全文总字数：6071字

题目：基于可见光深度图像的目标定位研究

[摘要]: 该文章主要以国内外对于机器视觉在目标定位中的应用为主题对象，以此来描述机器视觉技术发展的历史进程和最新发展，综合讨论各个基于可见光深度图像所做的目标定位研究，探讨其所反映的自动定位识别研究的新动态，新趋势，通过文章，初步认识机器视觉技术在农林业的地位与发展方向，以期为进一步的研究做一个简单的了解。

关键词：可见光深度图像，图像处理，自动定位识别，智能采摘

前言：随着信号处理理论和计算机技术的发展，机器视觉技术发展迅速。美国制造工程协会机器视觉分会和美国机器人工业协会的自动化视觉分会对机器视觉下的定义为：“机器视觉是通过光学装置和非接触的传感器自动的接受和处理一个真实的物体的图像，通过分析图像获得所需的信息或用于控制机器运动的装置”现如今，机器视觉运用于方方面面，在农林业上的应用，从果实的探伤到品种分类，果蔬识别和定位的准确性与实时性将直接影响果蔬采摘机器人的采摘成功率和采摘效率。开放环境中，目标的识别与定位受外界环境影响，使其准确性大大降低，故一直以来，提高机器视觉的精度与准度一直是采摘机器人研究领域的重点之一。

1. 机器视觉技术的历史发展

机器视觉技术是计算机科学的一个重要分支，它结合了多个方面的技术，例如机械，电子，光学，计算机软件、硬件等。图像处理和模式识别是其两个核心环节，这两项技术的发展也推动了机器视觉技术的发展。上世纪70年代，机器视觉技术在遥感图片和生物医学图片分析上取得了显著的成绩。模式识别起源于20世纪50年代的机器视觉，早期研究主要是从统计模式识别开始，工作主要集中在二维图像与识别上，如光学字符识别OCR、工作表面图片分析、显微图片和航空图片分析与解释。20世纪60年代的研究前沿是以理解三维场景为目的的三维机器视觉。1965年，Roberts【1】从数字图像中提取出诸如立方体、楔形体、棱柱体等多面体的三维结构，并对物体形状及物体的空间关系进行描述。他的研究工作开创了以理解三维场景为目的的三维机器视觉的研究。

1977年，David Marr【2】教授在麻省理工大学的人工智能实验室领导一个以博士生为主体的研究小组，于1977年提出了全新的机器视觉理论，该理论在80年代成为机器视觉领域中的一个十分重要的理论框架。在20世纪80年代到20世纪90年代中期，机器视觉技术获得蓬勃的发展，新的概念和理论不断涌现。

在中国，视觉技术的应用开始于20世纪90年代，但在各行业的应用几乎一片空白。直到21世纪，视觉技术才开始在自动化行业发展成熟，如华中科技大学在印刷在线检测设备与浮法玻璃缺陷在线检测设备研发的成功，打破了欧美在该行业的垄断地位。国内视觉技术已经日益成熟，真正的高端的应用也正在逐步发展。

1. 国内外研究现状

我们要知道，对于我们的目标而言，准确，快速的识别是采摘机器人实现智能化，实用化的关键前提。

针对现有以可见光图像为主的果实识别方法，江苏大学的朱新新【3】认为该方法存在光照敏感性和重叠、遮挡对象难以分割的缺陷，而基于深度信息的果实识别方法主要依赖点云的三维重构和图像特征提取，仍存在分析过程复杂、运算量大、对贴碰果叶无法有效分割的不足。他以低成本，高精度和新型集成化的RealSense为深度信息采集设备，提出果实识别的深度球截线方法并实现枝上近景柑橘果实的识别。

浙江大学的项荣【4】在论文中提出了双目立体视觉技术，详细探讨了开放环境中番茄图像分割算法，被枝叶遮挡番茄识别算法，成簇番茄识别算法及番茄3D定位方法，部分解决了当前番茄采摘机器人视觉系统中存在的问题。关于双目立体视觉，国外的立体视觉已经有了很大的发展，日本东京大学【5】将实时双目立体视觉和机器人整体姿态信息集成，开发了仿真机器人动态行走导航系统。华盛顿大学与微软公司【6】合作为火星卫星“探测者”号研制了宽基线立体视觉系统，使探测者号能够在火星上对其即将跨越的几千米的地形进行了精确定位和导航。