本发明专利技术公开了一种基于三维视觉的胡萝卜开裂缺陷修整方法，利用深度相机获取胡萝卜开裂缺陷区域的RGB图像和深度图像，基于点云处理技术对获得的胡萝卜开裂区域点云进行开裂缺陷点云切片、开裂缺陷点云数据参数化、开裂缺陷点云非均匀有理样条曲线拟合、开裂区域修整进给速度规划和修整路径插补。实现了胡萝卜开裂缺陷区域自动获取、修整路径和进给速度自动规划，为机械臂进行胡萝卜开裂自动修整提供技术支撑，能够减少环境污染和资源浪费，提高资源利用率。
【技术实现步骤摘要】
本专利技术涉及计算机视觉，特别是涉及一种基于三维视觉的胡萝卜开裂缺陷修整方法。
技术介绍
1、胡萝卜开裂缺陷中含有的杂质，很难通过简单的清洗去除，需要设计一种专门的用于胡萝卜开裂缺陷修整的方法。当前，研究人员将精力集中于胡萝卜缺陷识别，例如中国专利公开号为cn109752391a的专利技术专利所公开的一种基于机器视觉的胡萝卜表面缺陷识别量化方法、中国专利公开号为cn104056789的专利技术专利所公开的一种胡萝卜缺陷的图像量化检测方法等，而忽略了对缺陷的处理，传统的开裂缺陷修整主要依靠人工完成，随着用人成本的上升，进一步压缩了胡萝卜加工企业的利润。
2、目前国内还没有相对成熟的胡萝卜开裂缺陷修整方法，根据国内贸易行业标准(sb/t10450-2007)、胡萝卜购销等级要求，胡萝卜缺陷主要有歪扭、弯曲、开裂、青头和病虫伤等，缺陷胡萝卜经修整后可再次利用，而胡萝卜缺陷修整尚未有参考技术，因此需要开发适合胡萝卜开裂缺陷修整的三维视觉方法。
技术实现思路
1、专利技术目的：本专利技术的目的是提供一种能够自动获取胡萝卜开裂缺陷区域并精准规划修正路线及进给速度的基于三维视觉的胡萝卜开裂缺陷修整方法。
2、技术方案：本专利技术的一种基于三维视觉的胡萝卜开裂缺陷修整方法，包括以下步骤：
3、s1：获取开裂缺陷区域的彩色图像和深度图像；
4、s2：进行开裂缺陷点云处理，获取点云数据；
5、s3：根据点云数据进行开裂缺陷点云切片；
<
p>6、s4：将开裂缺陷点云数据参数化；7、s5：基于遗传算法开展开裂缺陷点云非均匀有理样条曲线拟合；
8、s6：规划开裂区域修整进给速度；
9、s7：进行开裂缺陷修整路径插补。
10、进一步的，所述s2包括以下步骤：
11、s21：将胡萝卜的深度图像与彩色图像进行配准得到带颜色的点云数据；
12、s22：利用胡萝卜开裂区域与背景之间颜色、深度的差异，将胡萝卜开裂缺陷点云提取出来，得到去除背景的胡萝卜开裂缺陷点云数据；
13、s23：利用彩色相机与深度相机的标定矩阵对点云数据进行畸变校正。
14、进一步的，所述s3包括以下步骤：
15、s31：对胡萝卜开裂缺陷点云进行主成分分析找到点云的主方向；
16、s32：将胡萝卜开裂缺陷点云主方向作为新的世界坐标系，将胡萝卜开裂缺陷点云乘以转化到新的坐标系下，将x轴方向作为切片方向；
17、s33：将点云沿着x轴方向每隔修整刀具直径长度进行切片，其中，刀具直径长度一般为3mm；
18、s34：利用投影法将获得的点云向中间平面进行投影，获得同一平面点云；
19、s35：采用移动平均平滑法对投影点云进行平滑处理。
20、进一步的，所述s4包括以下步骤：
21、s41：对于数据点d0、d1、…、dn，选择一个正功率因子ei，相邻数据点间的距离为
22、s42：计算数据多边形总长：
23、
24、式中，l为多边形总长、n为数据点数量；
25、s43：计算数据参数化后参数：
26、
27、式中，tk、t0、tn、k、ei分别为数据点对应参数、第一个数据点对应参数、最后一个数据点对应参数、当前累积数据点数量、正功率因子。
28、进一步的，所述s5包括以下步骤：
29、s51：利用近似拟合方法对数据点进行非均匀有理样条曲线全局逼近拟合；
30、s52：利用胡萝卜开裂缺陷点云数据参数化方法得到数据点对应参数后，计算节点向量：
31、
32、式中，u为节点向量，p为曲线阶数，n为数据点个数，节点向量个数m＝n+p+1；
33、s53：设计遗传算法适应度函数：
34、
35、式中，为赤池信息准则，xj为数据点j对应参数，yj为数据点真实值，n为数据点数量，为nurbs拟合值，pnum为所有参数数量总和，pnum＝2h+n-1，h为控制点数量；
36、s54：确定非均匀有理样条曲线各参数解的空间，正功率因子ei∈[0,1]、权重wi∈[0,1]、控制点数h∈[3,n]；
37、s55：初始化种群，种群规模为200；
38、s56：将得到的二进制染色体解码至十进制实数并计算适应度值，适应度值高的染色体具有更高的存活和产生下一代的概率；
39、s57：进行二进制编码，执行遗传操作，选择算子、交叉算子和突变算法；
40、s58：重复s56-s57直至达到拟合曲线与实际点之间拟合误差小于给定值，停止迭代。
41、其中，给定值可以为0.0001mm。
42、进一步的，所述s6包括以下步骤：
43、s61：确定机械臂的最大进给速度、允许的最大加速度、最大加加速度、弓高误差；
44、s62：根据给定的最大进给速度、允许的最大加速度、最大加加速度、弓高误差得到多重约束进给速度vlim：
45、
46、vlim＝min(vδ,va,vj,vm)
47、式中，ρ为曲线曲率，t为插补时间间隔，δmax为最大弓高误差，an,lim为最大向心加速度，jn,lim为最大加加速度，vδ为最大弓高误差对应的进给速度，va为最大向心加速度对应的进给速度，vj为最大加加速度对应的进给速度，vm为机械臂允许的最大进给速度，vlim为多重约束进给速度；
48、s63：依据多重约束进给速度方法确定曲线上各个点的进给速度，进而获得多重约束进给速度曲线，然后寻找进给速度曲线拐点和极值点；
49、s64：确定进给速度敏感区域，进给速度敏感区域为两个拐点之间区域，此时进给速度为敏感区域内最小值；
50、s65：利用s型加减速模式对各个敏感区域恒速段速度进行平滑连接；
51、s66：采用双向扫描方法进行进给速度的更新，得到各点最终的进给速度。
52、进一步的，所述s7包括以下步骤：
53、s71：根据前一点参数ui，进给速度vi和插补周期t，根据二阶泰勒展开式求得ui+1：
54、
55、式中t为插补周期，vi为进给速度，ui为前一点参数，ui+1为下一插补点参数，c(u)为非均匀有理样条曲线表达式；
56、s72：找到(3ui+1-ui)/2，然后在[ui+1,(3ui+1-ui)/2]上使用二分法寻找另一插补点使为给定的允许误差；
57、s73：若此时的弓高误差超过给定的最大值，则以弓高误差最大值处作为最终插补点；
58、s74：重复步骤s71-s73依次进行，直到最后一个插补点。
59、本专利技术的一种基于三维视觉的胡萝卜开裂缺陷修整系统，该基于三维视觉的胡萝卜本文档来自技高网
...
【技术保护点】
1.一种基于三维视觉的胡萝卜开裂缺陷修整方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于三维视觉的胡萝卜开裂缺陷修整方法，其特征在于，所述S2包括以下步骤：
3.根据权利要求1所述的基于三维视觉的胡萝卜开裂缺陷修整方法，其特征在于，所述S3包括以下步骤：
4.根据权利要求1所述的基于三维视觉的胡萝卜开裂缺陷修整方法，其特征在于，所述S4包括以下步骤：
5.根据权利要求4所述的基于三维视觉的胡萝卜开裂缺陷修整方法，其特征在于，所述S5包括以下步骤：
6.根据权利要求5所述的基于三维视觉的胡萝卜开裂缺陷修整方法，其特征在于，所述S6包括以下步骤：
7.根据权利要求6所述的基于三维视觉的胡萝卜开裂缺陷修整方法，其特征在于，所述S7包括以下步骤：
8.一种基于三维视觉的胡萝卜开裂缺陷修整系统，其特征在于，执行如权利要求1-7中任一项所述的基于三维视觉的胡萝卜开裂缺陷修整方法。
9.一种电子设备，其特征在于，所述设备包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条程序代码，所述至少一条程序代码由所述一个或多个处理器加载并执行以实现如权利要求1-7中任一项所述的基于三维视觉的胡萝卜开裂缺陷修整方法所执行的操作。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储计算机程序，所述计算机程序用于执行权利要求1-7中任一项所述的基于三维视觉的胡萝卜开裂缺陷修整方法。
...
【技术特征摘要】
1.一种基于三维视觉的胡萝卜开裂缺陷修整方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于三维视觉的胡萝卜开裂缺陷修整方法，其特征在于，所述s2包括以下步骤：
3.根据权利要求1所述的基于三维视觉的胡萝卜开裂缺陷修整方法，其特征在于，所述s3包括以下步骤：
4.根据权利要求1所述的基于三维视觉的胡萝卜开裂缺陷修整方法，其特征在于，所述s4包括以下步骤：
5.根据权利要求4所述的基于三维视觉的胡萝卜开裂缺陷修整方法，其特征在于，所述s5包括以下步骤：
6.根据权利要求5所述的基于三维视觉的胡萝卜开裂缺陷修整方法，其特征在于，所述s6包括以下步骤：
7.根据权利要求6所述的基于三维视...
【专利技术属性】
技术研发人员：谢为俊，陈柏桐，汝申奥，李帅，
申请(专利权)人：南京林业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。