本發(fā)明涉及采摘機械領域,特別涉及一種智能FRP夾持裝置及其應用。
背景技術:
中國作為農業(yè)大國,果蔬產業(yè)是重要產業(yè)之一,果蔬采摘機器人是發(fā)展現代化果蔬產業(yè)的重要手段,其中,末端執(zhí)行器是保證果蔬采摘品質的關鍵執(zhí)行部件。目前,我國的果蔬采摘機械化作業(yè)與國外相比仍有較大差距,特別是夾持裝置方面存在許多關鍵性的技術問題。國內現有的夾持裝置主要由基板、動力機構和夾指組成,機動性和智能性不高,缺乏采摘過程的實時信息反饋機構,同時作物采摘率較低、果實損傷率較高。
技術實現要素:
本發(fā)明的目的在于克服現有技術中存在的缺點,提供一種通用性好、采摘效率高、果實損傷率小的智能FRP夾持裝置及其應用。
本發(fā)明通過下述技術方案實現:
一種智能FRP夾持裝置,包括仿生波型撥桿、FRP夾指、驅動電機、連接板和固定基板;固定基板是整個夾持裝置的基本框架;連接板有多個,固定安裝在固定基板上,分別用于連接機械臂、仿生波型撥桿、仿生波型撥桿驅動電機和FRP夾指驅動電機;FRP夾指包括固定夾指和運動夾指,固定夾指直接安裝在固定基板上,運動夾指與FRP夾指驅動電機相連接,可在FRP夾指驅動電機的輸出軸上運動;安裝在固定基板后端的撥桿連接板上設置有撥桿導軌,撥桿導軌上插接有仿生波型撥桿,仿生波型撥桿與撥桿驅動電機相連接,可在撥桿驅動電機的輸出軸上運動。
撥桿連接板上設置有視覺傳感器安裝螺柱,用于安裝視覺傳感器。
所述仿生波型撥桿的外輪廓為正弦曲線,其末端尖角形狀類似蝗蟲、蝸牛等生物的觸角。仿生波型撥桿上安裝有障礙物識別器,用于識別夾持裝置前方的障礙物。障礙物識別器可以是視覺傳感器,也可以是觸覺傳感器,實際使用時只需采用其中一種傳感器。
當使用視覺傳感器來識別障礙物時,視覺傳感器為攝像頭,將攝像頭固定于撥桿連接板上,實時采集仿生波型撥桿前方的數字圖像,然后通過對攝像頭采集的數字圖像進行處理,實現對障礙物的識別并發(fā)出識別信號。對于特定的夾持目標,預先存儲特定的障礙物模板圖像,然后進行模板匹配。例如采摘對象為荔枝時,預先存儲足量的荔枝葉、荔枝枝干圖像,然后選擇最能凸顯荔枝葉與荔枝枝干特征的最優(yōu)顏色通道,并將模板圖像中的該顏色通道與目標圖像的該顏色通道進行模板匹配,如果絕對值和(SAD)相似性測度的值超過預設的閾值,則發(fā)出障礙物識別信號。
當使用觸覺傳感器來識別障礙物時,觸覺傳感器為碳素纖維式觸覺傳感器,將碳素纖維式觸覺傳感器直接貼在仿生波型撥桿的前端,當碳素纖維式觸覺傳感器觸碰障礙物時,碳素纖維受壓與電極接觸導電,發(fā)出識別信號。
在背景簡單、障礙物較小且觸覺傳感器難以觸碰到的環(huán)境下,優(yōu)選視覺傳感器來識別障礙物;在背景復雜或光照不佳的環(huán)境下,優(yōu)選觸覺傳感器來識別障礙物。
所述仿生波型撥桿的工作原理為:在采摘過程中,一方面,裝置本身隨著機械臂的運動而運動,從而到達夾持目標并進行夾持;另一方面,機械臂的運動也帶動仿生波型撥桿伸進枝葉中,同時障礙物識別器實時不間斷地進行障礙物識別工作。如果在某一時刻障礙物識別器獲得了識別障礙物的信號,則通過撥桿驅動電機來驅動仿生波型撥桿在導軌上滑動,從而向外撥開枝葉等障礙物。同時,仿生波型撥桿的正弦曲線外輪廓具有阻礙枝葉恢復到最初位置的功能,保證其可以可靠、有效地撥開障礙物。
所述FRP夾指還包括FRP軟墊,FRP軟墊的厚度為2mm,是采用碳纖維浸漬膠將FRP軟墊材料粘貼于固定夾指和運動夾指的指面上,并且完全覆蓋夾指的內側。FRP軟墊材料的重量輕、韌性高、彈性形變好,在保證提供穩(wěn)定夾持力的同時,能有效防止果?;蚬麑嵉膿p傷,節(jié)省后續(xù)需人工減去損傷果梗的步驟。
FRP夾指在夾持串類果實時,夾持端的形狀為兩種不同尺寸的V型齒面結構;對于果梗直徑為3mm~6mm的小果串,使用槽角θ=60°的齒面夾持;對于果梗直徑為6mm~10mm的大果串,使用槽角θ=90°的齒面夾持。
FRP夾指在夾持球類果實時,夾持端的形狀為橄欖形指面結構;橄欖形指面結構能夠適應多種曲率果實形狀,有利于夾持各種曲率的球狀果實。同時,橄欖形指面結構也可以用于對圓木、方木、金屬工件的夾持。
本發(fā)明的智能FRP夾持裝置可以應用于果蔬采摘機器人的末端執(zhí)行器,也可以應用于夾持木材、金屬工件機器人的末端執(zhí)行器;若本發(fā)明的智能FRP夾持裝置采用大功率的撥桿驅動電機和夾持驅動電機,則該智能FRP夾持裝置還可以應用于緊急救援過程中對大型障礙物的撥開或夾持工作。
本發(fā)明與現有技術相比具有如下優(yōu)點和效果:
(1)本發(fā)明的仿生波型撥桿通過視覺或觸覺傳感器來實時識別夾持裝置前方的障礙物,提高了裝置的智能化、自動化程度。
(2)本發(fā)明的仿生波形撥桿的外輪廓為正弦曲線形狀,前端為鉤狀,能有效防止在撥開障礙物的過程中打滑而導致?lián)荛_失敗,提高工作效率。
(3)本發(fā)明的FRP夾指的夾持端指面,當果實為串類果實時,形狀為V型齒面結構,通過不同的槽角適應不同大小的串類果實的果梗,避免因為槽角過小而刺斷較粗的果梗,或者因為槽角過大而無法夾穩(wěn)較小的果梗。
(4)本發(fā)明的FRP夾指的夾持端指面,當果實為球類果實時,形狀為橄欖形結構,能夠適應多種曲率和形狀的果實表面,同時也可以用于對圓木、方木、金屬工件等對象的夾持,適用范圍廣。
(5)本發(fā)明的夾指上貼有FRP材料保護軟墊,由于FRP材料具有重量輕、韌性高、彈性形變好的優(yōu)點,在提供穩(wěn)定夾持力的同時能防止果?;蚬麑嵉膿p傷。
附圖說明
圖1是使用V型指面時的智能FRP夾持裝置結構示意圖。
圖2是使用橄欖形指面時的智能FRP夾持裝置結構示意圖。
圖3是FRP夾指的V型指面結構示意圖。
圖4是視覺識別障礙物的模板匹配算法流程圖。
圖中:1、機械臂連接板;2、撥桿導軌;3、夾指驅動電機;4、夾指驅動電機連接板;5、仿生波型撥桿;6、串類固定夾指;7、觸覺傳感器;8、FRP軟墊;9、串類運動夾指;10、夾指絲杠螺母;11、電機緊固螺釘;12、撥桿驅動電機連接板;13、撥桿驅動電機;14、導軌固定螺栓;15、撥桿連接板;16、視覺傳感器;17、攝像機安裝螺柱;18、撥桿絲杠螺母;19、球類固定夾指;20、球類運動夾指。
具體實施方式
下面結合實施例對本發(fā)明做進一步詳細的描述,但本發(fā)明的實施方式不限于此。
實施例1
一種智能FRP夾持裝置,如圖1和2所示,包括仿生波型撥桿、FRP夾指、驅動電機、連接板和固定基板。固定基板是整個夾持裝置的基本框架。連接板包括固定在固定基板后方的機械臂連接板1、固定基板后方的撥桿連接板15、固定基板左側的夾指驅動電機連接板4和固定基板右后側的撥桿驅動電機連接板12。機械臂連接板1用于使夾持裝置與外部機械臂連接。通過導軌固定螺栓14將撥桿導軌2固定在撥桿連接板15上,當撥桿驅動電機13驅動時,仿生波型撥桿5可在撥桿絲杠螺母18的作用下在撥桿導軌2上平行移動。撥桿驅動電機13通過電機緊固螺釘11固定在撥桿驅動電機連接板12上。夾指驅動電機3與撥桿驅動電機13一樣,也由電機緊固螺釘固定在夾指驅動電機連接板4上。當夾指驅動電機3驅動時,串類運動夾指9或球類運動夾指20在夾指絲杠螺母10的作用下,向串類固定夾指6或球類固定夾指19靠近,實現夾持動作。夾指前端的觸覺傳感器7可通過粘貼方式附于夾指上,裝置后端的視覺傳感器16可通過攝像機安裝螺柱17安裝于撥桿連接板15上。具體使用時,只需安裝觸覺傳感器7或視覺傳感器16。
當智能FRP夾持裝置用于采摘串類水果時,首先通過視覺傳感器16或觸覺傳感器7進入工作狀態(tài)。同時,與機械臂連接板1連接的機械臂在外部信號的作用下運動,帶動整個夾持裝置運動。視覺傳感器16或觸覺傳感器7在這個過程中實時檢測是否存在障礙物。當發(fā)現障礙物時發(fā)出障礙物識別信號,這時撥桿驅動電機13開始工作,使仿生波型撥桿5在撥桿連接板15的撥桿導軌2上平行移動,撥開障礙物。仿生波型撥桿5在撥桿驅動電機13的驅動下?lián)荛_目標旁邊的障礙物,然后串類運動夾指9在夾指驅動電機3的驅動下,向串類固定夾指6靠近,夾持果實。當智能FRP夾持裝置用于夾持球狀果實時,將串類運動夾指9上下翻轉姿態(tài),并安裝上橄欖型的球類運動夾指20的指面,與球類固定夾指19配合,其余過程與上述對串類水果夾持的過程相同。
以串類果實為例闡述本智能FRP夾持裝置工作過程:在采摘串類果實過程中,如荔枝、龍眼、葡萄、番茄果穗等,首先將本夾持裝置安裝在機械臂上,然后夾持裝置在機械臂的帶動下運動到所要采摘的串類果實的位置。在夾持裝置從起始位置運動到夾持位置的此過程中,視覺傳感器16或觸覺傳感器7持續(xù)工作,實時檢測是否存在障礙物。若在某個時刻檢測到障礙物存在,則發(fā)出障礙物存在的信號,控制撥桿驅動電機13轉動,使仿生波型撥桿5在撥桿導軌2上移動,撥開障礙物。障礙物被撥開后,串類運動夾指9在夾指驅動電機3的驅動下,向串類固定夾指6靠近,夾持果實。對于球類果實,則換用橄欖形夾指,夾持過程與串類果實的夾持過程完全相同。
如圖3所示,是夾持串類果實時的FRP夾指V型齒面結構。其中,θ為V型指面槽角,夾持細果梗時θ=60°,夾持粗果梗時θ=90°;h為V型指面的槽高,h=4mm;b為V型指面指頂寬度,b=2mm。
如圖4所示,是視覺識別障礙物的模板匹配算法,具體步驟為:
(1)對于特定的夾持目標,預先存儲n張該夾持目標旁的常見障礙物的圖像,構建障礙物模板圖像庫;
(2)根據障礙物模板圖像的顏色特征,提取最能凸顯障礙物特征的顏色通道,構建障礙物顏色模板圖像庫;
(3)用張正友標定法對攝像機進行單目標定,獲取標定參數;
(4)攝像機拍攝一幀前方圖像,并使用標定參數對采集的圖像進行畸變校正;
(5)對校正后的圖像進行預處理,即進行中值濾波和直方圖均衡化,以去除圖像中的主要噪點并提高對比度,凸顯障礙物特征;
(6)對預處理后的圖像進行顏色通道提取,該顏色通道與步驟2中所述顏色通道應一致;
(7)用障礙物顏色模板圖像庫中的n幅模板圖像,對上一步中所提取的顏色通道圖像進行遍歷,取遍歷過程中的最大SAD值作為相似性測度;每個模板得到一個最大SAD相似性測度,則最終得到n個最大SAD相似性測度;SAD相似性測度計算公式如下:
式中,src為已經經過畸變校正、預處理和顏色通道提取的圖像,templete是像素大小為M×N的模板圖像。SAD(i,j)為src中以坐標值為(i,j)的像素點為錨點的SAD相似性測度;
(8)在步驟(7)所得n個最大SAD相似性測度中,再取其最大值,將此最大值與人為設定的閾值比較;若大于閾值,發(fā)出障礙物存在信號,返回步驟(4);若小于閾值,不做處理,同樣返回步驟(4)。