基于视觉定位的按摩机器人穴位跟踪系统设计与研究

机器视觉定位是机器人智能化程度的重要指标,基于中医按摩视觉定位,研制出一种能够实现实时图像采集分析、坐标变换的按摩穴位跟踪系统。视觉定位跟踪系统利用摄像头获取图像,并对图像进行处理,判断患者在按摩过程中是否发生移动,实现对按摩穴位的动态跟踪,保证了按摩穴位的准确性。     

机器视觉技术在农业机器人定位中的作用

随着科学技术的飞速发展,机器视觉技术在不同的应用场景下取得了良好的效果。机器视觉技术通过卷积神经网络、YOLO等模型,可以实现目标检测、目标分类、位置识别等。实践证明,农业机器人进一步结合机器视觉技术可以极大地提高农业智能化水平。基于此,课题组介绍了机器视觉技术在农业中的应用场景,详细分析了农业机器人的定位解决方案,结合单目相机提出了实现目标定位的方法,结合图像特征点提出了农业机器人位置的确定方法。结果表明,机器视觉技术能够实现农业机器人的精确定位,有利于农业的智慧化、自动化发展。     

基于机器视觉和信息融合的邻接苹果分割算

提出了利用亮度和颜色的信息融合来分割邻接苹果的方法.首先使用Lab模型对苹果图像进行分割.然后计算分割后每个区域的面积,并判断其是否为邻接苹果区域.接着在邻接区域内计算亮度信息,利用亮度产生的亮斑对邻接苹果进行分割.这样,在邻接区域以外的部分,亮度信息产生的噪声被Lab模型的信息屏蔽,而邻接区域以内的部分,具有惟一性的亮度信息可以较好分割经Lab模型处理后的邻接苹果.实验表明,此算法对邻接苹果识别非常有效,识别率大于92.89%,而且算法简单快速,平均每幅图片识别时间小于0.5 s.     

基于机器视觉的玉米秸秆行实时定位机器人设计

为了实现机器人玉米秸秆行的精确定位,对耕作玉米机器人的结构进行了改进,并提出了一种基于泰勒级数展开式的RSSI定位方法,提高了机器人玉米秸秆行的定位精度。定位系统使用高清晰度的摄像机采集图像,并采用PID闭环反馈的方式控制机器人的位移,利用PC主控端图像处理,实现了实时定位功能。为了验证机器人玉米秸秆行定位的可靠性,采用田间试验的方法对机器人的性能进行了测试。结果表明:RSSI定位方法的定位精度较高,且图像处理系统可以准确地标定玉米秸秆行,实现机器人在玉米田中的精确定位,避免了机器人在作业过程中对农作物造成损害。     

基于激光测距的温室移动机器人全局定位方法

针对无土栽培温室类结构化环境下机器人的全局定位问题,采用激光测距仪感知环境特征,提出了一种以自适应曲率计算方法进行环境特征分割的移动机器人Monte Carlo全局自定位方法.在机器人定位过程中,利用运动模型预测机器人的位姿,感知模型根据激光测距仪感知的环境特征的几何相似性更新粒子集的分布,实现了机器人的自主定位.仿真实验验证了算法能够满足温室移动机器人定位的需要.     

基于视觉与激光雷达融合的棚内农业机器人定位和检测研究分析

【目的】探究视觉与激光雷达融合在棚内农业机器人中的应用,解决复杂环境下机器人自主导航的关键问题,提高机器人的感知能力和环境适应性。【方法】首先,采用高精度的视觉传感器捕捉棚内农业场景,通过图像处理技术提取关键特征,建立视觉地图以支持机器人的定位。同时,引入激光雷达传感器获取场景的三维点云数据,从而实现对环境深度和形状的准确感知。视觉与激光雷达信息的融合构建了综合感知系统,为机器人提供了更全面、可靠的定位信息。其次,针对棚内农业作业中常见的障碍物,设计了基于深度学习的障碍物检测算法。通过训练神经网络,机器人能够在实时环境中快速而准确地识别障碍物,并进行相应的避障决策。【结果】本研究提出的基于视觉与激光雷达融合的农业机器人定位和障碍物检测系统在不同棚内环境中表现出卓越的性能。【结论】机器人能够实现高精度的定位,并对障碍物做出及时准确的响应,为棚内农业的自动化精准作业奠定了坚实的技术基础。     

农业采摘机器人视觉感知关键技术研究

为了提高农业机器人在复杂野外环境下采摘油茶果的速度和准确性,针对机器人视觉感知的关键技术,设计了一种农业机器人果实检测、定位和采摘系统。首先,使用双目相机采集油茶果的左右图像;然后,应用先进的目标检测网络YOLOv4-tiny检测出左右图像中的油茶果;再次,不同于传统的双目相机图像的立体匹配技术,根据YOLOv4-tiny网络生成的预测框提取出油茶果图像的感兴趣区域,并根据预测框的生成机制自适应地进行立体匹配以求解出视差,为后续使用三角测量原理求出油茶果采摘点提供参考;最后,使用基于Eye-in-Hand手眼标定的农业机器人进行采摘试验,验证了本研究的可行性和准确性。试验结果表明：YOLOv4-tiny网络能够精确和实时地检测油茶果,提出的定位方法满足采摘机器人的应用需求,验证了本研究的可行性和准确性。研究可为果园环境中作业的农业采摘机器人视觉感知关键技术提供参考。     

融合激光和机器视觉的立木胸径检测方法

为了提高立木胸径检测的效率,解决图像法测量立木胸径中的标定问题,提出了融合激光和机器视觉的立木胸径检测方法。将激光光束进行扩束准直后照射到立木树干上,采用树干上的激光光斑作为标尺进行图像测量。通过Otsu法对激光光斑进行分割,根据激光光斑的实际尺寸和像素数确定图像上立木胸径的位置,根据立木胸径的像素数计算出立木胸径值。试验结果表明,所提方法的测量结果与轮尺测量的胸径值最大误差1.22%,符合国家对森林资源清查操作的误差要求。     

草莓采摘位置机器视觉与激光辅助定位方法

以地垄栽培模式下的草莓为作业对象,针对草莓果实娇嫩易损的特点,采用直接撷取果柄的采摘方案,提出了一种图像处理与激光辅助测距相结合的草莓采摘位置自动定位方法.采用镜像匹配法计算草莓果轴的平面位置信息,进而在扇形激光束的辅助下,利用几何光学计算采摘位置在深度方向的距离.对自然环境下生长的长圆锥型草莓进行了试验,结果表明,对于机器人锁定采摘位置所需的导航数据,该方法的平均计算时间为381ms,测距最大误差为1.6mm,平均误差为0.5mm.     

基于区间分析无迹粒子滤波的移动机器人SLAM方法

移动机器人同时定位与地图创建算法SLAM中,非线性系统线性化处理和雅可比矩阵计算导致运算量大、系统状态估计精度较低.为此提出了一种基于区间分析的无迹粒子滤波同时定位与地图创建的方法.利用基于区间分析的区间粒子滤波进行位姿估计,降低了定位需要的粒子数;并采用无迹卡尔曼滤波更新地图中的特征,提高了地图创建的精度.在同等粒子数的情况下,改进了SLAM的精度,减少了运算时间,实验结果验证了方法的有效性.     

基于机器视觉的农业机器人运动障碍目标检测

在农业移动机器人平台上运用机器视觉技术检测作业环境中是否存在运动障碍目标时,机器人自身运动会与障碍目标运动叠加在一起.为此,首先在移动机器人平台上连续采集两帧图像,提取其特征点并加以匹配;然后应用双线性模型描述对应特征点在图像之间的运动特性,并用最小二乘法对模型参数进行最优估计,得到两帧图像之间的变换矩阵;最后利用此变换矩阵补偿前帧图像来消除机器人自身运动的影响,再与后帧图像作帧差,在线检测出运动障碍目标.实验结果表明,该方法仅依据图像信息即可有效地检测出农业机器人导航环境中存在的运动障碍目标.     

基于机器视觉的耕作机器人行走目标直线检测

针对农田耕作机器人,提出了基于机器视觉的机器人行走目标——犁沟线斜率的检测算法。将摄像机安装在拖拉机前方,在耕作过程中采集农田场景图像。根据已耕作区域、未耕作区域和非农田区域的不同颜色特征,判断出田端和犁沟线的位置以及计算斜率用的方向候补点群,使用基于一点的改进哈夫变换算法计算出犁沟线的斜率。经过对多幅实际耕作现场图片的处理,验证了本犁沟线检测算法具有速度快、抗干扰、准确性高等优点。     

智能移动水果采摘机器人设计与试验

设计了一种智能移动水果采摘机器人,该机器人主要由智能移动平台、采摘机械臂、末端执行器、横向滑移机构和控制系统组成。用VC++语言编写了系统控制程序,开发了人机交互界面。样机在江苏省丰县果园进行了综合试验,结果表明:该机器人能够完成自主导航、自主采摘及自主装箱作业,移动平台、采摘机械臂及末端执行器能够实现智能协调控制。整个系统工作性能稳定,成熟果实的识别正确率为81.73%,采摘成功率为86.92%,单个苹果采摘平均耗时9.50 s。     

自主导航农业机器人全方位视觉目标识别与跟踪研究

随着我国信息化技术的逐渐提高,机械自动化、集成电路、智能控制系统和测试计量等行业得到了快速发展,使得移动机器人达到了一个全新的高度,农业机器人也因此被广泛应用。在机器人众多研究问题中,全方位视觉的目标识别与跟踪一直是比较复杂并较难解决的问题。为此,基于全方位的自主导航技术,根据农业机器人工作特点和运动特性,建立了机器人工作空间的环境模型,提出了一种陆标导航和运动目标跟踪系统的视觉伺服方案,开发了以DSP控制器为核心的全方位视觉图像处理系统。试验结果表明:所设计的农业机器人全方位视觉目标识别与跟踪系统精准度高,可靠性和实时性强,各项性能指标优。     

天然橡胶割胶机器人视觉伺服控制方法与割胶试验

自动化割胶不仅可以把胶工从繁重的体力劳动和恶劣的工作环境中解放出来,还能降低对胶工的技术依赖,极大地提高生产效率。实现非结构环境下作业信息自主获取及割胶位置伺服控制是割胶机器人的关键技术。针对工作环境复杂多变、作业信息叠加交互、目标背景特征相近、亚毫米级作业精度要求等技术难点,本研究以人工橡胶林中橡胶树为割胶对象研发割胶机器人,通过建立割胶轨迹的空间数学模型,规划机器人快速接近和远离操作空间的运动路径;采用双目立体视觉技术获取树干和割线结构参数,融合机器人运动学、机器视觉技术和多传感器反馈控制技术研制了割胶机器人模块化样机。割胶机器人主要由轨道式机器人移动平台、多关节机械臂、双目立体视觉系统和末端执行器等组成。在海南天然橡胶林进行的割胶试验结果表明,在割胶机器人切割1 mm厚的橡胶树皮时,耗皮量误差约为0.28 mm,切割深度误差约为0.49 mm。该研究可为探索天然橡胶树的自动化割胶作业提供技术参考。