下载文档原格式
基于机器视觉的苹果园果实识别研究综述随着科技的不断发展，机器视觉技术在农业领域的应用也日益广泛。
苹果是世界上种植最广泛的水果之一，而果实的识别和采摘一直是农业生产中的重要问题。
传统的人工采摘方式不仅效率低下，成本高昂，而且容易出现误判和损坏果实的情况。
在这种情况下，基于机器视觉的苹果园果实识别技术成为了解决该问题的有效途径。
本文将对基于机器视觉的苹果园果实识别研究进行综述，探讨其研究现状、技术原理和应用前景。
1. 研究现状近年来，基于机器视觉的苹果园果实识别技术取得了不小的进展。
研究者们通过利用图像处理、模式识别和深度学习等技术，实现了对苹果园果实的自动识别和采摘。
美国的农业技术公司Ceres Imaging借助无人机和机器学习技术，成功地实现了对果园中苹果树的识别和计数。
国内外的研究团队也在该领域展开了不少研究工作，积累了丰富的经验和技术成果。
2. 技术原理基于机器视觉的苹果园果实识别技术主要包括图像采集、预处理、特征提取和分类识别四个步骤。
通过摄像头等设备采集果园中苹果树的图像数据，然后对采集到的图像进行预处理，包括去噪、增强和分割等操作，以便提高后续处理的准确性。
接着，利用特征提取算法对图像中的苹果进行特征分析，提取出果实的形状、颜色、大小等特征信息。
通过分类识别算法对提取到的特征进行分析和比对，实现对果实的自动识别和计数。
3. 应用前景基于机器视觉的苹果园果实识别技术在农业领域有着广阔的应用前景。
该技术可以大大提高果园管理的效率和精度，减少了人工采摘的成本和劳动强度，提高了采摘的速度和质量。
通过对果实的自动识别和计数，可以实现果实的精准采摘和质量控制，从而提高果园的产量和品质。
借助机器视觉技术还可以实现对果实的实时监测和追踪，帮助果农更好地了解果园的情况和健康状况。
基于机器视觉的苹果园果实识别技术在农业生产中具有重要的意义和应用前景。
随着机器学习和深度学习等人工智能技术的不断发展，相信这一技术将会在未来得到更加广泛的应用和推广，为果园的管理和生产带来更多的便利和效益。
果树采摘机器人目标定位系统研究的开题报告一、背景与意义近年来，随着农业机器人技术的不断进步和应用，果树采摘机器人逐渐成为现代果农生产中的必备工具。
果树采摘机器人具有采摘效率高、采摘质量好等优点，能够大大提高果农的生产效率。
但目前，果树采摘机器人的目标定位系统仍然存在一定的问题，如识别效果不理想、定位精度低等，需要在此方面进行研究和优化。
因此，本文旨在研究果树采摘机器人目标定位系统，提高果树采摘机器人的自主性和采摘效率，为果农提供更加高效的服务。
二、研究内容与方法本文主要研究采用深度学习算法和机器视觉技术实现果树图像的自动识别和目标定位。
具体内容包括：1. 果树图像自动识别技术的研究与开发。
2. 采用机器视觉技术实现果树目标定位的研究与开发。
3. 利用深度学习算法优化果树图像的识别和目标定位效果。
4. 系统化地测试和评估果树采摘机器人目标定位系统的性能，探索如何提高果树采摘机器人的实用性和稳定性。
在研究方法上，本文将采用图像处理技术、机器学习技术和传感器技术相结合的方法，以实验为主，通过数据的收集与分析以及系统化的试验，验证所提出的技术的有效性和可行性。
三、预期成果和意义本文研究目标是实现果树采摘机器人目标定位系统的优化和提高，具体预期成果如下：1. 开发基于深度学习算法的果树图像自动识别模块，提高果树图像识别速度和准确度。
2. 提出一种新的利用机器视觉技术实现果树目标定位的方法，在目标定位准确度和定位速度方面有所提高。
3. 利用系统化的测试评估方法评估果树采摘机器人目标定位系统的性能，证明其在实践中可行性和有效性。
本文的研究成果将为果树采摘机器人的进一步发展提供新的技术支持和发展方向，也将为果农提供更加高效、可靠和智能化的服务，使果农更好地利用现代技术提升农业生产效益，更好地适应市场需求和发展趋势。
四、研究进度安排本文的研究计划为时一年，预计进度安排如下：1. 第一、二个月：调研果树采摘机器人目标定位技术的研究现状和发展趋势。
《智能移动式水果采摘机器人系统的研究》篇一一、引言随着现代农业的不断发展，智能化农业机械技术已经成为了研究热点之一。
作为现代农业生产中的重要环节，水果采摘一直依赖大量人工完成，这既耗费了大量的人力资源，又容易因天气、时间等因素影响采摘效率。
因此，开发一种高效、智能的移动式水果采摘机器人系统，成为了现代农业技术发展的迫切需求。
本文旨在研究智能移动式水果采摘机器人系统的设计原理、实现方法以及应用前景。
二、系统设计原理智能移动式水果采摘机器人系统主要由移动平台、视觉识别系统、机械臂和控制系统等部分组成。
其中，移动平台负责在果园中自主导航和移动，视觉识别系统用于识别和定位水果，机械臂则负责完成采摘动作，控制系统则负责整个系统的协调和控制。
（一）移动平台移动平台是整个系统的核心，其自主导航和移动能力是系统运行的基础。
移动平台采用轮式驱动方式，能够在复杂地形上自主行驶。
同时，移动平台配备了GPS定位系统和传感器，能够实现精确的定位和避障功能。
（二）视觉识别系统视觉识别系统是智能移动式水果采摘机器人系统的关键部分，其性能直接影响到采摘效率和准确度。
视觉识别系统采用机器视觉技术，通过图像处理和计算机视觉算法，实现对水果的自动识别和定位。
该系统能够快速准确地识别出不同种类、不同位置的水果，为机械臂的采摘动作提供准确的定位信息。
（三）机械臂机械臂是完成采摘动作的关键部分。
根据水果的特性和生长环境，机械臂采用柔性材料制成，能够适应不同形状和大小的水果。
同时，机械臂配备了力传感器和运动控制器，能够实现对水果的精准采摘和放置。
（四）控制系统控制系统是整个系统的“大脑”，负责协调和控制各个部分的运行。
控制系统采用先进的计算机技术和控制算法，能够实现自主控制、远程控制和手动控制等多种控制方式。
同时，控制系统还能够实时监测系统的运行状态和性能参数，为系统的维护和管理提供支持。
三、实现方法智能移动式水果采摘机器人系统的实现需要综合运用机械设计、电子技术、计算机技术等多个学科的知识和技术。
水果采摘机器人视觉系统研究进展摘要：概述了近年来国内外水果采摘机器人视觉系统的特点并进行了分析和归类，分析了不同视觉系统和方法的主要特征、所使用的传感器、检测水果的图像处理技术策略、检测效果以及系统的优点和局限性，并对研究的现状进行了综述。
经分析发现大多数视觉系统是通过电荷耦合器件（CCD）摄像机来获取图像，利用颜色和纹理分析作为特征，由各种分类器进行水果的检测，通过多相机或者距离传感器来进行空间定位和尺度测量。
指出了水果采摘机器人视觉系统存在的问题和有待改进的方面，并初步提出了一些设想和建议。
关键词：水果；采摘机器人；机器人视觉；空间定位；颜色和纹理分析Development of Machine Vision System for Fruit Harvesting RobotsAbstract： A review of previous studies on automatic locating fruits on trees using computer vision methods was performed. The main features of these approaches were described，especially focusing on the sensors utilized for capturing tree images，the image processing strategy used to detect fruits，the results obtained in terms of the correct/false detection rates，and the advantages and limitation of the systems. The majority of these works use CCD cameras to capture the images and use local or shape-based analysis to detect the fruits，use multi cameras or range senses to locate the fruits. The affecting factors of these systems such as the intensity of light，occlusion，and algorithm efficiency were pointed out；and some opinions and advices on machine vision system were given.Key words：fruit；harvest robot；machine vision；space orientation；color and shape analysis水果种植业的迅速发展提升了果园机械的市场需求。
农业果树采摘机器人功能实现及试验研究随着农业科技的不断进步，农业机器人的应用越来越广泛。
其中一种农业机器人是果树采摘机器人，能够代替人工进行果树采摘工作，提高采摘效率，降低人力成本。
下面将介绍果树采摘机器人的功能实现及试验研究。
果树采摘机器人的功能实现主要包括感知识别、路径规划和机械执行三个方面。
感知识别是果树采摘机器人的基本功能之一。
机器人通过搭载各种传感器，如摄像头、激光雷达等，实时感知果树的位置、形状、果实成熟度等信息。
通过图像处理和机器学习等技术，可以对果实进行准确识别和判断，并确定采摘的方法和时机。
路径规划是果树采摘机器人的核心功能之一。
机器人需要根据果树的位置和形状，规划最短路径，避开障碍物，高效地移动到采摘位置。
路径规划算法可以采用传统的图论算法，如Dijkstra算法和A*算法，也可以采用深度学习等人工智能技术进行优化。
机械执行是果树采摘机器人的关键功能之一。
机器人需要具备机械臂或夹爪等装置，能够准确地抓住果实并将其放入容器中，同时还要避免果实的损坏。
机械执行部分的设计需要考虑到采摘的力度、速度和精确度等因素，并与感知识别和路径规划进行协调。
为了验证果树采摘机器人的功能实现效果，需要进行试验研究。
可以在实验室条件下，利用摄像头和激光雷达等设备对果树进行感知识别，并进行路径规划和机械执行的模拟实验。
通过实验数据的统计和分析，可以评估机器人的准确度和效率。
可以选择果园进行现场试验。
在果园环境中，机器人需要适应各种复杂的地形和天气条件，比如山地、丛林、雨天等。
通过对机器人在实际果树中的采摘情况进行观察和记录，可以评估机器人的适应性和稳定性。
可以与传统的人工采摘进行对比试验。
将机器人和人工采摘同时进行，对比二者的采摘效率和成本，综合评估果树采摘机器人的优势和不足之处。
通过上述功能实现及试验研究，可以提高果树采摘机器人的技术性能和可靠性，并为实际应用提供参考和指导。
《智能移动式水果采摘机器人系统的研究》篇一一、引言随着现代农业的不断发展，高效、快速和自动化的果实采摘方式成为当下农业生产中急需解决的问题。
在许多农产区，特别是在果树种植区域，劳动力短缺、成本高昂以及传统采摘方式效率低下等问题严重制约了农业的可持续发展。
因此，研究并开发智能移动式水果采摘机器人系统，对于提高果实采摘效率、降低人工成本、促进农业现代化具有重要意义。
本文旨在探讨智能移动式水果采摘机器人系统的研究现状、技术原理、应用前景及未来发展趋势。
二、研究现状当前，国内外众多科研机构和企业对智能移动式水果采摘机器人系统进行了深入研究。
在技术层面，主要涉及到机器人运动控制技术、图像识别与处理技术、机器学习与人工智能技术等。
在研究过程中，这些技术共同作用，使采摘机器人能够在果园环境中自主导航、定位果实并进行精确采摘。
三、技术原理智能移动式水果采摘机器人系统的技术原理主要包括以下方面：1. 机器人运动控制技术：通过控制算法和传感器，使机器人能够在果园环境中自主移动和定位，以适应不同的地形和果树分布。
2. 图像识别与处理技术：利用计算机视觉技术，对果实进行识别和定位，实现精确采摘。
3. 机器学习与人工智能技术：通过训练模型，使机器人具备自主学习和适应能力，能够根据不同种类和成熟度的果实进行采摘。
四、应用前景智能移动式水果采摘机器人系统的应用前景广阔。
首先，它可以大幅提高果实采摘效率，降低人工成本，解决劳动力短缺问题。
其次，机器人可以适应各种复杂环境，减少对环境的破坏和污染。
此外，智能采摘机器人还可以根据果实的成熟度和品质进行筛选，提高果实的产量和质量。
在农业现代化的进程中，智能移动式水果采摘机器人系统将成为农业生产的重要工具。
五、未来发展趋势未来，智能移动式水果采摘机器人系统将朝着以下方向发展：1. 更加智能化：随着人工智能技术的不断发展，采摘机器人将具备更强的自主学习和适应能力，能够适应更多种类的果实和复杂的果园环境。
2010年6月农业机械学报第41卷第6期DO I :10.3969/.j issn .1000 1298.2010.06.031基于立体视觉的水果采摘机器人系统设计*周 俊 刘 锐 张高阳(南京农业大学工学院,南京210031)摘要 基于立体视觉建立了水果采摘机器人系统。
在图像空间利用H ough 变换检测出果实目标,并利用随机采样目标上均匀分布多个点的三维坐标信息重建果实球模型,进而获得目标质心的空间位置坐标;通过最小二乘法研究了采摘机器人手眼标定;分析了采摘机器人的轨迹规划。
实验结果表明,设计的自动采摘系统可以有效地消除遮挡以及立体视觉匹配失效等因素的影响,目标定位误差小于8mm,显著地提高了抓取的精度和可靠性。
关键词:采摘机器人 立体视觉 手眼标定 识别中图分类号:TP242 6文献标识码:A文章编号:1000 1298(2010)06 0158 05D esign of Fruit Harvesti ng R obot B ased on Stereo V isi onZhou Jun L i u Ru i Zhang G aoyang(Co llege of Eng i neering ,N anjing Agr icultural Universit y,N anjing 210031,Chi na)Abst ractThe auto m atic pick i n g syste m of fruit harvesti n g robot w as designed based on stereo v isi o n .Firstly ,the fru it ob jectsw ere recognized i n i m age space by usi n g theH ough transfor m .So m e p i x e ls o f each ob ject obey i n g t h e un ifor m d istri b uti o n i n the i m age space w ere sa m pled rando m ly .Then the sphere m odel o ffruitw as constr ucted i n 3 D space w ith these pi x e ls ,and the coord i n ates of the center of each fruit ob ject w ere obta i n ed directly .Second l y ,hand eye ca libration w as carried out through t h e least square m ethod .F i n all y ,the path plann i n g of the harvesti n g r obot w as analyzed si m p ly .Experi m ental resu lts sho w ed tha t the effects of the partia l occlusion and invalidati o n o f stereo m atch i n g in the presence o f co mp lex scene on the auto m atic p icking syste m w asw eakened ,and the positi o ning acc uracy o f the fru it objectw as l e ss than 8mm .Therefore the reliab ility and prec ision o f fruit g ri p p i n g w ere i m proved si g nifican tl y .K ey w ords Fr u it harvesting robo ,t S tereo vision ,H and eye cali b rati o n ,Recognition收稿日期:2009-06-08 修回日期:2009-08-10*国家 863 高技术研究发展计划资助项目(2006AA 10Z259)作者简介:周俊,副教授,主要从事农业机器人、机器视觉与模式识别研究,E m ai :l zhou j un @n j .cn引言果蔬采摘作业一直是个亟待解决的问题[1]。
果蔬采摘机器人的研究现状及发展方向随着现代科学技术的发展，人类正在朝着一个机械智能化时代迈进。
越来越多的行业开始导入智能化、自动化的机器，而对于劳动力输入最多的农业自是不甘落后的，早早的将机械利用其中。
为解决农业采摘中的实际问题，果蔬采摘机器人的研究与应用成为一种迫切需要。
综述了国内外果蔬采摘机器人的研究进展与现状，通过分析这些采摘机器人，并在此基础上重点分析了果蔬采摘机器人研究中存在的问题，提出了未来研究开发的技术关键与方向，同时也指明了采摘机器人未来的研究方向。
标签：果蔬采摘;机械手;自动化;研究现状引言随着电子计算机和自动控制技术的迅速发展、农业高新科技的应用和推广，农业机器人已逐步进入到农业生产领域中，并将促进现代农业向着装备机械化、生产智能化的方向发展。
【1】果蔬采摘是农业生产中季节性强、劳动强度大、作业要求高的一个重要环节，研究和开发果蔬采摘的智能机器人技术对于解放劳动力、提高劳动生产效率、降低生产成本、保证新鲜果蔬的品质，以及满足作物生长的实时性要求等方面都有着重要的意义。
果蔬采摘机器人的研究现状：国际上，一些以日本和美国为代表的发达国家，已经从20世纪80年代开始研究采摘机器人，并取得了一些成果。
而我国直到20 世纪90 年代，中国才开始研究果蔬采摘机器人，而且相对于其他发达国家，中国的研究工作具有起步晚，发展慢，投资少的特点。
哪怕在改革开放之后，我国加大对于这个方面的研究，但是所取得效果仍旧不明显，使得果蔬采摘自动化技术长期处于基础研发的阶段。
我国对采摘机器人的研究始于20世纪90年代中期，虽然与发达国家还有很大的差距，但是在不少院校和研究学者的努力下也取得了一些进展【2】。
中国农业大学的汤修映等人研制了一个6自由度黄瓜采摘机器人，该机器人基于RGB三基色模型的G分量【3】来进行图像分割，在特征提取后确定黄瓜的采摘点。
同时提出了新的适合自动化采摘的斜栅网架式黄瓜栽培模式。
孙明等为苹果采摘机器人开发了一套果实识别视觉系统，并研究成功了一种使二值图像的像素分割正确率大于80%的彩色图像处理技术。
基于立体视觉的水果采摘机器人系统调研报告 摘要: 基于立体视觉建立了水果采摘机器人系统。在图像空间利用Hough变换检测出果实目标,并利用随机采样目标上均匀分布多个点的三维坐标信息重建果实球模型,进而获得目标质心的空间位置坐标；通过最小二乘法研究了采摘机器人手眼标定；分析了采摘机器人的轨迹规划。实验结果表明,设计的自动采摘系统可以有效地消除遮挡以及立体视觉匹配失效等因素的影响,目标定位误差小于8mm,显著地提高了抓取的精度和可靠性。 关键词: 采摘机器人 立体视觉 手眼标定 识别
Research Report of fruit picking robot system based on stereo vision
Abstract： A fruit picking robot system based on stereo vision is established. In the image
space by using Hough transform to detect target fruit, and the random sampling of multiple point reconstruction of 3D coordinate information fruit ball model are uniformly distributed target, and then obtain the spatial position coordinates of the target centroid; by the least squares method of picking robot hand eye calibration; analysis of the picking robot trajectory planning. The experimental results show that the design of the automatic picking system can effectively eliminate occlusion and the influence of the stereo vision matching failure and other factors, target location error is less than 8mm, significantly improve the accuracy and reliability of the crawl. Key words: picking robot；stereo vision；hand eye calibration；identification
1 调研背景 果蔬采摘作业一直是个亟待解决的问题[1]。德国、荷兰和日本等发达国家研究开发了多种类型的果蔬自动采摘机器人,如苹果、黄瓜和樱桃等自动收获机器人[2～4],但在果实识别率、采摘成功率等方面还存在尚待解决的问题。 国内果蔬采摘机器人的研究工作也较多[5],但大多局限在采摘机器人的视觉系统、机械手和末端执行器等单一的功能模块,其中视觉系统的研究大多是在单果无遮挡的理想条件下进行的。本文基于立体视觉构建一个水果采摘机器人系统,即利用视觉传感器获取环境图像,计算出果实目标相对于机器人坐标系的位置,然后驱动机器人到达目标位置并抓取。重点研究复杂环境下果实目标的可靠识别定位问题,并分析系统的手眼标定与轨迹规划等。
2 关键技术 2.1 果实识别定位 果实目标的辨识和定位是果实收获机器人的首要任务,是影响果实抓取成功率的关键因素。采摘过程中,机器人末端执行器的工作位置不仅由果实目标位置决定,也受采摘方式的影响。目前常见的果蔬采摘方式有手指抓取采摘[6]、纯气吸采摘[2]和气吸与手指相结合采摘[4]等。本文采用了先让电动夹持器夹持住果实,再结合拧断果柄的方式来实现采摘,这就要求末端执行器的工作中心与果实质心基本重合,因此,果实定位需要确定果实的质心位置。 在双目立体视觉技术中,存在着多种因素影响果实定位的精度和可靠性。由于环境光照、果实形状等不可控因素,使得立体视觉匹配过程中难免会出现部分随机分布的无效匹配点,进而无法获得深度信息而导致采摘失效。运用的立体视觉模块将所有无法匹配的点的深度值均设为0.376 926ｍ。 果实不可避免地会存在被叶片等物体遮挡的情况,如果利用目标果实的形心来进行定位,那么该形心在图像平面上就有可能落在遮挡物上。结果立体视觉匹配后得到的空间位置就是遮挡物的位置而不是真正的采摘目标的空间位置,从而造成抓取可能失败。即使在无遮挡等相对理想条件下立体匹配过程不会出现前述情况,但由于图像噪声、图像处理误差以及标定误差等原因,立体信息的精度也同样难以保证,所以,如果单纯依靠形心等少数点来决定果实空间位置则可能存在较大误差。 果实中球形类果实约占70%,为了克服上述立体视觉技术中存在的几个问题,将利用目标上多个点的三维位置信息重建出果实球模型,然后基于最小二乘法计算果实质心位置。 果实球模型为
(ｘ-ａ)2+(ｙ-ｂ)2+(ｚ-ｃ)2=Ｒ2 (1) 其中(ａ,ｂ,ｃ)为球心在相机坐标系中的坐标。式(1)也可以写成 2ａｘ+2ｂｙ+2ｃｚ+Ｒ2-(ａ2+ｂ2+ｃ2)=ｘ2+ｙ2+ｚ2 (2) 对于n个点,式(2)可用矩阵的形式表达,即
（3） 式(3)可以简写成 Am=B （4）
利用最小二乘法,可以解得
（5） 从而获得球心坐标。 兼顾算法的精度和效率,利用了目标上8个点进行目标位置的求解。具体方法是:先以圆形来近似描述果实形状,由Hough变换可以得到各个果实在图像平面上的圆心坐标(ｉ,ｊ)和半径Ｒ,这种方法计算简单,果实形心识别准确;然后可方便地得到该果实圆的外接矩形,该矩
形左上点的坐标为(xmin,ymin),右下点的坐标为(xmax,ymax);最后将在 此矩形区域内随机找出一个点(ｘ,ｙ),坐标为
(6) 其中,rand()是Ｃ++标准函数库提供一个生成均匀分布随机数的函数,返回0～32 767间均匀分布的伪随机整数，%表示求余数。这样可以避免这些点过于集中,以提高最小二乘法的精度。当然,这些点(ｘ,ｙ)还必须在果实目标上,而不是遮挡物上,同时这些点处的立体匹配应该符合有效性检验。这样直到找到8个点为止,它们的三维坐标将用来拟合出一个球,进而求出目标的质心位置。整个果实识别程序流程如图1所示。
图1 果实识别定位流程图 在实验室中,使用3个橙子模型进行实验,如图2所示。用R—B对原图进行处理后并二值化;然后对图像进行结构元素大小为3×3的腐蚀与膨胀,结果如图2b所示；对图像基于Hough变换检测圆,得到准确的果实形心,把检测出的果实圆轮廓叠加到图2b上后得到图2c。同时,立体视觉模块提供的视差图如图2d所示,若已知图像上的点(i,j),可求出其在相机坐标系中对应的三维坐标(x,y,z)。 由图2c可以看出,左边的果实被叶片遮挡,其在图像平面上的形心位于叶子上,使用通常的基于形心特征等匹配方法将无法得到准确的果实空间位置。应用提出的方法识别出目标位置,通过机器人示教数据,结合下面描述的坐标变换测量出深度信息，结果如表1所示。可见,该方法能够较为准确地获得目标果实的质心位置,有效地消除了遮挡以及匹配失效等对抓取成功率的影响,提高了抓取的精度和可靠性。 图2 果实识别定位 (ａ)右眼校正图像 (ｂ)二值图 (ｃ)Hough变换图 (ｄ)深度图
表1 果实定位实验结果 2.2 手眼标定 手眼标定就是找到相机坐标系与机器人坐标系之间的约束关系,以便实现果实目标在机器人坐标系中的定位。 由于立体视觉模块可以给出果实在相机坐标系下的三维坐标,则该系统标定简化为求解相机坐标系与机器人基座坐标之间的映射矩阵。一般,坐标系{A}和{B}之间的映射矩阵为 （7）
由式(7)又可以将机器人与相机坐标之间映射矩阵表示为 （8） 系统标定中,通过将机器人示教到相机坐标系的原点处,记录机器人末端运动距离可得到某一配置下的平移矩阵为
对于旋转矩阵，先在机器人的工作范围内随机选取n个目标点，这些点在相机坐标系中的位置由立体视觉模块提供，在机器人坐标系中的坐标值可以测量获得，具体方法与前面测量相机坐标系原点的方法类似。然后把这些点代入式(8)，于是可以得到一个由3n个方程构成的方程组。实验中,选取了10个标定点，利用最小二乘法计算出的相机坐标系相对于机器人的映射矩阵Ｔ为 应用上述标定方法,通过将机械手的末端示教到每个目标点的位置而获得三维坐标的实测值,目标点在机器人坐标系中位置计算值与实测值之间的差值为标定误差。 由实验结果可见,目标点在机器人坐标系中位置坐标的各个分量上最大标定误差小于10mm。实际上,此误差是一综合误差,它把立体视觉模块自身等环节的测量误差也包含其中。根据本文的采摘方案,该精度能够满足自动采摘任务的需求。当然,在后续抓取研究中还将用眼在手上的视觉伺服控制技术进一步改善定位精度。总之,该标定算法操作简单、无需昂贵的实验设备,适合现场标定。
2.3 采摘机器人的轨迹规划 轨迹规划就是根据作业任务要求,确定轨迹参数并实时计算和生成运动轨迹,它是果实收获机器人运动控制的依据。对于果蔬收获机器人来说,一般只要求保证末端执行器到达目标点时满足规定的位姿要求,而如空间避障等问题可以结合果蔬的栽培模式调整,得到一定程度的简化,如文献[2]就提出通过修剪果树枝条的办法使得果实容易识别和采摘。 针对设计的自动采摘机器人实验系统,考虑球形果实的采摘要求,这里给出了分段路径规划实现机器人的运动控制,如图5所示。根据果实生长的姿态调整机器人末端执行器处于适当的采摘姿态,实验中暂时采用了水平姿态。利用计算出的果实目标Ｇ在机器人坐标系xOy平面内的投影点Ｇ′,控制机器人的S关节使得末端执行器旋转到与ｘ轴夹角为α处
α=arctan（Y/X） (9)
图5 采摘机器人轨迹规划示意图
