基于神经网络修正的农业机器人视觉误差研究

农业采摘机器人的作业是无损采摘过程,环境的复杂性与定位目标的特殊性,使得采摘机器人视觉识别过程长、误差大。传统的解决方法是分别从减少标定误差和匹配误差这两方面着手,并没有从整体的角度考虑标定和匹配的内在联系。本文提出一种视觉中的极线几何变换方法,并给出了该变换在基于BP神经网络的摄像机标定过程和基于特征的图像匹配过程中的应用分析。实验结果表明,基于极线几何变换的视觉总体误差修正方法比传统的分开修正方法具有更高的精度和实时性。