文献类型：期刊文章

作　　者：杨长辉[1,2] 刘艳平[2] 王毅[2] 熊龙烨[2] 许洪斌[2] 赵万华[1]

YANG Changhui;LIU Yanping;WANG Yi;XIONG Longye;XU Hongbin;ZHAO Wanhua(School of Mechanical Engineering,Xi’an Jiaotong University,Xi’an 710049,China;College of Mechanical Engineering,Chongqing University of Technology,Chongqing 400054,China)

机构地区：[1]西安交通大学机械工程学院,西安710049 [2]重庆理工大学机械工程学院,重庆400054

出　　处：《农业机械学报》

基　　金：重庆市重点产业共性关键技术创新专项(cstc2015zdcy-ztzx70003);重庆市基础科学与前沿技术研究一般项目(cstc2016jcyjA0444)

年　　份：2019

卷　　号：50

期　　号：12

起止页码：14-22

语　　种：中文

收录情况：BDHX、BDHX2017、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了准确理解柑橘采摘机器人在自然环境下的作业场景,获取采摘目标及周围障碍物的位置信息,构建了基于卷积神经网络和Kinect V2相机的识别定位系统。首先,对采摘场景中的果树提出5类目标物分类准则,包含1类可采摘果实和4类障碍物目标;然后,在YOLO V3(You only look once)卷积层模块中添加3层最大池化层,对预测候选框进行K-means聚类分析,增强模型对枝叶类物体特征的提取能力,实现采摘场景的准确理解;最后,采用Kinect V2相机的深度图映射得到采摘目标和障碍物的三维信息,并在自然环境下进行了避障采摘作业。实验结果表明,构建的识别定位系统对障碍物和可采摘果实的识别综合评价指数分别为83.6%和91.9%,定位误差为5.9 mm,单帧图像的处理时间为0.4 s,采摘成功率和避障成功率分别达到80.51%和75.79%。

关 键 词：采摘机器人 目标识别 三维定位  YOLO  V3 K-MEANS

分 类 号：TP391.4]