葡萄采摘机器人终端作业路径规划方法研究

葡萄采摘具有障碍物多、结构复杂的特点,为实现高效采摘和稳定避障,提出无碰撞双向扩展RRT(collisionless growth bidirectional RRT,CGB-RRT)算法进行避障路径规划。该算法双树节点相向扩展时,不发生碰撞直接向对方扩展,发生碰撞则转向自由节点扩展,加快扩展速度。针对复杂障碍物导致避障路径规划失败的情况,进一步提出基于CGB-RRT算法的柔性避障路径规划策略,通过引入标记关节,在终端避障路径输出机械臂与障碍物发生柔性接触的碰撞形位,采用“初始位置-中间位置-目标位置”分步规划的方式实现柔性避障路径规划。此外,设计了一种收集点位置已知的葡萄网格收集箱,通过CGB-RRT算法可提前规划得到收集作业路径,供收集作业直接调用。实验结果表明,避障路径规划中CGB-RRT算法与BI-RRT算法相比,运行时间减少27.61%,扩展节点减少24.32%;避障路径规划失败时,柔性避障路径规划策略结合不同算法均能实现路径规划,与CGB-RRT算法结合时表现出来的性能较好。

基于深度学习的葡萄果穗检测

果穗检测是农业自动化采摘作业的热门关键技术。针对成熟期葡萄易腐烂、成熟状况不一,以及葡萄果园背景复杂、光照条件多变的问题,基于YOLO v5s算法提出一种轻量化改进的检测识别方法。首先,采用Efficientnet-v2网络作为特征提取主干并在其中融合了不降维局部跨信道交互模块,在保障精度的前提下大幅度缩减模型大小以及参数量,加快模型推理速度;其次,为了进一步弥补模型简化造成的精度损失,在模型特征融合关键位置引入坐标注意力模块,强化对目标的关注度,提升模型应对密集目标检测以及对抗复杂背景干扰的能力,保障算法的综合性能及可靠性。实验结果表明:改进后的算法平均准确率达98.7%,平均检测速度为0.028 s,模型大小仅为12.01 MB,相较于改进前的算法准确率提升了0.41%,检测速度快了22%,模型减小了13.2%。在果园场景图像检测测试中,所提出算法能够良好地检测出葡萄果穗并辨别其状况,对不同环境影响也具有较强适应能力,为自动化采摘技术的发展提供了参考。

类人型舞蹈机器人“创客”一号设计

通过对类人型舞蹈机器人"创客"一号总体设计、机械系统设计、执行机构设计、控制系统设计、舞蹈设计和语音模块等几方面进行分析,根据人体仿生学原理确定其比例尺寸,舞蹈机器人的功能及动作要求确定其自由度配置,并选择合适的材料和驱动元件,进行精细的外观设计,实现了简单人体舞蹈的基本动作。

基于三维重建的智能导盲仪发展应用

本文所设计研究的系统是以双目视觉测量技术为基础,通过三维重建方式设计的导盲系统,其双目视觉测量技术在智能机器人导航、参数检测、三维测量等领域已有诸多研究和应用,但在导盲系统中还未见有所应用。目前市场上存在的导盲仪大致可以分为四类,即超声波导盲仪、移动式机器人、穿戴式导盲仪和引导式手杖。使用者在使用超声波导盲仪时需要不断的探测,发现障碍物后,必须经过附加测量才能知道其尺寸,并且超声波不能探测凹坑等障碍物;移动式机器人在功能上比较完善,但是硬件和开发成本太高,并且体积庞大,在行动范围上受地形影响很大;穿戴式导盲仪重量较重,成本较高,无法给盲人提供心理上的安全感;引导式手杖是目前相对理想的一种导盲仪,但是还存在体积大、不宜携带等缺点。因此,基于三维重建的智能导盲仪存在市场基础,而且在价格、实用性等方面具备竞争力。