【正文】 申請者（簽名）：XXX 2012 年 04 月 08 日29 / 30。六、審查意見指導(dǎo)教師意見 指導(dǎo)教師簽名： 年 月 日系部意見 負(fù)責(zé)人簽名、公章： 年 月 日學(xué)院意見 負(fù)責(zé)人簽名、公章： 年 月 日學(xué)校意見 負(fù)責(zé)人簽名、公章： 年 月 日備注七、申請者承諾我保證上述填報內(nèi)容的真實性?！畛浞掷煤脠D書館的網(wǎng)絡(luò)資源，同時學(xué)?？紤]在實驗室配備可用網(wǎng)絡(luò)以供小組成員實時查閱資料信息，和導(dǎo)師保持聯(lián)絡(luò)?！顚嶒炇胰鄙倏捎镁W(wǎng)絡(luò)以隨時上網(wǎng)查閱資料。 尚缺少的條件 雖然已經(jīng)做了極其充分的準(zhǔn)備，考慮較周密詳盡，隨時可以投入項目的研究及軟件開發(fā)工作，但在以下方面仍然有所瑕疵。他曾長期致力于農(nóng)業(yè)機(jī)器人相關(guān)項目的研究工作，對果樹枝干圖像信息提取具有深入研究?！畋緦嵺`創(chuàng)新訓(xùn)練計劃的指導(dǎo)老師系南京農(nóng)業(yè)大學(xué)講師安秋，在學(xué)校開設(shè)有農(nóng)業(yè)機(jī)器人等課程。硬件系統(tǒng)設(shè)施介紹如下：☆數(shù)碼相機(jī)：nikon990數(shù)碼相機(jī)(最大分辨率：2048153位深：真彩24位、圖像格式：BMP)；☆CCD：美國Lumenera公司Lu075C型攝像頭(所采集圖像的有效尺寸：640480、最大幀頻率：60fps、與電腦的連接方式：USB接口)；☆鏡頭：日本Computar公司M0814MP和M1214MP兩種型號攝像頭(每種型號各兩個，焦距分別為8mm和12mm)；☆計算機(jī)：CPU為AMD公司Athlon(tm)64 Processor 3000+()型兼容機(jī)；☆激光測距儀：德國喜利得(Hilti)公司的PD 30 laser range meter；☆采集地點(diǎn)：南京農(nóng)業(yè)大學(xué)工學(xué)院校園果林（室外），計算機(jī)視覺研究室（室內(nèi)）；☆攝像頭支架為普通的攝像機(jī)支架，可調(diào)節(jié)攝像頭高度和拍攝角度，調(diào)節(jié)方式為手動調(diào)節(jié)(自動的調(diào)節(jié)支架正在開發(fā)中)，攝像頭安裝在有機(jī)玻璃板上，玻璃板上開有兩條窄槽可使兩攝像頭的基線長度在6cm25cm之間調(diào)整?！钍炀氄莆沼卸喾N應(yīng)用軟件（word,cad,ppt,excel等）。 ☆2012年，在科協(xié)的組織下，我們進(jìn)行了有關(guān)農(nóng)業(yè)機(jī)器人摘果項目的專題討 論，并對機(jī)械手臂避障問題作了相關(guān)論述。 ☆2011年912月，我們通過了CAD課程的學(xué)習(xí)，對圖像概念有比較成熟的 思維認(rèn)識。我們均具備運(yùn)用數(shù)理知識分析處理問題的能力。 ☆通過本次研究，在機(jī)器人避障方面開辟新視野，拓展現(xiàn)有的思維定式，為以后更加深入的研究做準(zhǔn)備。 ☆根據(jù)試驗研究的內(nèi)容分析總結(jié)出研究成果，撰寫并在國內(nèi)相關(guān)雜志發(fā)表12篇關(guān)于果樹主干及其支干的圖像信息提取的學(xué)術(shù)論文?！?013年5月 整理資料，準(zhǔn)備結(jié)題工作，總結(jié)一年來所取得的成果，撰寫研究報告，撰寫論文。 ☆2013年13月 編寫正確詳盡的程序，不斷調(diào)試，以得到目標(biāo)所期許的 成果。開始著手項目的編程階段，嘗試編寫基本程序模塊?！?012年1012月 利用數(shù)碼相機(jī)拍攝去除樹葉、果實的果樹圖像，依據(jù)實驗方案設(shè)定出詳細(xì)計劃和編程步驟?！?012年79月 通過各種途徑（參加培訓(xùn)班、自學(xué)等）系統(tǒng)學(xué)習(xí)與本項目相關(guān)知識，做到足夠的積累，以面對實驗過程中所遇到的各種問題和困難?！顬檗r(nóng)業(yè)機(jī)器人采摘果實提供了大量圖像信息支持，有利于保護(hù)機(jī)械手臂不受損害?！顩]有涉及生物特性的影響，從而減輕了研究的工作量。我組項目研究必定會取得預(yù)期的優(yōu)秀成績。與此同時，優(yōu)秀導(dǎo)師的帶領(lǐng)是我們走向成功的中流砥柱。最后，本組成員扎實成熟的程序匯編語言基礎(chǔ)為本項目的實施提供了理論上的保障。 附該技術(shù)路線程圖如下：細(xì)線化骨架修剪遮擋骨架修復(fù)障礙物二維信息恢復(fù)特征點(diǎn)檢測及特征提取形態(tài)濾波區(qū)域標(biāo)記去除小域原始圖像閾值分割二值化 可行性分析☆理論方面：首先，果樹樹干及其支干的圖像信息提取是農(nóng)業(yè)機(jī)器人摘果項目中極其重要的一環(huán)，且在國內(nèi)外已經(jīng)有具體的研究成果，前景光明。本研究使用直接統(tǒng)計分支骨架長度，然后對長度設(shè)定閾值去除較短骨架分支的方法去除“假分支”。這些“假分支”將影響本研究后續(xù)處理，需將其去除，目前比較常用的骨架修剪方法是采用形態(tài)學(xué)方法。提取的骨架保持了原區(qū)域的連接性，無中斷現(xiàn)象，效果較好，本研究選用此方法提取區(qū)域骨架。由此可以看出，區(qū)域細(xì)線化過程實質(zhì)上是一個在保持連接性和圖形長度不變的前提下求出圖形中心線的過程。圖b 距離變換法提取樹枝骨架 ☆區(qū)域細(xì)線化將區(qū)域細(xì)化為由線條構(gòu)成的線圖形，線圖形有存儲量小，便于識別等優(yōu)點(diǎn)。使用距離變換法提取圖a的區(qū)域骨架，提取結(jié)果如圖b所示，由圖可以看出，提取出的骨架區(qū)域不連續(xù)，在邊緣不光滑處提取的骨架不連續(xù)或者產(chǎn)生噪聲點(diǎn)，這將會對進(jìn)一步處理造成困難。 (6)距離圖像中各像素距離值的大小直接反映了該像素離開對象物邊緣的遠(yuǎn)近，因此，作為對象物核心部分的骨架提取，只要通過鄰域比較找到距離值大的像素部分即可完成。計算方法如式(6)所示。 (5)順向掃描時由于只考慮了局部鄰域，因而右下部像素的距離值不是與0像素的最短距離。順向掃描時，像素點(diǎn)的4個鄰點(diǎn)中只有兩個已完成距離運(yùn)算，故只能進(jìn)行以局部鄰域為基礎(chǔ)的距離運(yùn)算。兩點(diǎn)(與)之間的四鄰域距離值如式(4)所示。 ☆通過距離變換得到用距離值來表示的圖像稱為距離圖像。它可以表示為： (1)式中的稱為骨架子集，可寫成： (2)其中為正方形結(jié)構(gòu)元素，(1)式中的代表將腐蝕成空集前的最后一次迭代次數(shù)，即 (3) ☆形態(tài)學(xué)骨架提取實例圖如圖a所示，由圖可知，形態(tài)學(xué)提取法實際上是將各個部分的骨架相加，這種方法不能保證骨架的連接性，當(dāng)骨架區(qū)域?qū)挾劝l(fā)生突變或區(qū)域邊緣的光滑時會造成對連續(xù)區(qū)域識別出的骨架不連續(xù)。 形態(tài)學(xué)方法☆形態(tài)學(xué)法是利用一個正方形的結(jié)構(gòu)元素腐蝕待處理區(qū)域，將各個腐蝕到空集之前的最后一次腐蝕的結(jié)果相加，即得骨架。從1967年Blum等首先用中軸表示連續(xù)平面上圖形以來，有許多骨架求解算法產(chǎn)生，可歸納為骨架子化算法和細(xì)化算法兩種類型。骨架是對象物的核心部分，不同形狀的對象物就有不同的