摘 要：根據(jù)顏色特征利用閾值自動設(shè)定的方法對圖像進(jìn)行分割，自動、快速識別紅色番茄；采用形心匹配取代常規(guī)的特征點選擇和匹配方法，對雙目立體成像測距公式進(jìn)行了修正，經(jīng)過驗證，當(dāng)工作距離小于500mm時，距離誤差可以控制在±10mm以內(nèi)。
關(guān)鍵詞：計算機視覺；定位；雙目立體視覺

利用機器人采摘果實，首先要識別果實，然后確定果實的空間位置，這樣才能實現(xiàn)下一步的采摘工作。基于計算機視覺尋找樹上果實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；另一類是在圖像采集時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[1,2]。這些方法目前基本上都停留在理論研究階段，與實際生產(chǎn)的需要差距很大。本文所提出的番茄識別與定位技術(shù)可滿足實際工作需要，力求快速、準(zhǔn)確。

1 識別

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，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，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，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)這個特征，可以實現(xiàn)對圖像的兩次分割。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袼兀頣>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。對于較小的在視覺上表現(xiàn)為散點的噪聲，可以用形態(tài)學(xué)開運算和中值濾波相結(jié)合的方法去掉。對于較大的噪聲區(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)是用兩個攝像頭模擬人的雙眼，同時從兩個不同位置對同一目標(biāo)拍攝圖像，然后通過目標(biāo)匹配根據(jù)三角關(guān)系計算目
標(biāo)的空間位置。

2.1 攝像頭到番茄之間距離的計算

如圖2所示，L、R表示左右兩個攝像頭，點O表示番茄上的特征點，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O在右邊圖像上的成像。根據(jù)三角關(guān)系，可以計算出O點到LR連線的垂直距離為

其中xL為點Lx在左邊圖像中的橫坐標(biāo)，xR為點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(即O點)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，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，計算量大，而且對采集到的圖像質(zhì)量要求很高，否則造成錯誤匹配的概率很大。針對上述問題和本研究的具體對象，本文提出以下采用形心匹配取代常規(guī)特征點選擇和匹配的方法。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是番茄上同一點在兩幅圖像上的成像。很明顯，如果存在這樣一點，它一定是圓心O1。

根據(jù)前面圖像識別的結(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點到LR連線的距離d1，所以測距公式應(yīng)該變成

當(dāng)研究對象是理想球體時，c就是球體的半徑。實際工作時，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c進(jìn)行標(biāo)定。根據(jù)對實驗大棚和田間番茄生長情況觀察，在同一時期，在同一個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、計算，即可標(biāo)定c值。圖4是對3個番茄在不同位置的試驗結(jié)果，c用另外一個西紅柿進(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，除了個別奇異點，誤差基本上都在±10mm以內(nèi)。這是因為攝像機有一定的取景范圍，距離較遠(yuǎn)時，圖像上番茄的像比較小，微小的偏差就會造成較大誤差。

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，連線中點為空間坐標(biāo)系原點，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軸正方向為垂直于x、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
本文提出的識別與定位技術(shù)在Visual C++ 6.0編譯環(huán)境下編程實現(xiàn)，運行效果良好。綜上所述可以得出以下結(jié)論：

(1)對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別；