| 致谢 | 第7-9页 |
| 摘要 | 第9-11页 |
| Abstract | 第11-14页 |
| 插图清单 | 第21-26页 |
| 表格清单 | 第26-28页 |
| 符号列表 | 第28-29页 |
| 第一章 引言 | 第29-68页 |
| 提要 | 第29页 |
| 1.1 课题研究的目的与意义 | 第29-31页 |
| 1.2 果蔬采摘机器人研究现状 | 第31-36页 |
| 1.2.1 果蔬采摘机器人的种类 | 第32页 |
| 1.2.2 果蔬采摘机器人的组成 | 第32页 |
| 1.2.3 适合机械化采摘的果蔬栽培模式 | 第32-35页 |
| 1.2.4 果蔬采摘机器人研究存在的主要问题 | 第35-36页 |
| 1.3 开放环境下果蔬识别与定位研究概况 | 第36-66页 |
| 1.3.1 常见果蔬识别硬件系统 | 第37-39页 |
| 1.3.2 果蔬图像分割算法研究现状 | 第39-47页 |
| 1.3.2.1 图像预处理 | 第39-40页 |
| 1.3.2.2 颜色特征选择 | 第40-42页 |
| 1.3.2.3 图像分割算法 | 第42-47页 |
| 1.3.2.4 图像分割后处理 | 第47页 |
| 1.3.3 果蔬识别算法研究现状 | 第47-54页 |
| 1.3.3.1 常见果蔬识别算法 | 第47-48页 |
| 1.3.3.2 成簇果蔬识别算法 | 第48-51页 |
| 1.3.3.3 被遮挡果蔬识别算法 | 第51-54页 |
| 1.3.4 果蔬3D定位方法研究现状 | 第54-64页 |
| 1.3.4.1 有源测距法 | 第54-58页 |
| 1.3.4.2 无源测距法 | 第58-60页 |
| 1.3.4.3 多果匹配算法 | 第60页 |
| 1.3.4.4 立体匹配算法 | 第60-63页 |
| 1.3.4.5 有源和无源测距法的比较 | 第63-64页 |
| 1.3.5 开放环境下果蔬识别和定位研究中存在的主要问题 | 第64-66页 |
| 1.4 研究目标与主要研究内容 | 第66-67页 |
| 1.4.1 主要研究目标 | 第66页 |
| 1.4.2 主要研究内容 | 第66页 |
| 1.4.3 技术路线 | 第66-67页 |
| 1.5 本章小结 | 第67-68页 |
| 第二章 试验样本及系统介绍 | 第68-73页 |
| 提要 | 第68页 |
| 2.1 试验样本 | 第68-70页 |
| 2.2 室外图像采集系统介绍 | 第70-71页 |
| 2.3 番茄立体图像库 | 第71-72页 |
| 2.4 本章小结 | 第72-73页 |
| 第三章 开放环境下的番茄图像分割方法 | 第73-96页 |
| 提要 | 第73页 |
| 3.1 基于单颜色特征的番茄图像分割算法 | 第73-82页 |
| 3.1.1 试验图像 | 第73页 |
| 3.1.2 基于色差的图像分割算法 | 第73-75页 |
| 3.1.3 基于归一化色差的图像分割算法 | 第75-76页 |
| 3.1.3.1 基于归一化色差的固定阈值图像分割算法 | 第75-76页 |
| 3.1.3.2 基于归一化色差的Otsu自动阈值图像分割算法 | 第76页 |
| 3.1.4 基于颜色分量比的图像分割算法 | 第76-78页 |
| 3.1.4.1 基于单颜色分量比的固定阈值图像分割算法 | 第76-77页 |
| 3.1.4.2 基于双颜色分量比的固定阈值图像分割算法 | 第77-78页 |
| 3.1.5 试验结果分析和与讨论 | 第78-82页 |
| 3.2 基于多颜色特征的番茄图像分割算法 | 第82-95页 |
| 3.2.1 试验图像 | 第83-84页 |
| 3.2.2 基于R分量的分段阈值番茄图像分割算法 | 第84-87页 |
| 3.2.3 番茄光斑区域分割算法 | 第87-88页 |
| 3.2.4 番茄光斑区域识别算法 | 第88-89页 |
| 3.2.5 试验结果分析和讨论 | 第89-95页 |
| 3.2.5.1 对番茄非光斑区域的分割性能 | 第89-91页 |
| 3.2.5.2 对番茄光斑区域的分割及识别性能 | 第91-93页 |
| 3.2.5.3 两类算法对含光斑番茄区域的识别性能比较 | 第93-94页 |
| 3.2.5.4 融合番茄光斑识别的分段阈值图像分割算法的实时性分析 | 第94-95页 |
| 3.3 本章小结 | 第95-96页 |
| 第四章 被遮挡番茄的识别方法 | 第96-117页 |
| 提要 | 第96页 |
| 4.1 试验图像 | 第96页 |
| 4.2 基于圆回归的被遮挡番茄识别算法 | 第96-105页 |
| 4.2.1 图像分割 | 第97页 |
| 4.2.2 封闭边缘提取 | 第97-99页 |
| 4.2.3 边缘曲率分析 | 第99-102页 |
| 4.2.4 圆回归 | 第102-105页 |
| 4.3 基于圆Hough变换的被遮挡番茄识别算法 | 第105-111页 |
| 4.3.1 图像分割 | 第106页 |
| 4.3.2 封闭边缘提取 | 第106页 |
| 4.3.3 边缘曲率分析 | 第106页 |
| 4.3.4 圆Hough变换 | 第106-111页 |
| 4.4 两类被遮挡番茄识别算法的识别性能对比 | 第111-115页 |
| 4.5 本章小结 | 第115-117页 |
| 第五章 成簇番茄的识别方法 | 第117-161页 |
| 提要 | 第117页 |
| 5.1 试验图像 | 第117-118页 |
| 5.2 基于数学形态学的成簇番茄识别 | 第118-124页 |
| 5.2.1 基于数学形态学的成簇番茄识别算法 | 第118-120页 |
| 5.2.2 试验结果分析与讨论 | 第120-123页 |
| 5.2.3 结论 | 第123-124页 |
| 5.3 基于圆回归的成簇番茄识别 | 第124-131页 |
| 5.3.1 基于圆回归的成簇番茄识别算法 | 第124-126页 |
| 5.3.2 试验结果分析与讨论 | 第126-131页 |
| 5.3.3 结论 | 第131页 |
| 5.4 基于圆Hough变换的成簇番茄识别 | 第131-137页 |
| 5.4.1 基于圆Hough变换的成簇番茄识别算法 | 第131-133页 |
| 5.4.2 试验结果分析与讨论 | 第133-136页 |
| 5.4.3 结论 | 第136-137页 |
| 5.5 基于双目立体视觉技术的成簇番茄识别 | 第137-156页 |
| 5.5.1 图像分割 | 第138页 |
| 5.5.2 成簇番茄区域深度图像获取与去噪处理 | 第138-139页 |
| 5.5.3 成簇番茄区域的成簇类型识别 | 第139-142页 |
| 5.5.3.1 深度图像迭代Otsu | 第140-141页 |
| 5.5.3.2 成簇番茄区域的成簇类型识别 | 第141-142页 |
| 5.5.4 粘连番茄识别 | 第142-144页 |
| 5.5.4.1 边缘提取及排序 | 第142页 |
| 5.5.4.2 基于圆回归的粘连番茄识别 | 第142-144页 |
| 5.5.5 重叠番茄识别 | 第144-148页 |
| 5.5.5.1 深度图像分割 | 第145页 |
| 5.5.5.2 边缘提取和排序 | 第145-147页 |
| 5.5.5.3 基于边缘分割的重叠番茄识别 | 第147-148页 |
| 5.5.6 成簇番茄中各番茄采摘次序的确定原则 | 第148页 |
| 5.5.7 试验结果分析和讨论 | 第148-155页 |
| 5.5.7.1 算法有效性试验结果分析及讨论 | 第148-154页 |
| 5.5.7.2 算法实时性试验结果分析及讨论 | 第154-155页 |
| 5.5.8 结论 | 第155-156页 |
| 5.6 四类成簇番茄识别算法的识别性能比较 | 第156-158页 |
| 5.7 本章小结 | 第158-161页 |
| 第六章 番茄的3D定位方法 | 第161-211页 |
| 提要 | 第161页 |
| 6.1 试验材料与图像采集 | 第161-162页 |
| 6.2 图像分割 | 第162-163页 |
| 6.3 多果匹配 | 第163-165页 |
| 6.4 立体匹配 | 第165-168页 |
| 6.4.1 形心匹配 | 第166页 |
| 6.4.2 区域匹配 | 第166-167页 |
| 6.4.3 组合匹配 | 第167-168页 |
| 6.5 番茄3D坐标测量 | 第168-169页 |
| 6.6 结果与分析 | 第169-208页 |
| 6.6.1 基于三类立体匹配方法的3D坐标测量结果 | 第169-173页 |
| 6.6.2 三维坐标测量误差的偏倚分析 | 第173-181页 |
| 6.6.2.1 深度测量误差的偏倚分析 | 第174-178页 |
| 6.6.2.2 y坐标测量误差的偏倚分析 | 第178-181页 |
| 6.6.3 深度测量误差波动分析 | 第181-196页 |
| 6.6.3.1 随机因素造成的深度测量误差分析 | 第182-183页 |
| 6.6.3.2 图像采集距离的测量方法造成的深度测量误差分析 | 第183-186页 |
| 6.6.3.3 被测对象大小造成的深度测量误差分析 | 第186-188页 |
| 6.6.3.4 被测对象颜色造成的深度测量误差分析 | 第188-189页 |
| 6.6.3.5 被测对象形状造成的深度测量误差分析 | 第189-192页 |
| 6.6.3.6 被测对象所处的环境光照造成的深度测量误差分析 | 第192-193页 |
| 6.6.3.7 造成深度测量误差波动的要因分析 | 第193-196页 |
| 6.6.4 基于被测对象大小及深度测量值的二元线性深度预测模型 | 第196-198页 |
| 6.6.5 y坐标及深度测量值的线性回归预测模型有效性验证 | 第198-202页 |
| 6.6.5.1 y坐标测量值的二元分段线性回归预测模型有效性验证 | 第198页 |
| 6.6.5.2 深度测量值的一元线性回归预测模型有效性验证 | 第198页 |
| 6.6.5.3 深度测量值的二元线性回归预测模型有效性验证 | 第198-202页 |
| 6.6.6 有遮挡情况下番茄3D坐标测量误差分析 | 第202-207页 |
| 6.6.7 三类匹配方法的实时性能分析 | 第207-208页 |
| 6.7 结论 | 第208-210页 |
| 6.8 本章小结 | 第210-211页 |
| 第七章 基于双目立体视觉的番茄识别和定位方法的验证及应用 | 第211-220页 |
| 提要 | 第211页 |
| 7.1 基于双目立体视觉的番茄识别和定位方法的应用流程 | 第211-212页 |
| 7.2 番茄双目立体视觉识别和定位动态链接库的建立及测试 | 第212-214页 |
| 7.3 番茄双目立体视觉识别和定位方法在番茄采摘机器人中的应用 | 第214-219页 |
| 7.4 本章小结 | 第219-220页 |
| 第八章 结论与展望 | 第220-227页 |
| 8.1 本研究结论 | 第220-223页 |
| 8.2 论文创新点 | 第223-224页 |
| 8.3 研究展望 | 第224-227页 |
| 参考文献 | 第227-239页 |
| 附录1 Bumblebee2双目立体相机误差分布曲线 | 第239-240页 |
| 附录2 估计标准差系数d_2~*查找表 | 第240-241页 |
| 附录3 Bumblebee2双目立体相机视差与距离关系 | 第241-243页 |
| 作者简介及博士研究生期间的成果 | 第243-244页 |
