采摘类机器人研究现状

目前所有的已有机器人收获系统均为实现商业化应用，虽然理想状态下非常具有经济可行性，但是其在保证样本完好情况下的采摘速度和精度，远不及人工，其中物流环节占总周期的50%耗时，提升机械臂运行速度可以大幅缩减采摘单个样品的时间，此外还要保证机器在运行过程中的稳定性、故障控制能力。由此可见，目前农业采摘类机器人离实际应用仍有很长的路要走。
农业作业场景具有非结构化、动态变化的特点，通过实验发现，机器人在实验室环境（包括规范的种植品种与固定植行，管道轨道、水泥地、固定天气条件）与在实际作业环境下的运行效率存在较大差异，即要使自动化农业机器人应用到实际场景，还需要机器人系统适应复杂的、潜在的作业环境。
由于以上原因，目前收获机器人的研究主要集中在单一方面，如成熟度检测、路径规划、抓取操作等环节，
在甜椒机器人进行实验的过程中其效果受到到以下几个方面的严重影响（这些影响因素，对其它采摘类机器人的设计同样具有参考意义。）
1.种植行：种植行数影响果实被遮挡的程度，影响机械臂的动作复杂性，也就影响了计算机视觉的判断准确率和采摘效率。
2.甜椒品种：品种不同，其果实生长状态有显著差异，比如果柄的长度、平均成熟度、成熟时间、颜色变化
3.对茎秆和果实进行分割失败，原因可能是实际场景过于特殊超过机器学习算法训练数据的覆盖范围。
4.果实茎秆部位切割失败，末端执行器在角度、距离上的定位不准。机械臂自由度、工作空间不够。

[以上总结主要源于Boaz Arad，Jos Balendonck，Ruud Barth，Ohad Ben‐Shahar，Yael Edan，Thomas Hellström，Jochen Hemming，Polina Kurtser，Ola Ringdahl，Toon Tielen，Bart van Tuijl等作者的Development of a sweet pepper harvesting robot一文]

关键词介绍：
1.RGB-D相机：同时集成了RGB相机得深度相机。获得2D图像得同时向被测物体发送光线，根据光信号返回的时间，来测得物体得深度。其深度图中得每个点都包含深度信息。一般通过刚性算法将2D图像与深度图像对其，消除二者视差。通过RGB-D相机，可同步获取色彩和深度信息，能够显著提升物体 识别与检测得精度，可广泛应用于视觉引导机械手抓取、托盘于物品识别。
目前主流的3D视觉技术包括：双目视觉利用三角测距法计算物体到相机的距离
、结构光其相机通过投射图案，根据图案形变计算距离
、飞行时间（Time-of-Flight）即ToF：向被测物体发送光线，根据光信号返回的时间，来测得距离，具有测量距离远、抗光性强、远距离精度高的特点
2。相机标定：
3.颜色恒常性：参考文献：张金友, 张霞, 徐亮山. 基于改进SqueezeNet的颜色恒常性计算. 计算机系统应用, 2023, 32(10): 208-214.http://www.c-s-a.org.cn/1003-3254/9232.html
4.Canny边缘检测算法:因其低错误率、良好的定位性和最小影响特性，广泛应用于计算机视觉领域，如图像分割、目标检测、图像识别等，其能够有效提取图像中的重要特征，帮助后续的图像分析和处理等工作。主要包括：1.使用高斯滤波器平滑图像去噪声2.计算梯度幅度和方向以识别灰度变化的强度和方向。3.双阈值检测，使用两个阈值来确定强边缘和弱边缘。4.边缘连接，使用滞后技术连接强边缘和弱边缘以形成完整边缘