摘要：为提高基于机器视觉的猪体体尺测量研究中的图像利用率和体尺测量效率,以长白猪和大白猪为研究对象,基于kinect相机获取的猪体视频数据,提出了一种猪体理想姿态检测算法。该算法利用最小外接矩形法调整猪体为水平方向;利用投影法和差分法识别头部和尾部位置,通过头部边界标记法判断是否耳部缺失;利用骨骼化算法结合霍夫变换算法检测猪体头部是否歪斜。在此基础上,设计了猪体体尺测量算法。针对养殖场获取的103组视频数据、俯视和侧视各52 016帧图像,进行了理想姿态检测及体尺测量。结果表明,检测出理想姿态2 592帧、漏报432帧、误报0帧,误报率较低;每帧图像的体长偏差与本组体长均值小于2. 3%,组内理想姿态帧之间差异较小,一致性较好;体宽测量的平均精确度为95. 5%,体高测量的平均精确度为96. 3%,体长测量的平均精确度为97. 3%,测量的平均准确度较高。本研究成果应用于基于机器视觉的猪体体尺测量,可提高图像利用率和体尺测量效率。

摘要：为实现工厂化穴盘苗的无损测量,提出一种基于kinect相机的穴盘苗生长过程无损监测方法。以黄瓜穴盘苗为监测对象,在穴盘苗正上方架设kinect相机,获取穴盘苗的彩色图像和深度图像,并进行彩色图和深度图之间的像素匹配;通过对彩色图像进行预处理、阈值分割、形态学运算和连通分量统计,获取穴盘发芽率;同时,由图像分割获取的幼苗轮廓和深度值计算得到叶片中心像素点坐标及其对应的深度,以此得到相机到幼苗叶片中心的高度,结合相机到穴盘格的距离和穴盘高度,实现对穴盘苗株高的监测;将深度图像进行直通滤波、条件滤波、边界保持滤波处理,有效去除穴盘苗周围的背景噪声以及波动幅度大的深度数据,获得幼苗叶片中像素点的有效深度,通过在深度图像中对叶片进行重建实现叶面积分析;基于获取的穴盘苗株高和叶面积建立壮苗指数评价模型。利用穴盘苗生长过程监测数据进行实验验证,结果表明,在发芽后5 d内,发芽率误差不大于1.567%;株高和实际株高之间的拟合优度R^(2)为0.875,RMSE为1.395 mm;叶面积平均误差为2.15%;壮苗指数拟合优度R^(2)为0.958。说明本文设计的穴盘苗监测方法可以实现对穴盘苗的发芽率、株高、叶面积和壮苗指数的无损监测,为工厂化穴盘苗生长过程监测提供了有效的解决方案。

摘要：针对移动机器人的交互控制进行研究,利用kinect相机获取的人体特征点信息用于全向移动平台的视觉伺服控制中。首先,对完整约束下的移动平台构型进行设计,构建平台的正逆运动学模型;其次,分析基于图像的视觉伺服控制模型,得到图像空间中特征点与笛卡尔空间平台的运动关系;再次,对伺服控制系统进行设计,提出交互中特征点的提取及选取方式,给出雅可比矩阵的深度值估计方法,讨论偏差的增益值组合对平台运动的影响;最后,选择符合条件的一组增益值对上述控制算法进行仿真,分析仿真结果,验证了控制算法的可行性。

摘要：当前随着3D相机在智能机器人领域的广泛运用,越来越多的学者投入到了基于3D相机深度图像的室内三维平面分割研究当中。文运用了一种快速而且比较稳定的方法去检测复杂的平面,其中深度图像是运用kinect相机采集的。为了提高平面提取的速度,我们首先计算深度图像中点的法向量,通过法向量来判断这些点是否在一个平面上。运用求点的法向量可以同时检测多个复杂的平面,而且实验结果显示该方法比传统的3D Hough Transform以及RANSAC方法要快。此种方法还有个优点就是可以运用到实时的平面与障碍物检测当中,此方法在机器人领域有比较大的应用前景。