南京农业大学SRT计划项目申请书.docx

SRT计划项目申请书

项目名称:
XXXXXXXXXXXX

申请者:
XXX

院 系:
工学院农机系

专 业:
XXX专业

指导教师:
XX 职称: XX

2012年 04 月 08日
南京农业大学教务处制

填 报 说 明

一、填写申请书前，请先查阅《南京农业大学SRT计划项目管理办法》（校教字[2003]134号）文件和当年教务处关于SRT计划项目申请的要求及有关规定。
二、申请书的各项内容，要实事求是、逐条认真填写。表达要明确、严谨。第一次出现的缩写词，需注出全称。
三、申请书一律采用计算机打印,纸张标准为A4纸，于左侧装订成册。第三页起各栏空格不够时，可自行加页。一式二份，交所在学院办公室。
四、凡选择性栏目，请在相应提示符A、B、C等之上打勾（√）。
五、有关表格、材料请从教务处网站（）的“下载中心”中下载填写。
六、联系单位：教务处实践教学科
地址：文科楼A座217室
电话：84395910
E-mail: jwcsjk@

一、简表
申请者姓名
XXX
学号
XXXXXXXX
班级
XX班
年级
2010级
电话
XXXXXXX
E-mail
XXX
项目名称
果树主干及其支干的图像信息提取
项目来源
A、 自立项目 B、教师科研课题的子项目√ C、其它
项目类型
A、实验研究 B、调查研究 C、软件制作√
经费来源
A、学校资助 √ B、导师课题资助 C、企业资助
经费额度
1500元
指导教师姓名
XX
指导教师职称
XX
合作者
姓名、学院、班级
XXX，XX系10级0X班；
XXX，XX系10级0X班；
XXX，XX系11级0X班。
申请时间
2012年5月
完成时间
2013年5月

项目研究
内容
摘
要

对果树的图像信息进行快速提取并据此实现二维重绘是图像处理软件开发技术发展的一个新领域。作为果树的重要组成部分，针对树木模型主干及其支干的快速重建研究也随之发展。本文以数码相机采集数据为基础，使用模块化方法实现了对柑橘果树的快速精确平面图像重绘。
选取相机拍摄的场景图像进行预处理，分割提取出主干及其支干。对于枝干图像，将枝干二值化图像转化为距离图像，再将距离图像细线化并与距离信息相结合，配合平面坐标信息得到枝干中心对称线各点坐标及对应长、宽距。为减少数据运算量，对得到的数据图像剪除短枝、去除赘点以得到描述枝干拓扑结构的关键点坐标及其对应坐标差值。据此计算得到的模型顶点平面实际坐标信息构成了对枝干部分二维模型的表述。权衡模型精度和建模速度，确定使用长方形模拟枝干方法生成枝干部分模型，用较少数据量实现了中等复杂度柑橘果树场景的完整描述，达到很好的可视化效果。针对采摘机器人避障计算，调整模型精度达到合理状态，剔除材质和纹理，并在枝干建模中使用梯形替代长方形，忽略冗余数据提高模型生成速度，为整个系统的实时性奠定了基础。
本研究为机器人避障系统提供了路径规划基准和虚拟工作环境，同时可为其他同类树木模型快速精确建模研究提供借鉴。

二、立论依据
（包括项目的研究意义、现状分析，并附主要参考文献及出处）

1研究意义
☆进入二十一世纪，随着高新科技的迅速发展，农业科技迎来了新的发展机遇。尤其是农业生产，正朝着规模化，多样化，精确化方向发展，农业劳动力的成本迅速上升，劳动力不足的现象也日趋明显，因而作为高科技的机器人技术进入农业领域变得越来越现实，果园收获作业机械化，自动化成为广大果农们最为关注的热点问题，所以开展果树采摘机器人研究，不仅对于适应市场需求、降低劳动强度、提高经济效率有着一定的现实意义，而且对减轻人类生活压力也是一种潜在的构想。
☆在机器人研究中，果树主干及其枝干的图像信息提取，便成为智能机器人的作业基础。我们的课题是一项基础性的研究，主要意义是为多种智能农业机器人，尤其是果园机器人自动作业提供最基础信息。另外，还可以为其他领域智能机器人信息提取提供一个研究思路。
2现状分析
☆采摘机器人是21世纪精确农业的重要装备之一，是未来智能农业机械的发展方向。从1983年的第一台西红柿采摘机器人在美国诞生以来，采摘机器人的研究和发展已经经历了20多年。采摘机器人是针对水果和蔬菜，可以通过编程来完成这些作物的采摘、转运、打包等相关作业任务的具有感知能力的自动化机械收获系统，是集机械、电子、信息、智能技术、计算机科学、农业和生物等学科于一体的交叉边缘性科学，需要涉及机械结构、视觉图像处理、机器人运动学动力学、传感器技术、控制技术以及计算信息处理等多方面的学科领域知识。以下主要介绍一些国内外在农业机器人图像信息提取过程中的进展和成果。
2.1国外研究进展
☆从60年代末开始一直到今天，图像的信息提取一直是图像理解、图像识别、计算机视觉和人工智能研究人员的重要课题。Pal等对图像提取方法总结中提到有几百种，但没有一种方法对所有图像都产生好的提取区分效果，不同种类的图像应采取相应提取方法。图像信息提取是针对性很强的技术，根据不同应用、不同要求需要采用不同的处理方法。目前的图像提取中依据的特征主要是颜色特征、形状特征、纹理特征等。另外还有多种图像信息提取的研究工作，诸如各类图像信息提取及二维、三维重绘软件。
☆对于树木模型的精确重构， Shlyakhter、ChinHung Teng以及CM Cheng等人运用图像处理与图形相结合的方法，提取树木骨架、树木形态等进行分析，进而实现对真实场景下的树木模拟。这种方法应用实际测量数据对树木骨架模型生成进行控制，构建出的树木更为真实和让人信服。但该种方法由于侧重对模型细节的把握，降低了模型生成速度。而且由于细节过多，对于模型的存储数据量难以进行有效控制。针对树木数据的处理，Jiguo Zeng 使用多线段逼近方法对树木采集数据进行控制，构建出可以控制模型精度的树木模型。
☆Hongping Yan、Thomas L以及Stefan Jansson等人将真实树木的生长规律参数化，利用参数实现树叶和树枝结构建模，构造出三维树木模型； Lintermann甚至完成可生成随机树木的参数化控制软件；Rui Wang等人通过从真实树木中提取构成元素的组合实现真实树木模拟；CallumGalbraith则利用真实树木映射技术增加树木模型的真实感； Remolar、O Deussen以及陈华光根据视点与树模型的距离或者树木模型在当前场景的重要性确定树木模型数据层次，保证了树木渲染的真实性和实时性。
☆日本Hirosaki大学Teruo Takahashi等人2002年研制了一苹果采摘机器人，其视觉系统主要采用了两个彩色相机组成的双目立体视觉系统。当左、右两个相机同时获取了同一目标的图像后，通过将两幅图像进行中心合成来重建采摘目标的三维信息。在减少识别误差方面，提出了三个方法：（1）在进行目标中心合成时，设置一个较窄的范围搜索区域；（2）在左、右图像共同的目标区域，比较同一目标、一定数量的颜色特征；（3）将左、右图像的左、右半边区域分别重合，可使图像的公共部分更加清晰。通过上述改进，对于红色苹果的识别率大于90％，在红色苹果和黄色苹果混合的情况下，识别率在65％－70％之间。上述方法中，第一种和第三种减少误差的方法较为有效，识别误差率在±5%左右。
☆Yonekawa 等对紧密度、圆度、伸长度和粗糙度进行评价，认为利用这些简单形状因子可以简单有效的进行图像分割。Lee 等通过形状特征识别杂草开发西红柿除草系统。Blasco 等根据作物和杂草面积的差异开发除草设备。Søgaard利用形状模板进行杂草识别，达到较好的识别率。纪寿文等2000 年利用投影面积、叶宽、叶长在玉米苗期识别出单子叶杂草。相阿荣通过杂草区域的面积和质心识别麦田常见杂草，识别率为92﹪。龙满生将BP 网络用于杂草形状识别。Bjorn astrand 用图像分割、Hough 变换算法识别甜菜行参数。Yutaka Kaizu 研究基于机器视觉的插秧机自动导航系统，使用Hough 变换算法提取导航线参数。沈明霞对农田景物图像信息的提取方法包括图像分割、基于纹理特征分析、基于形态特征分割等农作物边缘检测研究。周俊在图像分割方面，采取小波分解的方法，将图像分解到第4 个。
☆上述各方法生成的树木真实感较强，细节表达丰富，并可以设定参数对生成树木加以控制，以有效运用到虚拟场景之中。但是生成树木模型依据的是人为设定的数值，并没有能力对真实的树木进行精确的模型重构及再现。

2.2国内研究进展
☆目前国内主要有两组人进行林木图像处理的研究工作：北京林业大学的李文彬等人和南京林业大学的郑家强等人。北京林业大学的研究是以树木的整枝抚育为应用背景，南京林业大学的应用背景是精确喷雾。下面就介绍一下他们的具体工作及相应的研究成果。
☆2004年，程磊等提出了一种序列化的处理方法：首先综合运用基于色彩和纹理的图像分割方法获得初步分割图像，然后应用数学形态学方法修正分割后的图像，最后对分割图像中的树冠和树干进行整株树的标记，初步实现了一类树木图像的分割。2005年，杨华等人对单株立木图像信息的提取分别运用近景摄影测量DLT模型和双目立体视觉技术进行解算,解决了立木图像信息与立木二维坐标之间的解算问题。2005年，孙仁山、李文彬等从工程应用角度出发，应用二维小波分析技术对林木图像进行消噪、压缩等处理；提出一种用于工业用材林自动整枝的立木枝干动态识别系统框架,对人工林侧柏的枝干进行了数字图像采集及处理,同时提出了一种立木枝干计算机自动识别算法,提取立木图像枝干形状、尺寸、弯曲度及相对空间位置关系基本生长特征,即利用模式识别技术验算其与特征数据库的匹配情况,从而达到立木枝干自动识别的目的。2006年，阚江明、李文彬等针对智能整枝机视觉系统的需要提出一种以数学形态学为主的图像分割方法，解决复杂背景下树木图像分割困难的问题。2007年，阚江明、李文彬等利用已知大小的标定尺简化无线性畸变CCD摄像机标定过程，经过标定后统计立木枝干直径的像素数与每一个像素代表的实际尺寸相乘就可以很容易地计算立木枝干直径。
☆1998年，童雀菊、华毓坤对利用图像处理方法采集原木形状参数的过程作了研究，提出了一种基本的图像处理在树干识别中应用的方法。2004年，葛玉峰、周宏平等提出了基于相对色彩因子的树木图像分割算法。首先引入2×G/(R+B)色彩因子分割绿色树木与其背景，再引入(R+B+G)/3因子去除图像中的暗噪声或相对暗区。2004年，向海涛、郑加强等[研究了树木图像的实时采集与识别技术,以及树木图像处理及分析软件系统的开发,并设计制作了室内模拟实验系统。2 0 0 5年，王雪峰、张超等介绍由摄像机图像抽取林木直径的方法、步骤,将度量误差模型算法应用到参数的求解当中,提出适合于林业野外作业的内、外参数分离策略,最后对文中算法、策略进行实际验证。
☆综上所示，目前国内在林木图像处理工作主要集中在森林或者工业用林等方面，研究也多停留在实验室水平上。对果树图像进行研究的工作尚未见报道。他们的研究主要针对整棵树为研究对象，而我们则是对树的主干和枝干进行图像的处理和识别。
参考文献：
[1]柳洪,宋伟刚.机器人技术基础[M].北京冶金工业出版社,2002.
[2]杜青林.明确任务,突出重点实施“ 科教农”[R].杜青林部长在全国农业科技教育工作会议上的讲话,2003.4.17.
[3]徐丽明,张铁中.果蔬果实收获机器人的研究现状及关键问题和对策[J].农业工程学报,2004. 20(5):38-42.
[4]方建军.移动式采摘机器人研究现状与进展[J].农业工程学报,2004.25(2):273-278.
[5]梁喜凤,苗香雯,崔绍荣等.番茄收获机器人技术研究进展[J].农机化研究,2003.10
[6]周俊, 姬长英. 农业机器人视觉导航中多分辨率路径识别. 农业机械学报.2003,34(6):120-123
[7]周俊, 姬长英. 基于知识的视觉导航农业机器人行走路径识别. 农业工程学报.2003,19(6):101-105
[8]程磊，树木图像的分割方法初探，硕士学位论文，北京林业大学，2004
[9]杨华、孟宪宇、刘燕、程俊，单株立木图像信息的提取与解算,北京林业大学学报，2005,27(1): 51~54
[10]孙仁山，李文彬，徐凯宏，基于小波变换的林业图像处理研究，森林工程,2005,21(1):4-6
[11]A.J.Pe´rez, F.Lo´pez, J.V.Benlloch, S.Christensen. Colour and shape analysis techniques for weed detection in cereal fields. Computers and electronics in agriculture. 25(3):197–212,2000
[12]George.E.Meyer,Joao.Camargo.Neto,David.D.Jones,Timothy.W.Hindman. Intensified fuzzy clusters for classifying plant, soil, and residue regions of interest from color images. Computers and electronics in agriculture. 42(3):161–180,2004.
[13]Cho.S.I ,Ki NH.,Lee.J H Choi C H.Autononmous speed sprayer using fuzzy logic.Proc. International Conference on Agricultural Machinery Engineering, November, Seoul, 1996:648-657
[14]Cho.S.I.,Ki.N.H. Autonomous speed sprayer guidance using machine vision and fuzzy logic.ASAE,1999,42(4):1137-1143
[15]B.S. S.H. Kim. Autonomous Guidance System for Agricultural Machine by Machine Vision.Proceeding of ASAE Annual International Meeting, Sacramento,California, USA. 2001.Paper Number: 0l-1194
[16]Toru Torii. Research in autonomous agriculture vehicles in Japan.Computers and Electronics in Agriculture.2000.(25): 133-153
[17]相阿荣. 识别杂草和土壤背景物的图像处理方法研究.硕士论文. 中国农业大学,2001
[18]毛文华,王一鸣,张小超,王月青. 基于机器视觉的苗期杂草实时分割算法. 农业机械学报.36(1):83-86,2005
[19]H.T.Søgaard, H.J.Olsen. Determination of crop rows by image analysis without segmentation, Computers and Electronics in Agriculture.2003(38):141-158Dandy R C. Developments in electronics[J].Agricultural Engineer,1994,49(1):2-4
[20]S.Yonekawa, N.Sakai, O.Kitani. Identification of idealized leaf types using simple dimensionless shape factors by image analysis. Transactions of the ASAE. 39(4):1525-1533,1996
[21]W.S.Lee, D.C.Slaughter, D.K.Giles. Robotic weed control system for tomatoes. Precision Agriculture. 1(1),95-113(1999)
[22]J.Blasco, N.Aleixos, J.M.Roger, G.Rabatel, E.Moltó. Robotic. Weed control using machine vision. Biosystems engineering. 83(2),149-157,2002
[23]Søgaard.H.T. Weed classification by active shape models. Biosystems engineering, 91(3):271-281,2005
[24]纪寿文,王荣本,陈佳娟,赵学笃. 应用计算机图像处理技术识别玉米苗期田间杂草的研究. 农业工程学报. 17(2):154-156,2001
[25]龙满生. 玉米苗期杂草识别的机器视觉研究.硕士论文. 西北农林科技大,2002
[26]Astrand B., Baerveldt A.J. An agricultural mobile robot with vision-based perception for mechanical weed control. Autonomous robots,2002(13):21-35
[27]Yutaka Kaizu. Prototype rice transplanter masters the paddy with machine vision. (Automation Technology).2005,
[28]沈明霞,姬长英.农作物边缘提取方法研究.农业机械学报,2000,31(6):45-47
[29]沈明霞,姬长英.基于纹理频谱的农田景物区域检测.农机化研究,2000,8(3):43-47
[30]沈明霞,李秀智，姬长英.基于形态学的农田景物区域检测技术.农业机械学报，2003,34(1):92-94

三、研究方案
1. 项目研究的目标、内容和拟解决的关键问题
1.1 研究目标
☆在VC++平台下，编写制作一款软件，以实现果树主干及其支干的图像信息
提取，为机器人采摘果实的实时避障提供大量果树枝干信息储备。

1.2 内容
☆利用数码摄像机采集果树图像信息，通过开发相应的软件同时利用相关技
术对图像中果树主干及其枝干的图像信息进行提取，并重新绘制出果树枝
干的二维平面图像，为机器人能够正确辨认出强硬枝干提供大量信息，从
而自动避开枝干等障碍，实现机械手不受损伤。
☆开发能够提取果树枝干信息的软件系统是我们的主要任务。初步确定需要
经过颜色分割、灰度阈值分割、树枝区域提取、树枝骨架提取、骨架修剪、
遮挡树枝恢复等步骤，其中会运用到形态学方法、距离变换法、细线化法
，最后集成调试，得到所需软件。

1.3 拟解决的关键问题
☆消除树叶、果实等对枝干的影响。由于春夏之际树叶茂密，此时不利于枝
干的信息提取，因此选择在秋天对果树进行拍照处理，从而避开了树叶对
枝干的影响，使研究更加方便；
☆利用对RGB颜色系统的色差分量2R-G-B进行迭代自适应阈值分割法去除
图像天空、棕色土地等区域，并利用对2G-R-B进行迭代分割法去除图像
嫩树枝等区域，再采用灰度阈值分割法去除图像较亮和较暗区域，能快速
有效地分割出图像的树枝区域。
☆在识别树枝区域的过程中，树枝区域形状较复杂，利用此区域来恢复树枝
的二维信息显然非常困难，如何简单有效的恢复树枝二维信息是我们课题
研究的一个难点。
☆通过细线化处理得到的树枝骨架，虽然很好的保持了连接性，但当树枝区
域边缘不平滑时会产生“假分支”。这些“假分支”将影响本研究后续处理，
需将其去除。如何去除假分支则是我们研究中又一个难点。
☆如何恢复被遮挡的树枝。

2. 拟采取的研究方法、技术路线、实验方案及可行性分析

2.1 研究方法
☆首先选择在秋天利用数码相机拍摄果树图像，再在VC++平台下运用所编写程序，对采集到的图像信息分别实现果树主干及其支干的二维重构功能，并使其满足在机器人实际摘果过程中顺利地避开障碍物（果树树干及其支干）的匹配条件。本研究以针对柑橘果树为例，但也可以通过适当调整应用到其他自然场景下的果树主干及其支杆（以下简称树枝）的二维重绘工作中。
2.2 技术路线及实验方案
2.2.1颜色分割
☆从采集的图像分析可知，由于秋天的季节性因素，排除了果树树叶和果实的影响，柑橘图像主要包含树枝、天空、土地等区域。由于树枝区域颜色特征不明显，要想直接从图像中提取出树枝区域比较困难，但图像中天空的颜色特征却非常明显，为白色或蓝色等。利用这一特点，本研究使用去除背景留下目标的方法提取树枝区域。由于迭代法能自动快速准确地找到图像分割阈值，因此考虑使用迭代阈值分割法去除背景。
2.2.2 灰度阈值分割
☆将真彩色图像转化为灰度图像，利用像素的颜色分量间的差异，对所得到的灰色图像进行灰度阈值分割。
(2.1)
背景 (2.2)
其中R,G,B为图像(x,y)像素点的颜色分量， 为图像平均灰度(即图像各像素点 的均值)。
☆经过以上分割处理后，可以提取大部分树枝区域，但由于自然场景下拍摄的图像受外界干扰较大，图像中阴影区域、随机噪声等仍无法完全去除。可采用形态学处理和区域标记法将其除去。
2.2.3提取树枝区域
☆分割后的图像，经过二值化、形态学运算、区域标记及小区域去除、区域填充处理提取出图像树枝区域。最终的树枝区域提取结果中，背景区域被完全去除，绝大部分障碍物(树枝)区域被提取出来。如下图所示：

2.2.4树枝特征提取
☆我们可以从识别出的树枝区域看出，树枝区域形状较复杂，利用此区域来恢复树枝的二维信息显然非常困难，为了准确快速地获取障碍物二维信息，需要提取树枝区域特征，由于正常树枝形状投影在平面内为细长的方形，因此本研究使用相应的方形长条代表树枝，由几何知识可知，要想得到长方形在二维平面内的具体图像必须先提取出其长、宽及对称线的倾斜角度。根据这一思想，本研究首先提取树枝区域骨架（即平面上长方形沿长方向的对称线），并检测骨架上的特征点(端点、分支点等)，然后利用特征点将骨架分段，将每段树枝看成一段长方形，恢复出每段长方形的二维信息，也就恢复出了每段树枝的二维信息。
2.2.5 树枝骨架提取
☆为了对二值图像中各个图形分量(对象物)的形状进行分析，需要有各种能表示图形的特征，骨架就是其中之一。骨架是对象物的核心部分，不同形
状的对象物就有不同的骨架。一般来说，骨架具有三个主要特征：连续性、最小宽度为1和中心对称性。从1967年Blum等首先用中轴表示连续平面上图形以来，有许多骨架求解算法产生，可归纳为骨架子化算法和细化算法两种类型。目前区域骨架的提取方法主要有形态学方法、距离变换法、细线化法等。
2.2.6 形态学方法
☆形态学法是利用一个正方形的结构元素腐蚀待处理区域，将各个腐蚀到空集之前的最后一次腐蚀的结果相加，即得骨架。例如：代表的骨架，数字骨架可以从形态学的角度给定义，对于……，定义骨架子集为图像内所有最大内切圆盘的圆心构成的集合，从骨架定义可知，骨架是所有骨架子集的并。它可以表示为：
(1)
式中的称为骨架子集，可写成：
(2)
其中为正方形结构元素，(1)式中的代表将腐蚀成空集前的最后一
次迭代次
数，即
(3)
☆形态学骨架提取实例图如图a所示，由图可知，形态学提取法实际上是
将各个部分的骨架相加，这种方法不能保证骨架的连接性，当骨架区域宽
度发生突变或区域边缘的光滑时会造成对连续区域识别出的骨架不连续。

图a 形态学骨架提取示例图
2.2.7 距离变换法
☆距离变换法提取区域骨骼通过距离变换和骨骼化两步实现，该方法首先通
过距离变换得到距离图像，然后比较图像中区域像素的距离值，将所有距
离值大于或等于邻域中最大距离值的像素的集合作为区域的骨骼。
☆通过距离变换得到用距离值来表示的图像称为距离图像。所谓距离变换是将二值图像中的1-像素变换为它和0-像素间的最短距离值。两点(与)之间的四邻域距离值如式(4)所示。
(4)
获得距离图像需用两次扫描完成，第一次采用顺向扫描，设为原图像像素值， 为第一次顺向扫描时的运算结果。顺向扫描时，像素点的4个邻点中只有两个已完成距离运算，故只能进行以局部邻域为基础的距离运算。的计算方法如式(5)所示。
(5)
顺向扫描时由于只考虑了局部邻域，因而右下部像素的距离值不是与0-像素的最短距离。第2次采用逆向扫描进行运算，设为第2次扫描前的像素值，为第2次运算结果。计算方法如式(6)所示。由于是从左上部邻域中求得的局部最短距离值，再加入右下部局部邻域的运算，最终完成距离变换，得到距离图像。
(6)
距离图像中各像素距离值的大小直接反映了该像素离开对象物边缘的远近，因此，作为对象物核心部分的骨架提取，只要通过邻域比较找到距离值大的像素部分即可完成。计算方法如下式：
(7)
☆距离变换法根据距离图像得到区域骨架点，由于每行(或每列)中距离最大的点仅与其边缘有关，故相邻两行(或两列)的骨架点位置关系并没有必然的联系，当边缘不光滑或者区域宽度发生突变时，会造成连续区域检测到的骨架点不连续的情况。使用距离变换法提取图a的区域骨架，提取结果如图b所示，由图可以看出，提取出的骨架区域不连续，在边缘不光滑处提取的骨架不连续或者产生噪声点，这将会对进一步处理造成困难。虽然距离变换法在本研究中不能很好的得到区域骨架，但得到的距离图像却能很好的反映树枝的粗细(即树枝半径的大小)，可用于本研究后面确定树枝的半径。

图b 距离变换法提取树枝骨架

2.2.8细线化法
☆区域细线化将区域细化为由线条构成的线图形，线图形有存储量小，便于识别等优点。使获得的细线能够准确代表对象物的形状，细线化处理必须满足以下要求：
（1）线宽为一个像素；（2）细线位置基本处于原线宽的中心；（3）保持图形的连接性不变，并且不能出现孔和点的新生或消失现象；（4）图形端部基本不缩短。
由此可以看出，区域细线化过程实质上是一个在保持连接性和图形长度不变的前提下求出图形中心线的过程。
☆运用细线化方法提取上图的区域骨架，提取结果如图c所示。提取的骨架保持了原区域的连接性，无中断现象，效果较好，本研究选用此方法提取区域骨架。

图c 细线化法提取区域骨架
2.2.9骨架修剪
☆通过细线化处理得到的树枝骨架，虽然很好的保持了连接性，但当树枝区域边缘不平滑时会产生“假分支”。这些“假分支”将影响本研究后续处理，需将其去除，目前比较常用的骨架修剪方法是采用形态学方法。但形态学方法只能修剪较短的分支(不超过三个像素，即毛刺)，本研究中树枝骨架的假分支大部分均超过3个像素，因此使用形态学修剪法不能去除“假分支”。本研究使用直接统计分支骨架长度，然后对长度设定阈值去除较短骨架分支的方法去除“假分支”。
2.2.10恢复遮挡树枝
☆在树枝识别时由于遮挡等原因，有时会造成识别出的树枝发生中断的情况，由于前面有树叶遮挡，从而使识别出的树枝发生中断，但某些区域的树枝是实际存在的，机械手路径规划时将视此处为无树枝状态，若机械手从此处通过将与树枝相碰，造成机械手的损坏，因此，必须恢复被遮挡的树枝。

附该技术路线程图如下：
细线化
骨架修剪
遮挡骨架修复
障碍物二维信息恢复
特征点检测及特征提取
形态滤波
区域标记
去除小域
原始图像
阈值分割
二值化

2.3 可行性分析
☆理论方面：首先，果树树干及其支干的图像信息提取是农业机器人摘果项目中极其重要的一环，且在国内外已经有具体的研究成果，前景光明。其次，我组成员经过较为周密的准备，在技术路线上已有充分考虑，实验方案明确，具有极大可能在该项目的实施上取得优秀成绩。最后，本组成员扎实成熟的程序汇编语言基础为本项目的实施提供了理论上的保障。
☆实际方面：学校提供了独立实验室为我组成员的研究开辟良好环境，一定数目的资金支持为项目研究做好充足准备，而现成的实验仪器设备（数码摄像机等）减少了额外成本开支。与此同时，优秀导师的带领是我们走向成功的中流砥柱。
☆综上所述,丰富的理论积累，雄厚的硬件支持，为本实验的成功研究做足了准备。我组项目研究必定会取得预期的优秀成绩。
3. 本项目的创新之处
☆采用了单一研究方法，即只对树木的主干和枝干的图像进行信息处理，而不是整棵树。
☆没有涉及生物特性的影响，从而减轻了研究的工作量。
☆选择秋天进行图像采集，从而有效避免了果实和树叶带来的影响。
☆为农业机器人采摘果实提供了大量图像信息支持，有利于保护机械手臂不受损害。

3. 项目研究计划及预期进展
☆2012年5-6月 与指导老师交流沟通,确定正确的研究思路，明确自身的缺陷和不足，积极向相关老师和学长请教，确定实验中所需知识储备和相应材料。
☆2012年7-9月 通过各种途径（参加培训班、自学等）系统学习与本项目相关知识，做到足够的积累，以面对实验过程中所遇到的各种问题和困难。
☆2012年9月 与指导老师详细交流,确定正确的实施方案，着手查找各类资料，动手制作相关材料、工具，清理出可随即投入使用的设备器材和实验室。
☆2012年10-12月 利用数码相机拍摄去除树叶、果实的果树图像，依据实验方案设定出详细计划和编程步骤。分工明确。开始着手项目的编程阶段，尝试编写基本程序模块。提交《项目中期检查表》等阶段性研究报告。
☆2013年1-3月 编写正确详尽的程序，不断调试，以得到目标所期许的
成果。
☆2013年4月 与指导老师沟通，将研究成果和实际应用结合起来，不断修改调整，细微处略作修饰，以期得到与目标匹配的自主研发软件系统。
☆2013年5月 整理资料，准备结题工作，总结一年来所取得的成果，撰写研究报告，撰写论文。

5. 预期研究成果

☆开发出了符合农业机器人避障需要的应用软件，能够很好地提取果树枝干
信息进行大量储备，并应用在实际工作中。
☆根据试验研究的内容分析总结出研究成果，撰写并在国内相关杂志发表
1-2篇关于果树主干及其支干的图像信息提取的学术论文。
☆根据试验的过程记录和成果总结，撰写试验的工作检查表和结题报告。
☆通过本次研究，在机器人避障方面开辟新视野，拓展现有的思维定式，为
以后更加深入的研究做准备。

四、研究基础
1. 与本项目有关的研究工作积累和已有的研究工作成绩
☆2010年至2011年，我们大部分成员学习了高等数学、线性代数、概率统
计等课程，XXX同学也于今年初通过了高等数学的学习，并取得优异成
绩。我们均具备运用数理知识分析处理问题的能力。
☆2011年2-7月，我们通过了计算机汇编语言的学习，并均已取得全国计
算机二级证书，能够熟练使用vc++编程软件，进行一些相关程序的编写。
☆2011年9-12月，我们通过了CAD课程的学习，对图像概念有比较成熟的
思维认识。
☆2011年9月，我们进行了数控车床实习，对简单程序在实际生活中的应用
具备了较为清晰地了解。
☆2012年，在科协的组织下，我们进行了有关农业机器人摘果项目的专题讨
论，并对机械手臂避障问题作了相关论述。
☆2012年3月，我们就果树主干及其支干的图像信息提取作了详细讨论，并
积极收集资料，与导师交流，为今后的实验研究奠定基础。
☆熟练掌握有多种应用软件（word,cad,ppt,excel等）。

2. 已具备的条件、尚缺少的条件和拟解决的途径（包括利用教学实验室、科
研实验室和实习基地等的计划与落实情况）
2.1已具备的条件
2.1.1实验设备
☆学校具有丰富的实验材料和完整齐全的研究设备。硬件系统设施介绍如
下：
☆数码相机：nikon-990数码相机(最大分辨率：2048×1536、位深：真彩24位、图像格式：BMP)；
☆CCD：美国Lumenera公司Lu075C型摄像头(所采集图像的有效尺寸：640×480、最大帧频率：60fps、与电脑的连接方式：USB接口)；
☆镜头：日本Computar公司M0814-MP和M1214-MP两种型号摄像头(每种型号各两个，焦距分别为8mm和12mm)；
☆计算机：CPU为AMD公司Athlon(tm)64 Processor 3000+(主频为1.8GHz)型兼容机；
☆激光测距仪：德国喜利得(Hilti)公司的PD 30 laser range meter；
☆采集地点：南京农业大学工学院校园果林（室外），计算机视觉研究室（室内）；
☆摄像头支架为普通的摄像机支架，可调节摄像头高度和拍摄角度，调节方式为手动调节(自动的调节支架正在开发中)，摄像头安装在有机玻璃板上，玻璃板上开有两条窄槽可使两摄像头的基线长度在6cm-25cm之间调整。
2.1.2政策扶持
☆学校大力支持并鼓励学生进行科研及实践创新训练活动，并有专人负责组织协调，匹配经费到位，配套扶持政策完善，能够为学生实施训练项目创造良好的环境。
2.1.3导师资源
☆本实践创新训练计划的指导老师系南京农业大学讲师安秋，在学校开设有农业机器人等课程。安老师有着丰富的教育教学经验以及很强的科研实力，能有效指导学生进行此项目的研究训练。他曾长期致力于农业机器人相关项目的研究工作，对果树枝干图像信息提取具有深入研究。
2.1.4团队力量
☆小组成员具备较强的思维能力与动手能力，对科研有着极强烈的兴趣，具
有团结和吃苦耐劳的精神。
2.2 尚缺少的条件
虽然已经做了极其充分的准备，考虑较周密详尽，随时可以投入项目的研
究及软件开发工作，但在以下方面仍然有所瑕疵。
☆缺少对C++更加深入精详的知识储备。
☆实验室缺少可用网络以随时上网查阅资料。
2.3 拟解决途径
☆加强对C++的自学 ，必要时学校能够提供针对C++的专业培训。
☆充分利用好