摘 要：根據(jù)顏色特征利用閾值自動(dòng)設(shè)定的方法對(duì)圖像進(jìn)行分割，自動(dòng)、快速識(shí)別紅色番茄；采用形心匹配取代常規(guī)的特征點(diǎn)選擇和匹配方法，對(duì)雙目立體成像測距公式進(jìn)行了修正，經(jīng)過驗(yàn)證，當(dāng)工作距離小于500mm時(shí)，距離誤差可以控制在±10mm以內(nèi)。
關(guān)鍵詞：計(jì)算機(jī)視覺；定位；雙目立體視覺
利用機(jī)器人采摘果實(shí)，首先要識(shí)別果實(shí)，然后確定果實(shí)的空間位置，這樣才能實(shí)現(xiàn)下一步的采摘工作?；谟?jì)算機(jī)視覺尋找樹上果實(shí)的方法大致可以分為兩類：一類是根據(jù)顏色或者灰度特征分割圖像、尋找果實(shí)；另一類是在圖像采集時(shí)使用濾波片或者其它設(shè)備獲取較為簡單的圖像，然后根據(jù)形狀特征尋找果實(shí)[1,2]。這些方法目前基本上都停留在理論研究階段，與實(shí)際生產(chǎn)的需要差距很大。本文所提出的番茄識(shí)別與定位技術(shù)可滿足實(shí)際工作需要，力求快速、準(zhǔn)確。
1 識(shí)別
1.1 圖像分割
在圖像上成熟番茄呈現(xiàn)紅色，背景大部分是綠色的枝葉，還有少部分是呈現(xiàn)介于黃色和紅色之間顏色的枯萎枝葉。當(dāng)圖像上的像素呈現(xiàn)紅色時(shí)，其R值(像素紅色顏色分量)大于G值(像素綠色顏色分量)；當(dāng)像素呈現(xiàn)綠色時(shí)，其G值大于R值；當(dāng)像素呈現(xiàn)介于黃色和紅色之間的顏色時(shí)，雖然R值也大于G值，但是二者的差值遠(yuǎn)小于紅色像素的R值與G值的差值。根據(jù)這個(gè)特征，可以實(shí)現(xiàn)對(duì)圖像的兩次分割。令T＝R－G。第一次分割：如果T≤0，認(rèn)為是背景像素，令該像素的R值、G值、B值都為0；如果T>0，認(rèn)為該像素可能屬于番茄，令該像素的R值、G值、B值都為T。經(jīng)過第一次分割后，圖像轉(zhuǎn)變?yōu)榛叶葓D像。屬于番茄部分的像素的灰度值大部分集中在高灰度區(qū)域，非番茄部分的像素的灰度值大部分集中在低灰度區(qū)域，選擇合適的閾值進(jìn)行第二次分割。閾值確定后，把灰度值小于閾值的像素變?yōu)榘咨袼?灰度值為255)，灰度值大于閾值的像素變?yōu)楹谏袼?灰度值為0)，這樣圖像就轉(zhuǎn)化成二值圖像，可進(jìn)行下一步處理。為適用于在不同光照條件下拍攝到的圖像，閾值需要根據(jù)具體圖像自動(dòng)設(shè)定，閾值確定采用迭代法[3]。為了顯示第一次分割和第二次分割的效果，特對(duì)第一次分割后的圖像作如下處理：令T≤0的像素的顏色值為(255，255，255)，即變?yōu)榘咨袼?，令T>0的像素保持原來原始圖像中的顏色。圖1(a)為原始圖像，圖1(b)為第一次分割后的效果圖，圖1(c)為第二次分割后的圖像。
1.2 噪聲消除
經(jīng)過第二次分割后的圖像中仍有許多非番茄部分的像素。對(duì)于較小的在視覺上表現(xiàn)為散點(diǎn)的噪聲，可以用形態(tài)學(xué)開運(yùn)算和中值濾波相結(jié)合的方法去掉。對(duì)于較大的噪聲區(qū)域，其面積和周長同番茄的面積和周長相比是比較小的，可以根據(jù)面積或周長特征去掉。圖1(d)是經(jīng)過輪廓提取、曲線標(biāo)記，基于周長特征的識(shí)別結(jié)果。
2 定位
番茄位置的確定采用雙目立體視覺技術(shù)。雙目立體視覺技術(shù)是用兩個(gè)攝像頭模擬人的雙眼，同時(shí)從兩個(gè)不同位置對(duì)同一目標(biāo)拍攝圖像，然后通過目標(biāo)匹配根據(jù)三角關(guān)系計(jì)算目
標(biāo)的空間位置。
2.1 攝像頭到番茄之間距離的計(jì)算
如圖2所示，L、R表示左右兩個(gè)攝像頭，點(diǎn)O表示番茄上的特征點(diǎn)，攝像頭焦距為f，攝像頭之間距離為b，Lo為左攝像頭L拍攝到的圖像(簡稱左邊圖像)的中心，Lx為點(diǎn)O在左邊圖像上的成像，Ro為右攝像頭R拍攝到的圖像(簡稱右邊圖像)的中心，Rx為點(diǎn)O在右邊圖像上的成像。根據(jù)三角關(guān)系，可以計(jì)算出O點(diǎn)到LR連線的垂直距離為
其中xL為點(diǎn)Lx在左邊圖像中的橫坐標(biāo)，xR為點(diǎn)Rx在右邊圖像中的橫坐標(biāo)。
利用雙目立體視覺技術(shù)測量距離的關(guān)鍵是特征點(diǎn)(即O點(diǎn))的選取和匹配。常用的方法是選擇一幅圖像中目標(biāo)的形心為特征點(diǎn)，根據(jù)灰度值在另一幅圖像中進(jìn)行匹配，所用的匹配算法通常比較復(fù)雜，計(jì)算量大，而且對(duì)采集到的圖像質(zhì)量要求很高，否則造成錯(cuò)誤匹配的概率很大。針對(duì)上述問題和本研究的具體對(duì)象，本文提出以下采用形心匹配取代常規(guī)特征點(diǎn)選擇和匹配的方法。如圖3所示，圓O1表示番茄， Lo為左左邊圖像的中心，Lx為左邊圖像上番茄的形心，Ro為右邊圖像的中心，Rx右邊圖像上番茄的形心。我們認(rèn)為Lx和Rx是番茄上同一點(diǎn)在兩幅圖像上的成像。很明顯，如果存在這樣一點(diǎn)，它一定是圓心O1。
根據(jù)前面圖像識(shí)別的結(jié)果，很容易求得兩幅圖像中番茄的形心坐標(biāo)。這樣利用式(1)就可以求得圓心O1到LR連線的距離d。但是真正需要得到的是番茄上C點(diǎn)到LR連線的距離d1，所以測距公式應(yīng)該變成
當(dāng)研究對(duì)象是理想球體時(shí)，c就是球體的半徑。實(shí)際工作時(shí)，番茄是不規(guī)則的半球體，并且大小有差別，在工作前，必須對(duì)c進(jìn)行標(biāo)定。根據(jù)對(duì)實(shí)驗(yàn)大棚和田間番茄生長情況觀察，在同一時(shí)期，在同一個(gè)大棚或者同一塊田地里，大部分成熟番茄的半徑差異基本上都在10mm以內(nèi)，這樣的誤差應(yīng)該可以滿足采摘的需要。這樣只要選取有代表性的番茄，將其擺放在距離攝像頭不同的位置，通過處理、計(jì)算，即可標(biāo)定c值。圖4是對(duì)3個(gè)番茄在不同位置的試驗(yàn)結(jié)果，c用另外一個(gè)西紅柿進(jìn)行標(biāo)定，標(biāo)定值為22mm。表1中橫坐標(biāo)是測量距離，縱坐標(biāo)是根據(jù)式(2)計(jì)算得到的距離與測量距離之間的偏差，單位都是mm。
從圖4可以看出，當(dāng)工作距離小于500mm時(shí)，除了個(gè)別奇異點(diǎn)，誤差基本上都在±10mm以內(nèi)。這是因?yàn)閿z像機(jī)有一定的取景范圍，距離較遠(yuǎn)時(shí)，圖像上番茄的像比較小，微小的偏差就會(huì)造成較大誤差。
2.2 番茄空間坐標(biāo)換算
如果取兩攝像頭鏡頭中心連線向右為x軸正方向，連線中點(diǎn)為空間坐標(biāo)系原點(diǎn)，垂直于x軸所在水平面向下為y軸正方向，根據(jù)右手規(guī)則，z軸正方向?yàn)榇怪庇趚、y所在平面離開攝像頭指向番茄的方向。根據(jù)三角關(guān)系可求得番茄特征點(diǎn)空間坐標(biāo)為
其中b、xL、xR、f的意義同式(1)，yL和yR是兩幅圖像中番茄形心的縱坐標(biāo)。
3 結(jié)論
本文提出的識(shí)別與定位技術(shù)在Visual C++ 6.0編譯環(huán)境下編程實(shí)現(xiàn)，運(yùn)行效果良好。綜上所述可以得出以下結(jié)論：
(1)對(duì)不同光照條件下采集到的圖像進(jìn)行處理，紅色成熟番茄都可以識(shí)別；
(2)番茄的空間位置可以基本確定，當(dāng)工作距離在小于500mm時(shí)，距離誤差可以控制在±10mm以內(nèi)；
(3)由于不需要根據(jù)像素的顏色值或者灰度值進(jìn)行特征點(diǎn)匹配，本文提出的識(shí)別和定位技術(shù)對(duì)圖像質(zhì)量要求不高，只要人眼可以從圖像上根據(jù)顏色識(shí)別出紅色番茄，該技術(shù)就可以識(shí)別并確定番茄的位置；
(4)該識(shí)別與定位技術(shù)稍加修改，也可用于其它與背景有明顯顏色差別的球形果實(shí)的識(shí)別與定位。其中，ke和kc為量化因子。取Ke=3,kc=3,ku=1.2，當(dāng)速度給定為2 000rpm時(shí)，實(shí)測的系統(tǒng)輸出響應(yīng)曲線如圖5(a)所示。可見，系統(tǒng)的動(dòng)態(tài)特性較好，但存在穩(wěn)態(tài)誤差。為此，可改為Fuzzy-PID開關(guān)切換型混合控制方式，偏差絕對(duì)值較大時(shí)，采用模糊控制，以獲得較好的動(dòng)特性，偏差絕對(duì)值較小時(shí)，自動(dòng)切換成PID控制，利用積分作用消除穩(wěn)態(tài)誤差。當(dāng)切換閾值為0.8（給定值）時(shí)，系統(tǒng)響應(yīng)曲線見圖5(b)。可見，此時(shí)，系統(tǒng)得到了滿意的動(dòng)、靜態(tài)特性。
因?yàn)樾阅芊治鍪腔趯?shí)際的物理系統(tǒng)進(jìn)行的，且分析所得的結(jié)果直觀明了，故具有與一般仿真分析不同的客觀真實(shí)性，這對(duì)于實(shí)時(shí)控制系統(tǒng)的教學(xué)以及新的控制策略和算法的研究都有非?，F(xiàn)實(shí)的意義。
3 結(jié)束語
本文結(jié)合計(jì)算機(jī)控制、智能控制和網(wǎng)絡(luò)通信等高新技術(shù)，構(gòu)建了可實(shí)現(xiàn)聯(lián)網(wǎng)控制的計(jì)算機(jī)實(shí)時(shí)控制系統(tǒng)。該系統(tǒng)硬、軟件有所創(chuàng)新，對(duì)于促進(jìn)理論研究與實(shí)際應(yīng)用的結(jié)合有現(xiàn)實(shí)的意義。該項(xiàng)目已通過江蘇省科技廳組織的鑒定。
參考文獻(xiàn)
1 Ko C C, Chen B M. Development of a Web-based Laboratory forContol Experiments on a Coupled Tank Apparatus.IEEE Trans.Educ.,2001, 44(2):76-86
2 王耀南. 智能控制系統(tǒng)[M]. 長沙：湖南大學(xué)出版社，1996
3 龐文堯. 基于高速局域網(wǎng)絡(luò)的實(shí)時(shí)控制程序開發(fā)[J]. 上海：電氣自動(dòng)化, 2001,(6)
4 易繼鍇. 智能控制技術(shù)[M].北京：北京工業(yè)大學(xué)出版社，1999
