面向玉米果穗考种测量的图像标定方法-论文.pdf

《面向玉米果穗考种测量的图像标定方法-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2014年1月农机化研究第1期面向玉米果穗考种测量的图像标定方法段熊春，周金辉，王思嘉(中国农业大学信息与电气工程学院，北京100083)摘要：研究了一种适合户外环境下测量玉米果穗考种特征的图像标定方法。该标定方法基于二项分布，消除了采集图像数据中的误差数据(噪声、断线)，并用最小二乘法拟合标定系统参数。测试结果表明，该系统可以在光照环境较差条件下获得较高的标定精度，适合选作玉米果穗考种测量系统的标定。关键词：果穗考种；特征提取；二项分布模型筛选；最小二乘法拟合中图分类号：TP391．41文献标识码：A文章编号：1003-188X(2014)01

2、-0076-04像标定方法是自动地控制摄像机的运动来获取图像0引言数据，线性求解摄像机的参数模型，优点是计算玉米新品种表型测试中，目前果穗考种特征的测简单，鲁棒性较高；缺点是因为需要可精确控制的运量主要采用手工测量的方法。手工测量方法易出现动平台，所以费用太高。由于玉米考种过程中，摄像主观误差、标准不统一和考种效率低等问题。基于机机固定，且拍摄高度和拍摄位置均固定，所以本文对器视觉技术实现玉米果穗考种性状的自动计算将大两步法进行修改，使其符合玉米考种的需求。大提高新品种培育效率，为新品种的筛选提供精细化2摄像机模型数据。基于机器视觉的自动果穗考种

3、系统中，图像标定算法是关键环节，直接影响着自动考种数据的准确2．1各坐标系之间的关系性。特别是玉米果穗考种多在户外操作，光线环境对为了适应玉米考种光照环境复杂且被拍摄物体与图像标定算法有一定影响。本文研究了一种对光线摄像头距离固定的特殊需求，本文将摄像机模型设计环境不敏感的图像标定算法，首先基于伯努利大数定如图1所示。理去除采集图像数据中的误差数据(噪声、断线等)，r然后通过求获取数据平均值方法减少随机误差，提高算法精度。实验测试结果表明，该算法对光线环境不．【，敏感，能够满足户外自动果穗考种系统的需要。／’f’1国内外研究现状目前，图像标定算法

4、主要包括传统图像标定方法、图像自标定方法和基于主动视觉的图像标定方法。传统图像标定方法的标定精度高，适用于要求精度高且摄像机内外参数不经常变化的条件标定；两步图1撮像机的透视投影模型法是典型的传统图像标定方法，由Tsai首先提出【1-2]在标定板平面上，以摄像机的主光轴与标定板的并由张正友进一步完善j。图像自标定方法是最近交点为坐标原点O，并使其轴和Y轴分别平行于像几年提出的标定算法¨“，该标定算法不依赖已知参平面坐标系的轴和Y轴，并且方向一致。按照右手照物，通过图像点中的点关系对摄像机做标定，灵活定则建立世界坐标系OwXY，然后以摄像机透视中且

5、应用范围广，但是精度和鲁棒性不高。主动视觉图心0为坐标原点，并使其轴和Y轴分别平行于像面坐标系的轴和Y轴且方向相同，z轴为摄像机镜头的收稿日期：2012-09—16主光轴，按右手定则建立摄像机坐标系OcXY。再基金项目：国家公益性行业(农业)科研专项(2012—2016)作者简介：段熊春(199l一)，男，湖南衡阳人，硕士研究生，(E—mail)以主光轴与像平面的交点0为坐标原点，并使其轴duanxi0ngchun@gmail．eom。和Y轴分别平行于像面坐标系的轴和Y轴且方向相2014年1月农机化研究第1期同，以此建立物理坐标系oY。最后以像平

6、面上像kl(+Y)+⋯素坐标值(0，0)的点为坐标原点0，以水平像元阵列方6y=S2(+Y)+3p2+P2Y+2plyx+向为轴方向，以垂直像元阵列方向为Y轴方向，建k1(+Y)+⋯立像素平面坐标系OUV。模板平面上P的理想成像由于只考虑坐标轴上的畸变，则可以将相关的误点为P，而实际透视畸变后的成像点为P。差表达式修改为2．2理想透视模型=l】+l2+DL4J根据针孔成像原理世界坐标到像素坐标的变换为6：2y+后22y+DL)，(4)『对式(4)忽略高阶无穷小，可以得出矫正后透视slVljl=F[刀y模型数学公式为』=c++kllXw+klzXw

7、(5)l【d=c+)，+k21Y+k22y通过获取多对世界坐标系中的点和对应像素点坐标值，通过最d"-乘可得方程5中的系数。，=喜事]，=[兰兰兰：]，=[]3标定背景板的选取不同成像系统环境和标定对象主要包括：棋盘标定板、网格标定板和圆点标定板等。经实验测试，网格标定板有助于消除成像误差，如图2所示。s鞠，R，=嘲图2网格标定背景板为了增强图像的对比度和便于后续数据处理，标定背景板网格采用9mmx9mm，边框1mm，黑色边框与”札白色背景图像对比度高，易于分割计算。(34图像标定计算算法首先将采集的网格标定背景板图像进行有效区域裁剪，以提高后期

8、处理速度；然后对采集的灰度图像进行通道分离处理，最后将灰度图像进行二值化，处理流程如图3所示。图像有效区域裁剪刀剪I灰度图像通道分离『图