采摘机器人作为一种典型的智能农业装备,不仅集成了机器人、传感和控制等先进技术,而且需要适应复杂的农业场景,因此其开发和研制具有很高的技术难度。目前制约采摘机器人性能提升的技术瓶颈主要集中在目标识别、定位与控制等难题。本文以西红柿采摘机器人为研究对象,围绕西红柿采摘机器人的目标识别、定位与控制技术展开研究,涉及西红柿采摘机器人的软硬件系统设计、图像处理、机器学习以及视觉伺服等方面的理论研究、技术实现和试验验证,论文的主要研究内容和取得的结论包括:(1)针对西红柿温室的环境特点和采摘作业的任务需求,设计和开发了西红柿采摘机器人软硬件系统。分别设计了西红柿采摘机器人双机械臂结构、剪切式和气吸式两种采摘手抓以及采摘机器人的移动底盘;针对西红柿采摘机器人各子系统对控制性能的需求不同,分别研发了基于EtherCAT总线的西红柿采摘机器人驱动控制系统和基于Arduino的控制系统。西红柿采摘机器人的软件系统采用基于ROS的逻辑分层和功能模块化设计方案,编写了面向硬件的驱动层程序和面向功能模块的应用层程序。(2)针对在非结构化环境下,西红柿采摘机器人环境感知易受光线变化等因素的影响,提出了一种基于特征图像融合的西红柿分割方法。通过提取L*a*b*和YIQ颜色空间模型下的a*-component图像和I-component图像作为特征图像,采用小波融合方法,对a*-component特征图像和I-component特征图像进行像素级融合。融合后的西红柿图像利用***优阈值分割方法进行分割处理,正确分割率达到93%,并且降低光照变化和枝叶遮挡等干扰因素对分割结果的影响,表明基于特征图像融合的方法可以有效提升西红柿采摘机器人对作业环境的感知能力。(3)针对西红柿采摘机器人目标识别高准确性、高鲁棒性和快速性的要求,提出了一种基于AdaBoost分类器与颜色特征分类器级联的成熟西红柿识别算法。通过离线训练分别得到适用于西红柿识别的AdaBoost分类器和基于平均像素值的颜色特征分类器,采用级联的方式将两个分类器组合,用于西红柿采摘机器人的在线目标识别。结果表明,表征弧度特征的C类Haar-like特征***适合用于识别西红柿。采用级联分类器的西红柿识别正确识别率可达95%以上,误识别率控制在5%左右,并且具有非常好的鲁棒性和快速性,满足西红柿采摘机器人对目标识别的准确性、鲁棒性和快速性要求。(4)为了实现西红柿采摘机器人对目标果实和采摘手抓的空间定位,提出了一种基于双目定位的西红柿采摘机器人控制方法。利用双目视觉获取采摘机器人作业场景的点云信息,构建起采摘机器人现场作业的三维虚拟环境,然后在虚拟环境中对目标果实进行空间定位,根据定位结果进行机械臂运动轨迹规划获取机械臂各关节的运动参量,***后控制机器人执行采摘动作。实验测定双目空间定位误差约为2mm;西红柿采摘机器人末端空间定位误差范围为6mm-10mm;采用基于双目定位控制方法的西红柿采摘机器人能够在模拟条件下实现采摘作业。(5)为了消除西红柿采摘机器人双目定位和运动控制中存在空间定位误差,提出了一种基于视觉伺服的西红柿采摘机器人微操控制方法。使用眼在手上构型方式,构建起西红柿采摘机器人视觉伺服控制系统,并推导得到西红柿采摘机器人的眼手关系模型,利用Kalman滤波器对眼手关系模型进行在线辨识,***后设计了基于PI控制策略的西红柿采摘机器人的视觉伺服控制器。试验表明,在视觉伺服控制器的作用下,西红柿采摘机器人能够在微小空间范围内实现对采摘手抓的精准定位控制。这种控制不需要附加试探运动,并且对作业环境具有较好的自适应性,能够保证西红柿采摘机器人顺利完成采摘作业。

                          本文摘自：网络     时间：2020-11-23