苹果采摘机器人视觉系统的暗通道先验去雾方法.pdf

第32卷第16期
农业工程学报
ol.32No.16
016年8月
I'ransactions of the Chinesc Socicty of Agricultural Fnginccrin
Aug2016151
苹果采摘机器人视觉系统的暗通道先验去雾方法
朱德利2,陈兵旗1,杨雨浓2,梁习卉子,杨明,乔妍
(1.中国农业大学工学院,北京100083:2.重庆师范大学计算机与信息科学学院,重庆400047)
摘要:针对雾严重气候条件下苹果采摘机器人视觉定位困难的问题,提出一种把暗通道先验( dark channel prior,IDCP)
原理应用于苹果图像去雾的调参和改进方法。给出了一种获取大气光系数A的方法,首先把计算得到的暗通道图结果存
入矩阵,求暗通道图中的前1/1000个最大元素所在位,并存储在与暗通道矩阵相同大小的新矩阵中;根据新矩中的
位置信息获得R通道矩阵相应位喾的值,最后求取这些值的平均值作为A的取值。根据工程需要,该研究取去雾强度の
恒为1。通过与多尺度 Retinex( multiscale retinex,MSR)方法、日适应直方图均衡化( adaptive histogram equalization
AIE)等常规方法以及其他文獻的暗通道去雾使用方法进行对比试验,结论是该文的方法能获得更好的主观视觉效果。
在结果图像的对比度方面,该研究使用的方法能得到平均对比度64.04,与计算速度较快的直方图均衡化方法的35.46相
比,提升了81%;R通道对比度为68.525,与直方图均衡化方法得到的R通道对比度36.425相比提升了88%6:该方法得
到的图像直方图整体上呈现中间高两边低的形状特点,表明相对其他去雾方法,该文的方法能得到较好的去雾图像质量
时间复杂度方面,改进后的DCP方法计算640x480的图像耗时在33~37ms之间,基木能满足实时要求。分割定位精确
度方画,该文方法的综合定位精度为94.8%,高于其他方法。试验证明使用该文方法能在去雾的效率和性能方面得到较
好的平衡,是种可以用于实际采捎作业的可行方法。
关键词:机器人;收获;定位;苹采采摘;机器视觉;暗通道先验;去雾
doi:10.11975 /.issn.1002-6819.2016.16.02
中图分类号:TP391
文献标志码:A
文章编号:10026819(2016)16015108
朱德利,陈兵旗,杨雨浓,梁习卉子,杨明,乔妍.苹果采摘机器人视觉系统的暗通道先验去雾方法[].农业工程
学报,2016,32(16):151-158.doi:10.11975jiss.1002-6819.2016.16.021htp:/www.tcsae.org
Zhu Deli, Chen Bingqi, Yang Yunong, Lianxi Huizi, Yang Ming, Qiao Yan. Method of haze-removal based on dark channel prior
in visual systcm of apple harvest robot.j-'iransactions of the Chincsc Socicty of Agricultural Hnginccring (Transactions of thc
CSAF), 2016, 32(6): 151-158.(in Chinese with English abstract)
doi:10.11975 1. Issn.102-6819.2016.16.02
hulp://www.lcsac.org
业带来直接的经济损失。因此有必要研究雾霾天气,尤
0
其是能见度较差的雾羅天气环境ド苹果采摘机器人的视
采摘作业在整个果蔬生产作业环节中占据重要地觉处理方法,日前这方面的研究未见报道。
位,采摘机器人在减少采摘劳动强度、提高采摘效率、
由于苹果的分割和识别都是基于比较锐利的边缘5?
降低作业成本等方面与传统采摘工作相比有不可比拟的和清晰的顔色,因此对于雾羅天气环境下苹果采摘机器
优势。国外很多国家,尤共是欧美和日本已经展开了多人视觉系统,要做的首要工作就是去雾。去雾的程度和
年的研究,部分研究成果已经由试验氧走向了商品化。去雾效果的好坏,都直接影响视觉系统对图像的进一步
釆摘机器人需要各种控制系统集成オ能有效定成其任的分割和定位处理。图像去雾一直是机器视觉领域研究
务,而视觉系统无疑是其中很重要的组成部分之一。果的重要内容,先前的主要应用是视监控、地形勘测和
蔬采摘季节性都很强,尤其是苹果需要在成熟期内及时自动驾驶等领域?。其中基于暗通道先验( dark channel
采摘,实现个犬侯的采摘作业非常必要。中国越来越严 prior,DCP)思想的去雾方法在近几年得到了广泛研究
重的大面积雾霾直接影啊了苹果采摘机器人视觉系统对该思想源于2009年机器视觉与模式识別国际会议
图像的处理,据穆泉等的研究,这将会给苹果的生产作(CVPR)的最佳论文例,之后不断有研究人员从不同角度
并根不同领域的应用实际进行了改进91。该算法需要
收稿∏期:2015-12-15修订∏期:2016-06-23
的参数较多,要达到满意的去雾效果,如何调参一直是
基金项日:国家向技术研究发展划(2012A1OA501-5):重庆青年人オ计需要解决的问题。本研究以重度雾霾气候环境ド拍摄的
?!(cstc2013kirc-qmrc40001);重庆市前沿与应用基础研究计划
苹果园雾化图像为对象,通过与多尺度 Rctiincx( multiscale
(csc2013 jcy]A80013):重庆市教委科技计划(K.J150321)
作者简介:朱徳利,男,四川荣县人,博士生,重庆师范大学计算机与信总
retinex,MSR)方法和自适应直方图均衡化( adaptive
科学学院教师,主要从事机器学习与机器视觉在农业工程中的应用研究。北
histogram equalization,AHE)等常规方法进行对比试
京中国农业大学工学究,10003s。上mail:zhudeli(@cau.edu.cn
验,提出基于暗通道先验原理的苹果雾化图像去雾处
※信作者:陈兵旗,男,河南沁阳人,教授,博士生好师,キ要从半图像方法。根据苹果采摘工程应用在定位精度和运行速度方
处理与机器视觉方面的研究。北京中国农业大学工学院,100083
Fmail:Ibebq(@:163.com
面的要求,对算法中的大气光系数A,去雾强度の的获