CN117581763A - 一种基于多源数据的割胶路径动态调整方法 - Google Patents
一种基于多源数据的割胶路径动态调整方法 Download PDFInfo
- Publication number
- CN117581763A CN117581763A CN202410074736.7A CN202410074736A CN117581763A CN 117581763 A CN117581763 A CN 117581763A CN 202410074736 A CN202410074736 A CN 202410074736A CN 117581763 A CN117581763 A CN 117581763A
- Authority
- CN
- China
- Prior art keywords
- tapping
- rubber
- dimensional force
- force sensor
- connecting plate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000010079 rubber tapping Methods 0.000 title claims abstract description 142
- 238000000034 method Methods 0.000 title claims abstract description 68
- 229920001971 elastomer Polymers 0.000 claims abstract description 34
- 238000005520 cutting process Methods 0.000 claims abstract description 28
- 244000043261 Hevea brasiliensis Species 0.000 claims abstract description 24
- 230000007246 mechanism Effects 0.000 claims abstract description 17
- 230000008859 change Effects 0.000 claims abstract description 7
- 238000005457 optimization Methods 0.000 claims abstract description 5
- 238000001514 detection method Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 6
- 230000005484 gravity Effects 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000005096 rolling process Methods 0.000 claims description 5
- 230000009471 action Effects 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 238000003491 array Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000004069 differentiation Effects 0.000 claims description 3
- 239000006185 dispersion Substances 0.000 claims description 3
- 238000013210 evaluation model Methods 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 229920003052 natural elastomer Polymers 0.000 description 2
- 229920001194 natural rubber Polymers 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000010057 rubber processing Methods 0.000 description 2
- 238000010092 rubber production Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000004816 latex Substances 0.000 description 1
- 229920000126 latex Polymers 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G23/00—Forestry
- A01G23/10—Tapping of tree-juices, e.g. caoutchouc, gum
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01G—HORTICULTURE; CULTIVATION OF VEGETABLES, FLOWERS, RICE, FRUIT, VINES, HOPS OR SEAWEED; FORESTRY; WATERING
- A01G23/00—Forestry
- A01G23/10—Tapping of tree-juices, e.g. caoutchouc, gum
- A01G23/12—Knives or axes for tapping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/50—Constructional details
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Forests & Forestry (AREA)
- Environmental Sciences (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
Abstract
一种基于多源数据的割胶路径动态调整方法，包括以下步骤：通过高清摄像头获取将要进行割胶的橡胶树图像数据，并确定割胶线；当刀具按割胶线对橡胶树进行切割时，通过第一三维力传感器和二三维力传感器实时获取力反馈数据信息；根据力反馈数据信息对刀具的角度进行调整以适应割胶线的空间变化曲率；通过构建因子图对割胶装置在割胶线路径上每一点的位姿状态进行最优评估；将割胶线上每一段无限微分的直线进行遍历后完成割胶作业。通过深度相机确定世界坐标系下橡胶树的割胶区域与割胶机构的位置信息，根据三维力传感器和高清摄像头反馈的实时数据信息，控制改变刀具的角度与割胶距离，对割胶线路径的动态调整和优化，提高割胶质量和效率。
Description
技术领域
本发明涉及割胶路径调整技术，具体涉及一种基于多源数据的割胶路径动态调整方法。
背景技术
如今在橡胶生产加工的整个工艺流程中，天然橡胶的采集是一个重要环节对于橡胶的生产和加工具有至关重要的作用。传统割胶方式在橡胶种植领域中一直存在许多问题，这些问题不仅影响了橡胶的生产量和质量，还增加了生产成本，不利于农业现代化的进程。首先，传统割胶方式效率低下，主要依赖手工或半自动的割胶设备，导致割胶效率低下，需要大量的人力、时间和资源。其次，由于人为操作的不稳定性和经验差异，传统割胶方式往往难以控制割胶深度，导致割胶不均匀，影响橡胶的生产量和质量。此外，传统割胶方式无法精确控制割胶路径，可能会在不需要割胶的区域造成浪费，导致胶乳的损失和生产成本的增加。同时，传统割胶方式对操作人员要求较高，需要操作人员具备较高的技术水平和经验，否则容易出现误差和事故。公开号CN113303196A_一种履带式割胶机器人中，通过深度相机识别天然橡胶书以及割胶轨迹，然后通过机械臂带动割胶刀沿仿割胶轨迹轨道移动，从而实现割胶，切割路径单一，调整能力差，由于橡胶线的深度不同，切割时的轨迹和切割角度也需要做调整，故，现有技术适应能力差。
发明内容
针对现有技术中的问题，本发明提供一种基于多源数据的割胶路径动态调整方法，目的在于根据多源数据对割胶路径进行动态调整和优化，提高割胶质量和效率。
一种基于多源数据的割胶路径动态调整方法，包括机械臂，在机械臂的执行端固定连接有割胶装置和深度相机，割胶装置包括第一三维力传感器、第二三维力传感器、刀具和高清摄像头，第一三维力传感器的一侧与机械臂固定连接，第一三维力传感器的另一侧与用于驱动刀具移动的驱动装置固定连接，刀具固定连接在第二三维力传感器的一侧，第二三维力传感器的另一侧与驱动装置固定连接，割胶路径动态调整方法包括以下步骤：
步骤1：通过高清摄像头获取将要进行割胶的橡胶树图像数据，并确定割胶线；
步骤2：当刀具按割胶线对橡胶树进行切割时，通过第一三维力传感器和二三维力传感器实时获取力反馈数据信息；
步骤3：根据力反馈数据信息对刀具的角度进行调整以适应割胶线的空间变化曲率；
步骤4：通过构建因子图对割胶装置在割胶线路径上每一点的位姿状态进行最优评估；
步骤5：将割胶线上每一段无限微分的直线进行遍历后完成割胶作业。
进一步为：以搭载机械臂的移动底盘的重心作为原点构建坐标系，以/>、/>、/>为正交轴；再以割胶装置的重心作为原点构建坐标系/>，以/>、/>、/>为正交轴；定义初始状态下割胶装置位于移动底盘上方/>高度处，且没有任何的平移和旋转运动，然后，通过高清摄像头获取将要进行割胶的橡胶树图像数据，结合已训练好的模型检测橡胶树的尺寸、取胶区域、割胶线在图像中的位置信息；
上式中，表示割胶线上任意一点/>相对于坐标系/>的向量，/>表示系统初始状态下坐标系/>相对于坐标系/>的平移向量，/>表示割胶线上任意一点/>相对于坐标系/>的向量，点/>的坐标（/>，/>，/>）数据信息由深度相机获取；/>表示坐标系/>相对于坐标系/>的旋转矩阵：
上式中，表示绕/>轴旋转角；/>表示绕/>轴旋转角；/>表示绕/>轴旋转角，其中，定义的旋转矩阵/>如下式表示：
上式变换为：
同理，、/>分别表示为：
；
；
点相对于坐标系/>的直线距离表示为：
通过数据判定橡胶树位置是否处于割胶装置的作业范围之内，根据判定结果调整移动底盘并使割胶装置位于作业范围内。
进一步为：使割胶装置位于作业范围内后，重新采集取胶区域、割胶线在图像中的位置信息；然后，通过深度相机采集橡胶树相对于坐标系位置数据信息以及割胶线上的点/>相对于坐标系/>与坐标系/>的坐标信息，根据已知的坐标/>与/>（/>，/>，/>）对机械臂进行路径规划，将机械臂调整至初始割胶作业位置。
进一步为：当刀具首次接触割胶线，记第一三维力传感器和二三维力传感器获取到力反馈数据信息 、/>，第一三维力传感器和二三维力传感器相同且灵敏度系数均为/>，则/> 、/>如下式表示：
表示第一三维力传感器和二三维力传感器受力时的内部电压值。
进一步为：截取一段时间内传感器的数据信息进行分析；
；
；
上式中，和/>为当前时刻的三维力传感器的输入数据和滤波输出数据，/>表示当前时刻三维力传感器受力而产生的内部电压值，/>表示前一时刻的滤波输出，/>为滤波系数；
采用峰值检测方法提取数据特征：
；
上式中，是经过预处理后的数据序列，/>是数据序列的长度，/>的数值用于体现样本的离散程度；当/>在阈值范围内时证明力反馈数据信息相对稳定，当/>超出阈值范围时，重新截取一段时间内力反馈数据信息重复峰值检测方法。
进一步为：选取割胶路径中临近的三点相对于坐标系的坐标/>作为位置因子，三点间的两段距离/>作为距离因子，刀具在经过三点中任意一点的时间段内第一三维力传感器获取的力反馈数据的集合组成三个数组/>作为配准因子，通过贝叶斯网络来描述因子图优化评估模型；
上式中，所有观测变量的条件概率是以一个乘积的形式存在，系统状态的概率分布和给定系统状态下的观测量的条件概率相乘得到的联合概率，因子图表示为：
其中，表示观测量因子的乘积，/>表示状态量之间的因子，/>表示先验因子；求解因子图就是将这些因子相乘求一个最大值，得到的系统状态就是概率上最优的系统状态；
然后应用贝叶斯定律，通过给定的观测量求解状态量/>的概率正比于先验的状态量/>，使得条件概率最大，即求解最大后验分布；
上式中分母的先验值与/>相互独立；上式进行如下变换；
上式中左边项表示最大后验概率，公式右边项中的/>是先验概率，且是上一时刻的最优后验概率，/>表示由传感器模型给定的似然概率；
根据中心极限定理，绝大多数传感器的噪音是符合高斯分布的，所以每个因子都是用指数函数来定义，且一个因子有一个变量的误差函数和一个度量，则得出：
因此，割胶装置最优的位姿状态概率表示为：
。
进一步为：将割胶线相邻两点坐标分别记为,/>,/>、/>,/>,/>，确定这两点在平面内相对于/>轴的夹角即为刀具的实时调整角度/>，计算过程如下：
在对割胶线进行无限微分的前提下，采用插补法对两点间的直线轨迹进行路径规划，提前设定插补时间间隔为、时间间隔/>内的距离为/>、插补数为/>；则对于第一段直线的起始点/>,/>,/>、/>,/>,/>，
上式中，表示两点/>、/>之间的直线长度，/>表示执行速度且为设定值；
由上式得出相邻插补点增量为：
插补点坐标为：
上式中，，/>为正整数，至此在割胶线中第一段直线的路径规划已完成，后续第/>段直线的起始点为/>,/>,/>、/>,/>,/>，根据起始点为坐标的刷新，将割胶线上每一段无限微分的直线进行遍历后完成割胶作业。
进一步为：驱动装置包括弧形导轨，在弧形导轨上安装有滑座，在滑座上安装有用于驱动滑座沿弧形导轨滑动的第一驱动电机，在滑座还安装有用于带动刀具在垂直弧形导轨径向的平面内摆动的第二驱动电机以及用于带动刀具沿弧形导轨径向移动的驱动机构；第一三维力传感器位于弧形导轨和机械臂之间，第二三维力传感器位于驱动机构和刀具之间。
进一步为：弧形导轨为向下螺旋的弧形结构，弧形导轨包括燕尾式的滑槽，在滑槽内设置有球座，球座的两侧均转动安装有第一滚轮，第一滚轮滚动设置在滑槽内，在球座上转动安装有球销，球销位于滑槽外侧并通过球座和第一滚轮的作用沿滑槽移动设置；在滑槽上位于球销一侧的位置一体化设置有竖向的导向板，导向板与球销的移动方向相匹配；
滑座包括首尾依次相连的第一连接板、第二连接板、第三连接板和第四连接板，第一连接板位于滑槽的上方且水平设置，第二连接板位于滑槽的内圈侧且竖向设置，第三连接板位于导向板的下方且水平设置，第四连接板为竖向设置，第一驱动电机固定安装在第一连接板上，第一驱动电机驱动橡胶轮沿滑槽的外圈滚动设置，在第二连接板上转动安装有第二滚轮，第二滚轮在滑槽的顶面滚动设置，高清摄像头位于第二连接板上；球销与第三连接板固定连接，在第三连接板上转动安装有第三滚轮，第三滚轮在导向板上滚动设置；第二驱动电机固定连接在第四连接板上，第二驱动电机和驱动机构分别位于第四连接板的相对两侧，驱动机构固定连接在第二驱动电机的驱动轴上。
进一步为：驱动机构包括固定连接在第二驱动电机驱动轴上的滑台，滑台上滑动配合有滑座以及固定连接有第三驱动电机，在滑台内转动安装有滚珠丝杠，滚珠丝杠的长方向与滑槽的径向保持一致，滑座与滚珠丝杠螺纹配合，第三驱动电机驱动滚珠丝杠转动，从而使滑座移动，在滑座上固定安装有第四驱动电机，第四驱动电机的驱动轴竖向设置，第二三维力传感器固定连接在第四驱动电机的驱动轴顶部。
本发明的有益效果：通过深度相机确定世界坐标系下橡胶树的割胶区域与割胶机构的位置信息，然后通过三维坐标转换控制机械臂移动至割胶区域，保证后续割胶作业的精度，根据第一三维力传感器、第二三维力传感器和高清摄像头反馈的实时数据信息，控制改变刀具的角度与割胶距离，实现对割胶路径的动态调整和优化，提高割胶质量和效率。
附图说明
图1为本发明的流程图；
图2为本发明中机械臂、驱动装置和第一三维力传感器的装配结构示意图；
图3为驱动装置、第二三维力传感器和刀具的装配结构示意图。
具体实施方式
下面结合附图对本发明做详细说明。下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。本发明实施例中的左、中、右、上、下等方位用语，仅是互为相对概念或是以产品的正常使用状态为参考的，而不应该认为是具有限制性的。
一种基于多源数据的割胶路径动态调整方法，结合图2和图3所示，包括机械臂1，在机械臂1的执行端固定连接有割胶装置和深度相机24，割胶装置包括第一三维力传感器2、第二三维力传感器12、刀具10和高清摄像头9，第一三维力传感器2的一侧与机械臂1固定连接，第一三维力传感器2的另一侧与用于驱动刀具10移动的驱动装置固定连接，刀具10固定连接在第二三维力传感器12的一侧，第二三维力传感器12的另一侧与驱动装置固定连接；
如图1所示，割胶路径动态调整方法包括以下步骤：
步骤1：通过高清摄像头获取将要进行割胶的橡胶树图像数据，并确定割胶线；
为使割胶装置位于作业范围内，以搭载机械臂的移动底盘的重心作为原点构建坐标系，以/>、/>、/>为正交轴；再以割胶装置的重心作为原点构建坐标系/>，以/>、/>、/>为正交轴；定义初始状态下割胶装置位于移动底盘上方/>高度处，且没有任何的平移和旋转运动，然后，通过高清摄像头获取将要进行割胶的橡胶树图像数据，结合已训练好的模型检测橡胶树的尺寸、取胶区域、割胶线在图像中的位置信息；
；
上式中，表示割胶线上任意一点/>相对于坐标系/>的向量，/>表示系统初始状态下坐标系/>相对于坐标系/>的平移向量，/>表示割胶线上任意一点/>相对于坐标系/>的向量，点/>的坐标（/>，/>，/>）数据信息由深度相机获取；/>表示坐标系/>相对于坐标系/>的旋转矩阵：
上式中，表示绕/>轴旋转角；/>表示绕/>轴旋转角；/>表示绕/>轴旋转角，其中，定义的旋转矩阵/>如下式表示：
上式变换为：
同理，、/>分别表示为：
点相对于坐标系/>的直线距离表示为：
通过数据判定橡胶树位置是否处于割胶装置的作业范围之内，根据判定结果调整移动底盘并使割胶装置位于作业范围内；
为提高进行割胶的准确度，使割胶装置位于作业范围内后，重新采集取胶区域、割胶线在图像中的位置信息；然后，通过深度相机采集橡胶树相对于坐标系位置数据信息以及割胶线上的点/>相对于坐标系/>与坐标系/>的坐标信息，根据已知的坐标/>与/>（，/>，/>）对机械臂进行路径规划，将机械臂调整至初始割胶作业位置；再通过高清摄像头进一步获取割胶场景，根据高清摄像头收集到的数据将刀具移动到割胶位置，通过对机械臂的第六自由度以及驱动装置的控制实现割胶作业；
步骤2：当刀具按割胶线对橡胶树进行切割时，通过第一三维力传感器和二三维力传感器实时获取力反馈数据信息；
步骤3：根据力反馈数据信息对刀具的角度进行调整以适应割胶线的空间变化曲率；
对力反馈数据信息进行处理以保证数据的真实性，当刀具首次接触割胶线，记第一三维力传感器和二三维力传感器获取到力反馈数据信息 、/>，第一三维力传感器和二三维力传感器相同且灵敏度系数均为/>，则/> 、/>如下式表示：
表示第一三维力传感器和二三维力传感器受力时的内部电压值，/>、/>的数值因的变化而变化；两项数据/> 、/>用于判断割胶刀作业力度是否符合作业标准，当数据超出阈值后将分别反馈到第二舵机、第三舵机并进行角度调整以适应割胶线的空间变化曲率；
为消除原始数据中的噪声和异常值，通过低通滤波的方式去除数据中的噪声，提高数据的质量，截取一段时间内传感器的数据信息进行分析；
上式中，和/>为当前时刻的三维力传感器的输入数据和滤波输出数据，/>表示当前时刻三维力传感器受力而产生的内部电压值，/>表示前一时刻的滤波输出，/>为滤波系数；为从预处理后的数据中提取有用的特征，以便于后续的分析和处理；
采用峰值检测方法提取数据特征：
上式中，是经过预处理后的数据序列，/>是数据序列的长度，/>的数值用于体现样本的离散程度；当/>在阈值范围内时证明力反馈数据信息相对稳定，当/>超出阈值范围时，重新截取一段时间内力反馈数据信息重复峰值检测方法；两项数据/>、/>用于判断刀具作业力度是否符合作业标准，当数据超出阈值范围后对刀具进行角度调整以适应割胶线的空间变化曲率；
步骤4：为保证割胶装置在割胶线路径上每一点的最优位姿状态，通过构建因子图对割胶装置在割胶线路径上每一点的位姿状态进行最优评估；在本发明中割胶装置的位姿作为状态量因子存在，同时选取割胶路径中临近的三点相对于坐标系的坐标作为位置因子，三点间的两段距离/>作为距离因子，刀具在经过三点中任意一点的时间段内第一三维力传感器获取的力反馈数据的集合组成三个数组/>作为配准因子，上述位置因子、距离因子、配准因子均为观测量因子，通过贝叶斯网络来描述因子图优化评估模型；
上式中，所有观测变量的条件概率是以一个乘积的形式存在，系统状态的概率分布和给定系统状态下的观测量的条件概率相乘得到的联合概率，用于表示系统状态变量和观测变量的联合概率,因子图表示为：
其中，表示观测量因子的乘积，/>表示状态量之间的因子，表示先验因子；求解因子图就是将这些因子相乘求一个最大值，得到的系统状态就是概率上最优的系统状态；
然后应用贝叶斯定律，通过给定的观测量求解状态量/>的概率正比于先验的状态量/>，使得条件概率最大，即求解最大后验分布；
上式中分母的先验值与/>相互独立；上式进行如下变换；
上式中左边项表示最大后验概率，公式右边项中的/>是先验概率，且是上一时刻的最优后验概率，/>表示由传感器模型给定的似然概率；
根据中心极限定理，绝大多数传感器的噪音是符合高斯分布的，所以每个因子都是用指数函数来定义，且一个因子有一个变量的误差函数和一个度量，则得出：
因此，割胶装置最优的位姿状态概率表示为：
。
步骤5：将割胶线上每一段无限微分的直线进行遍历后完成割胶作业，具体为：
将割胶线相邻两点坐标分别记为,/>,/>、/>,/>,/>，确定这两点在/>平面内相对于/>轴的夹角即为刀具的实时调整角度/>，计算过程如下：
在对割胶线进行无限微分的前提下，采用插补法对两点间的直线轨迹进行路径规划，提前设定插补时间间隔为、时间间隔/>内的距离为/>、插补数为/>；则对于第一段直线的起始点/>,/>,/>、/>,/>,/>，
上式中，表示两点/>、/>之间的直线长度，/>表示执行速度且为自行设置的设定值；
由上式得出相邻插补点增量为：
插补点坐标为：
上式中，，/>为正整数，至此在割胶线中第一段直线的路径规划已完成，后续第/>段直线的起始点为/>,/>,/>、/>,/>,/>，根据起始点为坐标的刷新，将割胶线上每一段无限微分的直线进行遍历后完成割胶作业。
其中，如图1和图2所示，驱动装置包括弧形导轨4，在弧形导轨4上安装有滑座7，在滑座7上安装有用于驱动滑座7沿弧形导轨4滑动的第一驱动电机5，在滑座7上还安装有用于带动刀具10在垂直弧形导轨4径向的平面内摆动的第二驱动电机17以及用于带动刀具10沿弧形导轨径向移动的驱动机构；第一三维力传感器2位于弧形导轨4和机械臂1之间，第一三维力传感器2通过连接件3与弧形导轨4固定连接，第二三维力传感器12位于驱动机构和刀具10之间，初始状态时，刀具10朝向弧形导轨4的圆心；弧形导轨4为向下螺旋的弧形结构，弧形导轨4包括燕尾式的滑槽21，在滑槽21内设置有球座8，球座8的两侧均转动安装有第一滚轮22，第一滚轮22滚动设置在滑槽21内，在球座8上转动安装有球销19，球销19位于滑槽21外侧并通过球座8和第一滚轮22的作用沿滑槽21移动设置；在滑槽21上位于球销19一侧的位置一体化设置有竖向的导向板25，导向板25与球销19的移动方向相匹配；滑座7包括首尾依次相连的第一连接板、第二连接板、第三连接板和第四连接板18，第一连接板位于滑槽21的上方且水平设置，第二连接板位于滑槽21的内圈侧且竖向设置，高清摄像头9位于第二连接板上，第三连接板位于导向板25的下方且水平设置，第四连接板18为竖向设置，第一驱动电机5固定安装在第一连接板上，第一驱动电机5驱动橡胶轮23沿滑槽21的外圈滚动设置，在第二连接板上转动安装有第二滚轮6，第二滚轮6在滑槽21的顶面滚动设置；球销19与第三连接板固定连接，在第三连接板上转动安装有第三滚轮20，第三滚轮20在导向板25上滚动设置；第二驱动电机17固定连接在第四连接板18上，第二驱动电机17和驱动机构分别位于第四连接板18的相对两侧，驱动机构固定连接在第二驱动电机17的驱动轴上；在球座8、球销19、第一滚轮22、第二滚轮6和第三滚轮20的作用下，使得第三连接板的长方向与滑槽21的径向保持一致，进而保证刀具10进行割胶时的稳定性；驱动机构包括固定连接在第二驱动电机17驱动轴上的滑台16，滑台16上滑动配合有滑座14以及固定连接有第三驱动电机15，在滑台16内转动安装有滚珠丝杠，滚珠丝杠位于滑台16内部，图中未示出，滚珠丝杠的长方向与滑槽21的径向保持一致，滑座14与滚珠丝杠螺纹配合，第三驱动电机15驱动滚珠丝杠转动，从而使滑座14移动，在滑座14上螺纹配合有将滑座14定位在滑台16上的定位螺杆11，保证割胶深度，减少树干损伤，在滑座14上固定安装有第四驱动电机13，第四驱动电机13的驱动轴竖向设置，第二三维力传感器12固定连接在第四驱动电机13的驱动轴顶部。
使用时，第一驱动电机5驱动滑座7沿弧形导轨4滑动，从而带动刀具10沿割胶路径移动；滑座7移动时，第二驱动电机17可以驱动滑台16绕其轴线转动，从而调整刀具10的割胶路径；第三驱动电机15带动滑座14移动，从而调整刀具10的割胶深度；第四驱动电机13带动刀具10摆动，从而调整刀具10和树干之间的角度。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.一种基于多源数据的割胶路径动态调整方法，包括机械臂，在机械臂的执行端固定连接有割胶装置和深度相机，其特征在于：割胶装置包括第一三维力传感器、第二三维力传感器、刀具和高清摄像头，第一三维力传感器的一侧与机械臂固定连接，第一三维力传感器的另一侧与用于驱动刀具移动的驱动装置固定连接，刀具固定连接在第二三维力传感器的一侧，第二三维力传感器的另一侧与驱动装置固定连接，割胶路径动态调整方法包括以下步骤：
步骤1：通过高清摄像头获取将要进行割胶的橡胶树图像数据，并确定割胶线；
步骤2：当刀具按割胶线对橡胶树进行切割时，通过第一三维力传感器和二三维力传感器实时获取力反馈数据信息；
步骤3：根据力反馈数据信息对刀具的角度进行调整以适应割胶线的空间变化曲率；
步骤4：通过构建因子图对割胶装置在割胶线路径上每一点的位姿状态进行最优评估；
步骤5：将割胶线上每一段无限微分的直线进行遍历后完成割胶作业。
2.根据权利要求1所述的基于多源数据的割胶路径动态调整方法，其特征在于：以搭载机械臂的移动底盘的重心作为原点构建坐标系 ，以/>、/>、/>为正交轴；再以割胶装置的重心作为原点构建坐标系/>，以/>、/>、/>为正交轴；定义初始状态下割胶装置位于移动底盘上方/>高度处，且没有任何的平移和旋转运动，然后，通过高清摄像头获取将要进行割胶的橡胶树图像数据，结合已训练好的模型检测橡胶树的尺寸、取胶区域、割胶线在图像中的位置信息；
；
；
上式中，表示割胶线上任意一点/>相对于坐标系/>的向量，/>表示系统初始状态下坐标系/>相对于坐标系/>的平移向量，/>表示割胶线上任意一点/>相对于坐标系/>的向量，点/>的坐标（/>，/>，/>）数据信息由深度相机获取；/>表示坐标系/>相对于坐标系/>的旋转矩阵：
；
上式中，表示绕/>轴旋转角；/>表示绕/>轴旋转角；/>表示绕/>轴旋转角，其中，定义的旋转矩阵/>如下式表示：
；
上式变换为：
；
同理，、/>分别表示为：
；
；
点相对于坐标系/>的直线距离表示为：
；
通过数据判定橡胶树位置是否处于割胶装置的作业范围之内，根据判定结果调整移动底盘并使割胶装置位于作业范围内。
3.根据权利要求2所述的基于多源数据的割胶路径动态调整方法，其特征在于：使割胶装置位于作业范围内后，重新采集取胶区域、割胶线在图像中的位置信息；然后，通过深度相机采集橡胶树相对于坐标系位置数据信息以及割胶线上的点/>相对于坐标系/>与坐标系/>的坐标信息，根据已知的坐标/>与/>（/>，/>，/>）对机械臂进行路径规划，将机械臂调整至初始割胶作业位置。
4.根据权利要求1所述的基于多源数据的割胶路径动态调整方法，其特征在于：当刀具首次接触割胶线，记第一三维力传感器和二三维力传感器获取到力反馈数据信息 、/>，第一三维力传感器和二三维力传感器相同且灵敏度系数均为/>，则/> 、/>如下式表示：
；
表示第一三维力传感器和二三维力传感器受力时的内部电压值。
5.根据权利要求4所述的基于多源数据的割胶路径动态调整方法，其特征在于：截取一段时间内传感器的数据信息进行分析；
；
；
上式中，和/>为当前时刻的三维力传感器的输入数据和滤波输出数据，/>表示当前时刻三维力传感器受力而产生的内部电压值，/>表示前一时刻的滤波输出，/>为滤波系数；
采用峰值检测方法提取数据特征：
；
；
上式中，是经过预处理后的数据序列，/>是数据序列的长度，/>的数值用于体现样本的离散程度；当/>在阈值范围内时证明力反馈数据信息相对稳定，当/>超出阈值范围时，重新截取一段时间内力反馈数据信息重复峰值检测方法。
6.根据权利要求1所述的基于多源数据的割胶路径动态调整方法，其特征在于：选取割胶路径中临近的三点相对于坐标系的坐标/>，三点间的两段距离/>，刀具在经过三点中任意一点的时间段内第一三维力传感器获取的力反馈数据的集合组成三个数组/>，通过贝叶斯网络来描述因子图优化评估模型；
；
；
；
；
；
上式中，所有观测变量的条件概率是以一个乘积的形式存在，系统状态的概率分布和给定系统状态下的观测量的条件概率相乘得到的联合概率,因子图表示为：
；
其中，表示观测量因子的乘积，/>表示状态量之间的因子，/>表示先验因子；求解因子图就是将这些因子相乘求一个最大值，得到的系统状态就是概率上最优的系统状态；
然后应用贝叶斯定律，通过给定的观测量求解状态量/>的概率正比于先验的状态量/>，使得条件概率最大，即求解最大后验分布；
；
上式中分母的先验值与/>相互独立；上式进行如下变换；
；
上式中左边项表示最大后验概率，公式右边项中的/>是先验概率，且是上一时刻的最优后验概率，/>表示由传感器模型给定的似然概率；
根据中心极限定理，绝大多数传感器的噪音是符合高斯分布的，所以每个因子都是用指数函数来定义，且一个因子有一个变量的误差函数和一个度量，则得出：
；
因此，割胶装置最优的位姿状态概率表示为：
。
7.根据权利要求1所述的基于多源数据的割胶路径动态调整方法，其特征在于：将割胶线相邻两点坐标分别记为,/>,/>、/>,/>,/>，确定这两点在/>平面内相对于/>轴的夹角即为刀具的实时调整角度/>，计算过程如下：
；
在对割胶线进行无限微分的前提下，采用插补法对两点间的直线轨迹进行路径规划，提前设定插补时间间隔为、时间间隔/>内的距离为/>、插补数为/>；则对于第一段直线的起始点/>,/>,/>、/>,/>,/>，
；
；
；
上式中，表示两点/>、/>之间的直线长度，/>表示执行速度且为设定值；
由上式得出相邻插补点增量为：
；
；
；
插补点坐标为：
；
；
；
上式中，，/>为正整数，至此在割胶线中第一段直线的路径规划已完成，后续第/>段直线的起始点为/>,/>,/>、/>,/>,/>，根据起始点为坐标的刷新，将割胶线上每一段无限微分的直线进行遍历后完成割胶作业。
8.根据权利要求1所述的基于多源数据的割胶路径动态调整方法，其特征在于：驱动装置包括弧形导轨，在弧形导轨上安装有滑座，在滑座上安装有用于驱动滑座沿弧形导轨滑动的第一驱动电机，在滑座还安装有用于带动刀具在垂直弧形导轨径向的平面内摆动的第二驱动电机以及用于带动刀具沿弧形导轨径向移动的驱动机构；第一三维力传感器位于弧形导轨和机械臂之间，第二三维力传感器位于驱动机构和刀具之间。
9.根据权利要求8所述的基于多源数据的割胶路径动态调整方法，其特征在于：弧形导轨为向下螺旋的弧形结构，弧形导轨包括燕尾式的滑槽，在滑槽内设置有球座，球座的两侧均转动安装有第一滚轮，第一滚轮滚动设置在滑槽内，在球座上转动安装有球销，球销位于滑槽外侧并通过球座和第一滚轮的作用沿滑槽移动设置；在滑槽上位于球销一侧的位置一体化设置有竖向的导向板，导向板与球销的移动方向相匹配；
滑座包括首尾依次相连的第一连接板、第二连接板、第三连接板和第四连接板，第一连接板位于滑槽的上方且水平设置，第二连接板位于滑槽的内圈侧且竖向设置，第三连接板位于导向板的下方且水平设置，第四连接板为竖向设置，第一驱动电机固定安装在第一连接板上，第一驱动电机驱动橡胶轮沿滑槽的外圈滚动设置，在第二连接板上转动安装有第二滚轮，第二滚轮在滑槽的顶面滚动设置，高清摄像头位于第二连接板上；球销与第三连接板固定连接，在第三连接板上转动安装有第三滚轮，第三滚轮在导向板上滚动设置；第二驱动电机固定连接在第四连接板上，第二驱动电机和驱动机构分别位于第四连接板的相对两侧，驱动机构固定连接在第二驱动电机的驱动轴上。
10.根据权利要求9所述的基于多源数据的割胶路径动态调整方法，其特征在于：驱动机构包括固定连接在第二驱动电机驱动轴上的滑台，滑台上滑动配合有滑座以及固定连接有第三驱动电机，在滑台内转动安装有滚珠丝杠，滚珠丝杠的长方向与滑槽的径向保持一致，滑座与滚珠丝杠螺纹配合，第三驱动电机驱动滚珠丝杠转动，从而使滑座移动，在滑座上固定安装有第四驱动电机，第四驱动电机的驱动轴竖向设置，第二三维力传感器固定连接在第四驱动电机的驱动轴顶部。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410074736.7A CN117581763B (zh) | 2024-01-18 | 2024-01-18 | 一种基于多源数据的割胶路径动态调整方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410074736.7A CN117581763B (zh) | 2024-01-18 | 2024-01-18 | 一种基于多源数据的割胶路径动态调整方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117581763A true CN117581763A (zh) | 2024-02-23 |
| CN117581763B CN117581763B (zh) | 2024-04-05 |
Family
ID=89917013
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410074736.7A Active CN117581763B (zh) | 2024-01-18 | 2024-01-18 | 一种基于多源数据的割胶路径动态调整方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117581763B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| NO942613D0 (no) * | 1993-07-13 | 1994-07-12 | Laitram Corp | Robot-skjæresystem |
| JP2000253760A (ja) * | 1999-03-12 | 2000-09-19 | Sankyo Seiki Mfg Co Ltd | 樹液採集溝形成装置 |
| CN110651686A (zh) * | 2019-10-12 | 2020-01-07 | 北京理工华汇智能科技有限公司 | 一种基于割胶机械臂的割胶方法及系统 |
| CN110682302A (zh) * | 2019-10-14 | 2020-01-14 | 北京信息科技大学 | 一种割胶机器人控制系统及方法 |
| CN113303196A (zh) * | 2021-06-16 | 2021-08-27 | 海南大学 | 一种履带式割胶机器人 |
-
2024
- 2024-01-18 CN CN202410074736.7A patent/CN117581763B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| NO942613D0 (no) * | 1993-07-13 | 1994-07-12 | Laitram Corp | Robot-skjæresystem |
| JP2000253760A (ja) * | 1999-03-12 | 2000-09-19 | Sankyo Seiki Mfg Co Ltd | 樹液採集溝形成装置 |
| CN110651686A (zh) * | 2019-10-12 | 2020-01-07 | 北京理工华汇智能科技有限公司 | 一种基于割胶机械臂的割胶方法及系统 |
| CN110682302A (zh) * | 2019-10-14 | 2020-01-14 | 北京信息科技大学 | 一种割胶机器人控制系统及方法 |
| CN113303196A (zh) * | 2021-06-16 | 2021-08-27 | 海南大学 | 一种履带式割胶机器人 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117581763B (zh) | 2024-04-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108288288B (zh) | 基于视觉识别的精密轴尺寸测量方法、装置和系统 | |
| CN110728667A (zh) | 一种基于灰度图像概率的刀具磨损量自动精确测量方法 | |
| CN111460903B (zh) | 基于深度学习的田间西兰花长势监测系统及方法 | |
| CN108229045B (zh) | 一种基于灵敏度分析的高速受电弓关键参数辨识方法 | |
| CN103198477A (zh) | 一种苹果套袋机器人视觉定位方法 | |
| CN112016471B (zh) | 一种不完备样本条件下的滚动轴承故障诊断方法 | |
| CN203310407U (zh) | 机械臂定位精度标定装置 | |
| CN107702928A (zh) | 一种车辆转向轮转角测量装置及方法 | |
| CN113554621B (zh) | 基于小波尺度图和深度迁移学习的刀具磨损状态识别系统及识别方法 | |
| CN114770461B (zh) | 一种基于单目视觉的移动机器人及其自动抓取方法 | |
| CN111259716A (zh) | 基于计算机视觉的人体跑步姿势识别分析方法及装置 | |
| CN117581763B (zh) | 一种基于多源数据的割胶路径动态调整方法 | |
| CN112530267B (zh) | 一种基于计算机视觉的机械臂智能示教方法及应用 | |
| CN110716504B (zh) | 一种基于多闭环串级控制的滚球系统运动控制方法 | |
| CN111985432A (zh) | 一种基于贝叶斯定理和自适应权值调整的多模态数据融合方法 | |
| CN116778327A (zh) | 一种基于语义分割的大宗茶采摘效果实时评价方法 | |
| CN116400639A (zh) | 一种plc采集数据智能清洗方法及系统 | |
| CN116030095A (zh) | 一种基于双分支孪生网络结构的视觉目标跟踪方法 | |
| CN113587946B (zh) | 一种田间农业机械视觉导航系统及方法 | |
| CN116138042A (zh) | 仿鸟夹食的采摘装置 | |
| CN110404985A (zh) | 一种基于机器视觉的冷床智能控制系统及其使用方法 | |
| CN116578850A (zh) | 一种改进vmd和ssa_res_convlstm的刀具磨损检测方法 | |
| Zhou et al. | Research on Part Edge Detection Algorithm Based on Deep Learning | |
| CN115979127B (zh) | 一种顶尖精度及钢性检测方法 | |
| CN112212828A (zh) | 一种基于双目视觉的定位器坡度测量方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |