基于Kinect果实定位与检测开题报告

 2021-08-08 02:08

全文总字数:2656字

1. 研究目的与意义

我国是个农业大国,在信息技术高速发展的今天,我们应该加强农业的基础地位,促进农业的更快发展。

目前,国际市场上对水果的需求量很大,为了促进水果业的发展,除了提高产量外还要提高水果的采摘效率。

目前,我国对水果的采摘依然靠人工来进行,由于人的活动要受到许多条件的限制,因此采摘效率很低。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 国内外研究现状分析

国外对果实的定位与检测方面的研究己经向使用化方面迈进了一大步,20世纪80年代后期,Katsushietal.等人提出一种数字图像处理算法,通过改进hough变换,基于形状对自然场景下果实进行定位。

Zhang-shuhai等通过模式识别来实现对苹果的检测、定位,利用一种算法来实现对苹果的识别,对苹果树的原始图像进行滤波和边界提取,通过计算来确定与图形形状相关的苹果轮廓线。

进入21世纪以来,Canny提出了边缘检测算法,为果实识别提供了新的方法。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 研究的基本内容与计划

选择果实识别算法:果实识别是我们研究的关键所在,利用Kinect摄像机采集果实植株上的成熟果实图像再通过VS软件获取图像。

HSV系统识别算法是把从摄像机获取图像的像素点的RGB值转化为HSV值。

在HSV颜色模型下对果实进行识别,通过统计H直方图得到成熟果实的色度值并将图片中成熟果实与其他辨别出来的。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 研究创新点

一、运用新型传感器:传统的采摘机器人视觉系统通常采用COMS相机或CCD相机,但这些相机采集到的图像都是RGB图像,只能加辅助设备进行定位(如:激光扫描仪、TOF相机)但这些设备价格都比较昂贵。

后来出现的双目视觉系统虽可以解决经费问题,但安装和图像处理也十分复杂。

Kinect与传统的果实识别中采集图像的相机相比,采用Kinect摄像头对成熟果实采集的图像为RGB-D图像,无须加入辅助定位设备,可结合相应的算法进行在识别后准确定位。

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

以上是毕业论文开题报告,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。