英语原文共 13 页，剩余内容已隐藏，支付完成后下载完整资料
一个定制的人形苹果采集机器人
摘要:
本文提出了一种用于苹果收获的自主类人机器人人工。该设计的机器人由双目摄像头、类人双臂操作系统和移动车辆平台组成，能够通过其视觉识别和双臂采集系统来识别、定位、抓取和采集苹果。详细描述了机器人的结构设计和功能系统及其实现,并通过在模拟果园环境中的实验进行了验证。结果表明,苹果识别功能和收获功能的成功率分别为82.5%和72%，平均苹果收获时间约为14.6s。机器人结构、双臂协调控制、广泛的灵活性和独立的收获规划,有助于其在农业中应用于收获其他果实,如番茄、石榴和梨。
关键词：人形机器人 农业机器人 图像识别 水果收获 双臂机械手
介绍
机器人作为半自治或全自动的工作机器,对个人的日常生活很有帮助，[1]在不同领域被广泛应用。在服务行业中典型的服务机器人,如清扫导航机器人或服务导航机器人,可以大大减轻个人的工作负荷,提高工作效率[2]。在救灾中功能机器人,如爆炸物处置或线路检查机器人承担高风险任务，以确保人员安全,减少伤害风险[3]。在工业上，在工厂装配线上采用了大量的机器人,以降低生产成本,提高生产效率和产品质量,使个人免于繁琐的工作和或有害的工作条件。在农业领域,大规模的机械化作业也可以在很大程度上节省劳动力,这对老龄化社会的[4]尤为重要。
近年来,农业机器人的发展和应用引起了广泛的研究兴趣,这类机器人可以大致可分为设施农业机器人、现场生产机器人和农产品加工机器人[5]其中,设施农业机器人主要包括收获机器人、嫁接机器人和修剪机器人[6]野外生产机器人包括播种机器人、收获机器人和野外保护机器人,农产品加工机器人包括食品加工机、挤奶机器人和动物剪切机器人。在这些开发的机器人中,机械农业机器人被采用最广泛,在农业[7]中节省了大量的人力资源。文献中对设施农业机器人的研究比较广泛,主要集中在设计收获番茄、樱桃、黄瓜等的机器人上。[8]Henten等人提出了第一个针对黄瓜的自主机器人原型在温室[9]中挑选和测试其性能,采用一个具有5-DOF(自由度,DOF)PRRRP(p-棱镜关节,r-旋转关节)平行结构的机械手作为准线性系统和一个用于苹果抓取的勺形末端效应器。提出了一种具有简化控制策略的苹果收获机器人原型,并在野外[10]中对其性能进行了验证。虽然测试结果似乎很有希望,但成功率并不能满足实际应用的需要。为了进一步提高成功率,在机器人设计中进一步考虑了不同的环境因素。考虑到不同的光照条件,Zhou等人。将彩色相机系统与光子混合装置(PMD)相机集成,实现了一种基于图像配准的苹果[11]采集技术。通过使用类似的视觉系统,Silwal等人使用7-DOF收割机[12]实现了一个低成本的苹果收获机器人;莱纳特等人描述了一种在保护种植环境下的甜椒自主采摘系统,实验结果表明,其功能精度需要提高[13]为了解决操作精度的问题,Feng等人设计了一种机器人樱桃番茄收获系统,采用立体视觉单元识别和定位成熟的果实串，根据茎的机械特性[9]用末端执行器保持和分离。李等人利用4-DOF机械手和三色电荷耦合装置(CCD)相机的识别和定位系统,开发了一种自动甜椒采集机器人并验证了其在温室环境[10]中提高的采集精度。最近,布拉德利等人报道了一个猕猴桃机器人授粉平台的设计,并利用它来定位、跟踪和应用于冠层[14]中每朵花的柱头丛上的花粉；Xiong等提出了一种能够在单臂模式或双臂模式下连续采摘草莓,同时使用障碍物分离机制[15]避开周围障碍物的机器人,进行了现场测试,以验证这两个机器人的效率，但采购时间增加了。值得注意的是，这些机器人也有一些局限性,比如缺乏高DOF操纵器、便携性,以及处理隐藏在树枝和树叶中的水果的能力有限。这些限制在复杂的果园环境中更为严重，因为这些机器人通常配备了固定的轨道，因此缺乏灵活性和自主路径规划功能[16]为了解决上述问题,本研究设计了一种实验室定制的自主苹果采集机器人,即人工机器人。通过利用由两个6-DOF操纵手组成的双臂系统和一个双目视觉系统来识别和定位所需的目标,机器人可以有效地采集苹果,并通过快速响应(QR)代码识别系统实现自主定位和导航功能。一个图像处理功能也被用来确定在树上收获合适的苹果。在实验室模拟的果园环境中,通过大量的实验验证了机器人的功能,如自动定位、导航、采摘和收获。结果表明,苹果的识别和采摘成功率较高,而平均采摘时间相对较低,本文的其余部分组织如下;第二节介绍了机器人的结构及其软件控制系统;第3节描述了为验证所设计机器人的功能所进行的实验;第4节讨论了其局限性和未来的工作;第五节总结了本论文。
1.材料和方法
1.1人工机器人的整体结构
图1(a)展示了一个被设计的机器人劳动的结构图。它由一个机器人主体、一个双眼视觉系统、一个类人形双臂系统和一个移动车辆平台组成。双眼视觉和类人形双臂系统都集成在机器人主体上,机器人主体通过一个可围绕车辆平台旋转的转盘刚性地固定在移动车辆平台上,以扩大机器人的工作空间。移动车辆由一个宽的固体铝复合板底座和四个灵活的机械车轮组成,由一个中央控制单元控制,通过通用异步接收-发射机(UART)串行端口与配备在板上的个人计算机(PC)通信。移动车辆携带机器人的主体,并在中央控制单元的命令下将其驱动到所需的位置。图1(b)展示了定制的机器人原型。机器人的结构设计遵循人体,每个手臂都是一个有七个自由度的机械机械手,包括三个肩关节、一个肘关节和三个腕关节。为了实现收获功能,将一只人形手和一只机械爪分别集成到机器人的左臂和右臂上。如图2(a)所示
,机器人的左手有五个手指,每个手指都可以独立弯曲,模仿人类的手指,帮助右臂识别和收获苹果。右侧为机械爪，如图2(b)所示,是由柔性材料制成的,展示了众所周知的鳍效应,即,当压力下,鳍向施加力的方向弯曲,一旦压力释放就回到原来的状态。这种爪形结构有助于保护苹果免受伤害,因此,当用于收获时,三个鳍均匀地覆盖着苹果,马达驱动它们弯曲并握住苹果,如图2(c)所示,实现无破坏性收获功能。
为了扩大工作空间,机器人的头部有另外两个自由度,即俯仰旋转和左右旋转函数,如图所示。分别为2(d)和(e)为了实现苹果的识别,以及机器人的定位和导航功能,机器人的头部还配备了一个双目视觉系统,如图2(d)所示,用来模仿人眼。机器人的视野可以通过头部运动大大扩大。在本研究中,所有用于劳动的电动机的规格见表1。
1.2双眼视觉系统
采用了与我们图书馆图书馆使用的收发机器人[17]类似的双目视觉系统。如图2(d)所示,利用二维码识别系统识别和定位目标苹果,实现定位和导航功能，其工作机制包括双目视觉系统标定、目标特征提取和识别、三维（三维）坐标定位三个主要步骤。
系统校准是在人工开始工作前进行的，其主要目的是确定空间坐标系中的目标与其在图像平面上的图像点之间的关系。校准从目标图像采集和空间信息计算开始，然后是目标识别和重建。该校准步骤确定了机器人的整体操作精度，本研究利用线性变换方法获得了相机参数[17]。在此步骤之后,可以获得内部和外部摄像机参数,同时可以纠正系统误差。有关双目视觉工作和纠错机制的详细信息,请参阅[17]
第二步从背景环境中识别目标,并利用特征点识别和匹配机制,提高精度地提取目标。第三步是利用基于双眼立体视觉的距离测量系统获取目标的三维信息。这两个步骤的工作原理详见第2.3节。
1.3该机器人的控制系统
人工控制系统，如图3所示、是建立在主机上的。可见，该计算机通过通用串行总线(USB)接口连接到双目视觉系统，接收摄像机获取的图像，并进行处理以识别所需的目标并获得相应的位置信息。计算机还控制机器人操纵器的操作,即一旦接收到一个被识别的苹果的位置信息,它就使用逆运动学解得到操纵器所需的运动,然后驱动它们执行所需的操作。而在自动定位和导航方面,机器人一旦能够识别出二维码（如粘贴在苹果树上）,它就会访问图像内容,并将运动指令发送到移动车辆,从而驱动机器人到所需的位置。同时更新位置信息,提高定位和导航精度。
1.3.1移动式车辆控制系统
机械轮如图4所示人工移动车辆用(a)。假设小车的坐标系与自由空间一致,则对机器人的运动进行分解,如图4(b)所示,四个轮子的速度可以计算出在[18]以下；
（1）
其中,，，，和分别为四轮的速度,和分别为小车沿Xminus;和Yminus;axis的平移速度,为小车沿Z-axis的转速。
在本研究中，每个机械轮都配备有一个刷式DC电机(MD60，中国)和一个500ppr的光电编码器,如图4(a)所示。该电机的电源供应比和减少比分别为24V和18。电机和编码器均由微控制单元(MCU)STM32F103控制,该微控制单元通过UART端口与主机通信。一旦电机单片机接收到来自主机的控制命令,它就会根据公式确定其车轮的所需速度。(1)同时,相应的编码器计算出当前的车轮速度,并将其发送回单片机。单片机最终使用适当的控制策略来调整车轮速度。以这种方式,独立控制四个车轮,并根据控制命令驱动小车移动。图5为移动车辆车速控制器示意图。注意,本研究采用PID控制器来控制车轮速。但在实际应用中,也可以根据不同的要求采用其他一些控制策略。
1.3.2机器人手臂和头部的运动学
- 机器人手臂的运动学与逆运动学求解
在本研究中,右机械手被设置为主要的末端执行器。当为连杆关节建立坐标系时,根据德纳维特-哈滕贝格(DH)规则[19],右机械手的第一个旋转关节成为具有6个自由度的基础旋转关节。由于这三个关节彼此正交,这些坐标系的原点在肘部重合,因此,机器人右机械手的初始状态如图6(a)所示，而连杆对应的坐标系如图6(b)所示。
(2)
其中,为ith接头的接头角,ai-1为ith接头的连杆长度,aiminus;1和di分别为ith接头的扭转角和偏移量。为简单起见,Eq中的函数为sin、cos、sin和cos。（2）分别记为s、c、s和c。
利用上述变换矩阵和右臂机械手的DH表,可以相应地得到各关节的齐次变换矩阵。此外,由于终端关节位于机器人右臂的肘部,因此需要对终端坐标系统进行平移或旋转变换，使终端坐标系统的姿态与底座的姿态相同,而所建立的模型的终端位置与机械臂初始状态下的机械手爪的终端位置一致。
在本研究中,末端坐标系由minus;90◦沿其Z轴和X轴依次旋转，即RZ（minus;90◦）和RX（90◦）,然后沿其负轴翻译一段d6,即DY（minus;d6）。因此,可以得到终端高度变换矩阵，
(3)
右机械手的正向运动学方程为：
(4)
同样,也可以建立左臂的运动学模型。在本研究中,将左臂作为从端效应器,其基坐标系与底座重合,其旋转关节为第一个关节,在旋转过程中角度为常数。此外,由于左臂和右臂都集成到机器人主体上,它们对机器人旋转的影响可以忽略不计,也可以忽略。
采用与右臂相同的方法，可以利用方程式建立左臂关节的连杆坐标系及其齐次变换矩阵。（5）–（6）：
(5)
(6)
由于机器人上臂旋转关节,肘关节和前臂的轴与肘关节相交,机器人手臂的逆运动学可以用基于桩准则的几何[20]求解。
- 机器人头部坐标系变换
为了驱动操纵手保持目标，必须获取目标的三维信息，并转换为机器人基坐标系。但是，一旦摄像机在机器人身体上旋转,摄像机与机器人之间的坐标关系发生变化,就需要建立目标与机器人之间的坐标变换。
将机器人头部中心设置为坐标原点，可以建立机器人基础坐标系OAminus;XAYAZA，如图所示。7(a)。由于机器人头部旋转有两个自由度，因此需要建立两个坐标系，即头部旋转OBminus;XBYBZB和摄像机OCminus;XCYCZC。另外，让双目摄像机系统的左侧摄像机为数据，可以得到摄像机坐标系内目标的坐标P（X，Y，Z)，如图7(b)所示。因此，可以通过以下系统变换获得机器人基础系统内目标的坐标信息：
(7)
其中，表示目标P在相机坐标系中的姿态和位置，OAT、ABT和BCT为4个times;4矩阵表示从OAminus;XAYAZA到O0minus;X0Y0Z0，OBminus;XBYBZB到OAminus;XAYAZA和OCminus;XCYCZC到的转换OCminus;XCYCZC，分别。
1.3.3苹果公司的识别和位置控制
苹果的识别和定位功能依赖于机器人的双目视觉定位和图像处理机制，包括摄像机校准、目标识别和三维信息采集三个主要步骤。第一步摄像机校准从参考图像采集开始,然后计算物体的自由空间几何信息,以及其识别和重建。第二步是目标识别,即首先用颜色分割和形态处理机制将目标与背景分离,然后使用轮廓识别算法在图像中进行识别。第三步是基于双目立体视觉测距来获取物体的三维信息。一旦从两个不同的角度观察物体，就可以从不同的角度获得立体图像对,并通过匹配算法得到相应的匹配点对。最后,利用两幅图像之间的位置视差,获取一个物体在自由空间中的三维信息。
1.3.4.双臂坐标控制
双臂坐标控制是为了获得机器人双臂的运动轨迹，使它们能够在避免碰撞的同时协同完成预期的任务,避免碰撞。同时，还应考虑这两条武器之间的约束条件。图8为部分约束下机器人双臂的坐标控制图。假设机器人双臂基坐标系以及左臂和右臂端执行器的原点分别为O、L和R,而左臂和右臂
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[602619]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
