申请/专利权人：哈尔滨理工大学

申请日：2021-11-16

公开（公告）日：2024-04-26

公开（公告）号：CN114067206B

主分类号：G06V20/10

分类号：G06V20/10;G06T7/66

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2022.03.08#实质审查的生效;2022.02.18#公开

摘要：本发明提供了一种基于深度图像的球形果实识别定位方法，用于解决弱光环境及近色背景果实识别困难的问题，属于图像处理技术领域。一种基于深度图像的球形果实识别定位方法主要包括六个步骤：首先对果树进行深度图像信息采集；利用深度图像计算各个像素点的梯度求出梯度向量场；计算梯度向量场的散度并根据散度最大原则，搜索出辐散中心点；利用等深图像从辐散中心点中筛选出果实中心点；以果实中心点为原点搜索果实边界点得到果实图像区域；最后将果实图像区域内的像素点导入到三维点云中利用RANSAC算法求出果实的拟合球形，得到果实的空间坐标及半径大小。本发明从三维形态角度进行果实识别定位，可以不受果实颜色以及光照等自然环境的影响。

主权项：1.一种基于深度图像的球形果实识别定位方法，其特征在于，包括：步骤一、对果树进行深度图像信息采集；步骤二、利用深度图像计算各个像素点的横向梯度和纵向梯度并做出梯度向量场；步骤三、将梯度向量场视作运动矢量场，计算矢量场的散度并根据散度最大原则，从矢量场中搜索出辐散中心点；步骤四、利用果实和叶片等深图像的差异从辐散中心点中筛选出果实中心点；步骤五、以果实中心点为原点向八方向搜索果实边界点，每搜索一步比较该像素点的灰度值与下一步搜索像素点的灰度值的差值σ，并设置阈值b，当|σ|≤b则朝搜索方向继续搜索，直到出现|σ|b则将当前位置的像素点定义为果实边界点，然后连接边界点得到果实图像区域，循环遍历图像中所有果实中心点并搜索出其对应的果实图像区域；步骤六、将其中一个果实图像区域内的像素点导入到三维点云中得到果实点云图像，并根据公式x-x02+y-y02+z-z02＝r2设置拟合模型，然后根据RANSAC算法依次将果实点云代入到拟合模型中进行迭代，直至找出该图像区域的最佳拟合模型，循环遍历所有果实图像区域并输出所有区域的最佳拟合球形的球心坐标x0,y0,z0和半径r。

全文数据：

权利要求：

百度查询： 哈尔滨理工大学 一种基于深度图像的球形果实识别定位方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD