1.一種基于三維姿態(tài)估計的昆蟲識別裝置，其特征在于，包括：
三維姿態(tài)信息獲取模塊，用于獲取待識別昆蟲的三維姿態(tài)信息，所述三維姿態(tài)信息包括昆蟲翅膀旋轉角度以及軀干變形信息；
昆蟲特征提取模塊，用于獲取待識別昆蟲的特征信息，所述特征信息包括形態(tài)特征、顏色特征和紋理特征；
昆蟲類型識別模塊，用于根據(jù)待識別昆蟲的三維姿態(tài)信息以及特性信息，利用預先構建的基于支持向量機SVM的昆蟲識別模型，對所述待識別昆蟲進行識別，獲取所述待識別昆蟲的類型識別結果。
2.根據(jù)權利要求1所述的裝置，其特征在于，所述三維姿態(tài)信息獲取模塊采用昆蟲圖像采集裝置獲取待識別昆蟲的三維姿態(tài)信息；
其中，所述昆蟲圖像采集裝置包括：昆蟲扎取單元和基于立體視覺的圖像采集單元；
其中，所述昆蟲扎取單元包括：底座、擺臂運動模塊、水平運動模塊、旋轉運動模塊和扎蟲模塊；
所述擺臂運動模塊，固定在所述底座上，包括：第三電機、行星齒輪減速機、旋轉軸和支架，所述支架包括絲桿和螺母套；所述行星齒輪減速機與所述旋轉軸連接，所述第三電機用于驅動所述行星齒輪減速機轉動，由旋轉軸帶動所述扎蟲模塊做擺臂運動；
所述水平運動模塊，包括：依次連接的第二電機、傳動軸、第一滾珠絲桿組件和伸縮臂；所述傳動軸通過螺母套固定于所述支架上，所述第二電機用于帶動所述傳動軸，所述傳動軸用于驅動所述第一滾珠絲桿組件，所述第一滾珠絲桿組件用于帶動所述伸縮臂進行運動以實現(xiàn)所述扎蟲模塊的水平運動；
所述旋轉運動模塊，包括：第四電機、同步帶、同步輪和法蘭盤；所述第四電機通過所述同步帶帶動所述同步輪轉動，所述法蘭盤與所述同步輪連接，所述法蘭盤與所述扎蟲模塊連接，用于帶動所述扎蟲模塊進行轉動；
所述扎蟲模塊，包括：針筒、第五電機、第二滾珠絲桿組件、推桿、彈簧、針桿、針固定槽和扎蟲針；所述第五電機與所述第二滾珠絲桿組件連接，所述第二滾珠絲桿組件與所述推桿連接，所述彈簧位于所述推桿與所述針桿之間，所述針固定槽位于所述針桿末端，用于固定所述扎蟲針，所述第五電機用于驅動扎蟲針進行上下運動以實現(xiàn)不用高度昆蟲的扎取和脫落；
其中，所述基于立體視覺的圖像采集單元包括：云臺、光源、半圓形支架以及位于所述半圓形支架上的第一CCD、第二CCD、第三CCD；其中，第一CCD位于所述半圓形支架的斜上方位置、第二CCD位于所述半圓形支架的水平方向位置、所述第三CCD位于所述半圓形支架的斜下方位置；所述云臺與所述半圓形支架連接，用于固定所述第一CCD、第二CCD和第三CCD。
3.根據(jù)權利要求2所述的裝置，其特征在于，所述三維姿態(tài)信息獲取模塊，具體用于：
選取能夠代表昆蟲姿態(tài)信息的部位，包括昆蟲的翅膀和昆蟲的軀干，昆蟲的翅膀姿態(tài)特征包括肩角、頂角、臀角，昆蟲的軀干姿態(tài)特征包括頭、腹部末端、軀干骨架；通過選取昆蟲前后翅膀的肩角、頂角、臀角，頭、腹部末端、軀干骨架這些有代表性的部位，并判斷這些部位所處的空間位置以及特征點所組成的面，即可分析出昆蟲翅膀的旋轉角度以及軀干變形信息；
以及，采用昆蟲圖像采集裝置獲取待識別昆蟲的三維姿態(tài)信息：
對第一CCD、第二CCD、第三CCD進行標定；
通過基于立體視覺的圖像采集單元獲取背景圖像、待識別昆蟲的圖像；
將待識別昆蟲的圖像進行壓縮、裁剪、去噪的圖像預處理過程，得到預處理后的圖像；
將預處理后的圖像轉化成為HSV顏色空間圖像；
選擇H顏色分量圖像，將昆蟲圖像與背景圖像進行差分，進行背景去噪；
基于邊緣檢測、孔洞填充、去噪進行昆蟲分割；
將第一CCD、第三CCD所獲取的圖像進行比較，以昆蟲胸部有無足的特征進行蟲體正反面的確定，選擇正面圖像、第二CCD獲取的圖像進行姿態(tài)信息的獲取；若因姿態(tài)變化沒有正面圖像，則選擇第一CCD或第三CCD所獲取的圖像與第二CCD獲取的圖像進行處理；
應用角點探測、邊緣曲率極值點探測進行軀干、翅膀特征點的搜索，應用特征點之間相對位置的關系進行軀干頭、腹部末端特征點以及翅膀特征點的定位；
通過圖像細化處理提取昆蟲由頭、胸、腹組成的軀干骨架，通過曲線擬合獲取軀干變形信息；
基于極線約束實現(xiàn)特征點的立體匹配，計算特征點的三維空間位置信息，與預設標準姿態(tài)蟲體進行比較，獲得昆蟲翅膀旋轉角度、軀干變形的三維姿態(tài)信息。
4.根據(jù)權利要求3所述的裝置，其特征在于，所述昆蟲特征提取模塊，具體用于：
基于待識別昆蟲正面和/或反面的二維圖像執(zhí)行如下過程：
對所述二維圖像進行壓縮、裁剪、去噪的圖像預處理過程，得到預處理后的圖像；
將預處理后的圖像轉化成為HSV顏色空間圖像；
將預處理后的圖像轉化成為灰度圖像；
選擇H顏色分量圖像，將昆蟲圖像與背景圖像進行差分，進行背景去噪；
基于邊緣檢測、孔洞填充、去噪進行昆蟲分割，得到分割圖像；
基于分割圖像提取昆蟲形狀特征；
將分割圖像與HSV顏色空間圖像相結合提取相應顏色特征；
將分割圖像與灰度圖像相結合提取紋理特征。
5.根據(jù)權利要求4所述的裝置，其特征在于，所述昆蟲類型識別模塊，具體用于：
構建基于支持向量機SVM的昆蟲識別模型；
以及，將待識別昆蟲的三維姿態(tài)信息以及特性信息輸入所述昆蟲識別模型并接收所述昆蟲識別模型輸出的昆蟲識別結果，實現(xiàn)基于三維姿態(tài)估計的昆蟲識別；
其中，構建基于支持向量機SVM的昆蟲識別模型，包括：
基于所述昆蟲圖像采集裝置獲取多姿態(tài)昆蟲建模樣本圖像，通過圖像處理提取建模樣本昆蟲的三維姿態(tài)信息和特征信息，并將并所提取的信息作為輸入因子，將昆蟲種類作為輸出因子，對昆蟲識別模型進行訓練，構建基于支持向量機SVM的昆蟲識別模型；
其中，所述三維姿態(tài)信息包括昆蟲翅膀旋轉角度以及軀干變形信息；所述特征信息包括形態(tài)特征、顏色特征和紋理特征。
6.一種基于三維姿態(tài)估計的昆蟲識別方法，其特征在于，包括：
獲取待識別昆蟲的三維姿態(tài)信息，所述三維姿態(tài)信息包括昆蟲翅膀旋轉角度以及軀干變形信息；
獲取待識別昆蟲的特征信息，所述特征信息包括形態(tài)特征、顏色特征和紋理特征；
根據(jù)待識別昆蟲的三維姿態(tài)信息以及特性信息，利用預先構建的基于支持向量機SVM的昆蟲識別模型對所述待識別昆蟲進行識別，獲取所述待識別昆蟲的類型識別結果。
7.根據(jù)權利要求6所述的方法，其特征在于，獲取待識別昆蟲的三維姿態(tài)信息，具體包括：
采用昆蟲圖像采集裝置獲取待識別昆蟲的三維姿態(tài)信息；
其中，所述昆蟲圖像采集裝置包括：昆蟲扎取單元和基于立體視覺的圖像采集單元；
其中，所述昆蟲扎取單元包括：底座、擺臂運動模塊、水平運動模塊、旋轉運動模塊和扎蟲模塊；
所述擺臂運動模塊，固定在所述底座上，包括：第三電機、行星齒輪減速機、旋轉軸和支架，所述支架包括絲桿和螺母套；所述行星齒輪減速機與所述旋轉軸連接，所述第三電機用于驅動所述行星齒輪減速機轉動，由旋轉軸帶動所述扎蟲模塊做擺臂運動；
所述水平運動模塊，包括：依次連接的第二電機、傳動軸、第一滾珠絲桿組件和伸縮臂；所述傳動軸通過螺母套固定于所述支架上，所述第二電機用于帶動所述傳動軸，所述傳動軸用于驅動所述第一滾珠絲桿組件，所述第一滾珠絲桿組件用于帶動所述伸縮臂進行運動以實現(xiàn)所述扎蟲模塊的水平運動；
所述旋轉運動模塊，包括：第四電機、同步帶、同步輪和法蘭盤；所述第四電機通過所述同步帶帶動所述同步輪轉動，所述法蘭盤與所述同步輪連接，所述法蘭盤與所述扎蟲模塊連接，用于帶動所述扎蟲模塊進行轉動；
所述扎蟲模塊，包括：針筒、第五電機、第二滾珠絲桿組件、推桿、彈簧、針桿、針固定槽和扎蟲針；所述第五電機與所述第二滾珠絲桿組件連接，所述第二滾珠絲桿組件與所述推桿連接，所述彈簧位于所述推桿與所述針桿之間，所述針固定槽位于所述針桿末端，用于固定所述扎蟲針，所述第五電機用于驅動扎蟲針進行上下運動以實現(xiàn)不用高度昆蟲的扎取和脫落；
其中，所述基于立體視覺的圖像采集單元包括：云臺、光源、半圓形支架以及位于所述半圓形支架上的第一CCD、第二CCD、第三CCD；其中，第一CCD位于所述半圓形支架的斜上方位置、第二CCD位于所述半圓形支架的水平方向位置、所述第三CCD位于所述半圓形支架的斜下方位置；所述云臺與所述半圓形支架連接，用于固定所述第一CCD、第二CCD和第三CCD。
8.根據(jù)權利要求7所述的方法，其特征在于，采用昆蟲圖像采集裝置獲取待識別昆蟲的三維姿態(tài)信息，具體包括：
選取能夠代表昆蟲姿態(tài)信息的部位，包括昆蟲的翅膀和昆蟲的軀干，昆蟲的翅膀姿態(tài)特征包括肩角、頂角、臀角，昆蟲的軀干姿態(tài)特征包括頭、腹部末端、軀干骨架；通過選取昆蟲前后翅膀的肩角、頂角、臀角，頭、腹部末端、軀干骨架這些有代表性的部位，并判斷這些部位所處的空間位置以及特征點所組成的面，即可分析出昆蟲翅膀的旋轉角度以及軀干變形信息；
以及，采用昆蟲圖像采集裝置獲取待識別昆蟲的三維姿態(tài)信息，具體包括：
對第一CCD、第二CCD、第三CCD進行標定；
通過基于立體視覺的圖像采集單元獲取背景圖像、待識別昆蟲的圖像；
將待識別昆蟲的圖像進行壓縮、裁剪、去噪的圖像預處理過程，得到預處理后的圖像；
將預處理后的圖像轉化成為HSV顏色空間圖像；
選擇H顏色分量圖像，將昆蟲圖像與背景圖像進行差分，進行背景去噪；
基于邊緣檢測、孔洞填充、去噪進行昆蟲分割；
將第一CCD、第三CCD所獲取的圖像進行比較，以昆蟲胸部有無足的特征進行蟲體正反面的確定，選擇正面圖像、第二CCD獲取的圖像進行姿態(tài)信息的獲??；若因姿態(tài)變化沒有正面圖像，則選擇第一CCD或第三CCD所獲取的圖像與第二CCD獲取的圖像進行處理；
應用角點探測、邊緣曲率極值點探測進行軀干、翅膀特征點的搜索，應用特征點之間相對位置的關系進行軀干頭、腹部末端特征點以及翅膀特征點的定位；
通過圖像細化處理提取昆蟲由頭、胸、腹組成的軀干骨架，通過曲線擬合獲取軀干變形信息；
基于極線約束實現(xiàn)特征點的立體匹配，計算特征點的三維空間位置信息，與預設標準姿態(tài)蟲體進行比較，獲得昆蟲翅膀旋轉角度、軀干變形的三維姿態(tài)信息。
9.根據(jù)權利要求8所述的方法，其特征在于，獲取待識別昆蟲的特征信息，具體包括：
基于待識別昆蟲正面和/或反面的二維圖像執(zhí)行如下過程：
對所述二維圖像進行壓縮、裁剪、去噪的圖像預處理過程，得到預處理后的圖像；
將預處理后的圖像轉化成為HSV顏色空間圖像；
將預處理后的圖像轉化成為灰度圖像；
選擇H顏色分量圖像，將昆蟲圖像與背景圖像進行差分，進行背景去噪；
基于邊緣檢測、孔洞填充、去噪進行昆蟲分割，得到分割圖像；
基于分割圖像提取昆蟲形狀特征；
將分割圖像與HSV顏色空間圖像相結合提取相應顏色特征；
將分割圖像與灰度圖像相結合提取紋理特征。
10.根據(jù)權利要求9所述的方法，其特征在于，根據(jù)待識別昆蟲的三維姿態(tài)信息以及特性信息，利用預先構建的基于支持向量機SVM的昆蟲識別模型對所述待識別昆蟲進行識別，獲取所述待識別昆蟲的類型識別結果，具體包括：
構建基于支持向量機SVM的昆蟲識別模型；
以及，將待識別昆蟲的三維姿態(tài)信息以及特性信息輸入所述昆蟲識別模型并接收所述昆蟲識別模型輸出的昆蟲識別結果，實現(xiàn)基于三維姿態(tài)估計的昆蟲識別；
其中，構建基于支持向量機SVM的昆蟲識別模型，包括：
基于所述昆蟲圖像采集裝置獲取多姿態(tài)昆蟲建模樣本圖像，通過圖像處理提取建模樣本昆蟲的三維姿態(tài)信息和特征信息，并將并所提取的信息作為輸入因子，將昆蟲種類作為輸出因子，對昆蟲識別模型進行訓練，構建基于支持向量機SVM的昆蟲識別模型；
其中，所述三維姿態(tài)信息包括昆蟲翅膀旋轉角度以及軀干變形信息；所述特征信息包括形態(tài)特征、顏色特征和紋理特征。