荔枝采摘机器人双目视觉的动态定位误差分析

扰动引起的随机误差成为采摘机器人视觉定位的难题。为了探索荔枝采摘机器人视觉定位误差,首先用双目视觉系统和模拟扰动的震动平台对荔枝结果母枝采摘点的三维坐标进行定位试验,检测其实际位置,获得误差数据;然后,提出了一种动态定位误差分析方法,根据误差变化规律将动态定位误差划分为系统误差和随机误差;最后,用统计方法对2类误差分别进行定量分析和评价。结果表明,定位距离为600～1 000 mm时,系统误差与动态定位误差的变化趋势基本一致,视觉深度方向、水平方向最大动态定位误差分别为58.8和17.3 mm。系统误差置信区间较窄,视觉深度方向系统误差与定位距离呈较强的线性相关性,水平方向则表现为非线性。扰动下的随机定位误差服从正态分布,视觉深度方向、水平方向间的随机误差相关性较弱。视觉深度方向受扰动的影响较大,随机误差远大于水平方向,且不确定度较高。研究结果为荔枝采摘机器人视觉定位系统校准和动态定位方案设计提供依据,为机构容错纠错提供理论依据和实践指导。

基于Sylvester方程变形的荔枝采摘机器人手眼标定方法

针对视觉荔枝采摘机器人的Eye-in-Hand视觉与机器人关联方式的手眼标定问题,该文提出一种基于优化的求解齐次变换矩阵方程的手眼标定方法。该方法通过机器人带动其臂上的双目相机从多个位置观测标定板,使用Sylvester方程变形对手眼标定近似方程线性化,再对简单的初值进行优化计算,最终得到精确的标定结果。该方法的软件用C++/Open CV开发实现,并进行了多个试验。试验结果表明,视觉与机器人关联后,定位误差与机器人运动次数相关,当距目标1 m左右,静态时的视觉系统误差均值为0.55 mm;动态工作时,视觉关联机器人重复定位误差的均值为2.93 mm,标准差为0.45 mm,符合具有容错功能的视觉荔枝采摘机器人的实际使用需求。使用基于Sylvester方程变形的手眼标定方法标定的视觉荔枝采摘机器人,在野外环境下,总体采摘成功率达到76.5%,视觉系统成功识别、定位采摘点的情况下,采摘成功率达92.3%。

采摘机器人视觉定位及行为控制的硬件在环虚拟试验系统设计

因采摘机器人野外试验易受收获季节、气候和场地等诸多因素的限制,为辅助试验采摘机器人视觉定位及其行为控制算法,设计了基于硬件在环仿真的葡萄采摘机器人虚拟试验。该文先利用双目立体视觉提取葡萄串采摘点及防碰包围体等空间信息;然后以实验室已有的6自由度采摘机器人样机为原型,建立三维虚拟仿真模型,运用D-H法建立机器人坐标变换,求解虚拟环境下机器人运动学正解和逆解;再以实物视觉提取的葡萄串空间信息为基础,运用VC++、Javascript等编程语言在虚拟现实平台EON上对采摘机器人视觉定位及其采摘行为进行仿真设计和编程实现,设计出一套以实物视觉与虚拟采摘机器人相结合的硬件在环仿真平台。最后,在该平台上对葡萄采摘机器人进行了34次虚拟试验,试验中视觉定位、路径规划、夹剪果梗3个环节的成功率依次为85.29%、82.35%、82.35%。结果表明,该方法可很好地运用于验证和试验采摘机器人视觉定位及其行为算法。

改进随机样本一致性算法的弯曲果园道路检测

果园道路检测的目的是为农业采摘机器人鲁棒实时地规划出合适的行走路径,因果园环境的复杂性,例如光照变化、杂草和落叶遮挡等因素的影响造成视觉检测算法鲁棒性差,为此提出融合边缘提取和改进随机样本一致性的弯曲果园道路检测方法。首先,根据果园道路的颜色分布特征和几何形状特征,使用有限差分算子提取图像边缘,再使用灰度值对比度约束和霍夫直线检测去除噪声,实现道路边缘点提取。然后,提出多项式函数描述直线和弯曲道路,使用改进的随机样本一致性算法和线性最小二乘法拟合道路边缘点,以估计多项式函数的参数,实现果园道路检测。在华南农业大学果园采集240张道路图像作为试验对象。试验表明:在光照变化、阴影和遮挡背景的影响下,该方法能有效地提取果园道路边缘点,并能正确地拟合道路以实现道路检测,平均正确检测率为89.1%,平均检测时间为0.2639 s,能够满足视觉导航系统的要求。该研究为农业采摘机器人的视觉导航的鲁棒性和实时性提供指导。

基于OpenCV的木材表面缺陷检测系统

为了解决木材加工过程中人工检测木材表面缺陷效率低、检测质量差异大等问题,运用计算机视觉技术,设计一种实时在线自动检测木材表面缺陷的检测系统。系统能够检测木材表面是否存在缺陷,并准确检测出木材表面缺陷的大小以及位置,将这些信息存储起来,以便后续指导木材加工设备对木材进行加工作业。该系统具有检测准确、速度快等特点。通过大量实验,得出检测的准确率达到92.33%,平均检测时间为2 ms,实验结果表明该系统具有可行性。