基于视觉的采摘机器人目标识别与定位方法研究综述

被引:89
作者
郑太雄
江明哲
冯明驰
机构
[1] 重庆邮电大学先进制造工程学院
关键词
采摘机器人; 目标识别; 三维定位; 深度学习;
D O I
10.19650/j.cnki.cjsi.J2107650
中图分类号
S225 [收获机械]; TP242 [机器人]; TP391.41 [];
学科分类号
0828 ; 1111 ; 080203 ;
摘要
目标识别和定位的精度直接关系到采摘机器人采摘效率、质量和速度。本文对近年来采摘机器人的目标识别和三维定位的研究工作进行了系统性的总结和分析,综述了果蔬识别和定位的几种主要方法:目标识别:数字图像处理技术、基于机器学习的图像分割与分类器和基于深度学习的算法;三维定位:基于单目彩色相机、基于立体视觉匹配、基于深度相机、基于激光测距仪和基于光基3D相机飞行时间的三维定位。分析了影响果蔬识别和定位精度的主要因素:光照变化、复杂的自然环境、遮挡以及动态环境干扰下成像不精确。最后对采摘机器人目标识别与定位的未来发展作了几点展望。
引用
收藏
页码:28 / 51
页数:24
相关论文
共 104 条
[1]  
基于双目视觉及深度学习的采摘机器人目标检测及定位技术研究.[D].秦雁飞.北京交通大学.2019, 01
[2]  
苹果采摘机器人视觉系统的目标识别研究.[D].杜枭雄.陕西理工大学.2019, 09
[3]  
苹果采摘环境的多目标识别及三维重构.[D].孔繁栋.燕山大学.2019, 03
[4]  
基于单目视觉的目标识别与定位.[D].于岩.哈尔滨工程大学.2017, 06
[5]  
基于单目视觉的定位系统研究.[D].张治国.华中科技大学.2009, S2
[6]  
基于支持向量机的图像分割研究综述.[D].徐淑萍.辽宁科技大学.2008, 09
[7]   空间TOF相机大视场光学镜头结构优化设计 [J].
魏加立 ;
曲慧东 ;
王永宪 ;
朱俊青 ;
关英俊 .
仪器仪表学报, 2020, 41 (10) :121-128
[8]   基于轻量化YOLOv3卷积神经网络的苹果检测方法 [J].
武星 ;
齐泽宇 ;
王龙军 ;
杨俊杰 ;
夏雪 .
农业机械学报, 2020, 51 (08) :17-25
[9]   基于改进型YOLO的复杂环境下番茄果实快速识别方法 [J].
刘芳 ;
刘玉坤 ;
林森 ;
郭文忠 ;
徐凡 ;
张白 .
农业机械学报, 2020, 51 (06) :229-237
[10]   基于小样本学习的图像分类技术综述 [J].
刘颖 ;
雷研博 ;
范九伦 ;
王富平 ;
公衍超 ;
田奇 .
自动化学报, 2021, 47 (02) :297-315