买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：福州大学

摘要：本发明提出一种融合颜色特征和边缘特征的双目视觉绿色植被匹配定位方法，其采用的技术和流程包括：双目相机参数标定，场景双目图像获取，图像极线矫正，图像预处理降低光照影响并增强边缘特征，颜色空间变换和边缘特征提取，超绿特征结合OTSU自适应阈值算法分割双目图像，计算绿色植被前景目标连通域和目标图像质心坐标，Census变化融合颜色特征和边缘特征构建并初始化匹配代价函数等。本方法能够对处于室外非结构复杂农业场景中的绿色植被进行快速准确定位，提高了传统立体匹配的定位准确率和工作效率，在复杂农业场景下准确性和鲁棒性高，计算复杂度低，十分适合机械化精准农业生产中的除草、蔬果采摘等任务。

主权项：1.一种融合颜色特征和边缘特征的双目视觉绿色植被匹配定位方法，其特征在于，包括以下步骤：步骤S1：使用OpenCV双目视觉标定算法标定双目相机内参、外参和畸变参数，用于极线矫正和深度值测量；步骤S2：使用标定好参数的双目相机实时采集田间双目图像数据；步骤S3：根据标定好的双目相机内参、外参和畸变参数对采集获得的双目图像进行极线矫正，使得双目图像上匹配像素点对在图像同一行；步骤S4：使用Gamma矫正、自适应直方图均衡化和双边滤波进行图像预处理；步骤S5：将步骤S4处理完成的图像，分别在RGB颜色空间内将图像进行超绿特征通道图像转换，生成超绿特征通道图像；以及使用Sobel边缘检测算法检测图像边缘信息，生成边缘特征图像；步骤S6：使用OTSU自适应阈值分割算法计算超绿特征通道图像的二值化阈值，并使用阈值分割方法分割图像得到前景植被图像信息；步骤S7：在前景植被图像上使用连通域标记算法计算前景图像连通域，并计算对应前景植被连通域的图像质心坐标；步骤S8：构建融合匹配代价函数计算超绿特征通道图像、Sobel边缘特征图像和源图像上的匹配代价；步骤S9：使用半局部匹配算法SGM聚合匹配代价；步骤S10：使用赢者通吃算法WTA将匹配代价最小的视差值作为最优视差，并生成视差图；步骤S11：通过视差优化方法优化视差图，至少包括：左右一致性检查、中值滤波、小连通域剔除和视差图填充；步骤S12：将视差图结合双目相机标定得到的内外参数和畸变参数计算对应像素点对的深度值，并生成深度图；步骤S13：根据植被质心图像坐标，在深度图上查找对应深度值，计算对应植被质心空间位置坐标，完成植被空间定位；在步骤S8中，基于颜色分割的匹配代价是根据视差在相同色彩空间下的同一分割区域内平滑变化假设得到；超绿特征通道内构建代价匹配函数具体原理为：设Ilg和Irg分别为OTSU阈值分割算法在超绿特征通道内分割得到的绿色植被前景图像，Rexg为参考图像上分割得到的前景像素区域，p、q分别为在视差假设为d时左右图像上的一对像素点，即p＝q-d，最小阶段误差为Tr，δ为匹配像素点对两像素点像素值之间的绝对差值，对于双目图像左右视图上的任意一对匹配点在视差假设为d时的匹配代价为： 在源图像上使用Census变换计算左右视图之间的匹配代价，具体原理为：首先将左右双目图像转换为8比特灰度图像，然后采用5×5大小的计算窗口根据窗口内灰度值与中心灰度值大小的比较编码为0和1，再采用Hammingdistance计算左右视图窗口内的匹配距离作为匹配代价值，并在左右双目图像上滑动计算窗口构建全局的像素匹配代价；超绿特征通道图像、边缘特征图像和源图像各自的匹配代价计算完成后，使用联合匹配代价函数构建整体匹配代价，联合匹配代价函数为： 其中，β和分别为系数。

全文数据：

权利要求：

百度查询： 福州大学 融合颜色特征和边缘特征的双目视觉绿色植被匹配定位方法