荔枝采摘机器人双目视觉的动态定位误差分析

分类：论文范文 发表时间：2021-04-09 09:47

　　摘要：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600～1000mm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17.3mm。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。

　　关键词：收获；机器人；容错；误差；荔枝；动态环境；定位

　　0引言

　　双目视觉技术是采摘机器人定位目标水果最常用的手段[1-4]。人们通过改进识别定位算法[5-6]和多传感器协同定位[7-8]等手段减小定位误差，但机器人在复杂动态环境中工作，其定位精度还受到机械结构变化（磨损、变形等）和测量环境扰动（风吹、随机振动等）影响[9-10]，易形成大的随机误差。该误差在变化幅值和方向上的不确定性，导致采摘点的精确定位成为难题。

　　1设备和材料

　　使用机构与视觉定位试验平台（图1）和震动平台（图2）在实验室内测量动态定位误差。定义Z方向为视觉深度方向，X、Y方向分别为水平和竖直方向。

　　2误差测量与分析方法

　　2.1定位误差分析方法

　　动态定位误差与整个系统有关，包括视觉硬件、软件和测量环境，主要由系统误差和随机误差组成。

　　系统误差由多项具有确定性变化规律的误差因素共同组成[17]。由于组成参数间存在多次转换关系，计算叠加会导致不可靠结果。因此，当不考虑随机定位误差时，静态条件下的视觉定位误差可以看作系统误差。

　　2.2采摘点坐标测量方法

　　将目标水果悬挂在震动台支架上。平移横向导轨调整相机与荔枝间距离。从相机前方的600～1000mm处，每隔100mm依次对10个目标进行定位，获得50组目标图像对，分别在静止和扰动状态进行定位和位置测量。定位静态目标时，震动平台不动作；定位动态目标时，使用震动平台模拟自然环境下的扰动。

　　3结果与分析

　　3.1误差变化规律分析

　　不同图像采集距离处静、动态目标的定位误差分布如图4所示。

　　Z、X方向系统误差最大值分别为14.9与8.7mm，动态定位误差最大值分别为58.8与17.3mm。系统误差与动态定位误差的变化趋势基本一致。Z方向定位误差远大于X方向，静、动态误差值均随图像采集距离增加呈线性增长，但增长缓慢，变化范围约10mm。这是由于随着定位距离增加摄像头获取图像分辨率下降，像素视差区分深度差异的能力降低。当距离为1000mm时，误差值最大。X方向定位精度较高，该方向表现出较明显的随机性。误差值与图像采集距离呈非线性关系，波动较大。定位距离为800mm左右时精度最高。从600～800mm处，误差逐渐减小；距离大于800mm后误差增大，其递减与递增趋势稍有差异。这是由于相机的焦距为定值，图像质量受到焦距影响。当目标在焦点距离附近时，图像成像质量较好，定位精度较高；当采集距离偏离该距离时，图像像素分辨率降低，定位精度下降。

　　3.2系统误差分析

　　3.2.1置信区间取置信度为90%，查表得k1的值为0.5796，系统误差的置信区间如表1所示。

　　总体来说，Z方向置信区间宽度比X方向略大，但2个方向上置信区间宽度接近，均稳定在1mm左右；不同定位距离下的定位相对误差较小，均低于1.5%。结果表明，系统定位性能稳定、精度较高。

　　3.2.2定位误差回归方程为了减小各采集距离处的定位误差，以图像采集距离为自变量、定位误差值为应变量，分别对Z、X方向的误差值进行回归处理。

　　4结论

　　1）在自有试验平台上对600～1000mm内的目标进行视觉定位及位置测量，根据误差变化规律将动态定位误差分离得到系统误差和随机误差。系统误差与动态定位误差的变化趋势基本一致。

　　2）系统误差在不同定位距离下的置信区间均为1mm左右（置信度90%），相对误差均低于1.5%。Z方向系统误差与定位距离呈较强的线性相关性，X方向则表现为非线性，所建立的误差预测模型可对荔枝采摘机器人的视觉控制进行补偿。

　　[参考文献]

　　[1]冯青春，袁挺，纪超，等.黄瓜采摘机器人远近景组合闭环定位方法[J].农业机械学报，2011，42(2)：154－157.FengQingchun,YuanTing,JiChao,etal.Feedbacklocatingcontrolbasedonclosesceneforcucumberharvestingrobot[J].TransactionsoftheChineseSocietyofAgriculturalMachinery,2011,42(2):154－157.(inChinesewithEnglishabstract)

　　[2]张瑞合，姬长英，沈明霞，等.计算机视觉技术在番茄收获中的应用[J].农业机械学报，2001，32(5)：50－52.ZhangRuihe,JiZhangying,ShenMingxia,etal.Applicationofcomputervisiontotomatoharvesting[J].TransactionsofTheChineseSocietyofAgriculturalMachinery,2001,32(5):50－52.(inChinesewithEnglishabstract)

　　[3]FontD,PallejàT,TresanchezM,etal.Aproposalforautomaticfruitharvestingbycombiningalowcoststereovisioncameraandaroboticarm[J].Sensors,2014,14(7):11557－11579.

　　叶敏，邹湘军※，罗陆锋，刘念，莫宇达，陈明猷，王成琳

上一篇：机器人采摘苹果果实K-means和GA-RBF-LMS神经网络识别 下一篇：糖酸组分及其对水果风味的影响研究进展