基于雙目視覺的葡萄采摘防碰路徑規(guī)劃方法研究

摘 要：目前投入實(shí)際生產(chǎn)的葡萄機(jī)械化采收和人工采收方式存在適應(yīng)性不強(qiáng)、成本高、勞動(dòng)力缺口大等問題，需要研發(fā)擬人化作業(yè)的智能采摘設(shè)備以提升效率，路徑智能規(guī)劃是實(shí)現(xiàn)葡萄的無損采摘的重要研究?jī)?nèi)容。以寧夏棚架式栽培的葡萄串為目標(biāo)，基于雙目立體視覺開展葡萄防碰采摘路徑規(guī)劃方法研究。采用極線校正方法進(jìn)行葡萄雙目圖像校正，基于多種顏色空間模型結(jié)合的方法分割出左目圖像葡萄串目標(biāo)區(qū)域，通過局部立體匹配算法計(jì)算左目分割圖像與右目原圖視差值，求解出葡萄串區(qū)域范圍內(nèi)所有像素點(diǎn)的三維坐標(biāo)，形成免碰路徑。結(jié)果表明，采用的研究方法數(shù)據(jù)處理量小、計(jì)算結(jié)果準(zhǔn)確，可為研發(fā)葡萄智能采摘設(shè)備提供理論基礎(chǔ)。

關(guān)鍵詞：雙目視覺; 葡萄采摘; 防碰; 空間坐標(biāo)

中圖分類號(hào)：TP391.41; TP242"" 文獻(xiàn)標(biāo)識(shí)碼：A""" 文章編號(hào)：1002-204X（2024）08-0068-04

doi：10.3969/j.issn.1002-204x.2024.08.014

A study on Anti-Collision Path Planning Method of Grape Picking Based

on Binocular Vision

Ma Cong

（Institute of Agricultural Economics and Information Technology， Ningxia Academy of Agriculture and Forestry Sciences， Yinchuan， Ningxia 750002）

Abstract At present， the mechanized and artificial grape harvesting methods put into actual production have some problems such as poor adaptability， high cost， and large labor gap. It is necessary to develop intelligent picking equipment with anthropomorphic operation to improve efficiency. Intelligent path planning is an important research content for realizing non-destructive grape picking. Based on binocular stereo vision， the grape anti-collision picking path planning method was studied for the trellised grape clusters in Ningxia. The binocular grape image was corrected by the polar line correction method， and the grape cluster target area of the left eye image was divided based on the combination of multiple color space models. The parallax value between the left eye segmentation image and the right eye original image was calculated by the local stereo matching algorithm， and the three-dimensional coordinates of all pixels within the grape cluster area were solved to form a collision free path. The results show that the proposed method has small data processing capacity and accurate calculation results， which can provide a theoretical basis for the development of intelligent grape picking equipment.

Key words Binocular vision; Grape picking; Anti-collision; Spatial coordinate

葡萄口感豐富、營(yíng)養(yǎng)美味，副產(chǎn)品市場(chǎng)需求也十分旺盛。葡萄果樹具有高產(chǎn)、可種植范圍廣和經(jīng)濟(jì)效益可觀的優(yōu)點(diǎn)，在我國(guó)種植規(guī)模不斷擴(kuò)大，因此葡萄的產(chǎn)量和相應(yīng)的產(chǎn)品生產(chǎn)經(jīng)營(yíng)規(guī)模也在飛速增長(zhǎng)[1-2]。葡萄果實(shí)成熟后，要及時(shí)完成采摘，避免果實(shí)過熟與腐爛。目前，葡萄采收方式主要分為機(jī)械化采收和人工采收。機(jī)械化采收一般采用振動(dòng)式方法實(shí)現(xiàn)果實(shí)收獲，包括氣力式振動(dòng)、搖振式及接觸式振動(dòng)等，通過外力使果粒從樹體上脫落。震動(dòng)式機(jī)械化采收方式可以實(shí)現(xiàn)規(guī)模化快速采收，成本低、效率高，但是由于葡萄果肉皮薄，震動(dòng)式采收會(huì)造成一定程度上的果實(shí)及果樹損傷，且無法辨別采收的果實(shí)質(zhì)量，因此此種采收方式適合于釀酒、果醬、干制品等生產(chǎn)類型的葡萄采收，具有一定的推廣范圍局限性。鮮食葡萄、特殊品種釀酒葡萄等對(duì)果實(shí)完整性和品質(zhì)要求比較高的葡萄，主要采用人工采摘方式，存在勞動(dòng)強(qiáng)度大、勞動(dòng)力缺口大、人工成本高、效率低等問題，制約了葡萄產(chǎn)業(yè)的高質(zhì)量發(fā)展。

針對(duì)目前投入實(shí)際生產(chǎn)的機(jī)械化采收和人工采收方式的優(yōu)點(diǎn)和不足，需要研發(fā)擬人化作業(yè)的智能采摘設(shè)備以提升效率，國(guó)內(nèi)外相關(guān)人員和機(jī)構(gòu)都開展了此類研究[3-5]。智能采摘機(jī)器人包括控制系統(tǒng)和執(zhí)行機(jī)構(gòu)，控制系統(tǒng)主要完成采摘目標(biāo)提取、成熟度判斷、采摘點(diǎn)定位等，執(zhí)行機(jī)構(gòu)主要完成采摘命令接收及計(jì)算、采摘臂轉(zhuǎn)動(dòng)、目標(biāo)物獲取及采摘等動(dòng)作。在面向?qū)嶋H生產(chǎn)環(huán)境的葡萄智能化采摘應(yīng)用場(chǎng)景中，采摘機(jī)器人執(zhí)行采摘命令運(yùn)行末端執(zhí)行器，必須要提前規(guī)劃好采摘臂及采摘執(zhí)行器的運(yùn)行路線，防止執(zhí)行器與葡萄果實(shí)出現(xiàn)意外碰撞，造成果實(shí)受損。因此，研究采摘路徑的規(guī)劃方法是實(shí)現(xiàn)葡萄的無損智能化采摘的重要內(nèi)容。采摘機(jī)器人的研究熱點(diǎn)主要集中在以下幾個(gè)方面：①目標(biāo)識(shí)別與定位技術(shù)，研究如何準(zhǔn)確識(shí)別和定位待采摘的果蔬;②優(yōu)化執(zhí)行器，研究如何優(yōu)化機(jī)械臂和末端執(zhí)行器以適應(yīng)不同栽培模式下的采摘需求和減少果蔬損傷;③智能避障與路徑規(guī)劃，研究機(jī)器人在非結(jié)構(gòu)環(huán)境中自主導(dǎo)航和避障方法;④多傳感器融合與數(shù)據(jù)處理，研究開發(fā)多傳感器融合提高信息的實(shí)時(shí)處理效率和采摘正確率[6-20]。對(duì)于葡萄的智能采摘研究主要圍繞采摘域及采摘點(diǎn)的識(shí)別、遮擋環(huán)境下的目標(biāo)分割或重建、采摘坐標(biāo)計(jì)算、產(chǎn)量估算等方面，對(duì)于采摘防碰路徑方法的相關(guān)研究較少。葡萄采摘機(jī)器人識(shí)別到采摘點(diǎn)時(shí)，機(jī)械臂行進(jìn)至采摘點(diǎn)的路線需要繞過葡萄串，因此需要計(jì)算出需要繞過的位置的空間坐標(biāo)位置，作為運(yùn)動(dòng)軌跡規(guī)劃的依據(jù)，指導(dǎo)控制系統(tǒng)自主規(guī)劃防碰路徑，因此獲取葡萄區(qū)域的三維空間信息是規(guī)劃路徑的重要手段。本文研究了一種基于雙目立體視覺的葡萄采摘機(jī)器人防碰路徑規(guī)劃研究方法，通過雙目圖像匹配計(jì)算出葡萄串區(qū)域的三維坐標(biāo)信息和深度距離，作為采摘機(jī)器人機(jī)械臂運(yùn)行路徑自主規(guī)劃的防碰依據(jù)。

1 葡萄采摘防碰路徑規(guī)劃方法

1.1 技術(shù)路線

本文研究的葡萄采摘防碰路徑規(guī)劃方法主要技術(shù)路線如下：①采用雙目相機(jī)采集多張不同角度的標(biāo)準(zhǔn)標(biāo)定板圖像，根據(jù)雙目相機(jī)標(biāo)定原理計(jì)算出相機(jī)參數(shù);②采集多張?jiān)O(shè)施溫室內(nèi)葡萄雙目圖像，圖像分為左目圖像和右目圖像;③基于計(jì)算出的相機(jī)參數(shù)，對(duì)雙目圖像進(jìn)行校正;④對(duì)校正后的左目圖像進(jìn)行目標(biāo)提取;⑤將提取目標(biāo)后的左目圖像與校正后的右目圖像進(jìn)行立體匹配;⑥根據(jù)計(jì)算出的雙目視差和相機(jī)參數(shù)，計(jì)算目標(biāo)區(qū)域的三維坐標(biāo)信息和深度信息，作為路徑規(guī)劃參數(shù)。

1.2 數(shù)據(jù)采集

本文以大棚內(nèi)成熟葡萄為研究對(duì)象，建立葡萄雙目圖像采集系統(tǒng)，分為硬件部分和軟件部分。硬件部分為雙目相機(jī)、專用支架、光照傳感器等，軟件部分是圖像實(shí)時(shí)采集程序和處理系統(tǒng)。采集的雙目圖像為左圖彩色圖、右圖灰度圖，便于實(shí)時(shí)采集和后續(xù)數(shù)據(jù)處理。雙目相機(jī)采用的是高幀率USB 3.0雙目視覺相機(jī)，配置無畸變3.6 mm雙鏡頭，固定基線40 mm，有效可視距離為20～80 cm。

1.3 雙目圖像校正

雙目圖像校正是雙目視覺系統(tǒng)中關(guān)鍵的預(yù)處理步驟，直接影響后續(xù)三維信息計(jì)算的準(zhǔn)確性。在實(shí)際情況中由于安裝位置、鏡頭畸變、外界干擾等因素，使得雙目相機(jī)采集到的左右目圖像中對(duì)應(yīng)位置的點(diǎn)可能不具有相同的行號(hào)，導(dǎo)致兩幅圖像進(jìn)行立體匹配計(jì)算時(shí)需要進(jìn)行多維搜索計(jì)算，增加了計(jì)算量和立體匹配的難度。通過雙目圖像校正，可以使左右目圖像中的對(duì)應(yīng)點(diǎn)處于同一水平線上，消除了圖像畸變，促進(jìn)對(duì)極線對(duì)齊，提高匹配精度，簡(jiǎn)化計(jì)算和加速處理，提高系統(tǒng)魯棒性，排除虛假匹配點(diǎn)，確保成像面平行。

本文采用極線校正方法中的Bouguet算法進(jìn)行雙目圖像校正，主要是通過對(duì)左右相機(jī)成像平面的旋轉(zhuǎn)，使得兩幅圖像的重投影誤差最小化，從而提高立體視覺系統(tǒng)的準(zhǔn)確性和穩(wěn)定性。雙目圖像校正的基本步驟：①讀取相機(jī)標(biāo)定參數(shù);②利用Rodrigues變換將旋轉(zhuǎn)向量轉(zhuǎn)換為旋轉(zhuǎn)矩陣;③計(jì)算校正旋轉(zhuǎn)矩陣、投影矩陣和重投影矩陣;④分別計(jì)算左右目相機(jī)的校正查找映射表;⑤利用校正旋轉(zhuǎn)矩陣對(duì)雙目圖像進(jìn)行極線校正;⑥測(cè)試左右目圖像中的對(duì)應(yīng)點(diǎn)是否具有相同行號(hào)。

1.4 目標(biāo)區(qū)域提取

雙目圖像立體匹配計(jì)算以左目圖像為匹配目標(biāo)，在右目圖像中遍歷像素計(jì)算查找匹配區(qū)域。由于實(shí)際生產(chǎn)環(huán)境比較復(fù)雜，圖像采集內(nèi)容不僅采集到了目標(biāo)葡萄串，還涵蓋了葡萄串、溫室棚架、藤蔓枝葉、地面雜草等多種背景噪聲。如果直接對(duì)雙目圖像進(jìn)行立體匹配，數(shù)據(jù)處理量較大，且對(duì)后續(xù)三維坐標(biāo)計(jì)算有一定的干擾。因此，為優(yōu)化圖像處理的過程并提高匹配效率，本文對(duì)左目圖像進(jìn)行預(yù)處理，提取葡萄串目標(biāo)區(qū)域，對(duì)背景區(qū)域進(jìn)行強(qiáng)制賦值，降低數(shù)據(jù)計(jì)算量。

采用顏色空間模型是提取目標(biāo)的常用方法之一，基本原理是利用不同物體在不同顏色表示體系下不同的分布特性來區(qū)分目標(biāo)與背景，具有數(shù)據(jù)計(jì)算量小、效率高的優(yōu)點(diǎn)。分析采集到的樣本圖像，成熟時(shí)轉(zhuǎn)色均勻的葡萄串顏色在正常光照條件下呈黑色或紫黑色，藤蔓呈灰褐色，枝葉呈綠色，顏色之間差異較大。因此，本文適合采用顏色信息分割目標(biāo)區(qū)域。

1.5 雙目圖像立體匹配

雙目圖像立體匹配是計(jì)算機(jī)視覺和機(jī)器人領(lǐng)域的一項(xiàng)關(guān)鍵技術(shù)，主要用于從2個(gè)或多個(gè)視角中提取三維信息，利用2個(gè)或多個(gè)相機(jī)從不同的視角拍攝同一場(chǎng)景的圖像，通過比較和匹配對(duì)應(yīng)像素點(diǎn)的位置差異，計(jì)算出像素點(diǎn)的三維坐標(biāo)信息。雙目立體匹配方法的核心原理是視差，視差是指在雙目圖像中對(duì)應(yīng)位置的像素灰度值之差。依據(jù)相機(jī)參數(shù)和視差值可以計(jì)算出深度值。

本文采用局部立體匹配BM算法（block matching algorithm）進(jìn)行雙目圖像匹配。BM算法通過判斷左右目圖像之間的像素差異大小尋找匹配點(diǎn)，基本步驟包括①預(yù)定義一個(gè)固定大小的窗口，即匹配窗口，設(shè)置視差范圍及滑動(dòng)步長(zhǎng)等參數(shù);②以左目圖像為匹配目標(biāo)，匹配窗口在右目圖像中滑動(dòng)，動(dòng)態(tài)計(jì)算左右目相應(yīng)區(qū)域的相似度，常用計(jì)算方法是計(jì)算2個(gè)圖像塊對(duì)應(yīng)像素之間灰度差值的絕對(duì)值之和SAD（sum of absolute differences）或者計(jì)算灰度差值的平方和SSD（sum of squared differences）等;③遍歷不同的視差值，尋找與左目匹配窗口之間相似度最高的右目區(qū)域，獲得最佳匹配位置;④根據(jù)匹配結(jié)果，生成圖像視差矩陣及視差圖，對(duì)初始視差圖進(jìn)行優(yōu)化處理，如極值抑制、中值濾波等，以消除孤立的錯(cuò)誤匹配和細(xì)化視差邊緣。

1.6 防碰路徑規(guī)劃

雙目視覺系統(tǒng)通過左目和右目相機(jī)從不同的角度獲取同一場(chǎng)景的圖像，相機(jī)基線長(zhǎng)度和相機(jī)參數(shù)已經(jīng)確定，依據(jù)校正后的雙目圖像的視差值，可以計(jì)算出像素點(diǎn)的三維空間坐標(biāo)。采用的計(jì)算原理是相似三角形原理，在2個(gè)相機(jī)成像平面上，同一特征點(diǎn)P在2個(gè)相機(jī)中的投影點(diǎn)P1和P2之間的視差值d與相機(jī)基線長(zhǎng)度、焦距，以及特征點(diǎn)P到相機(jī)平面的距離（即深度）之間存在數(shù)學(xué)關(guān)系，可以計(jì)算出特征點(diǎn)P的三維坐標(biāo)。計(jì)算出目標(biāo)區(qū)域距離相機(jī)平面的距離和坐標(biāo)信息，即作為采摘執(zhí)行器運(yùn)行過程中需要避開的空間位置，規(guī)劃出防碰路徑。

2 葡萄采摘防碰路徑規(guī)劃方法研究結(jié)果

2.1 葡萄串目標(biāo)區(qū)域提取

本文分別采用了RGB、HSV、Lab、YCbCr、XYZ等顏色模型進(jìn)行葡萄圖像的分析，對(duì)比各顏色模型中葡萄串區(qū)域的顯示差異可知，在同樣的環(huán)境條件下，圖像中葡萄串區(qū)域的R分量、H分量、A分量與噪聲背景存在一定的差異，因此本文采用多分量綜合判斷的方式分割目標(biāo)與背景。根據(jù)顏色閾值分割出的圖像還存在部分噪聲點(diǎn)，采用自適應(yīng)閾值算法進(jìn)一步提取目標(biāo)區(qū)域，并對(duì)目標(biāo)區(qū)域進(jìn)行形態(tài)學(xué)處理保證目標(biāo)區(qū)域的完整性，基本步驟包括①依據(jù)輸入圖像尺寸計(jì)算圖像像素點(diǎn)數(shù)量;②遍歷所有像素點(diǎn)灰度值，從中逐個(gè)選取灰度值作為閾值，以閾值為標(biāo)準(zhǔn)將像素點(diǎn)分為2類，計(jì)算2類像素點(diǎn)的類間方差;③求解類間方差最大時(shí)的閾值，作為圖像分割閾值;④定義圓形結(jié)構(gòu)元素，與圖像進(jìn)行卷積運(yùn)算去除細(xì)小噪聲點(diǎn)，比較計(jì)算出所有連通域面積后去除小面積聯(lián)通閾提取最大連通域;⑤將分割圖與原圖作計(jì)算，提取出葡萄串區(qū)域圖像。采用BM算法進(jìn)行雙目圖像立體匹配計(jì)算，以分割圖和右目原圖開展匹配視差計(jì)算。圖1為分割出的目標(biāo)的視差圖。

從提取結(jié)果與視差圖結(jié)果可知，本文采用的方法可以完整地分割出葡萄串區(qū)域信息，保留了整串葡萄的輪廓信息和視差信息。但是為了保證葡萄串結(jié)構(gòu)的完整性進(jìn)行了分割區(qū)域的部分?jǐn)U展，由于實(shí)際生產(chǎn)環(huán)境中葡萄串之間距離較近，使得呈現(xiàn)出的圖像存在遠(yuǎn)近葡萄串交疊的情況。因此，分割出的目標(biāo)區(qū)域涵蓋了部分其他葡萄串無效信息，此部分信息在后續(xù)計(jì)算深度距離時(shí)通過條件判斷進(jìn)行篩選。

2.2 空間三維坐標(biāo)計(jì)算結(jié)果

根據(jù)計(jì)算出的視差值和相機(jī)參數(shù)，計(jì)算出葡萄串目標(biāo)區(qū)域像素點(diǎn)的三維坐標(biāo)信息，如圖2所示。通過計(jì)算出的三維點(diǎn)云可以看出，葡萄串區(qū)域距離雙目相機(jī)平面的距離主要集中在338～348 mm之間，其中：距離相機(jī)最遠(yuǎn)的點(diǎn)是359 mm，最近的點(diǎn)是334 mm，與實(shí)測(cè)數(shù)據(jù)相符。采摘執(zhí)行機(jī)構(gòu)在運(yùn)動(dòng)中避開計(jì)算出的三維坐標(biāo)位置，實(shí)現(xiàn)對(duì)葡萄串輪廓的繞行，完成防碰采摘。

3 討論與結(jié)論

本文以寧夏棚架式栽培的葡萄串為目標(biāo)，基于雙目立體視覺開展葡萄防碰采摘路徑規(guī)劃方法研究。采用Bouguet算法進(jìn)行葡萄雙目圖像校正，降低了后續(xù)匹配計(jì)算的數(shù)據(jù)計(jì)算量和難度;采用多種顏色空間模型結(jié)合的方法分割出左目圖像葡萄串目標(biāo)區(qū)域，分割結(jié)果完整地保留了葡萄串輪廓信息和深度信息;采用BM算法進(jìn)行左目分割圖像與右目原圖立體匹配計(jì)算，計(jì)算結(jié)果準(zhǔn)確、數(shù)據(jù)處理量小;基于計(jì)算的視差矩陣和相機(jī)參數(shù)，求解葡萄串區(qū)域范圍內(nèi)所有像素點(diǎn)的三維坐標(biāo)，形成免碰路徑。本文提出的基于雙目視覺的葡萄免碰采摘路徑規(guī)劃方法研究結(jié)果準(zhǔn)確、效率高，可作為研發(fā)智能采摘、防碰路徑預(yù)估、長(zhǎng)勢(shì)監(jiān)測(cè)等設(shè)備的理論參考。對(duì)于多串、疊串等復(fù)雜生產(chǎn)環(huán)境中存在的圖像分割不完整、定位偏差大等問題，在后續(xù)研究中將通過改進(jìn)立體匹配方法、優(yōu)化點(diǎn)云計(jì)算、提升系統(tǒng)魯棒性等方法進(jìn)行改善，提高方法的實(shí)用性和拓展性。

參考文獻(xiàn)：

[1] 李敖，劉善江，段碧華，等. 國(guó)內(nèi)設(shè)施葡萄的栽培現(xiàn)狀與發(fā)展對(duì)策[J]. 特種經(jīng)濟(jì)動(dòng)植物，2024，27（3）：160-163.

[2] 劉鳳之. 我國(guó)葡萄產(chǎn)業(yè)現(xiàn)狀與高質(zhì)量發(fā)展方向[J]. 農(nóng)業(yè)

知識(shí)，2023（10）：10-14.

[3] 孫成宇，閆建偉，張富貴，等. 蔬菜采摘機(jī)器人及其關(guān)鍵技術(shù)研究進(jìn)展[J]. 中國(guó)農(nóng)機(jī)化學(xué)報(bào)，2023，44（11）：63-72.

[4] 陳青，殷程凱，郭自良，等. 蘋果采摘機(jī)器人關(guān)鍵技術(shù)研究現(xiàn)狀與發(fā)展趨勢(shì)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2023，39（4）：1-15.

[5] 史孝杰，王樹城，劉惠敏，等. 林果采摘機(jī)器人研究現(xiàn)狀與展望[J]. 農(nóng)業(yè)裝備與車輛工程，2024，62（6）：1-7.

[6] 蒙賀偉，周馨曌，吳烽云，等. 基于視覺的采摘機(jī)器人采摘定位與導(dǎo)航方法[J]. 自動(dòng)化與信息工程，2023，44（5）：1-7.

[7] 張永宏，李宇超，董天天，等. 非結(jié)構(gòu)化環(huán)境下番茄采摘機(jī)器人目標(biāo)識(shí)別與檢測(cè)[J]. 中國(guó)農(nóng)機(jī)化學(xué)報(bào)，2024，45（4）：205-213.

[8] 羅陸鋒，譚遠(yuǎn)良，盧清華，等. 水果防碰損采摘的視覺認(rèn)知及其執(zhí)行機(jī)構(gòu)研究進(jìn)展[J]. 河北科技大學(xué)學(xué)報(bào)，2018，39（3）：204-213.

[9] 林桂潮. 野外采摘機(jī)器人三維視覺感知及避障方法研究[D]. 廣州：華南農(nóng)業(yè)大學(xué)，2023.

[10] 鄭太雄，江明哲，馮明馳. 基于視覺的采摘機(jī)器人目標(biāo)識(shí)別與定位方法研究綜述[J]. 儀器儀表學(xué)報(bào)，2021，42（9）：28-51.

[11] 王芳，崔丹丹，李林. 基于深度學(xué)習(xí)的采摘機(jī)器人目標(biāo)識(shí)別定位算法[J]. 電子測(cè)量技術(shù)，2021，44（20）：162-167.

[12] 李寧. 蘋果采摘機(jī)器人末端執(zhí)行器設(shè)計(jì)與目標(biāo)識(shí)別研究[D]. 泰安：山東農(nóng)業(yè)大學(xué)，2023.

[13] 吳澤超. 油菜花采集機(jī)器人末端執(zhí)行器研究[D]. 長(zhǎng)沙：

中南林業(yè)科技大學(xué)，2023.

[14] 虞浪，俞高紅，吳浩宇，等. 欠驅(qū)動(dòng)關(guān)節(jié)型柑橘采摘末端執(zhí)行器設(shè)計(jì)與試驗(yàn)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2023，39（17）：29-38.

[15] 官金炫，林桂潮，張世昂，等. 水果采摘機(jī)械臂避障運(yùn)動(dòng)

規(guī)劃優(yōu)化算法[J]. 現(xiàn)代農(nóng)業(yè)裝備，2021，42（3）：49-55.

[16] 陶亮，陳成鵬，潘偉豪，等. 基于改進(jìn)RRT的采摘機(jī)械臂避障運(yùn)動(dòng)規(guī)劃研究[J]. 合肥學(xué)院學(xué)報(bào)（綜合版），2023，40（5）：95-101，110.

[17] 焦銳，馬瑞峻，陳瑜，等. 基于多傳感器信息融合的菠蘿果莖切割點(diǎn)位置檢測(cè)方法[J/OL]. 華中農(nóng)業(yè)大學(xué)學(xué)報(bào)：1-11. [2024-04-19]. https：//link.cnki.net/urlid/42.1181.S.20240416.1315.009.

[18] 錢振. 番茄采摘車的目標(biāo)識(shí)別定位與導(dǎo)航技術(shù)研究[D]. 揚(yáng)州：揚(yáng)州大學(xué)，2024.

[19] 李明喜. 基于多源圖像融合的收獲目標(biāo)準(zhǔn)確定位研究[D]. 鎮(zhèn)江：江蘇大學(xué)，2009.

[20] 張偉博. 葡萄采摘機(jī)器人結(jié)構(gòu)及運(yùn)動(dòng)控制研究[D]. 青島：山東科技大學(xué)，2019.

責(zé)任編輯：周慧