对于算例果实，得出的坐标值及半径见图6，单位为像素。

图6　所获得的球形果在采集图像上的圆心和半径