南京农业大学SRT计划项目申请书.doc
《南京农业大学SRT计划项目申请书.doc》由会员分享，可在线阅读，更多相关《南京农业大学SRT计划项目申请书.doc（29页珍藏版）》请在冰点文库上搜索。
SRT计划项目申请书
项目名称:
XXXXXXXXXXXX
申请者:
XXX
院系:
工学院农机系
专业:
XXX专业
指导教师:
XX职称:
XX
2012年04月08日
南京农业大学教务处制
填报说明
一、填写申请书前，请先查阅《南京农业大学SRT计划项目管理办法》（校教字[2003]134号）文件和当年教务处关于SRT计划项目申请的要求及有关规定。
二、申请书的各项内容，要实事求是、逐条认真填写。
表达要明确、严谨。
第一次出现的缩写词，需注出全称。
三、申请书一律采用计算机打印,纸张标准为A4纸，于左侧装订成册。
第三页起各栏空格不够时，可自行加页。
一式二份，交所在学院办公室。
四、凡选择性栏目，请在相应提示符A、B、C等之上打勾（√）。
五、有关表格、材料请从教务处网站（）的“下载中心”中下载填写。
六、联系单位：
教务处实践教学科
地址：
文科楼A座217室
电话：
84395910
E-mail:
jwcsjk@
一、简表
申请者姓名
XXX
学号
XXXXXXXX
班级
XX班
年级
2010级
电话
XXXXXXX
E-mail
XXX
项目名称
果树主干及其支干的图像信息提取
项目来源
A、自立项目B、教师科研课题的子项目√C、其它
项目类型
A、实验研究B、调查研究C、软件制作√
经费来源
A、学校资助√B、导师课题资助C、企业资助
经费额度
1500元
指导教师姓名
XX
指导教师职称
XX
合作者
姓名、学院、班级
XXX，XX系10级0X班；
XXX，XX系10级0X班；
XXX，XX系11级0X班。
申请时间
2012年5月
完成时间
2013年5月
项目研究
内容
摘
要
对果树的图像信息进行快速提取并据此实现二维重绘是图像处理软件开发技术发展的一个新领域。
作为果树的重要组成部分，针对树木模型主干及其支干的快速重建研究也随之发展。
本文以数码相机采集数据为基础，使用模块化方法实现了对柑橘果树的快速精确平面图像重绘。
选取相机拍摄的场景图像进行预处理，分割提取出主干及其支干。
对于枝干图像，将枝干二值化图像转化为距离图像，再将距离图像细线化并与距离信息相结合，配合平面坐标信息得到枝干中心对称线各点坐标及对应长、宽距。
为减少数据运算量，对得到的数据图像剪除短枝、去除赘点以得到描述枝干拓扑结构的关键点坐标及其对应坐标差值。
据此计算得到的模型顶点平面实际坐标信息构成了对枝干部分二维模型的表述。
权衡模型精度和建模速度，确定使用长方形模拟枝干方法生成枝干部分模型，用较少数据量实现了中等复杂度柑橘果树场景的完整描述，达到很好的可视化效果。
针对采摘机器人避障计算，调整模型精度达到合理状态，剔除材质和纹理，并在枝干建模中使用梯形替代长方形，忽略冗余数据提高模型生成速度，为整个系统的实时性奠定了基础。
本研究为机器人避障系统提供了路径规划基准和虚拟工作环境，同时可为其他同类树木模型快速精确建模研究提供借鉴。
二、立论依据
（包括项目的研究意义、现状分析，并附主要参考文献及出处）
1研究意义
☆进入二十一世纪，随着高新科技的迅速发展，农业科技迎来了新的发展机遇。
尤其是农业生产，正朝着规模化，多样化，精确化方向发展，农业劳动力的成本迅速上升，劳动力不足的现象也日趋明显，因而作为高科技的机器人技术进入农业领域变得越来越现实，果园收获作业机械化，自动化成为广大果农们最为关注的热点问题，所以开展果树采摘机器人研究，不仅对于适应市场需求、降低劳动强度、提高经济效率有着一定的现实意义，而且对减轻人类生活压力也是一种潜在的构想。
☆在机器人研究中，果树主干及其枝干的图像信息提取，便成为智能机器人的作业基础。
我们的课题是一项基础性的研究，主要意义是为多种智能农业机器人，尤其是果园机器人自动作业提供最基础信息。
另外，还可以为其他领域智能机器人信息提取提供一个研究思路。
2现状分析
☆采摘机器人是21世纪精确农业的重要装备之一，是未来智能农业机械的发展方向。
从1983年的第一台西红柿采摘机器人在美国诞生以来，采摘机器人的研究和发展已经经历了20多年。
采摘机器人是针对水果和蔬菜，可以通过编程来完成这些作物的采摘、转运、打包等相关作业任务的具有感知能力的自动化机械收获系统，是集机械、电子、信息、智能技术、计算机科学、农业和生物等学科于一体的交叉边缘性科学，需要涉及机械结构、视觉图像处理、机器人运动学动力学、传感器技术、控制技术以及计算信息处理等多方面的学科领域知识。
以下主要介绍一些国内外在农业机器人图像信息提取过程中的进展和成果。
2.1国外研究进展
☆从60年代末开始一直到今天，图像的信息提取一直是图像理解、图像识别、计算机视觉和人工智能研究人员的重要课题。
Pal等对图像提取方法总结中提到有几百种，但没有一种方法对所有图像都产生好的提取区分效果，不同种类的图像应采取相应提取方法。
图像信息提取是针对性很强的技术，根据不同应用、不同要求需要采用不同的处理方法。
目前的图像提取中依据的特征主要是颜色特征、形状特征、纹理特征等。
另外还有多种图像信息提取的研究工作，诸如各类图像信息提取及二维、三维重绘软件。
☆对于树木模型的精确重构，Shlyakhter、ChinHungTeng以及CMCheng等人运用图像处理与图形相结合的方法，提取树木骨架、树木形态等进行分析，进而实现对真实场景下的树木模拟。
这种方法应用实际测量数据对树木骨架模型生成进行控制，构建出的树木更为真实和让人信服。
但该种方法由于侧重对模型细节的把握，降低了模型生成速度。
而且由于细节过多，对于模型的存储数据量难以进行有效控制。
针对树木数据的处理，JiguoZeng使用多线段逼近方法对树木采集数据进行控制，构建出可以控制模型精度的树木模型。
☆HongpingYan、ThomasL以及StefanJansson等人将真实树木的生长规律参数化，利用参数实现树叶和树枝结构建模，构造出三维树木模型；Lintermann甚至完成可生成随机树木的参数化控制软件；RuiWang等人通过从真实树木中提取构成元素的组合实现真实树木模拟；CallumGalbraith则利用真实树木映射技术增加树木模型的真实感；Remolar、ODeussen以及陈华光根据视点与树模型的距离或者树木模型在当前场景的重要性确定树木模型数据层次，保证了树木渲染的真实性和实时性。
☆日本Hirosaki大学TeruoTakahashi等人2002年研制了一苹果采摘机器人，其视觉系统主要采用了两个彩色相机组成的双目立体视觉系统。
当左、右两个相机同时获取了同一目标的图像后，通过将两幅图像进行中心合成来重建采摘目标的三维信息。
在减少识别误差方面，提出了三个方法：
（1）在进行目标中心合成时，设置一个较窄的范围搜索区域；
（2）在左、右图像共同的目标区域，比较同一目标、一定数量的颜色特征；（3）将左、右图像的左、右半边区域分别重合，可使图像的公共部分更加清晰。
通过上述改进，对于红色苹果的识别率大于90％，在红色苹果和黄色苹果混合的情况下，识别率在65％－70％之间。
上述方法中，第一种和第三种减少误差的方法较为有效，识别误差率在±5%左右。
☆Yonekawa等对紧密度、圆度、伸长度和粗糙度进行评价，认为利用这些简单形状因子可以简单有效的进行图像分割。
Lee等通过形状特征识别杂草开发西红柿除草系统。
Blasco等根据作物和杂草面积的差异开发除草设备。
Søgaard利用形状模板进行杂草识别，达到较好的识别率。
纪寿文等2000年利用投影面积、叶宽、叶长在玉米苗期识别出单子叶杂草。
相阿荣通过杂草区域的面积和质心识别麦田常见杂草，识别率为92﹪。
龙满生将BP网络用于杂草形状识别。
Bjornastrand用图像分割、Hough变换算法识别甜菜行参数。
YutakaKaizu研究基于机器视觉的插秧机自动导航系统，使用Hough变换算法提取导航线参数。
沈明霞对农田景物图像信息的提取方法包括图像分割、基于纹理特征分析、基于形态特征分割等农作物边缘检测研究。
周俊在图像分割方面，采取小波分解的方法，将图像分解到第4个。
☆上述各方法生成的树木真实感较强，细节表达丰富，并可以设定参数对生成树木加以控制，以有效运用到虚拟场景之中。
但是生成树木模型依据的是人为设定的数值，并没有能力对真实的树木进行精确的模型重构及再现。
2.2国内研究进展
☆目前国内主要有两组人进行林木图像处理的研究工作：
北京林业大学的李文彬等人和南京林业大学的郑家强等人。
北京林业大学的研究是以树木的整枝抚育为应用背景，南京林业大学的应用背景是精确喷雾。
下面就介绍一下他们的具体工作及相应的研究成果。
☆2004年，程磊等提出了一种序列化的处理方法：
首先综合运用基于色彩和纹理的图像分割方法获得初步分割图像，然后应用数学形态学方法修正分割后的图像，最后对分割图像中的树冠和树干进行整株树的标记，初步实现了一类树木图像的分割。
2005年，杨华等人对单株立木图像信息的提取分别运用近景摄影测量DLT模型和双目立体视觉技术进行解算,解决了立木图像信息与立木二维坐标之间的解算问题。
2005年，孙仁山、李文彬等从工程应用角度出发，应用二维小波分析技术对林木图像进行消噪、压缩等处理；提出一种用于工业用材林自动整枝的立木枝干动态识别系统框架,对人工林侧柏的枝干进行了数字图像采集及处理,同时提出了一种立木枝干计算机自动识别算法,提取立木图像枝干形状、尺寸、弯曲度及相对空间位置关系基本生长特征,即利用模式识别技术验算其与特征数据库的匹配情况,从而达到立木枝干自动识别的目的。
2006年，阚江明、李文彬等针对智能整枝机视觉系统的需要提出一种以数学形态学为主的图像分割方法，解决复杂背景下树木图像分割困难的问题。
2007年，阚江明、李文彬等利用已知大小的标定尺简化无线性畸变CCD摄像机标定过程，经过标定后统计立木枝干直径的像素数与每一个像素代表的实际尺寸相乘就可以很容易地计算立木枝干直径。
☆1998年，童雀菊、华毓坤对利用图像处理方法采集原木形状参数的过程作了研究，提出了一种基本的图像处理在树干识别中应用的方法。
2004年，葛玉峰、周宏平等提出了基于相对色彩因子的树木图像分割算法。
首先引入2×G/（R+B）色彩因子分割绿色树木与其背景，再引入（R+B+G）/3因子去除图像中的暗噪声或相对暗区。
2004年，向海涛、郑加强等[研究了树木图像的实时采集与识别技术,以及树木图像处理及分析软件系统的开发,并设计制作了室内模拟实验系统。
2005年，王雪峰、张超等介绍由摄像机图像抽取林木直径的方法、步骤,将度量误差模型算法应用到参数的求解当中,提出适合于林业野外作业的内、外参数分离策略,最后对文中算法、策略进行实际验证。
☆综上所示，目前国内在林木图像处理工作主要集中在森林或者工业用林等方面，研究也多停留在实验室水平上。
对果树图像进行研究的工作尚未见报道。
他们的研究主要针对整棵树为研究对象，而我们则是对树的主干和枝干进行图像的处理和识别。
参考文献：
[1]柳洪,宋伟刚.机器人技术基础[M].北京冶金工业出版社,2002.
[2]杜青林.明确任务,突出重点实施“科教农”[R].杜青林部长在全国农业科技教育工作会议上的讲话,2003.4.17.
[3]徐丽明,张铁中.果蔬果实收获机器人的研究现状及关键问题和对策[J].农业工程学报,2004.20（5）:
38-42.
[4]方建军.移动式采摘机器人研究现状与进展[J].农业工程学报,2004.25
（2）:
273-278.
[5]梁喜凤,苗香雯,崔绍荣等.番茄收获机器人技术研究进展[J].农机化研究,2003.10
[6]周俊,姬长英.农业机器人视觉导航中多分辨率路径识别.农业机械学报.2003,34（6）:
120-123
[7]周俊,姬长英.基于知识的视觉导航农业机器人行走路径识别.农业工程学报.2003,19（6）:
101-105
[8]程磊，树木图像的分割方法初探，硕士学位论文，北京林业大学，2004
[9]杨华、孟宪宇、刘燕、程俊，单株立木图像信息的提取与解算,北京林业大学学报，2005,27
（1）:
51~54
[10]孙仁山，李文彬，徐凯宏，基于小波变换的林业图像处理研究，森林工程,2005,21
（1）:
4-6
[11]A.J.Pe´rez,F.Lo´pez,J.V.Benlloch,S.Christensen.Colourandshapeanalysistechniquesforweeddetectionincerealfields.Computersandelectronicsinagriculture.25（3）:
197–212,2000
[12]George.E.Meyer,Joao.Camargo.Neto,David.D.Jones,Timothy.W.Hindman.Intensifiedfuzzyclustersforclassifyingplant,soil,andresidueregionsofinterestfromcolorimages.Computersandelectronicsinagriculture.42（3）:
161–180,2004.
[13]Cho.S.I,KiNH.,Lee.JHChoiCH.Autononmousspeedsprayerusingfuzzylogic.Proc.InternationalConferenceonAgriculturalMachineryEngineering,November,Seoul,1996:
648-657
[14]Cho.S.I.,Ki.N.H.Autonomousspeedsprayerguidanceusingmachinevisionandfuzzylogic.ASAE,1999,42（4）:
1137-1143
[15]B.S.S.H.Kim.AutonomousGuidanceSystemforAgriculturalMachinebyMachineVision.ProceedingofASAEAnnualInternationalMeeting,Sacramento,California,USA.2001.PaperNumber:
0l-1194
[16]ToruTorii.ResearchinautonomousagriculturevehiclesinJapan.ComputersandElectronicsinAgriculture.2000.（25）:
133-153
[17]相阿荣.识别杂草和土壤背景物的图像处理方法研究.硕士论文.中国农业大学,2001
[18]毛文华,王一鸣,张小超,王月青.基于机器视觉的苗期杂草实时分割算法.农业机械学报.36
（1）:
83-86,2005
[19]H.T.Søgaard,H.J.Olsen.Determinationofcroprowsbyimageanalysiswithoutsegmentation,ComputersandElectronicsinAgriculture.2003（38）:
141-158DandyRC.Developmentsinelectronics[J].AgriculturalEngineer,1994,49
（1）:
2-4
[20]S.Yonekawa,N.Sakai,O.Kitani.Identificationofidealizedleaftypesusingsimpledimensionlessshapefactorsbyimageanalysis.TransactionsoftheASAE.39（4）:
1525-1533,1996
[21]W.S.Lee,D.C.Slaughter,D.K.Giles.Roboticweedcontrolsystemfortomatoes.PrecisionAgriculture.1
（1）,95-113（1999）
[22]J.Blasco,N.Aleixos,J.M.Roger,G.Rabatel,E.Moltó.Robotic.Weedcontrolusingmachinevision.Biosystemsengineering.83
（2）,149-157,2002
[23]Søgaard.H.T.Weedclassificationbyactiveshapemodels.Biosystemsengineering,91（3）:
271-281,2005
[24]纪寿文,王荣本,陈佳娟,赵学笃.应用计算机图像处理技术识别玉米苗期田间杂草的研究.农业工程学报.17
（2）:
154-156,2001
[25]龙满生.玉米苗期杂草识别的机器视觉研究.硕士论文.西北农林科技大,2002
[26]AstrandB.,BaerveldtA.J.Anagriculturalmobilerobotwithvision-basedperceptionformechanicalweedcontrol.Autonomousrobots,2002（13）:
21-35
[27]YutakaKaizu.Prototypericetransplantermastersthepaddywithmachinevision.（AutomationTechnology）.2005,
[28]沈明霞,姬长英.农作物边缘提取方法研究.农业机械学报,2000,31（6）:
45-47
[29]沈明霞,姬长英.基于纹理频谱的农田景物区域检测.农机化研究,2000,8（3）:
43-47
[30]沈明霞,李秀智，姬长英.基于形态学的农田景物区域检测技术.农业机械学报，2003,34
（1）:
92-94
三、研究方案
1.项目研究的目标、内容和拟解决的关键问题
1.1研究目标
☆在VC++平台下，编写制作一款软件，以实现果树主干及其支干的图像信息
提取，为机器人采摘果实的实时避障提供大量果树枝干信息储备。
1.2内容
☆利用数码摄像机采集果树图像信息，通过开发相应的软件同时利用相关技
术对图像中果树主干及其枝干的图像信息进行提取，并重新绘制出果树枝
干的二维平面图像，为机器人能够正确辨认出强硬枝干提供大量信息，从
而自动避开枝干等障碍，实现机械手不受损伤。
☆开发能够提取果树枝干信息的软件系统是我们的主要任务。
初步确定需要
经过颜色分割、灰度阈值分割、树枝区域提取、树枝骨架提取、骨架修剪、
遮挡树枝恢复等步骤，其中会运用到形态学方法、距离变换法、细线化法
，最后集成调试，得到所需软件。
1.3拟解决的关键问题
☆消除树叶、果实等对枝干的影响。
由于春夏之际树叶茂密，此时不利于枝
干的信息提取，因此选择在秋天对果树进行拍照处理，从而避开了树叶对
枝干的影响，使研究更加方便；
☆利用对RGB颜色系统的色差分量2R-G-B进行迭代自适应阈值分割法去除
图像天空、棕色土地等区域，并利用对2G-R-B进行迭代分割法去除图像
嫩树枝等区域，再采用灰度阈值分割法去除图像较亮和较暗区域，能快速
有效地分割出图像的树枝区域。
☆在识别树枝区域的过程中，树枝区域形状较复杂，利用此区域来恢复树枝
的二维信息显然非常困难，如何简单有效的恢复树枝二维信息是我们课题
研究的一个难点。
☆通过细线化处理得到的树枝骨架，虽然很好的保持了连接性，但当树枝区
域边缘不平滑时会产生“假分支”。
这些“假分支”将影响本研究后续处理，
需将其去除。
如何去除假分支则是我们研究中又一个难点。
☆如何恢复被遮挡的树枝。
2.拟采取的研究方法、技术路线、实验方案及可行性分析
2.1研究方法
☆首先选择在秋天利用数码相机拍摄果树图像，再在VC++平台下运用所编写程序，对采集到的图像信息分别实现果树主干及其支干的二维重构功能，并使其满足在机器人实际摘果过程中顺利地避开障碍物（果树树干及其支干）的匹配条件。
本研究以针对柑橘果树为例，但也可以通过适当调整应用到其他自然场景下的果树主干及其支杆（以下简称树枝）的二维重绘工作中。
2.2技术路线及实验方案
2.2.1颜色分割
☆从采集的图像分析可知，由于秋天的季节性因素，排除了果树树叶和果实的影响，柑橘图像主要包含树枝、天空、土地等区域。
由于树枝区域颜色特征不明显，要想直接从图像中提取出树枝区域比较困难，但图像中天空的颜色特征却非常明显，为白色或蓝色等。
利用这一特点，本研究使用去除背景留下目标的方法提取树枝区域。
由于迭代法能自动快速准确地找到图像分割阈值，因此考虑使用迭代阈值分割法去除背景。
2.2.2灰度阈值分割
☆将真彩色图像转化为灰度图像，利用像素的颜色分量间的差异，对所得到的灰色图像进行灰度阈值分割。
（2.1）
背景（2.2）
其中R,G,B为图像（x,y）像素点的颜色分量，为图像平均灰度（即图像各像素点的均值）。
☆经过以上分割处理后，可以提取大部分树枝区域，但由于自然场景下拍摄的图像受外界干扰较大，图像中阴影区域、随机噪声等仍无法完全去除。
可采用形态学处理和区域标记法将其除去。
2.2.3提取树枝区域
☆分割后的图像，经过二值化、形态学运算、区域标记及小区域去除、区域填充处理提取出图像树枝区域。
最终的树枝区域提取结果中，背景区域被完全去除，绝大部分障碍物（树枝）区域被提取出来。
如下图所示：
2.2.4树枝特征提取
☆我们可以从识别出的树枝区域看出，树枝区域形状较复杂，利用此区域来恢复树枝的二维信息显然非常困难，为了准确快速地获取障碍物二维信息，需要提取树枝区域特征，由于正常树枝形状投影在平面内为细长的方形，因此本研究使用相应的方形长条代表树枝，由几何知识可知，要想得到长方形在二维平面内的具体图像必须先提取出其长、宽及对称线的倾斜角度。
根据这一思想，本研究首先提取树枝区域骨架（即平面上长方形沿长方向的对称线），并检测骨架上的特征点（端点、分支点等），然后利用特征点将骨架分段，将每段树枝看成一段长方形，恢复出每段长方形的二维信息，也就恢复出了每段树枝的二维信息。
2.2.5树枝骨架提取
☆为了对二值图像中各个图形分量（对象物）的形状进行分析，需要有各种能表示图形的特征，骨架就是其中之一。
骨架是对象物的核心部分，不同形
状的对象物就有不同的骨架。
一般来说，骨架具有三个主要特征：
连续性、最小宽度为1和中心对称性。
从1967年B
升级会员 