发布时间：2020-02-20所属分类：科技论文浏览：1次
摘 要： 摘要:为对采摘机器人的识别与定位功能进行优化，将排球机器人的运动规划原理与采摘机器人的控制要求相结合进行应用探讨。通过搭建采摘机器人对果实的识别定位理论模型，运用核心图像识别与处理算法，硬件配置动作执行协调及软件系统后台指令控制，实现多功能
摘要:为对采摘机器人的识别与定位功能进行优化，将排球机器人的运动规划原理与采摘机器人的控制要求相结合进行应用探讨。通过搭建采摘机器人对果实的识别定位理论模型，运用核心图像识别与处理算法，硬件配置动作执行协调及软件系统后台指令控制，实现多功能性传感装置信息数据的合理性采集与传输，达到实时定位目标。进行了采摘机器人的识别与定位试验，结果表明:在排球机器人运动规划与控制机理下，通过目标与定位图像的有效抓取，采摘定位时间可控制在0.6s左右，综合定位准确率保持在93.8%以上，最高定位准确率可达95.7%，满足采摘机器人作业需求，验证了设计理念的可行性，可为类似农业设备定位开发提供思路。
关键词:采摘机器人;图像识别;运动规划;定位准确率
0引言
随着计算机技术的进步，以及视觉图像获取与转换的深度发展，我国的采摘机具不断向智能化、无人化方向演变。据了解，在大规模种植地区，已将采摘机器人投入使用，大大降低了人工劳动成本，提高了采摘作业率。但是，农业采摘作业环境的不确定、封闭采摘状态及作物的分布性质各异等因素，给智能采摘机器人作业带来了新的挑战，相关专家学者近年来均做出不同程度的研究努力。在广泛发展的排球专业，各类排球打法依据一定的运动规律被应用到实际，排球机器人则是一种集目标视觉识别、预测、判定、规划及动作等多功能于一体的智能机器，其控制核心在于目标的识别与定位。为此，本文从排球机器人的运动规划机理角度入手，着重对采摘机器人的识别与定位目标环节展开研究。
1采摘机器人工作原理
果实采摘机器人是一种模拟人工进行动作的机器，工作原理可概要描述为:在一定的指令下，通过采摘图像识别与转换、数据传递与控制，将感性化的视觉状态转化为可量化的数字，实现采摘避障及处理复杂采摘环境的功能，形成规则化的运动采摘轨迹。其工作组件主要由各类图像采集与转换功能构成的视觉系统、识别与预测运动路径的自动引导装置、进行采摘动作的末端执行的抓取系统，以及具有信息反馈调节、算法控制功能的电脑终端组成，各组件在高度协调配合下完成采摘作业，如图1所示。
工作时，视觉系统对采摘图像进行滤波、均衡化与图像分割处理后，传递至采摘机器人的中控系统，经数据处理转换至采摘末端执行器;机器人的执行臂给出准确的角度范围与关键动作范围，保证了采摘运动规划的自主避障移动、转向角度及次数的实现等。采摘机器人的D-H参数如表1所示。
2运动规划与采摘功能实现
2.1采摘控制理论模型建立
果实采摘控制目标的准确实现，关键在于对果实的视觉搜索、识别与定位。结合排球的核心运动动力学算法规划理念，并加之较为准确的信息感知处理技术，考虑排球运动的旋转角度与落地位置关系、采摘机器臂的运动轨迹及运动控制要求，建立如图2所示的采摘机器人运动识别与定位坐标系。
3采摘识别与定位试验
3.1试验条件
进行排球机器人运动规划下的采摘机器人识别与定位试验，图7为选定的试验素材。试验条件设置:①采摘作业环境选定无风雨的干扰状态，保证信息获取平稳性;②各采摘部件动作平滑，无中断;③采摘机器人软件控制系统正常运行等。
3.2试验分析
通过试验过程中目标与定位图像的有效抓取，获得采摘机器人对采摘果实的主要处理过程，如图8所示。在目标位置形成区域边缘二值图，通过霍夫算法进行线段的分布检测，最终通过系列判定求解得到目标采摘点，从而驱动采摘执行臂进行动作。
选取对单个果实进行采摘的关键控制时间作为过程评价指标，选取果实采摘定位准确率作为综合评价指标，对该采摘识别与定位试验数据进行统计分析，形成试验数据，如表3所示。由表3可知:在排球机器人运动规划与控制机理下，试验次数选取20～50之间不等，获取得采摘图像识别时间范围为0.435～0.513s之间，说明图像识别的设计波动不大，具有一定的平稳性;采摘定位时间控制在0.6s左右，且采摘机器人的定位准确率保持在93.8%以上，试验可行。
4结论
1)将排球机器人的运动规划原理与采摘机器人的控制要求进行融合，针对采摘的识别与定位系统展开设计，搭建了采摘机器人对果实的识别定位理论模型，进而通过软件系统后台指令控制与硬件配置动作执行协调形成完整的识别定位系统。
2)着重运用图像识别与处理算法，利用多功能性传感装置实现信息数据的采集与传输，实现准确、实时地定位目标，并进行采摘机器人的识别与定位试验。
3)试验表明:在排球机器人运动规划与控制机理下，系统的图像识别功能保证一定的平稳性，采摘定位时间控制在0.6s左右，综合定位准确率保持在93.8%以上，验证了该设计理念的可行性，可为其他类似农用设备的定位功能提供一定参考。
相关论文推荐：Android平台人脸识别方法研究
摘要：研究直接系统编程实现人脸识别、基于组件技术的人脸识别和基于云计算的人脸识别三种算法.直接系统编程算法可实现基于肤色的人脸检测;基于组件方式应用OpenCV库可实现人脸的检测和特征比较;云计算方式可实现人脸识别、情感计算等功能.研究人员可根据设计要求选择算法，满足识别系统的需求.
SCI SSCI AHCI