基于双目立体视觉的西瓜子三维形态检测

作者:王士鑫;孙涌;余建飞;张刚 刊名:计算机工程 上传者:冯艳玲

【摘要】为提高西瓜子自动筛选系统的性能,提出一种用于度量和处理西瓜子弯翘度的方法。把双目平行立体视觉与骨骼线相结合,利用双目立体视觉技术重建物体表面的三维信息。将该信息进行正交投影,分别得到西瓜子在前视图和侧视图的轮廓。利用曲率尺度空间与骨骼线相结合的方法对侧视图的瓜子轮廓进行特征提取。实验结果表明,该方法对弯翘瓜子有较高的识别精度。

全文阅读

1概述目前,计算机视觉在农产品分捡中的应用大致分为2类:一类是对同一种类农产品进行等级分捡,如文献[1]用图像技术进行大米质量检测工作;另一类是对不同种类的农产品进行分捡,如文献[2]对大麦、小麦、燕麦等进行的分类。前者主要利用物体图像的色彩分布、规格大小等信息进行分类,后者主要依靠不同种类物体的形状与纹理差异。对于西瓜子这类不规则扁平状颗粒体,除具有形状不规则、表面色泽不均匀等特征外,瓜子整体形态还具有一定的弯翘性。仅通过物体的大小、长宽比、颜色、花斑连通度等特征进行辨别,没有考虑瓜子形态的弯翘程度,存在一定的局限性。曲率尺度空间(CurvatureScaleSpace,CSS)方法是一种平面曲线的形状描述方法。该方法通过在不同尺度下寻找曲线的关键点(曲率过零点),具有旋转、平移、大小变换的不变性[3],是描述形态特征的有力工具。根据以上分析及文献[4-5]的成果,本文提出一种表示西瓜子弯翘度的方法,即通过西瓜子的二维图像进行表面三维信息的重建,对该三维信息进行处理分析,以抽取其三维形态特征点,作为瓜子分选的依据。2三维形态检测系统模型对瓜子的三维形态检测工作分为2个阶段:(1)利用双目平行立体视觉对瓜子进行三维重构;(2)对瓜子形态特征进行提取和筛选判别。2.1系统模型本文方法建立在利用双目平行立体视觉对瓜子进行三维重建的基础之上,对瓜子的三维形态特征进行提取和辨析。所以,三维形态检测系统模型如图1所示,首先通过双目立体视觉进行瓜子表面的三维数据重建,然后利用本文方法进行处理,最后用提取的特征值建立标准库以实现自动辨析。图1三维形态检测系统模型2.2双目立体视觉原理本文采用双目平行立体视觉进行物体三维信息的重建。该方法由不同位置的光轴平行的2台或1台摄像机在移动中拍摄同一幅场景,通过计算场景中同一点在2幅图像中的视差,获得该点的三维坐标信息。其几何模型如图2所示,它由2个完全相同的摄像机构成,其中,Ol与Or分别为左右摄像机的光心,Ol与Or之间的距离为基线距离。场景中点M在左右图像平面中的投影点分别为Ml和Mr,Ml与Mr称为共轭点。共轭点的坐标差称为该场景点的视差[6]。由点Ol、Or、M确定的平面称为极平面,极平面与图像平面的交点称为极线。在图2中,Ll为左极线,Lr为右极线。图2平行式双目立体视觉模型世界坐标系中的一点M(Xw,Yw,Zw)到某图像平面上的点m(u,v)之间的数学转换关系可以表示为:1011211wwcwXuRtYzvMZPPP(1)其中,P1为内部参数矩阵;P2为外部参数矩阵。由式(1)可以看出,对相机进行标定后,得到左右相机的内外参数,使用该参数对输入图片进行立体校正,然后采用某一匹配算法(如NNC、SAD)求出共轭点的视差,再利用几何学及相机的参数,即可求出点M的世界坐标。在本文的应用中,由于采用如图2所示的平行式双目立体视觉模型,匹配点在对应平面的某条水平线上,因此减少了匹配查找时间,有效地提高了左右两平面共轭点的匹配效率,减小了三维重建的匹配误差。3基于CSS的弯翘特征提取3.1CSS原理曲率尺度空间是一种平面曲线的形状描述方法,由于它对图像轮廓的描述具有缩放、旋转、平移的不变性[7],因此在对象没有相互遮挡时,它是一种有效的方法。CSS是一种在曲线的不同尺度级别上提取曲线特征点的方法,特征点定义为曲率过零点。一段曲线上某点的曲率定义为该点切线的斜率相对于弧长的变化速率[4],其数学表示如下:22(3/2)()()()()()(()())xtytytxtktxtyt(2)为了计算在不同尺度时曲线的曲率特征,将

参考文献

引证文献

问答

我要提问