基于双目立体视觉的机械手移栽穴盘定位方法-王跃勇.pdf

《基于双目立体视觉的机械手移栽穴盘定位方法-王跃勇.pdf》由会员分享，可在线阅读，更多相关《基于双目立体视觉的机械手移栽穴盘定位方法-王跃勇.pdf（7页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、第 32 卷 第 5 期 农 业 工 程 学 报 Vol.32 No.5 2016 年 3月 Transactions of the Chinese Society of Agricultural Engineering Mar. 2016 43 基于双目立体视觉的机械手移栽穴盘定位方法王跃勇1,5，于海业1,2，刘媛媛3,4（ 1.吉林大学工程仿生教育部重点实验室，长春 130025； 2.吉林大学生物与农业工程学院，长春 130022； 3.吉林大学通信工程学院，长春 130012； 4.吉林农业大学信息技术学院，长春 130118； 5.长春市农业机械研究院，长春 130052） 摘 要

2、： 为了解决自动化机械手移栽过程中穴盘放置偏斜和底部局部“凸起”而引起的移栽效果不理想的问题，为机械手提供穴盘精准坐标，对穴盘准确定位方法进行研究。首先，根据机械手移栽特点提出穴盘定位总体方法及图像获取手段。其次，利用单目相机获取的图像采用像素标记法和 Radon 变换法计算穴盘中心坐标和角度，完成穴盘平面定位。再次，对双目相机获取的图像采用 SIFT（ scale invariant feature transform）特征匹配的算法获得匹配点对坐标，并提出区域整合匹配点的方法。最后，利用整合的区域双目匹配点坐标配合相机标定结果重建匹配点的三维世界坐标，并且与穴盘平面定位结果相结合完成穴盘空

3、间位置重构。试验结果表明，提出的穴盘定位方法能够真实地恢复穴盘空间姿态，中心像素横纵坐标相对误差分别在（ 7， +7）和（ 6， +7）像素内 ,角度检测值与实测值相对误差值在（ 0.51， +0.53）内，利用 SIFT 特征匹配算法匹配双目图像，在 24 区域内对 8 对整合匹配点进行三维世界坐标重建，其中 7 个坐标的三个维度与测量值相对误差在 2 mm 内， 1 个坐标与测量值相对误差为 4.6 mm 内。该方法所应用的算法成熟，可以满足机械手移栽实际应用处理要求。 关键词： 农业机械；机械化；移栽；双目立体视觉； SIFT 特征匹配；三维重构；机械手移栽；穴盘定位 doi： 10.1

4、1975/j.issn.1002-6819.2016.05.006 中图分类号： S24； TP391 文献标志码： A 文章编号： 1002-6819(2016)-05-0043-07 王跃勇，于海业，刘媛媛. 基于双目立体视觉的机械手移栽穴盘定位方法J. 农业工程学报，2016，32(5)：4349. doi： 10.11975/j.issn.1002-6819.2016.05.006 http:/www.tcsae.org Wang Yueyong, Yu Haiye, Liu Yuanyuan. Mechanical transplanting plug tray localizati

5、on method based on binocular stereo visionJ. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(5): 43 49. (in Chinese with English abstract) doi： 10.11975/j.issn.1002-6819.2016.05.006 http:/www.tcsae.org 0 引 言设施农业中幼苗从穴盘穴孔移栽至营养钵的过程是一项重复作业操作，移栽效果直接影响作

6、物缓苗时间，进而影响批量作物移栽效果。机械手批量操控作业的自动化移栽过程中，研究的热点集中体现在机械手的精准性、灵活性和高效性以及手指外形等方面1-3。通常的移栽过程是机械手指连接机械手接到控制参数后按坐标在规定轨迹上运动4-5。而在实际流水线机械手穴苗移栽过程中，穴盘不能保证完全与机械手移动轨迹坐标轴平行，穴盘偏移以及穴盘局部凸起等问题亟待解决。 近年来，随着摄像头精度提高和成本降低以及图像处理技术的逐步完善，机器视觉应用极为广泛6-7，尤其是双目视觉以其高精度、高效率、低成本、低复杂度等特点完美对人眼仿生，越来越多的应用到生产实践领域收稿日期： 2015-12-07 修订日期： 2016-

7、01-18 基金项目： 国家高技术研究发展计划 （ 863 计划） 资助项目 （ 2012AA10A506） ，国家自然科学基金资助项目（ No.61171078， No.61271315） 作者简介：王跃勇，男，长春人，高级工程师，博士生，主要从事智能系统、生物环境与能源工程研究。长春 吉林大学工程仿生教育部重点实验室，130025。 Email： yueyong10mails. 通信作者：于海业，男，长春人，教授，博士生导师，主要从事模式识别与智能系统、生物环境与能源工程研究。长春 吉林大学工程仿生教育部重点实验室， 130025。 Email： 中8-10。尺度不变特征变换 SIFT

8、（ scale invariant feature transform）算法是一种提取局部特征的模式识别算法，可提取多幅图像中特征向量的同时无关于尺度缩放、旋转、亮度等的变化，因此 SIFT 特征匹配算法为双目视觉穴盘立体定位提供了算法指导11-13。经固定摄像头采集的图像分别做穴盘平面定位和通过 SIFT 特征匹配算法对双目视图进行立体定位，从而得到原穴盘立体重构图像，修正传输坐标，进而指导机械手精准移栽的目的，并且可扩展至穴盘移栽不良苗的识别领域中。 1 总体方法和图像获取 1.1 穴盘定位总体方法 机械手自动化连续移栽实际操控时，流水线作业是穴盘从传送带一端放入移动至移栽区停止，整个穴盘

9、中所有穴孔内穴苗移栽过程都是在穴盘静止状态下完成的。从穴盘放置到机械手移栽过程中，影响穴盘位置的因素主要存在 2 个方面：一是穴盘一般采用机械放置到案台或传送带规定区域内，由于机械振动等外界因素，很难保证理想的放置位置，常出现中心点偏移或整盘倾斜的情形，而按既定坐标行走的机械手则会出现移栽误差；二是由于外界因素影响，比如移栽过程中穴盘底部土壤粘附或者前一穴盘土壤偶有滑落至案台上，从而导致穴盘放置时局部凸起情况，而机械手指仍按统一深度进行垂直插入移栽，极易出现手指插入过深甚至穿破穴农业工程学报（ http:/www.tcsae.org） 2016 年 44 盘，影响移栽效果。 基于双目视觉机械手

10、移栽穴盘立体定位方法主要分为图像采集、预处理、二维平面定位、三维立体定位、立体图像重构 5 个部分。利用 2 个摄像头采集同一穴盘左、右双目视图，经预处理得到相应待测图像，并进行二维和三维定位使用，二维定位结果给出图像中心点坐标以及边缘倾斜角度，三维定位过程是利用左右双目待测图像进行 SIFT 特征匹配得到匹配点对坐标，将坐标经整合后进行世界坐标计算，将世界坐标与图像中心点坐标和边缘倾斜角度一并得到穴盘的三维立体重构图像。整体过程如图 1 所示。 图 1 整体方法框图 Fig.1 Block diagram of overall method 1.2 图像获取系统组成 将穴盘放置于相机正下方，

11、相机分别以左、右水平排列，相机镜头与水平正方向垂直向下，且此水平面与穴盘底部平面平行，两平行平面距离为 1 000 mm，左右两相机中心点距离可调，试验用为 100 mm。图像采集现场如图 2 所示。相机采用大恒图像 40 万像素 USB 接口彩色 CMOS 工业相机 DH-GV400UC，采集图像大小为736 像素 480 像素。穴盘采用台州兆鑫 72 孔标准通用穴盘，尺寸为 54 cm28 cm，穴孔横截面呈正方形，上口径4 cm，下口径 2 cm，高度 4.5 cm。 图 2 图像采集现场 Fig.2 Scene of image acquisition 2 穴盘定位原理 2.1 单目平

12、面定位 1）中心坐标：单目平面定位图像采集于左目相机，穴盘为标准长方形。首先，将图像进行二值化处理；其次，以从左至右从上至下的顺序扫描二值图像；再次，采用连通域像素标记算法14-15标记出穴盘的连通域；最后，求出该连通域的质心坐标，即为穴盘中心坐标。由于穴盘与背景颜色反差很大，图像二值化处理后界限明显，而且穴盘仅一个连通域，因此不用考虑连通域数目问题，使得方法定位中心更为迅速。 2）角度： Radon 变换是将计算机图像变换为在某一指定角度射线方向上投影的变换方法。对二值图像而言，某方向上积分（即点个数）很大则表明该方向上有较强的线性。在 射线方向将平面上一点 f（ x， y）在垂直方向的线积

13、分是 f（ x， y）投影到横坐标轴，用以计算穿过图像长度上积分的 Radon 变换16-18为： ( ) ( cos sin , sin cos )dRx fx y x y y+ = +。（ 1） 其中， cos sinsin cosx xyy = 。 （ 2） 式中 为旋转角度，度 ()； R(x)为点 f(x， y)角度为 的投影到横坐标轴上的 Radon 变换； x、 y是 x、 y 坐标系旋转 角度后新坐标系对应的横纵坐标。通过公式可知，将图像上每一个点向一个旋转的新坐标系做投影，在得到的投影集合中找到最大投影就能知道图像的最大化为偏角。 先对左目图像灰度化处理并用 canny 算子

14、进行边缘检测19，而后利用 Radon 变换来进行倾斜角度精确定位，范围为 0 179，应用中转换到 90。 2.2 双目立体定位 1）图像预处理：经相机采集的图像为 40 万像素彩色图像，为了配合 SIFT 特征匹配算法，先将图像做灰度化处理。由于图像中主要为标准穴盘、土壤基质以及待移栽幼苗， 取苗时间为幼苗出第 1 片真叶 （出苗 7 9 d） ，此时图像中幼苗均以子叶为主体，幼苗形态相近，因此直接进行 SIFT 特征向量匹配结果匹配点数量相当多且误匹配率高。因此采用边缘检测方法对灰度图像进一步处理，处理后保留了边缘特性且剔除了穴盘分隔、土壤基质以及叶片等较大比例的匹配点，误匹配也大大降低

15、。 2） SIFT 特征向量匹配算法： Koendetink 利用高斯核作为尺度不变性的变换核对图像在不同尺度下提取图像特征，即 SIFT 特征匹配算法20-21的核心。二维图像尺度空间定义为 (, , ) (, , )*(, )Lxy Gxy Ixy = 。 （ 3） 式中 *表示卷积； I(x， y)表示图像的像素位置，像素； 是尺度空间因子； G(x， y， )是尺度可变高斯函数。 在 （ 3）基础上提出了利用不同尺度的高斯差分核与图像卷积生成的高斯差分尺度空间 D(x， y， )，定义为 (, , ) (, , ) (, , )Dxy Lxyk Lxy = 。 （ 4） 式中 k 为调

16、整尺度空间因子 的系数。 特征点过滤主要有2 方面，一是滤除低对比度点，二是滤除边缘点。空间尺度函数泰勒展开式求导，取前两项，得 1()2TDDx D xx=+。 （ 5） 将 ( ) 0.03Dx 低对比度点丢弃。一个定义不好的高斯差分算子在横跨边缘的地方有较大主曲率，且垂直边缘方向有较小的主曲率， 主曲率是通过 H 矩阵20第 5 期 王跃勇等：基于双目立体视觉的机械手移栽穴盘定位方法 45 求出，有： ()rxxyTDD=+=+H 。 （ 6） 2() ( )xx yy xyDet D D D =H 。 （ 7） 式中 和 分别为 H 矩阵的最大和最小特征值，其代表x和 y方向的梯度；

17、Tr(H)表示 H矩阵对角元素之和； Det(H)表示 H矩阵的行列式。 令 =r，若2 2() (1)()rT rDet r+HH则将其舍弃，取 r=10。 利用关键点领域像素的梯度方向分布特性为每个关键点指定方向参数，使算子具备旋转不变性，有： 22(, )( ( 1, ) ( 1, ) ( ( , 1) ( , 1)mxyLx y Lx y Lxy Lxy=+ + + 。（ 8） (, )tan 2( ( , 1) ( , 1) / ( ( 1, ) ( 1, )xyaLxyLxy LxyLxy =+ + 。（ 9） 其中 m(x， y)、 (x， y)表示梯度的模值和方向。 关键点描述

18、子生成步骤为：首先将坐标轴旋转为关键点的方向；其次，针对一个关键点形成 128 维的 SIFT特征向量；最后将特征向量的长度归一化处理。对于生成了两幅图的描述子，将两图中各个描述子进行匹配，匹配上 128 维即表示两个特征点匹配完成，至此完成整个 SIFT 特征点匹配过程。 对 SIFT 特征向量匹配是根据相似性度量来进行的，本文采用欧氏距离对 SIFT 的特征向量匹配，同时利用RANSAC（ random sample consensus）法22对结果进行优化处理。 本文利用基本的 SIFT 特征匹配算法， 完成对左、右目待测图像特征点的匹配，用以确定空间穴盘中一点在双目视图中的像素坐标。

19、3）区域匹配点整合：每幅图中利用 SIFT 特征匹配算法得出的像素坐标一般为 50 200 点左右（图像大小为 736480 像素），这些匹配点在重建三维坐标时均需要重构，在实际应用中，穴盘材质为聚笨乙烯，里面填充了土壤基质，具有一定的硬度，穴盘表面较近两点几乎处于同一深度处，实际应用中不必将所有匹配点均重构计算，只需要将穴盘的三维空间姿态快速准确描述，这就需要对匹配点进行整合。主要方法为：首先，根据2.1节中二维平面定位方法处理左目图像， 得出图像边缘、中心点坐标以及倾斜角度，确定图像边缘轮廓；其次，将图像边缘轮廓平均分成 mn 块；再次，将左目图像每块中的特征点映射找到右目图像中的匹配点坐

20、标；最后，计算双目图像相应图像块中匹配点横纵坐标的平均值，即得到分块区域代表匹配点对坐标。 2.3 穴盘三维重建 1）三维重建原理：我们通过视差测距法进行三维重建23。通过图像的像素坐标获得物体的世界坐标，两坐标变换关系为 11WWcWXuYZvZ = 12MM 。 （ 10） 其中，01000000010xyfufv = M ，201 = TRTM 。 式中 u、 v 表示图像的像素坐标，像素； XW、 YW、 ZW表示物体的世界坐标， mm； fx、 fy表示图像物理坐标系在 x、y 轴上的等效焦距， mm； u0、 v0表示图像物理坐标系原点在图像像素坐标系中的坐标，像素； fx、 fy

21、、 u0、 v04 个变量即为摄像机内部参数。 T为含有 3 个变量的三维平移向量， 表示世界坐标系与摄像机坐标系的圆心偏移量， R 是一个 33 仅含有分别绕 x、 y、 z 轴旋转角度的 3 个变量旋转正交矩阵， T和R 的 6 个变量即为摄像机外部参数。设通过 2.2 节 SIFT特征匹配算法获得左右双目匹配点对像素坐标，根据坐标系转换关系，满足关系式 1111111123411111 1 21 22 23 24111131 32 33 3411cXummmmYZv m m m mZmmmm=。 （ 11） 222221112131422222 2 21 22 23 24222231 3

22、2 33 3411cXummmmYZv m m m mZmmmm=。 （ 12） 式中 (u1， v1)、 (u2， v2)为双目匹配点对像素坐标，像素；(X， Y， Z)为 P 点在世界坐标系下的三维坐标， mm。根据此关系式可得到关于 (X， Y， Z)的 4 个线性方程23，利用最小二乘法24计算可求得 P 点的世界坐标系中三维坐标。 2）穴盘表面姿态模拟：利用二维定位确定中心点和水平偏移角度，通过左、右双目相机经 SIFT 特征匹配得到的匹配点坐标，经整合后得到左右目视图中穴盘指定区域对应的代表点像素坐标，将其转换成世界坐标进行穴盘三维重建。其主要方法为（ mn 分块）：首先，根据二维

23、定位给出穴盘中心点、倾斜角度，以及穴盘四周边缘垂直案台的平面；其次，将每一列代表匹配点世界坐标线性连接，共 n 条；然后，将所得到的 n 条连线从左至右两两确定 n1个平面；最后， n1 个平面被穴盘四周边缘垂直案台平面所截断，形成穴盘表面姿态模拟，完成三维立体重构。 3 试验结果及分析 3.1 平面定位试验 取 10 盘穴盘随机摆放至案台上，进行穴盘二维平面定位试验，利用深圳瑞芬科技有限公司的 LCA326 型数字型双轴倾角传感器（测量精度： 0.01）实际测量倾斜角度。中心坐标的实测值是指穴盘的实际中心点在图像上对应位置的像素坐标。实际中心点像素坐标测定方法为，首先利用激光标记穴盘实际中心

24、，其次将标记的中心点通过定位的相机进行图像检测，由于标记的点具有一定的面积，因此对检测到的像素坐标求其平均，得到实际中心点所在图像的像素坐标。图像检测的中心点像素坐标、倾斜角度与实际测量值比较，如表 1 所示。 农业工程学报（ http:/www.tcsae.org） 2016 年 46 表 1 平面定位误差 Table 1 Plane locating error 角度 Angle/() 中心坐标 center point coordinates/pixel 检测值 Detected value 实测值 Measured value 相对误差 Relative error 检测值 Detec

25、ted value 实测值 Measured value 相对误差 Relative error 3 3.23 0.23 (405,275) (401,268) (+4,+7) 8 8.38 0.38 (382,292) (379,297) (+3,-5) 14 14.53 +0.53 (315,281) (322,276) (-7,+5) 6 5.85 0.15 (470,219) (476,221) (-6,-2) 26 25.82 +0.18 (344,256) (338,260) (+6,-4) 10 10.04 +0.04 (368,222) (372,225) (-4,-3) 20

26、 19.49 0.51 (334,254) (327,260) (+7,-6) 39 39.32 0.32 (320,299) (314,295) (+6,+4) 50 49.88 0.12 (257,224) (262,226) (-5,-2) 13 13.20 0.20 (331,227) (338,229) (-7,-2) 从角度方面可以看出， 检测值与实测值角度相对误差值在（ 0.51， +0.53）范围内。其中小角度误差比例较大，其主要来源于 Radon 变换的整数结果。从中心坐标可以看出，像素横纵坐标相对误差分别在（ 7， +7）和（ 6， +7）像素范围内。中心坐标的误差主要来自

27、于算法仅考虑二维投影情况。 3.2 双目立体定位试验 3.2.1 基于 SIFT 特征匹配 试验用计算机配置为： CPU Intel(R) Core(TM) i5-3210M 2.50GHz， 4GB 可用内存， Windows7 64-bit操作系统， VS2010Opencv 2.4.9 软件开发环境。两相机采集的图像经 SIFT 算法特征点匹配，结果如图 3 所示。 a. 左目原图 a. Left eye original image b. 右目原图 b. Right eye original image c. 左目预处理图 c. Left eye image after preproc

28、essing d. 右目预处理图 d. Right eye image after preprocessing e. 左目描述子图 e. Left eye image of descriptors f. 右目描述子图 f. Right eye image of descriptors g. SIFT 特征匹配结果 g. Result of SIFT feature matching h. RANSAC 优化结果 h. RANSAC optimization results 图 3 双目穴盘图像 SIFT 特征匹配 Fig.3 Binocular plug images with SIFT fe

29、ature matching algorithm 经 SIFT 体征匹配方法直接匹配点为 147 对，经RANSAC 算法筛选后匹配点为 55 对。对比图（ g）和（ h）可以看出， 经 RANSAC 方法优化后结果误匹配明显减少。（ h）可以看出匹配点密集分布在整个穴盘上，因此大量数据的重构直接导致处理时间的延长。 3.2.2 整合 SIFT 匹配点 根据 2.2 节中的方法对穴盘进行双目图像 SIFT 特征匹配，以试验 3.1 节中 1 号穴盘（ =3， x=405， y=275）为例，不同区域分块整合结果如表 2 所示（ mn 分块如2.3 节所述）。 表 2 区域整合匹配点坐标 Tab

30、le 2 Coordinates of regional integrated matching points mn 左目匹配点区域坐标 Left eye area matching point coordinates/(pixel) 右目匹配点区域坐标 Right eye area matching point coordinates/(pixel) 22 (276,203) (297,323) (529,240) (464,352) (254,208) (259,324) (497,218) (427,355) 23 (248,185) (270,342) (359,240) (420,3

31、63) (559,223) (546,347) (219,182) (238,340) (330,239) (386,360) (532,221) (517,346) 24 (237,211) (230,359) (353,218) (376,348) (462,202) (440,374) (578,224) (570,346) (208,208) (199,358) (321,218) (331,346) (432,205) (407,374) (546,218) (540,349) 注： m、 n 穴盘匹配点区域整合行数和列数。 Note: m, n-The number of rows

32、 and columns that matching points are integrated in plug tray area. 从表 2 可以看出，所属区域中每个区域均存在坐标，说明该区域分块整合方法切实可行；比较左右双目坐标可以看出，垂直视差较小，水平视差较大。 3.2.3 相机立体标定 采用张氏平面标定法25-26，利用 88 棋盘格（方格尺寸为 24 mm24 mm） 14 组左右目相机采集的图像对相机进行立体标定，双目立体校正后标定结果如表 3 所示。 表 3 双目相机标定结果 Table 3 Binocular camera calibration result 内参矩阵 I

33、nternal parameter matrix 左目相机 Left eye camera 右目相机 Right eye camera 000001xyf ruf v 235.1214 0 375.62130 253.2209 238.7329001 236.2493 0 369.14160 254.6214 243.0157001畸变 Distortion 12 1 2kk pp 0.3516 1.2554 0 00.3188 1.0751 0 0 旋转矩阵 R Rotation matrix R0.9993 0.0089 0.03530.0085 0.9999 0.01180.0354 0

34、.0115 0.9993 平移矩阵 T Translation matrixT 79.6879 6.4704 28.8485 从表 3 可以看出，左右摄像头的焦距基本相同，摄像头拍摄的图像尺寸为 736480 像素，内参矩阵反映的光心点坐标也基本在（ 368,240）附近，均符合标定预期。 3.3 世界坐标重建 仍以 1 号穴盘为例，穴盘世界坐标重建过程为：首先根据单目定位得到的中心点坐标及倾斜角度确定穴盘平面姿态， 其次依照 2.3 节坐标转换原理将表 2 中坐标转第 5 期 王跃勇等：基于双目立体视觉的机械手移栽穴盘定位方法 47 换成世界坐标， 大小为 24 区域分块三维坐标重建如表 4

35、所示。世界坐标测量采用 Ultrasonic GC-3007 型激光指示超声波测距仪配合游标卡尺（精度为 0.1 mm）实际测量所得。世界坐标计算值与测量值相对误差如表 4，误差主要来源于区域匹配点的整合、相机标定以及测量误差。可以看出，除第 6 点外，相对误差在 2 mm 内，其中，第 6 点的相对误差较大，纵坐标达到 +4.6 mm，这是由于其所在区域匹配点过少，区域代表性差所引起的。 表 4 世界坐标误差 Table 4 World coordinates error 编号 No. 检测值 Detected value/mm 测量值 Measured value/mm 相对误差 Rela

36、tive error/mm1 (251.1134,208.9729,957.2687) (249.3,207.2,955.5) (+1.81,+1.77,+1.77)2 (253.4562,358.1312,956.2923) (251.6,356.2,956.9) (+1.86,+1.93,-0.61)3 (395.9526,217.8693,954.3681) (396.8,218.2,955.2) (-0.85,-0.33,-0.83)4 (408.8397,346.9391,931.2141) (408.9,345.3,930.1) (-0.06,+1.64,+1.11)5 (525.

37、6091,203.5455,957.5192) (526.3,204.9,957.4) (-0.69,-1.35,+0.12)6 (490.5615,374.0212,950.2553) (494.4,378.2,945.7) (-3.84,-4.18,+4.6)7 (654.0807,220.1315,952.4132) (654.2,219.3,951.3) (-0.12,+0.83,+1.11)8 (657.5841,346.6283,956.2156) (656.7,347.0,956.3) (+0.88,-0.37,-0.08)根据 2.3 节中穴盘表面姿态模拟方法， 不同大小 mn

38、区域整合匹配点重建穴盘表面如图 4 所示。设 m=2，当n=2 时穴盘表面几乎为平面，当 n=3 时，穴盘上方区域有不同程度凸起，当 n=4 时，穴盘上方中右部区域有凸起。可以看出，区域取点越多，穴盘重建效果越明显，但随之算法运行时间也越长。 注： n 为穴盘匹配点区域整合列数。 Note: n: number of columns that matching points are integrated in plug tray area. 图 4 穴盘表面姿态模拟图 Fig.4 Simulation diagram of plug surfaces 整体穴盘定位软件系统由图像信息、选项设置以

39、及显示信息 3 部分组成，软件界面如图 5 所示。 图 5 穴盘定位系统软件界面 Fig.5 Soft interface of plug location system 4 结 论 1）本文对工业相机采样图像分别从二维和三维的角度出发，完成了穴盘中心坐标定位、角度定位以及双目图像经 SIFT特征匹配算法整合匹配点的空间三维世界坐标的重建工作。 2）对 10 个穴盘进行平面定位试验，角度检测值与实测值相对误差值在（ 0.51， +0.53）范围内，其中小角度误差比例较大，其主要原因是 Radon 变换的整数结果； 中心像素横纵坐标相对误差分别在 （ 7， +7） 和 （ 6，+7）像素范围内，

40、误差主要来自于仅考虑二维投影问题。 3）对穴盘做三维立体定位试验，以 1 号穴盘为例，利用 SIFT 特征匹配算法匹配双目图像，在 24 区域内对8 对整合匹配点进行三维世界坐标重建， 其中 7 个坐标的三个维度与测量值相对误差在 2 mm 内， 1 个坐标与测量值相对误差为 4.6 mm 内。 4）从试验结果可以看出基于双目立体视觉机械手穴盘定位方法能够比较准确模拟出穴盘表面姿态，总体误差较小，试验中穴盘定位时间平均为 18.2 s，可以满足植物工厂自动化移栽要求。 参 考 文 献 1 冯青春，王秀，姜凯，等 . 花卉幼苗自动移栽机关键部件设计与试验 J. 农业工程学报， 2013， 29(

41、6)： 21 27. Feng Qingchun, Wang Xiu, Jiang Kai, et al. Design and test of key parts on automatic transplanter for flower seedlingJ. Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE), 2013, 29(6): 21 27. (in Chinese with English abstract) 2 潘启明 . 国内外移栽机技术现状和发展趋势

42、 J. 安徽农业科学， 2013， 41(31)： 12478 12479， 12496. Pan Qiming. Current situation and development trend of domestic and foreign transplanting machine technologyJ. Journal of Anhui Agricultural Science, 2013, 41(31): 1247812479, 12496. (in Chinese with English abstract) 3 王跃勇，于海业 . 穴盘幼苗机械手取苗基质完整率影响因素试验与分析

43、J. 农业工程学报， 2015， 31(14)： 65 71. Wang Yueyong, Yu Haiye. Experiment and analysis of impact factors for soil matrix intact rate of manipulator for picking-up plug seedlingsJ. Transactions of Chinese Society of Agricultural Engineering(Transactions of the CSAE), 2015, 31(14): 65 71. (in Chinese with En

44、glish abstract) 4 杨扬，曹其新，盛国栋，等 . 基于机器视觉的育苗穴盘定位与检测系统 J. 农业机械学报， 2013， 44(6)： 232 235. Yang Yang, Cao Qixin, Sheng Guodong. et al. Plug tray localization and detection system based on machine visionJ. Transactions of the Chinese Society of Agricultural Machinery, 2013, 44(6): 232 235. (in Chinese with

45、 English abstract) 5 王侨，曹卫彬，张振国，等 . 穴盘苗自动取苗机构的自适应模糊 PID 定位控制 J. 农业工程学报， 2013， 29(12)：32 39. Wang Qiao, Cao Weibin, Zhang Zhenguo. et al. Location control of automatic pick-up plug seedlings mechanism based on adaptive fuzzy-PIDJ. Transactions of Chinese Society of 农业工程学报（ http:/www.tcsae.org） 2016 年

46、 48 Agricultural Engineering(Transactions of the CSAE), 2013, 29(12): 32 39. (in Chinese with English abstract) 6 杨振宇，张文强，李伟，等 . 利用单目视觉获取钵苗移栽适合度信息的方法 J. 农业工程学报， 2014， 30(3)： 112 119. Yang Zhenyu, Zhang Wenqiang, Li Wei, et al. Information acquisition method of potted-seedling transplanting fitness using monocular visionJ. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(3): 112 119. (in Chinese with English abstract) 7 杨振宇，张文强，李伟，等 . 基于单目视觉的移栽钵苗叶片朝向的调整方法 J. 农业工程学