资源描述：
， ， （ ， 430081） ， Kinect V2 。 Kinect V2 ， ； ， NAO ， ； ， ， 。 、 。 ； Kinect ； NAO ； ； － （ ） － － ， ， ， ， ［1－ 2］ 。 ， ［3－ 4］ 。 20 。 ， ， 。 ， ， ［5］ 。 Yamamoto ， 3 ［6］ ， ， ， 。 ， ， ［7］ 。 ， ， 。 BP ［8］ ， LRCD ， 。 LRCD ［9］ ， 2017－ 06－ 22 （61371190） （1992－ ）， ， ， ，（E－mail） wangxin920112＠163. com。 ， 。 Kinect V2 ， NAO ， ， 、 。 . Kinect V2 、 ， ， 1 。 ， 。 Time of Flight（ToF） Depth ， Depth 0. 5～ 4. 5m。 ， ， ， 。 1 Fig. 1 Infrared pulse Kinect V2 ， Kinect V1 · 9 9 1 · 2018 10 10 0. 5m， ， 、 。 Kinect V2 2 。 2 Kinect Fig. 2 Real－ time depth map Kinect 。 。 。 Kinect 3 。 3 Kinect Fig. 3 The spatial coordinate system of Kinect . ， 4 、 ， 、 。 （Matrix Ir） 370. 306512 0 255. 405011 0 0 370. 180404 209. 588891 0 0 0 1 0 （1） （Rotation） 0. 999981 －0. 005340 0. 002741 0. 005348 0. 999982 －0. 002714 －0. 002726 0. 002728 0. 999992 （2） （Translation） －0. 047444 0. 002786 －0. 012890 （3） 4 Fig. 4 Depth camera and color camera calibration . Kinect 16 。 ， 。 ， 。 （ ， ， ） ， （ ， ） ， UI TextBlock， MouseLeftButtonUp 。 ， 。 · 1 ＝ 0 0 0 0 0 0 0 0 1 0 · 11 12 13 1 21 22 23 2 31 32 33 3 · 1 （4） . （1）～ （4）， ＝ －255. 41 · 370. 31 （5） ＝ －209. 60 · 370. 02 （6） （5）～ （6） （ ， ， ） 。 NAO 5 ， D－ H ， ＝ 1 2 3 4 5 ＝ 0 0 0 1 （7） · 0 0 2 · 2018 10 10 （7） 。 ， 。 D－ H NAO ，5 RShoulderPitch 、RShoulderRoll 、RElbowYaw 、REl－ bowRoll 、RWristYaw 。 ， ＝ θ － θ 0 － 1 θ α － 1 θ α － 1 － α － 1 － α － 1 θ α － 1 θ α － 1 α － 1 α － 1 0 0 0 1 （8） ， θ ＝sinθ ， θ ＝cosθ ， α － 1 ＝sinα － 1 ， α － 1 ＝cosα － 1 。 NAO D－ H 1 。 1 NAO D－ H Table 1 The NAO robot arm D－ H parameters α θ 1 5 π／ 2 乙 0 , θ 1 0 浇 － 2 / . 086～ 2. 086 2 5 － π／ 2 觋 0 , θ 2 0 浇 － 1 / . 562～ 0. 078 3 5 π／ 2 乙 105 T θ 3 0 浇 － 2 / . 086～ 2. 086 4 5 － π／ 2 觋 0 , θ 4 0 浇 － 1 / . 562～ 0. 009 5 5 0 ⅱ 113 3 . 7 θ 5 0 浇 － 1 / . 824～ 1. 824NAO ， ， RElbowYaw、RWristYaw RElbowRoll ， ＝ RElbowYaw ＝ RwristYaw ＝ RElbowRoll （9） 5 D－ H 。 （7）～ （9） tan θ1 ＝ 113. 7 － 113. 7 － （10） ， θ 。 5 ， 。 5 。 5 5 Fig. 5 Five joints of the right arm of NAO robot NAO WiFi ， IP ， 。 NAOqi ， （LPC） ， ALMemory 。 Python ， ， Py－ thon NAOqi AldebaranSDV， 。 Kinect V2 C＃ ， ， 。 PC ， PC Kinect ， 。 . 6 。 6 Fig. 6 Flow chart of robot picking fruits and vegetables 1）Kinect V2 ， ， RGB · 1 0 2 · 2018 10 10 。 2） MouseLeftButtonUp （ ， ， ） Torso （ ， ， ） ， Kinect 。 3） NAOqi walkto（x，y，theta） ， ， ； Kinect ， 。 ， 5mm， walkto 。 4） ，NAO ， ， 7 。 7 Fig. 7 Robot picks up fruits and vegetables . Kinect 2 。 Kinect ， ， 2mm ， ， 0. 15s。 50 ， 3 。 ， 78％。 2 Kinect Table 2 Several groups of 3D coordinates obtained by Kinect m － 0 鞍 . 114 72 0 父 . 341 93 2 . 091 85 － 0 鞍 . 247 30 0 父 . 321 58 0 . 578 21 0 晻 . 121 92 0 父 . 328 12 1 . 108 89 0 晻 . 255 78 0 父 . 289 82 0 . 712 86 － 0 鞍 . 191 91 0 父 . 302 43 0 . 704 94 3 Table 3 Robot picking up fruits and vegetables statistics 50 档 39 档 ％ 78 晻 . 0 s 0 m . 15 s 5 亖 . 2 Kinect ， ， ， 2mm， 。 ， ， 。 ， D－ H ， ， 。 ［1］ . ［D］. ，2013. ［2］ . ［D］. ，2012. ［3］ Scarfe A J，Flemmer R C，Bakker H H， et al. Development of an autonomous kiwifruit picking robot［C］／ ／International Conference on Autonomous Robots andAgents. IEEE， 2009 380－ 384. ［4］ Schuetz C，Baur J，PfaffJ，etal. uationofadirectopti－ mizationfortrajectoryplanningofa 9－ DOFredundant fruit－ picking manipulator［C］／ ／IEEE International Confer－ ence on Robotics and Automation. Seattle，WA，USA IEEE， 20152660－ 2666. ［5］ Zhou Z，BontsemaJ，VanL. DevelopmentofCucumberHar－ vesting Robot inNetherlands［J］. TransactionsoftheChinese Society of Agricultural Engineering， 2001（6）77－ 80. ［6］ Yamamoto S，HayashiS，YoshidaH，etal. Developmentofa stationary robotic strawberry harvester with picking mecha－ nismthat approaches target fruit from below. （Part 3）－ Per－ ance test with a movable bench system. ［J］. Japan Agri－ cultural Research Quarterly， 2014， 71（6）71－ 78. ［7］ . ［D］. ， 2006. （ 207 ） · 2 0 2 · 2018 10 10 ［J］. ，2010，30 （1）197－ 201. ［22］ ， ， ， . ［J］. ，2010，34（7） 854. ［23］ ， ， ， . SVM ［J］. ，2013，35（8）30－ 34. ［24］ ， . ［J］. ，2014，45（9）44－ 54. ［25］ ， . ［J］. ，2009（4）42－ 46. ［26］ ， ， ， . ［J］. ，2014，34（7）1－ 7. Based on the Standard Motion Detection System of Soccer Match Wang Meng （Inner Mongolia Medical University， Hohhot 010110， China） Inthepickingprocessofstrawberrybrokenfruit，inordertoreducethedamagerateoffruit，improvetherobot picking efficiency， it proposes an edge detection algorithm to capture the standard action of picking robot motor skills training basedontheofreferencetechnologyforfootballstandardantiplayedgedetectioninthefierce，so it canachievethebestactioncapturerobot. Inordertoimprovetheeffectofedgedetection，itcomparedtheSobelopera－ tor， Reborts operator， Log operator and Canny operator. Finally，the Log operator with higher accuracy is used to detect the edge of the image. The simulation and experiment of two s to verify the scheme，as demonstrated by the simu－ lation and experimental results，the scheme can effectively capture the best attitude of the picking robot，and the scheme of training of picking robot can significantly reduce caused by the process of picking fruit damage rate，which provides a reference for the design of modern technology high precision picking ro
展开阅读全文
