多視角三維視覺成像的蘋果果形測(cè)量與分類

陳慶光，劉 強(qiáng)，張競(jìng)成，吳開華

(杭州電子科技大學(xué)自動(dòng)化學(xué)院，浙江 杭州 310018)

0 引 言

蘋果外形品質(zhì)主要是根據(jù)尺寸、形狀、重量等參數(shù)進(jìn)行分級(jí)，是提升蘋果商品化價(jià)值的重要環(huán)節(jié)。傳統(tǒng)的蘋果外形品質(zhì)評(píng)價(jià)采用人工目測(cè)法和機(jī)械篩選法。人眼視覺判斷主觀性強(qiáng)，缺少準(zhǔn)確性；機(jī)械接觸式分級(jí)易損傷蘋果，難以獲得精確尺寸、形狀等信息。機(jī)器視覺采用工業(yè)相機(jī)采集合適光源照明的被測(cè)物圖像，運(yùn)用圖像處理技術(shù)實(shí)現(xiàn)檢測(cè)、測(cè)量、識(shí)別、定位等功能，具有非接觸性、可量化、準(zhǔn)確度高等優(yōu)點(diǎn)，在水果品質(zhì)評(píng)價(jià)領(lǐng)域得到應(yīng)用。針對(duì)蘋果外形幾何參數(shù)測(cè)量和分類問(wèn)題，李文勇等[1]使用相機(jī)采集生長(zhǎng)期內(nèi)未成熟果實(shí)的灰度圖像，通過(guò)分水嶺算法和凸包理論識(shí)別和分割蘋果輪廓，并以圓擬合方法測(cè)量直徑。李龍等[2]采集運(yùn)動(dòng)狀態(tài)下不同位姿的蘋果圖像，對(duì)提取的輪廓進(jìn)行圓擬合，以直徑作為檢測(cè)蘋果大小的依據(jù)，進(jìn)行蘋果外部品質(zhì)評(píng)價(jià)。Gongal等[3]提出一種利用TOF相機(jī)估計(jì)樹上蘋果尺寸的方法，將計(jì)算所得的蘋果3D點(diǎn)分布的最大距離作為主軸尺寸，測(cè)量精度達(dá)到69.1%。二維圖像是三維空間物體在二維平面上的透視投影結(jié)果，不規(guī)則物體的投影輪廓隨視角不同發(fā)生變化，采用多視角的投影輪廓無(wú)法準(zhǔn)確反映蘋果這種非規(guī)則三維物體的真實(shí)形態(tài)。

三維視覺測(cè)量采用光學(xué)成像技術(shù)重構(gòu)物體數(shù)字化表面輪廓，分為被動(dòng)式攝影測(cè)量方法和主動(dòng)式結(jié)構(gòu)光投影方法。被動(dòng)式攝影測(cè)量方法通過(guò)提取被測(cè)物的特征點(diǎn)，結(jié)合特征匹配方法，重構(gòu)三維表面[4]。但對(duì)于特征不明顯的弱紋理對(duì)象，以及環(huán)境光復(fù)雜多變、干擾強(qiáng)、處理速度要求高等應(yīng)用場(chǎng)合，難以滿足高精度、快速測(cè)量等實(shí)際需求。結(jié)構(gòu)光三維成像方法通過(guò)投影點(diǎn)、線或面結(jié)構(gòu)光到被測(cè)物體，采集受到物體表面高度調(diào)制的結(jié)構(gòu)光形變圖像，結(jié)合投影源和相機(jī)的相對(duì)位姿標(biāo)定結(jié)果，實(shí)現(xiàn)三維重建[5]。付代昌等[6]采用主動(dòng)點(diǎn)結(jié)構(gòu)光投影的Kinect立體視覺系統(tǒng)對(duì)溫室盆栽植物的莖干進(jìn)行三維重建，實(shí)現(xiàn)了番茄植株個(gè)體的形態(tài)可視化。Satoshi等[7]使用Kinect相機(jī)與旋轉(zhuǎn)臺(tái)獲取蘋果各個(gè)角度的點(diǎn)云數(shù)據(jù)，通過(guò)點(diǎn)云配準(zhǔn)建立了蘋果果實(shí)三維模型。王福杰[8]基于旋轉(zhuǎn)式的面結(jié)構(gòu)光TDOS 400三維掃描儀，實(shí)現(xiàn)蘋果各表面點(diǎn)云數(shù)據(jù)的采集。主動(dòng)式線結(jié)構(gòu)光投影方法利用被測(cè)物與相機(jī)的相對(duì)運(yùn)動(dòng)，通過(guò)標(biāo)定相機(jī)、線激光、運(yùn)動(dòng)平臺(tái)三者的相對(duì)位姿，采集形變線激光圖像，實(shí)現(xiàn)物體的三維測(cè)量。陳思豪等[9]使用單目線結(jié)構(gòu)光三維掃描方法，搭配高精密平移臺(tái)實(shí)現(xiàn)對(duì)大尺寸鋁合金鑄件的重構(gòu)；張光龍等[10]采用線激光加工業(yè)面陣相機(jī)的激光三角法，結(jié)合圖像處理精確測(cè)量水果外形三維幾何尺寸。由于受本身固有視場(chǎng)的限制，單視角光學(xué)成像無(wú)法獲得被測(cè)物全部三維表面，通常采用多視角拼接融合方案來(lái)獲取全視角三維重建結(jié)果。孫國(guó)強(qiáng)等[11]研發(fā)了一種基于線結(jié)構(gòu)光的多視角三維測(cè)量系統(tǒng)，用3組視覺傳感器進(jìn)行1次掃描，獲得被測(cè)物體的整體三維信息；裘祖榮等[12]搭建了多線結(jié)構(gòu)光視覺傳感器測(cè)量系統(tǒng)，實(shí)現(xiàn)了大尺寸軋鋼幾何尺寸、形狀誤差、表面缺陷的實(shí)時(shí)檢測(cè)；陳瀚等[13]提出一種基于多個(gè)線激光傳感器旋轉(zhuǎn)掃描的鑄鋼車輪在線三維測(cè)量技術(shù)，運(yùn)用多個(gè)線激光傳感器配合精密旋轉(zhuǎn)平臺(tái)對(duì)車輪進(jìn)行三維掃描，完整獲取了鑄鋼車輪的三維數(shù)據(jù)。主動(dòng)式線激光三維重建抗外界環(huán)境光影響能力強(qiáng)，相機(jī)與物體相對(duì)運(yùn)動(dòng)的工作原理適用于工業(yè)流水線在線測(cè)量與分揀。

針對(duì)蘋果外形品質(zhì)評(píng)價(jià)存在的尺寸測(cè)量精度不高、果形分類不準(zhǔn)等問(wèn)題，本文提出一種基于多視角主動(dòng)式線激光掃描三維視覺測(cè)量的技術(shù)方案，采用三維視覺測(cè)量技術(shù)，通過(guò)蘋果三維點(diǎn)云重建，計(jì)算外形幾何參數(shù)和果形分類模型，實(shí)現(xiàn)了蘋果果形的準(zhǔn)確測(cè)量和分類。

1 測(cè)量原理

1.1 多視角線激光掃描三維測(cè)量原理

線激光掃描三維測(cè)量模組由工業(yè)相機(jī)、線激光器和傳送帶構(gòu)成。工業(yè)相機(jī)光軸與線激光投射方向成一定夾角，線激光平面垂直投影到被測(cè)物表面，被測(cè)物隨傳送帶與相機(jī)做相對(duì)運(yùn)動(dòng)，相機(jī)依次采集受高度調(diào)制的線激光形變圖像，根據(jù)相機(jī)的光學(xué)成像模型以及線激光平面的空間約束方程，可以由物體的二維像素坐標(biāo)(u,v)解算物體的空間三維坐標(biāo)(Xw,Yw,Zw)：

(1)

式中，fx，fy分別為x軸，y軸上的歸一化焦距；u0，v0為圖像主點(diǎn)在像素坐標(biāo)系下的坐標(biāo)；s為尺度因子；R，T為世界坐標(biāo)系轉(zhuǎn)換到相機(jī)坐標(biāo)系的旋轉(zhuǎn)矩陣和平移向量；(a,b,c,d)為線激光在世界坐標(biāo)系下光平面方程的參數(shù)。

多視角三維成像裝置在空間內(nèi)環(huán)形配置多個(gè)線激光掃描三維測(cè)量模組，將多個(gè)視角的三維點(diǎn)云數(shù)據(jù)統(tǒng)一到一個(gè)坐標(biāo)系下，進(jìn)而拼接為360°全視角點(diǎn)云模型。因此，可以將某個(gè)視角對(duì)應(yīng)的臨時(shí)世界坐標(biāo)系確定為全局世界坐標(biāo)系，將其它視角獲得的點(diǎn)云數(shù)據(jù)統(tǒng)一到此全局世界坐標(biāo)系下，可得：

(2)

1.2 視覺測(cè)量系統(tǒng)標(biāo)定原理

為確定式(1)和式(2)中所列相機(jī)內(nèi)外參數(shù)、光平面參數(shù)、不同視角之間的相對(duì)位姿，進(jìn)行相機(jī)標(biāo)定、激光光平面標(biāo)定、掃描方向標(biāo)定和多相機(jī)全局標(biāo)定。

1.2.1 相機(jī)標(biāo)定

相機(jī)標(biāo)定根據(jù)建立的光學(xué)成像模型確定相機(jī)的焦距、主點(diǎn)坐標(biāo)等內(nèi)參數(shù)，以及世界坐標(biāo)系到相機(jī)坐標(biāo)系的旋轉(zhuǎn)矩陣平移向量等外參數(shù)。為建立準(zhǔn)確的相機(jī)成像模型，采用三階徑向畸變系數(shù)(k1,k2,k3)和二階切向畸變系數(shù)(p1,p2)來(lái)描述鏡頭的畸變。采集已知尺寸的標(biāo)定板圖像，求解標(biāo)定板上特征點(diǎn)的像素坐標(biāo)和投影坐標(biāo)的最小優(yōu)化問(wèn)題來(lái)標(biāo)定相機(jī)參數(shù)，

(3)

本文運(yùn)用張正友標(biāo)定法，使用平面棋盤格標(biāo)定板，采用Levenberg-Marquardt非線性優(yōu)化算法獲得最優(yōu)解，最終計(jì)算獲得相機(jī)的內(nèi)參數(shù)(fx,fy,u0,v0,k1,k2,k3,p1,p2)和外參數(shù)(Ri,Ti)。使用重投影誤差平均值來(lái)評(píng)價(jià)相機(jī)標(biāo)定的精度，表達(dá)式如下：

(4)

1.2.2 激光光平面標(biāo)定

激光光平面標(biāo)定通過(guò)采集投影在不同高度處的標(biāo)定板上的線激光圖像，確定激光條紋中心線，進(jìn)而確定激光光平面。標(biāo)定過(guò)程中，至少采集2個(gè)高度處的標(biāo)定板圖像，提取激光線的三維坐標(biāo)(xi,yi,zi)，擬合激光平面，使坐標(biāo)點(diǎn)到擬合平面的距離和最小，通過(guò)奇異值分解法(Singular Value Decomposition,SVD)求得激光光平面方程系數(shù)，

(5)

(6)

1.2.3 掃描方向標(biāo)定

將標(biāo)定板放置在傳送帶上并隨之運(yùn)動(dòng)，設(shè)置圖像采集間隔Δp，經(jīng)過(guò)I個(gè)Δp后，標(biāo)定板圖像上特征點(diǎn)O在世界坐標(biāo)系下的坐標(biāo)由(X0,Y0,Z0)變?yōu)?XI,YI,ZI)，每經(jīng)過(guò)Δp，被測(cè)物在世界坐標(biāo)系中各坐標(biāo)軸上的移動(dòng)距離(Δx,Δy,Δz)如下：

(7)

相機(jī)連續(xù)采集待測(cè)物表面的形變激光圖像，經(jīng)過(guò)M個(gè)圖像采集間隔，運(yùn)用式(1)計(jì)算得到線激光上每個(gè)像素點(diǎn)的三維坐標(biāo)(XM,YM,ZM)，根據(jù)掃描方向標(biāo)定結(jié)果(Δx,Δy,Δz)，第M個(gè)截面輪廓在世界坐標(biāo)系下的坐標(biāo)(XwM,YwM,ZwM)為：

(8)

1.2.4 多相機(jī)全局標(biāo)定

為了獲取被測(cè)物表面完整的三維信息，需要進(jìn)行多相機(jī)進(jìn)行全局標(biāo)定，利用全局標(biāo)定參數(shù)將多個(gè)相機(jī)視角下的三維點(diǎn)云數(shù)據(jù)拼接在一起。采用兩兩相機(jī)標(biāo)定傳遞的方法進(jìn)行全局標(biāo)定，相鄰2個(gè)相機(jī)采集共同成像區(qū)域內(nèi)的標(biāo)定板圖像，根據(jù)相機(jī)標(biāo)定參數(shù)確定兩相機(jī)的空間位置關(guān)系。確定相機(jī)1對(duì)應(yīng)的世界坐標(biāo)系為全局世界坐標(biāo)系，根據(jù)全局標(biāo)定參數(shù)G將其它視角相機(jī)對(duì)應(yīng)的臨時(shí)世界坐標(biāo)系統(tǒng)一到全局世界坐標(biāo)系，實(shí)現(xiàn)多視角三維數(shù)據(jù)的拼接，表達(dá)式如下：

(9)

2 實(shí)驗(yàn)平臺(tái)

本文采用三組線激光掃描模組，為了降低多個(gè)視角線激光之間的相互干擾，采用線激光器空間錯(cuò)位的配置方案，實(shí)驗(yàn)裝置如圖1所示。投影裝置為5 mW的一字線激光器，成像裝置由MV-HS300GM千兆以太網(wǎng)工業(yè)相機(jī)和BT-1214MP5工業(yè)鏡頭構(gòu)成，成像分辨率為2 048×1 536，最大幀率為38 fps，像元尺寸為3.45 μm×3.45 μm。為了解決因物體運(yùn)動(dòng)速度不同帶來(lái)的圖像掃描間隔差異問(wèn)題，采用E6C4-CWZ5G軸角編碼器與傳送帶運(yùn)動(dòng)軸相連，并設(shè)計(jì)了同步觸發(fā)控制器，進(jìn)行物體運(yùn)動(dòng)與圖像的采集，實(shí)現(xiàn)了不同視角之間圖像采集的同步。同時(shí)，為了降低相機(jī)成像的遮擋影響，每組均采用2個(gè)工業(yè)相機(jī)采集該視角下的線激光圖像，并按照1.2節(jié)視覺測(cè)量系統(tǒng)標(biāo)定原理，標(biāo)定了實(shí)驗(yàn)裝置。

3 基于多視角線激光掃描的蘋果三維重建

蘋果到達(dá)系統(tǒng)掃描區(qū)后，6臺(tái)相機(jī)同步觸發(fā)采集蘋果表面形變的激光條紋圖像，計(jì)算機(jī)處理圖像數(shù)據(jù)從而獲得6個(gè)視角下的蘋果點(diǎn)云，經(jīng)過(guò)點(diǎn)云預(yù)處理和孔洞修復(fù)后重建蘋果完整的三維模型。

3.1 激光中心線提取與點(diǎn)云預(yù)處理

受表面輪廓調(diào)制的影響，投影在蘋果表面的線激光條紋分布復(fù)雜多樣。本文采用Steger算法[14]提取激光條紋中心線亞像素坐標(biāo)，得到蘋果表面及裝置表面激光中心線提取結(jié)果，再根據(jù)系統(tǒng)標(biāo)定結(jié)果，運(yùn)用式(1)和式(2)計(jì)算得到全視角蘋果表面原始點(diǎn)云數(shù)據(jù)。受裝置表面的激光線散射的影響，原始點(diǎn)云由蘋果目標(biāo)點(diǎn)云、裝置環(huán)境點(diǎn)云和離群點(diǎn)組成，影響三維重建的效果。首先，結(jié)合直通濾波法[15]和鄰域半徑濾波法[16]對(duì)原始點(diǎn)云數(shù)據(jù)進(jìn)行預(yù)處理，直通濾波法主要去除裝置環(huán)境點(diǎn)云，半徑濾波法主要去除離群點(diǎn)，去噪結(jié)果如圖2(b)所示。然后，根據(jù)全局標(biāo)定參數(shù)，將去噪后的多視角點(diǎn)云進(jìn)行拼接，得到的蘋果點(diǎn)云數(shù)據(jù)。接著，針對(duì)標(biāo)定和測(cè)量誤差、“雙墻”現(xiàn)象、重疊區(qū)域不同視角的點(diǎn)云位置偏差等問(wèn)題，采用基于移動(dòng)最小二乘法(Moving Lest Squares，MLS)[17]的點(diǎn)云平滑算法進(jìn)行多視角點(diǎn)云融合，消除雙墻，其中MLS擬合采用kd-tree的鄰域搜索方式，鄰域搜索半徑設(shè)置為5，結(jié)果如圖2(d)所示。最后，采用Ball-pivoting算法[18]進(jìn)行曲面重建，其中設(shè)置pivoting ball的半徑為5，獲得蘋果點(diǎn)云的網(wǎng)格化數(shù)據(jù)如圖2(e)所示。

3.2 基于雙向切片法的孔洞修復(fù)

相機(jī)無(wú)法采集蘋果與傳送帶接觸部分，所以蘋果的網(wǎng)格化數(shù)據(jù)缺失部分區(qū)域數(shù)據(jù)，本文采用雙向切片法修復(fù)蘋果點(diǎn)云孔洞。對(duì)預(yù)處理后點(diǎn)云先后沿X，Y軸切片，獲得切片截面輪廓后，利用三次B樣條曲線擬合[19]，結(jié)果如圖3(g)所示。

圖3 蘋果孔洞修復(fù)

采用上述方法得到紅玫瑰、新疆紅富士、冰糖心、水晶紅富士、嘎啦、王林青蘋果、黃元帥等7個(gè)品種蘋果的三維重建模型如圖4所示。

圖4 蘋果三維重建模型

蘋果的網(wǎng)格化數(shù)據(jù)由三角面片組成，根據(jù)海倫公式，求解得到基于雙向切片法的孔洞修復(fù)前后的樣本蘋果的點(diǎn)云模型表面積之比，得到多視角成像技術(shù)采集拼接的真實(shí)點(diǎn)云占樣本蘋果表面的85%以上。

4 蘋果幾何參數(shù)測(cè)量與果形分類

首先，根據(jù)點(diǎn)云曲率特征定位蘋果梗洼和萼洼，將梗洼與萼洼的連線調(diào)整到豎直狀態(tài)實(shí)現(xiàn)蘋果姿態(tài)的矯正；然后，通過(guò)蘋果點(diǎn)云的最小包圍盒得到蘋果的橫徑、縱徑等幾何參數(shù)，采用切片截面輪廓積分方法累加所有切片截面輪廓的面積獲得蘋果的體積參數(shù)；最后，計(jì)算切片截面輪廓與果形標(biāo)準(zhǔn)輪廓的Fréchet距離，構(gòu)建基于曲線相似性度量的蘋果果實(shí)形狀分類模型，實(shí)現(xiàn)蘋果形分類。

4.1 蘋果幾何參數(shù)測(cè)量

受蘋果形態(tài)和擺放姿態(tài)的影響，蘋果梗洼-萼洼方向與測(cè)量過(guò)程中所建立的全局世界坐標(biāo)系不一致，導(dǎo)致重建的蘋果點(diǎn)云模型主軸偏斜，影響蘋果橫徑、縱徑等幾何參數(shù)的計(jì)算。為此，需矯正蘋果三維點(diǎn)云模型的位姿。利用點(diǎn)云數(shù)據(jù)主曲率微分幾何特征，計(jì)算點(diǎn)云中個(gè)點(diǎn)主曲率，識(shí)別并提取梗洼和萼洼區(qū)域，運(yùn)用最小二乘法擬合梗洼萼洼曲面，連接兩曲面頂點(diǎn)確定梗洼和萼洼的軸連線L1。根據(jù)L1和世界坐標(biāo)系的Y軸之間的夾角α進(jìn)行剛體變換，使得L1與Y軸重合，且L1中心點(diǎn)與坐標(biāo)原點(diǎn)重合。運(yùn)用軸對(duì)齊矩形邊界框(Axis Aligned Bounding Box，AABB)法求解蘋果點(diǎn)云的最小包圍盒，根據(jù)包圍盒邊界范圍求解蘋果的橫徑rt和縱徑rl，

(10)

式中，(Xmin,Ymin,Zmin)，(Xmax,Ymax,Zmax)分別為點(diǎn)云(x,y,z)方向坐標(biāo)的最小值和最大值。

對(duì)矯正后的蘋果三維模型，用一組(設(shè)為n+1)等間距(間距為h)的水平面沿果軸順序切割點(diǎn)云，依次得到系列點(diǎn)云切片Si，并計(jì)算切片面積Ai(i=0,1,…,n)，物體體積V為：

(11)

4.2 基于Fréchet距離的蘋果果形分類模型

Fréchet距離[20]是一種基于路徑空間的曲線相似度評(píng)價(jià)參數(shù)，本文將待測(cè)蘋果最大縱切面輪廓曲線與蘋果果實(shí)形狀的標(biāo)準(zhǔn)輪廓曲線之間的Fréchet距離構(gòu)建的果形相似度作為度量評(píng)價(jià)。

(12)

式中，S為相似度，DdF為Fréchet距離。

為準(zhǔn)確評(píng)價(jià)蘋果果形，根據(jù)NY/T 2316-2013《蘋果品質(zhì)指標(biāo)評(píng)價(jià)規(guī)范》[21]提供的果實(shí)形狀評(píng)價(jià)標(biāo)準(zhǔn)，獲得蘋果果形的標(biāo)準(zhǔn)輪廓，提取蘋果三維網(wǎng)格化模型多個(gè)角度的切片截面輪廓，計(jì)算與標(biāo)準(zhǔn)輪廓的Fréchet距離，根據(jù)相似度，采用投票法確定果形分類結(jié)果。

5 實(shí)驗(yàn)結(jié)果與分析

實(shí)驗(yàn)選取紅玫瑰、新疆紅富士、冰糖心、水晶紅富士、黃元帥、新西蘭嘎啦果、王林青等7個(gè)種類，共計(jì)45個(gè)蘋果作為實(shí)驗(yàn)樣本。采集每個(gè)蘋果的三維點(diǎn)云數(shù)據(jù)，通過(guò)式(10)、式(11)得到橫徑、縱徑、體積等參數(shù)，作為測(cè)量值。使用精度為0.02 mm的游標(biāo)卡尺測(cè)量蘋果，每隔45°旋轉(zhuǎn)蘋果，對(duì)蘋果的橫徑和縱徑進(jìn)行測(cè)量，選取最大值作為蘋果的橫徑和縱徑的真實(shí)值。借助精度為10 mL的量筒，通過(guò)排水法測(cè)量蘋果的體積真實(shí)值。計(jì)算測(cè)量值與真實(shí)值之間的平均絕對(duì)誤差來(lái)評(píng)價(jià)蘋果尺寸測(cè)量精度，結(jié)果如表1所示。

表1 蘋果尺寸測(cè)量精度

從表1可以看出，測(cè)量值與真實(shí)值之間存在一定誤差。分析誤差來(lái)源的主要原因有：(1)使用游標(biāo)卡尺手動(dòng)測(cè)量果徑尺寸無(wú)法保證測(cè)量結(jié)果為最大橫徑、縱徑，從而產(chǎn)生測(cè)量誤差；(2)使用排水法連續(xù)測(cè)量多個(gè)蘋果樣本體積，在更換樣本蘋果時(shí)造成的量筒內(nèi)液體消耗，使蘋果實(shí)際測(cè)量體積大于真實(shí)體積。

實(shí)驗(yàn)中，樣本蘋果的各角度切片截面輪廓和蘋果的標(biāo)準(zhǔn)果形輪廓如圖5所示。圖5(b)為每隔45°提取的樣本蘋果三維模型的切片截面輪廓，圖5(d)為依據(jù)國(guó)家標(biāo)準(zhǔn)NY/T 2316-2013《蘋果品質(zhì)指標(biāo)評(píng)價(jià)規(guī)范》[21]提供的10類蘋果果實(shí)形狀。應(yīng)用骨架提取方法提取標(biāo)準(zhǔn)果形輪廓，根據(jù)式(12)計(jì)算樣本蘋果各角度切片截面輪廓與10類蘋果標(biāo)準(zhǔn)輪廓的相似度，通過(guò)投票法獲得樣本蘋果的果形，結(jié)果如表2所示。

圖5 樣本蘋果的各角度切片截面輪廓與標(biāo)準(zhǔn)輪廓

表2 基于Fréchet距離的曲線相似性的樣本蘋果各角度切片截面輪廓的果形判別

根據(jù)表2數(shù)據(jù)，比較樣本蘋果的各角度切片截面輪廓與10類蘋果標(biāo)準(zhǔn)輪廓的相似度，得到0°，45°，90°的切片截面輪廓與標(biāo)準(zhǔn)果形中的偏斜形相似度最大，從而判斷為偏斜形，135°切片截面輪廓果形判斷為短圓錐形。在果形分類結(jié)果中，偏斜形與短圓錐形的判斷比為3∶1，所以判斷樣本蘋果果形為偏斜形。

實(shí)驗(yàn)中，根據(jù)提供的標(biāo)準(zhǔn)果實(shí)形狀，將人眼對(duì)45個(gè)蘋果的果形分類結(jié)果作為蘋果真實(shí)果形數(shù)據(jù)。將最大橫徑、縱徑所在的切片截面輪廓與標(biāo)準(zhǔn)果形輪廓進(jìn)行相似度分析，其中38個(gè)蘋果的判別結(jié)果與人眼判斷的果形形狀一致；采用本文的4個(gè)角度切片截面輪廓與標(biāo)準(zhǔn)果形輪廓進(jìn)行相似度分析，其結(jié)果全部與人眼判斷的果形形狀一致，說(shuō)明采用多角度切片截面輪廓投票判別果形的方法提高了蘋果果形分類的準(zhǔn)確率。

6 結(jié)束語(yǔ)

本文提出一種多視角線激光掃描三維成像技術(shù)用于蘋果在線測(cè)量與果形分類。運(yùn)用基于Fréchet距離的曲線相似性來(lái)判別蘋果果形，綜合考慮多角度切片截面輪廓的果形判別結(jié)果，使用投票法判別蘋果果形，提高了果形分類的準(zhǔn)確率。但是，本文研究存在一定的局限性，首先，蘋果與傳送帶相接觸部分的三維點(diǎn)云數(shù)據(jù)是通過(guò)B樣條算法補(bǔ)全的，并非真實(shí)的三維輪廓；其次，研究過(guò)程中樣本量規(guī)模較小。后續(xù)研究中，通過(guò)增設(shè)相機(jī)數(shù)量，獲得更多真實(shí)的蘋果三維點(diǎn)云數(shù)據(jù)，增加樣本的種類及數(shù)量，并考慮畸形果的情況，不斷完善本文提出的果形分類模型。