CN112197705A - 一种基于视觉和激光测距的果实定位方法 - Google Patents
一种基于视觉和激光测距的果实定位方法 Download PDFInfo
- Publication number
- CN112197705A CN112197705A CN202011110114.3A CN202011110114A CN112197705A CN 112197705 A CN112197705 A CN 112197705A CN 202011110114 A CN202011110114 A CN 202011110114A CN 112197705 A CN112197705 A CN 112197705A
- Authority
- CN
- China
- Prior art keywords
- image
- fruit
- fruits
- picking
- method based
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 235000013399 edible fruits Nutrition 0.000 title claims abstract description 152
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000005259 measurement Methods 0.000 claims abstract description 15
- 230000000007 visual effect Effects 0.000 claims abstract description 8
- 230000000903 blocking effect Effects 0.000 claims abstract description 3
- 239000002420 orchard Substances 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000005286 illumination Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims 1
- 238000001514 detection method Methods 0.000 description 6
- 239000013598 vector Substances 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 241000219095 Vitis Species 0.000 description 3
- 235000009754 Vitis X bourquina Nutrition 0.000 description 3
- 235000012333 Vitis X labruscana Nutrition 0.000 description 3
- 235000014787 Vitis vinifera Nutrition 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 240000000560 Citrus x paradisi Species 0.000 description 1
- 241000219094 Vitaceae Species 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 235000021021 grapes Nutrition 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Manipulator (AREA)
Abstract
本发明提出一种基于视觉和激光测距的果实定位方法,包括:S1,利用两个相机和激光测距仪采集果树的图像,得到第一图像和第二图像;S2,将采集到的第一图像和第二图像拼接成一张完整的拼接图像,利用激光仪获得为图像的中心实物的距离;S3,从所述拼接图像中识别图像中果实和判定果实遮挡状态;S4,选择没有遮挡的果实,利用跟踪算法进行实时跟踪,并移动两个相机,直到果实的位置位于所述拼接图像的中心;S5,利用激光测距仪测量到被跟踪果实的水平距离。本发明能够可以实现水果二维定位和图像中心精准测距,为采摘机器人提供的低成本的视觉定位和测距方案。
Description
技术领域
本发明涉及机器人技术领域,更具体地,涉及一种基于视觉和激光测距的果实定位方法。
背景技术
传统的水果采摘主要采用人工采摘的方式,不仅效率低,还存在需要雇佣大量劳动力而带来的高成本问题,同时,高强度的作业也会给劳动工人的身体带来伤害。利用水果采摘机器人实现自动采摘是改善果园生产管理效率的一个有效途径,水果采摘机器人的采摘动作依赖于其对水果的准确检测与定位,因此要求水果采摘机器人能够在果园复杂环境下快速准确地检测树上水果,从而实现准确采摘。
水果采摘机器人的视觉系统,是用来感知环境信息以及目标物的识别和定位。实现目标物的快速、精准识别与定位,直接影响着采摘机器人可靠性与实时性。目标物的精准识别与定位是视觉系统的关键所在。近年来,通过融入距离信息,即利用彩色图像和深度图像的水果检测方法已逐渐展开研究。获取深度信息的方式主要有立体视觉技术、激光扫描仪和RGB-D相机等。立体视觉技术计算量大,难以满足水果检测的实时性要求。激光扫描仪和RGB-D价格昂贵,且操作复杂。本发明提出利用彩色图像、人工智能算法和单目标激光测距算法进行水果辅助的检测和测距,对于利用负压吸取采摘的方式,具有较大的使用性。
现有技术中有如下方案。
方案1:中国专利“CN110648359A”提供了一种果实目标定位识别方法及系统。该方法首先利用RGB-D相机直接采集的果实目标的RGB图像和深度图像;然后绘制果实目标深度图像的等高线图,将等高线图进行量化处理,得到向量梯度场,旋转向量梯度场中所有向量形成旋涡,将涡度最大位置定位为果实目标的圆心;基于图论的分割方法对果实目标的RGB图像进行分割;利用果实目标的圆心和RGB图像分割后的图像区域,识别果实目标区域。方案1中采用了将深度图绘制成等高线的方式,并根据向量梯度场来获取水果的中心,这种方法需要高精度的深度图和明显变化的高度等条件做支撑,但是目前RGB相机容易受到室外光照的影响会让深度图的准确性受到很大影响,同时一旦果实存在被树叶遮挡和多果子在一起时候,等高线图会受到很大影响,向量梯度场方法也无法计算出水果的圆心。
方案2:中国专利“CN205843680U”提供了一种基于颜色信息和三维轮廓信息的树上水果自动识别方法。该方法首先方法利用三维点云数据的颜色信息去除背景得到果实区域的水果点云数据,通过融合距离差异和颜色差异的欧式聚类算法聚类为点云团,在三维空间,利用距离信息和水果的三维轮廓信息实现对点云团中每个水果的逐一分割,来确定水果的位置。方案2虽然利用对彩色点云的分割获取三维果实,并且获取出三维点云的轮廓方法为果实定位,由于果实较小,该方法中需要三维点云精细且颜色准确,该方法中三维点云的获取方法比较繁琐困难,同时对多果实重叠的区域无法进行精准有效的分割。
方案3:论文《自然环境下葡萄采摘机器人采摘点的自动定位》提出一种基于改进聚类图像分割和点线最小距离约束的采摘点定位的方法。首先通过分析葡萄图像的颜色空间,提取最能突显夏黑葡萄的HSI色彩空间分量H,运用改进的人工蜂群优化模糊聚类方法对葡萄果图像进行分割;然后对分割图像进行形态学去噪处理,提取最大连通区域,计算该区域质心、轮廓极值点、外接矩形;再根据质心坐标与葡萄簇边缘信息确定采摘点的感兴趣区域,在区域内进行累计概率霍夫直线检测,求解所有检测得出的直线到质心之间的距离,最后选取点线距离最小的直线作为采摘点所在线,并取线段中点坐标作为采摘点。方案3虽然利用对颜色空间分割出获取果实,并判断出需要采摘点,但是该方法中未能提及引导机器人进行采摘的方式和实际的物理位置,对于采摘来说方案还不够完整。
发明内容
本发明针对采摘机器人在密植果园内采摘的场景,对于三维定位成本高、定位精度低和引导方式复杂等问题,提供了一种基于视觉和激光测距仪的果实采摘方法。该发明保证了采摘机器人能够在果园这种半结构化环境下,对果实进行精确定位和测距,并引导采摘机器人的采摘机构进行准确采摘。
本发明提出一种基于视觉和激光测距的果实定位方法,包括:S1,利用两个相机和激光测距仪采集果树的图像,得到第一图像和第二图像;S2,将采集到的第一图像和第二图像拼接成一张完整的拼接图像,利用激光仪获得为图像的中心实物的距离;S3,从所述拼接图像中识别图像中果实和判定果实遮挡状态;S4,选择没有遮挡的果实,利用跟踪算法进行实时跟踪,并移动两个相机,直到果实的位置位于所述拼接图像的中心;S5,利用激光测距仪测量到被跟踪果实的水平距离。
本发明的有益效果包括:
1.针对与三维定位成本高的问题,本发明利用两个相机中心安装激光测距仪的这种方式,该方式能够可以实现水果二维定位和图像中心精准测距,为采摘机器人提供的低成本的视觉定位和测距方案。
2.针对采摘水果中心定位不精准的问题,本发明将两个相机图像拼接,然后跟踪水果在拼接图像中的位置来引导采摘机器人的采摘结构定位到水果中心附近,即使得水果处于图像中心后,就进行激光测距仪的精准测距,实现采摘水果的中心精准测距定位。
3.针对采摘机器人采摘目标精准判定的问题,本发明根据智能识别的结果,利用识别水果的遮挡情况,评判出水果是否满足采摘的条件,未采摘机器人的准确采摘提供了重要基础。
附图说明
为了更容易理解本发明,将通过参照附图中示出的具体实施方式更详细地描述本发明。这些附图只描绘了本发明的典型实施方式,不应认为对本发明保护范围的限制。
图1为本发明的定位方法的流程图。
图2显示了两个相机和激光测距仪的安装方式。
具体实施方式
下面参照附图描述本发明的实施方式,其中相同的部件用相同的附图标记表示。在不冲突的情况下,下述的实施例及实施例中的技术特征可以相互组合。
图1显示了本发明的方法的流程图,本发明的方法包括S1-S6。
S1、将两个相机和激光测距仪安装在采摘机器人采摘机构上后,开始采集果树上的图像。
S2、将采集到的两张图像拼接成一张完整的拼接图像,由于激光位于两张图像的中心处,可以确定激光测距结果为图像的中心实物的距离。
S3、从所述拼接图像中识别图像中果实和判定果实遮挡状态(例如利用YoloV3算法)。
S4、随机选择一个没有遮挡的果实,利用跟踪算法进行实时跟踪,并控制相机移动直到果实的位置位于所述拼接图像的中心,然后控制相机正对靠近果实,直到水果占满大部分图像。
S5、利用激光测距仪测量到被跟踪果实的水平距离。
S6、驱动采摘机器人的采摘机构移动到水平距离处,进行采摘作业。
下面进行详细描述本发明的方法的一个实施方式。
在步骤S1中,采集左右相机图像时,首先安装好两个相机和激光测距仪,其中激光测距仪在两个相机中间,激光测距仪的中心和两个相机的镜头中心在一条水平线上,安装方式如图2所示,这样能够最大程度上保证两个相机拼接出的图像中心和激光测距仪测量的测量位置相互重合。其中θ为相机的视场角,d为激光到物体的距离。在安装好硬件设备之后,开始实时采集第一相机1和第二相机2的图像:第一图像img1和第二图像img2。经过步骤1,获取到了第一相机1和第二相机2的图像:第一图像img1和第二图像img2。
在步骤S2中,拼接两个图像。具体地,由于激光测距仪安装在两个相机的中间,为了使得激光测距仪测量的位置位于图像的中心,需要将两个以激光测距仪为对称轴的相机的图像拼接成一张完整图像,这样能够保证激光测距仪的测距结果为拼接图像中心的距离。当果实位于拼接图像的中心时候,由于果实区域占据拼接图像的范围较大,所以能使得激光测距仪的测量结果为到果实的距离。两个相机采集的图像拼接步骤包括S21-S22。
S21,将两个图像进行图像配准。如果采用的相机镜头优选为无畸变镜头,在图像配准之前无需进行图像畸变校正。如果采用的是畸变镜头,则在图像配准之前需要进行图像畸变校正。图像配准包括步骤S211-S212。S211,在获取第一图像img1和第二图像img2之后,首先以第一图像img1为参考图像,第二图像img2为待配准图像,寻找两者的特征点的对应位置,确定对应关系。S212,根据对应关系建立第一图像img1和第二图像img2之间的转换关系模型(即重叠区域),将待配准图像转换到参考图像的坐标系中,确定两图像之间的重叠区域。这里采用基于SIFT的特征提取方法、利用k-d tree和BBF算法进行特征匹配查找,并根据最近邻和次近邻距离比值进行初步筛选,最后利用RANSAC算法筛选匹配点并计算变换矩阵。
S22,将两个图像进行图像合成。在确定了两幅图像之间的转换关系模型,即重叠区域后,根据重叠区域的信息将待拼接图像镶嵌成一个视觉可行的全景图像。首先将第二图像img2经变换矩阵变换到一个新图像中,然后直接将第一图像img1加到该新图像中,形成最终的拼接图像img3。
经过步骤S2,获取到了第一相机1和第二相机2的拼接图像img3。
在步骤S3中,进行果实图像的识别。优选地,利用YoloV3算法进行识别,YoloV3算法对于目标的识别效果精准性高,通过该算法对场景中的各种姿态、光照和遮挡下的果实进行训练,可以有效的提高果实识别的精准性。利用YoloV3算法进行果实图像的识别步骤如下:
S31,进行图像训练。首先使用两个相机在果园中采集多种光照条件下、遮挡和无遮挡的情况下的果实,制作训练集。在制作训练集时,标注果实和遮挡状态,利用多类数据集来训练网络,增加果实识别的鲁棒性,最后获得训练后的网络。
S32,进行果实识别。使用训练后的网络对拼接图像img3进行识别工作,并将识别到的果实标记出来(例如利用方框),并标注出果实被遮挡的类型,主要分为无遮挡、被树枝遮挡、被树叶遮挡和被果实遮挡,并记录识别出的果实在图像中的位置。
经过步骤3,可以识别拼接图像img3中的所有果实、果实的位置与遮挡类型。
在步骤S4中,对果实中心定位。S41,选择识别的果实中适合采摘的果实,适合采摘的果实为没有遮挡和存在部分叶子遮挡的果实,这类果实能够方便采摘机器人采摘。S42,确定适合采摘的果实后,把该果实定义为跟踪对象,利用跟踪算法进行对象的实时跟踪。该跟踪算法能够解决跟踪对象的多特征和多尺度问题,满足不同距离场景下的跟踪需求,本发明中使用的跟踪算法为SAMF。在跟踪对象开始被跟踪后,实时计算果实的中心的图像中心的在x和y方向的差距,计算过程如公式(1)和(2)所示:
Δx=xfc-xgc (1)
Δy=yfc-ygc (2)
其中xfc为水果的中心像素在图像中x轴的坐标,xgc为图像的中心x轴的坐标,yfc为水果的中心像素在图像中y轴的坐标,ygc为图像的中心y轴的坐标。
采摘机器人根据Δx和Δy的值,驱动机械臂采摘机构朝着果实移动,以减小Δx和Δy的绝对值,直到果实中心位置和图像中心位置满足一定阈值范围内。然后确定果实在图像中的x轴范围和y轴范围的比例,计算过程公式(3)和(4)所示:
Perx=xfl/xcols (3)
Pery=yfl/ycols (4)
其中xfl为水果在图像中x轴范围内的像素个数,xgl为图像的列数,yfl为水果在图像中y轴范围内的像素个数,ygl为图像的行数。如果Perx或Pery小于设定的阈值A时候,证明水果像素在x轴范围或水果像素在y轴范围占比较小,可知果实离相机的实际距离较小。接着采摘机器人会驱动机械臂采摘结构朝着果实的进行水平移动,直到大于等于阈值A,本发明取值A为0.8。果实范围占据一定图像的大小,是为了保证激光测距仪能够在各种光照条件下准确的测量果实的距离。
经过步骤S4,可以使得相机和激光测距仪近距离靠近被跟踪的果实,完成了果实的中心定位,确保了被跟踪的果实位于图像的中心区域。
在步骤S5中,对果实中心进行测距。具体为,开启激光测距仪,多次测量被跟踪果实的位置,将多次测量结果的均值作为最终的测量结果输出,输出测量结果为d。测量结果d的计算过程如公式(5)所示,其中di为激光测距仪第i次的测量结果,n这里取值为20。
经过步骤S5,可以得到被跟踪的果实和相机之间的距离d。
在步骤S6中,移动机械臂采摘机构,进行采摘。具体为,结合机械臂采摘机构和相机之间的垂直距离d1(机械臂一般在相机的上方或下方),以及公式(5)中计算出的距离d,联立这两个距离共同确定机械臂采摘机构抓取果实,需要精准移动的角度,利用勾股定理可以计算出机械臂采摘机构需要移动的角度tha和距离dis,最终机械臂采摘机构根据这个角度和距离精准移动到果实的位置,完成最终的采摘动作。移动角度和距离的计算如公式(6)和(7)所示:
tha=arcsin(d1/dis) (7)
经过步骤S6,机械臂采摘机构能够精准的到达果实的位置,完成果实的采摘。
以上所述的实施例,只是本发明较优选的具体实施方式,本领域的技术人员在本发明技术方案范围内进行的通常变化和替换都应包含在本发明的保护范围内。
Claims (10)
1.一种基于视觉和激光测距的果实定位方法,其特征在于,包括:
S1,利用两个相机和激光测距仪采集果树的图像,得到第一图像和第二图像;
S2,将采集到的第一图像和第二图像拼接成一张完整的拼接图像,利用激光仪获得为图像的中心实物的距离;
S3,从所述拼接图像中识别图像中果实和判定果实遮挡状态;
S4,选择没有遮挡的果实,利用跟踪算法进行实时跟踪,并移动两个相机,直到果实的位置位于所述拼接图像的中心;
S5,利用激光测距仪测量到被跟踪果实的水平距离。
2.根据权利要求1所述的基于视觉和激光测距的果实定位方法,其特征在于,激光测距仪安装在两个相机之间,激光测距仪的中心和两个相机的镜头中心在一条水平线上,激光测距仪和两个相机安装在采摘机器人的采摘机构上。
3.根据权利要求1所述的基于视觉和激光测距的果实定位方法,其特征在于,步骤S2包括:
S21,将第一图像和第二图像进行图像配准;
S22,将第一图像和第二图像进行图像合成。
4.根据权利要求3所述的基于视觉和激光测距的果实定位方法,其特征在于,
步骤S21包括:1)以第一图像为参考图像,第二图像为待配准图像,寻找两者的特征点的对应位置,确定对应关系;2),根据对应关系建立第一图像和第二图像之间的转换关系模型,将待配准图像转换到参考图像的坐标系中,确定两图像之间的重叠区域;
步骤S22包括:根据所述重叠区域的信息,将第二图像经变换矩阵变换到一个新图像中,然后将第一图像加到该新图像中,形成所述拼接图像。
5.根据权利要求1所述的基于视觉和激光测距的果实定位方法,其特征在于,步骤S3包括:
S31,进行图像训练:使用两个相机在果园中采集多种光照条件下、遮挡和无遮挡的情况下的果实,制作训练集;
S32,进行果实识别:使用训练后的网络对拼接图像进行识别工作,并将识别到的果实标记出来,并标注出果实被遮挡的类型,并记录识别出的果实在图像中的位置。
6.根据权利要求5所述的基于视觉和激光测距的果实定位方法,其特征在于,所述步骤S4包括:
S41,选择识别的果实中适合采摘的果实;
S42,确定适合采摘的果实后,把该果实定义为跟踪对象,利用跟踪算法进行对象的实时跟踪。
7.根据权利要求6所述的基于视觉和激光测距的果实定位方法,其特征在于,
在S3中,所述果实被遮挡的类型包括:无遮挡、被树枝遮挡、被树叶遮挡和被果实遮挡;
在S4中,所述适合采摘的果实为无遮挡和被树叶遮挡的果实。
8.根据权利要求7所述的基于视觉和激光测距的果实定位方法,其特征在于,步骤S5包括:
开启激光测距仪,多次测量被跟踪果实的位置,将多次测量结果的均值作为最终的测量结果,该测量结果为被跟踪的果实和相机之间的距离。
9.根据权利要求8所述的基于视觉和激光测距的果实定位方法,其特征在于,步骤S6包括:
结合机械臂采摘机构和相机之间的垂直距离和所述果实和相机之间的距离d,计算出机械臂采摘机构需要移动的角度和距离,来移动机械臂采摘机构到果实的位置。
10.根据权利要求2所述的基于视觉和激光测距的果实采摘方法,其特征在于,还包括:
S6,驱动采摘机器人的采摘机构移动到果实所在的水平距离处,进行采摘作业。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011110114.3A CN112197705A (zh) | 2020-10-16 | 2020-10-16 | 一种基于视觉和激光测距的果实定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011110114.3A CN112197705A (zh) | 2020-10-16 | 2020-10-16 | 一种基于视觉和激光测距的果实定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112197705A true CN112197705A (zh) | 2021-01-08 |
Family
ID=74010437
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011110114.3A Pending CN112197705A (zh) | 2020-10-16 | 2020-10-16 | 一种基于视觉和激光测距的果实定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112197705A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113778081A (zh) * | 2021-08-19 | 2021-12-10 | 中国农业科学院农业资源与农业区划研究所 | 一种基于激光雷达和视觉的果园路径识别方法和机器人 |
US20220377980A1 (en) * | 2021-05-25 | 2022-12-01 | Guangdong Polytechnic Normal University | Fruit picking method based on three-dimensional parameter prediction model for fruit |
CN117501990A (zh) * | 2023-11-30 | 2024-02-06 | 北京市农林科学院智能装备技术研究中心 | 用于遮挡环境下水果自动采摘的定位和识别方法及系统 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2576005A1 (fr) * | 1985-01-15 | 1986-07-18 | Realisa Indles Et | Procede et dispositif automatique de depalettisation |
US20130125319A1 (en) * | 2011-11-18 | 2013-05-23 | Nike, Inc. | Automated Manufacturing Of Shoe Parts |
CN103310218A (zh) * | 2013-05-21 | 2013-09-18 | 常州大学 | 一种重叠遮挡果实精确识别方法 |
CN104992448A (zh) * | 2015-07-30 | 2015-10-21 | 天津职业技术师范大学 | 机器人防损伤采摘葡萄的自动定位方法 |
CN106767399A (zh) * | 2016-11-11 | 2017-05-31 | 大连理工大学 | 基于双目立体视觉和点激光测距的物流货物体积的非接触测量方法 |
CN107093195A (zh) * | 2017-03-10 | 2017-08-25 | 西北工业大学 | 一种激光测距与双目相机结合的标记点定位方法 |
CN107907048A (zh) * | 2017-06-30 | 2018-04-13 | 长沙湘计海盾科技有限公司 | 一种基于线结构光扫描的双目立体视觉三维测量方法 |
CN108271531A (zh) * | 2017-12-29 | 2018-07-13 | 湖南科技大学 | 基于视觉识别定位的水果自动化采摘方法及装置 |
CN109156161A (zh) * | 2018-08-31 | 2019-01-08 | 靖西海越农业有限公司 | 一种智能沃柑采摘机器人 |
CN109220225A (zh) * | 2018-10-22 | 2019-01-18 | 湖北理工学院 | 一种全自动水果采摘装置 |
CN109684941A (zh) * | 2018-12-07 | 2019-04-26 | 华南农业大学 | 一种基于matlab图像处理荔枝果实采摘区域划分方法 |
CN109792886A (zh) * | 2019-02-25 | 2019-05-24 | 义乌市吉龙科技有限公司 | 一种果园自动摘果系统 |
CN110065074A (zh) * | 2019-05-29 | 2019-07-30 | 北京禾泽方圆智能科技有限公司 | 一种采摘机器人的视觉伺服激光定位系统及方法 |
CN110800468A (zh) * | 2019-10-23 | 2020-02-18 | 熊浩 | 用于果蔬采摘机械手的并联平台 |
CN111753577A (zh) * | 2019-03-28 | 2020-10-09 | 天津工业大学 | 自动采摘机器人中的苹果识别与定位方法 |
-
2020
- 2020-10-16 CN CN202011110114.3A patent/CN112197705A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2576005A1 (fr) * | 1985-01-15 | 1986-07-18 | Realisa Indles Et | Procede et dispositif automatique de depalettisation |
US20130125319A1 (en) * | 2011-11-18 | 2013-05-23 | Nike, Inc. | Automated Manufacturing Of Shoe Parts |
CN103310218A (zh) * | 2013-05-21 | 2013-09-18 | 常州大学 | 一种重叠遮挡果实精确识别方法 |
CN104992448A (zh) * | 2015-07-30 | 2015-10-21 | 天津职业技术师范大学 | 机器人防损伤采摘葡萄的自动定位方法 |
CN106767399A (zh) * | 2016-11-11 | 2017-05-31 | 大连理工大学 | 基于双目立体视觉和点激光测距的物流货物体积的非接触测量方法 |
CN107093195A (zh) * | 2017-03-10 | 2017-08-25 | 西北工业大学 | 一种激光测距与双目相机结合的标记点定位方法 |
CN107907048A (zh) * | 2017-06-30 | 2018-04-13 | 长沙湘计海盾科技有限公司 | 一种基于线结构光扫描的双目立体视觉三维测量方法 |
CN108271531A (zh) * | 2017-12-29 | 2018-07-13 | 湖南科技大学 | 基于视觉识别定位的水果自动化采摘方法及装置 |
CN109156161A (zh) * | 2018-08-31 | 2019-01-08 | 靖西海越农业有限公司 | 一种智能沃柑采摘机器人 |
CN109220225A (zh) * | 2018-10-22 | 2019-01-18 | 湖北理工学院 | 一种全自动水果采摘装置 |
CN109684941A (zh) * | 2018-12-07 | 2019-04-26 | 华南农业大学 | 一种基于matlab图像处理荔枝果实采摘区域划分方法 |
CN109792886A (zh) * | 2019-02-25 | 2019-05-24 | 义乌市吉龙科技有限公司 | 一种果园自动摘果系统 |
CN111753577A (zh) * | 2019-03-28 | 2020-10-09 | 天津工业大学 | 自动采摘机器人中的苹果识别与定位方法 |
CN110065074A (zh) * | 2019-05-29 | 2019-07-30 | 北京禾泽方圆智能科技有限公司 | 一种采摘机器人的视觉伺服激光定位系统及方法 |
CN110800468A (zh) * | 2019-10-23 | 2020-02-18 | 熊浩 | 用于果蔬采摘机械手的并联平台 |
Non-Patent Citations (4)
Title |
---|
D. M. BULANON等: "《A Fruit Detection System and an End Effector for Robotic Harvesting of Fuji Apples》", 《AGRICULTURAL ENGINEERING INTERNATIONAL》 * |
JUNTAO XIONG等: "《Green Grape Detection and Picking-Point Calculation in a Night-Time Natural Environment Using a Charge-Coupled Device (CCD) Vision Sensor with Artificial Illumination》", 《SENSORS》 * |
刘静,等: "《柑橘类水果采摘机器的设计与研究》", 《包装工程》 * |
吕继东,等: "《苹果采摘机器人目标果实快速跟踪识别方法》", 《农业机械学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220377980A1 (en) * | 2021-05-25 | 2022-12-01 | Guangdong Polytechnic Normal University | Fruit picking method based on three-dimensional parameter prediction model for fruit |
US11737393B2 (en) * | 2021-05-25 | 2023-08-29 | Guangdong Polytechnic Normal University | Fruit picking method based on three-dimensional parameter prediction model for fruit |
CN113778081A (zh) * | 2021-08-19 | 2021-12-10 | 中国农业科学院农业资源与农业区划研究所 | 一种基于激光雷达和视觉的果园路径识别方法和机器人 |
CN117501990A (zh) * | 2023-11-30 | 2024-02-06 | 北京市农林科学院智能装备技术研究中心 | 用于遮挡环境下水果自动采摘的定位和识别方法及系统 |
CN117501990B (zh) * | 2023-11-30 | 2024-06-07 | 北京市农林科学院智能装备技术研究中心 | 用于遮挡环境下水果自动采摘的定位和识别方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109685066B (zh) | 一种基于深度卷积神经网络的矿井目标检测与识别方法 | |
CN110781827B (zh) | 一种基于激光雷达与扇状空间分割的路沿检测系统及其方法 | |
CN112197705A (zh) | 一种基于视觉和激光测距的果实定位方法 | |
WO2016106955A1 (zh) | 一种激光红外复合的地面建筑物识别及导航方法 | |
CN104598883B (zh) | 一种多摄像机监控网络中目标再识别的方法 | |
CN110189375B (zh) | 一种基于单目视觉测量的图像目标识别方法 | |
CN113985445A (zh) | 一种基于相机与激光雷达数据融合的3d目标检测算法 | |
CN105160649A (zh) | 基于核函数非监督聚类的多目标跟踪方法及系统 | |
CN101556647A (zh) | 一种基于改进sift算法的移动机器人视觉定位方法 | |
CN110084243A (zh) | 一种基于二维码和单目相机的档案识别与定位方法 | |
CN114399675A (zh) | 一种基于机器视觉与激光雷达融合的目标检测方法和装置 | |
CN111832760B (zh) | 一种基于视觉算法的井盖自动巡检方法 | |
Yang et al. | Recognition and localization system of the robot for harvesting Hangzhou White Chrysanthemums | |
CN113920190A (zh) | 银杏花穗定向方法及系统 | |
CN112033408A (zh) | 一种贴纸式的物体空间定位系统及定位方法 | |
CN114511592A (zh) | 一种基于rgbd相机和bim系统的人员轨迹追踪方法及系统 | |
CN114627339A (zh) | 茂密丛林区域对越境人员的智能识别跟踪方法及存储介质 | |
CN117746343A (zh) | 基于等高轮廓图的人员流动检测方法及系统 | |
CN109635679A (zh) | 一种实时的靶纸定位及环线识别方法 | |
CN117496401A (zh) | 一种用于视频测量影像序列椭圆形目标点全自动识别与跟踪方法 | |
CN115797397B (zh) | 一种机器人全天候自主跟随目标人员的方法及系统 | |
CN117053779A (zh) | 一种基于冗余关键帧去除的紧耦合激光slam方法及装置 | |
CN116862832A (zh) | 一种基于三维实景模型的作业人员定位方法 | |
CN116912763A (zh) | 一种融合步态人脸模态的多行人重识别方法 | |
CN113642430B (zh) | 基于VGG+NetVLAD的地下停车场高精度视觉定位方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210108 |
|
RJ01 | Rejection of invention patent application after publication |