采摘機器人作業行為虛擬仿真與樣機試驗

羅陸鋒 鄒湘軍 盧清華 楊自尚 張 坡 熊俊濤

(1.佛山科學技術學院機電工程學院， 佛山 528231；2.華南農業大學南方農業機械與裝備關鍵技術教育部重點實驗室, 廣州 510642；3.華南農業大學數學與信息學院, 廣州 510642)

0 引言

智能防碰損采摘作業行為及其控制算法的試驗與驗證是采摘機器人研發過程中的核心環節，傳統方法往往是直接在實物樣機上對算法進行調試，這使得研發周期延長、成本增加。隨著計算機圖形學、人機交互、人工智能等技術的不斷發展，基于虛擬現實的仿真與試驗作為一種輔助手段被廣泛應用于各個領域[1-5]。翟志強等[6]針對農機導航田間試驗受作物生長狀態的約束性較強等問題，提出了一種基于虛擬現實技術的拖拉機雙目視覺導航試驗方法；苑嚴偉等[7]將虛擬仿真技術應用于水稻田試驗，對田間拖拉機的行走姿態、行駛速度和方向等進行了虛擬交互控制仿真。臧宇等[8]提出一種基于Vega Prime的農業裝備虛擬試驗系統。鄒喜紅等[9]為了準確評價摩托車車架的疲勞可靠性，利用有限元軟件HyperWorks和動力學軟件ADAMS對摩托車車架進行虛擬試驗。楊方飛等[10]利用視景仿真技術對聯合收獲機進行了虛擬仿真。謝斌等[11]對聯合收割機的制動系統虛擬樣機進行仿真與試驗，為底盤制動系統的設計提供參考。在采摘機器人方面，ZOU等[12]率先提出了基于雙目立體視覺的虛擬機械手誤差建模；劉繼展等[13]針對機器人摘取及移送過程中果粒脫落問題，提出了一種面向穗軸激勵輸入的果穗振動仿真模型。綜上，目前將仿真技術用于采摘機器人作業行為算法的試驗研究還比較少。

本文在前期研究基礎上[14-15]設計一種基于虛擬現實的葡萄采摘機器人仿真系統。在虛擬試驗場景建模、機器人運動學建模、末端執行器及其控制模型、軌跡規劃等方面對采摘機器人仿真系統進行深入研究和設計，基于EON虛擬現實平臺開發一套采摘機器人仿真系統，最終在該系統上對葡萄防碰損采摘行為算法進行仿真，并進一步用樣機試驗驗證該仿真系統的實用性。

1 仿真系統設計流程

采摘機器人虛擬試驗系統設計流程如圖1所示：先構建虛擬現實環境下果園場景及采摘機器人本體結構模型，利用D- H參數法對機械臂進行運動學建模；然后設計夾剪式采摘機器人末端執行器，構建防碰損采摘行為控制模型；再在虛擬環境下繪制虛擬葡萄及其防碰空間包圍體；最后將智能行為算法與軌跡規劃相結合進行采摘機器人行為的三維可視化仿真。

圖1 系統設計流程Fig.1 Design process of system

2 虛擬試驗場景建模

虛擬環境建模是虛擬現實的關鍵技術，果園試驗場景建模通常分為兩類：一類是基于尺寸特征的建模，可通過SolidWorks、UG、CATIA等軟件工具來構建，這類建模能夠精準地給定模型尺寸；另一類是基于外形片面建模，如3D MAX、MAYA等，這類建模軟件有著強大的外形渲染能力，能夠繪制和渲染出逼真的三維場景，但其無嚴格尺寸要求的場景。SolidWorks軟件有豐富的零件設計庫，另外它有智能的裝配功能，可自動完成捕捉并設置裝配關系，因此，本研究采用SolidWorks軟件建立機器人本體和末端執行器的三維幾何模型，再使用SolidWorks軟件的Photoview 360模塊對模型進行渲染并導出為wrl文件格式，最后將wrl文件導入到虛擬現實平臺。

對于采摘試驗場景建模，因棚架式葡萄園中樹葉、枝干、棚架等形狀復雜性和難測量性，本研究采用3D MAX進行建模，該軟件能夠將實體和曲線分別轉化為可編輯多邊形和可編輯樣條線，可以選擇不同幾何元素進行編輯以達到改變模型幾何形狀的目的，從而可建立復雜形狀的模型。使用3D MAX建立包括葡萄、葡萄架、設施園藝環境等作業場景。最終渲染出逼真的采摘機器人作業場景，存儲為obj文件格式，將obj文件通過數據轉換導入虛擬現實開發平臺EON中進行機器人行為仿真程序設計。圖2為虛擬試驗場景建模技術流程。

圖2 虛擬試驗場景建模流程Fig.2 Modeling process for virtual testing scene

3 采摘機器人數學及控制行為建模

3.1 運動學建模

采摘機器人通常由機械臂、末端執行器、視覺系統及控制系統等幾部分組成。本研究采用廣州數控RB03機器人作為采摘機械臂，該機械臂由6個旋轉關節構成，每個關節具有一個相應自由度。因虛擬現實環境下采摘機器人各關節臂的運動量需通過其運動學模型來解算，因此，開發機器人仿真系統的首要任務是構建機械臂運動學模型。先根據機械臂的結構尺寸構建機械臂各連桿坐標系并確定各連桿的參數，再進行正向運動學和逆向運動學求解。

設(θ1,θ2,θ3,θ4,θ5,θ6)為RB03機械臂6個旋轉關節變量；O0x0y0z0為基坐標系，Oixiyizi(i=1,2,…,6)為各關節局部坐標系，Ohxhyhzh為末端執行器坐標系。RB03機械臂外形及各關節坐標系定義如圖3所示。

3.1.1運動學正解

虛擬環境下機械臂各關節運動是通過正向運動學模型進行驅動的，即通過給定一組關節值來計算機器人末端連桿相對于基座坐標系O0x0y0z0的位置和姿態。本研究根據兩相鄰連桿間變換矩陣[16]

(1)

式中si——sinθici——cosθi

s′i-1——sinαi-1c′i-1——cosαi-1

di——第i連桿偏置

ai-1——第i連桿長度

和RB03機械臂D- H參數[17]進行正運動求解。

(2)

其中

式(2)描述了末端連桿位姿(n,o,a,p)與基坐標系之間位姿關系。

3.1.2運動學逆解

在已知機器人末端連桿相對于基坐標系位姿的情況下，虛擬機械臂各關節的旋轉量需通過逆運動學求解得到。本研究采用反變換法[18]對式(2)中的θ1、θ2、θ3、θ4、θ5、θ6進行分離求解，并得到各關節臂旋轉量為

(3)

其中

圖3 采摘機器人外形及各關節坐標系Fig.3 Appearance of picking robot and its joints coordinate systems

3.2 夾剪式末端執行器及控制行為模型

為實現對葡萄的柔性無損采摘，已有文獻[19]設計出了抓持- 旋切式葡萄采摘末端執行器。因葡萄串體積質量大且果實嬌嫩，考慮葡萄的生長特點及幾何形態，本研究設計了一種夾持- 托舉- 剪斷式葡萄采摘機器人末端執行器。該執行器通過中央控制器實現對夾持、托舉、剪斷3個機構進行協調運動控制。夾持機構使用舵機作為驅動，通過聯動連桿機構帶動2個夾指在導軌上平動來實現對葡萄果梗的夾緊，再由夾指上的壓力傳感器感知夾緊力，將壓力信號轉換為電信號傳遞給中央控制器，當壓力值達到預設夾緊力時，激活托舉機構中的舵機工作，托舉機構將通過托盤的旋轉運動實現從果串后下方對葡萄進行托舉，承擔一定果串重力并防止果串在移送過程中發生抖動以致滑落，通過角度傳感器檢測托盤轉過的角度位移，判斷托盤托舉是否到位，當托盤完成對果串的托舉后，再啟動剪斷機構工作，由剪斷機構的剪刀將果梗剪斷，最終完成對果串的夾持- 托舉- 剪斷連環作業。末端執行機構及采摘行為控制流程如圖4所示。

圖4 末端執行機構的采摘行為控制流程圖Fig.4 Flow chart of picking behavior control of end-effector

在葡萄采摘作業過程中，為防止執行機構與果串之間發生碰撞導致果實損傷，執行機構將依據視覺感知獲得多維信息來進行行為決策與規劃。采摘機構的進給方位和托舉角度需依據視覺感知獲取的采摘點和防碰包圍體等信息來進行計算。為防止夾指與葡萄串上端發生干涉碰撞，需在采摘點與果體間設置一個安全裕度H1，并將采摘點與夾指中間位置設置重合。圖5為葡萄與末端執行器之間的防碰損夾剪耦合示意圖。

圖5 葡萄與末端執行器間防碰損夾剪耦合示意圖Fig.5 Diagram for anti-collision shearing between grape and end-effector

3.3 機械臂末端連桿與執行器空間變換

機械臂運動學建模(3.1節)所描述的末端連桿是機械臂第6關節，尚未涉及到末端執行器，而要實現機器人的采摘作業，須將機器人的末端執行器相對于基坐標系的位姿關系表達出來。由機器人結構和連桿坐標系可知機器人末端執行器與末端關節具有完全相同的空間姿態，唯一不同的是其空間位置。因6自由度采摘機器人的末端連桿坐標系原點O6與末端執行器執行作業任務時的夾持點Oh并不重合，它們之間存在一個距離d，這個參數由末端執行器的結構設計所決定，如圖6所示。

圖6 機器人末端關節與末端執行器Fig.6 End linkages and effector of picking robot

依據上述分析，末端執行器與末端連桿之間的矩陣變換可表示為

(4)

(5)

由式(5)可知末端執行器作業點的位置坐標與第6個關節的位置坐標關系為

(6)

式中p′x、p′y、p′z——末端執行器的位置在3個坐標軸上的分量

3.4 關節臂軌跡規劃

為確保末端執行器能平穩迅速地到達目標位置進行采摘作業，需對采摘機器人關節臂進行軌跡規劃。機器人軌跡規劃是根據采摘作業需求，在遵循運動學約束情況下使機器人各個關節能夠柔順地依次通過各位置點，本研究采用三次多項式插值法對過路點進行插值[20]。首先，設置初始時刻t0和到達目標位置時刻tf兩個約束條件。為保證關節速度連續，令t0和tf時刻關節速度為零。

(7)

由式(7)的約束條件可確定三次多項式

θ(t)=a0+a1t+a2t2+a3t3

(8)

式中a0——常數項

a1、a2、a3——三次多項式系數

對式(8)分別求一階導數和二階導數，得關節的角速度和角加速度為

(9)

將式(7)代入式(8)和式(9)，可解得

(10)

4 系統模塊及仿真接口設計

依據前面建立的虛擬試驗場景及葡萄采摘機器人數學模型，綜合利用Visual Studio 2013、EON Studio以及三維建模軟件3D MAX和SolidWorks等軟件工具在Windows 7操作系統上設計仿真軟件系統。仿真系統由主程序、采摘機器人仿真引擎和葡萄視覺感知等模塊組成。系統各模塊及其數據通信如圖7所示。

圖7 仿真系統各模塊間數據通信Fig.7 Data communication between modules of developed simulation system

主程序負責整個仿真系統的調度與管理；仿真引擎負責對虛擬場景渲染、采摘機器人運動仿真等；葡萄視覺感知模塊負責獲取葡萄采摘點及防碰空間包圍體等信息，并在虛擬環境中繪制3D葡萄及其防碰空間包圍體。本研究通過讀取視覺感知獲取的果粒半徑及其圓心空間坐標后在虛擬現實平臺EON Studio環境下調用Sphere來對葡萄串進行繪制，防碰包圍體通過讀取其半徑和高度后調用Cylinder進行繪制。系統各模塊間數據通信接口采用EON平臺自帶的ActiveX控件進行設計開發，主程序與采摘機器人仿真引擎之間通過路由機制來進行通信[17]，其中路由通信分兩類：輸入EventIn與輸出EventOut。

5 試驗與分析

為驗證采摘機器人虛擬仿真系統的實用性，先對葡萄防碰損采摘路徑規劃及夾剪行為進行虛擬試驗；再將算法移植到物理樣機內進行室內試驗。仿真平臺所用計算機配置為：Intel Core i5- 3230M CPU 2.60 GHz，4 GB內存，Windows 7操作系統。

5.1 防碰損采摘路徑規劃及夾剪作業行為虛擬試驗

首先基于前期研究[14-15]提取葡萄采摘點、防碰包圍體等空間信息，然后在虛擬環境下繪制出采摘目標的三維模型，再進行路徑規劃試驗。本研究采用基于人工勢場的局部規劃方法[21]對采摘機器人進行路徑規劃，該方法基本思想是將采摘機械手的運動看成是其在虛擬力場的受力，采摘點對其產生吸引力，葡萄包圍體及其他障礙物對其產生排斥力，通過吸引力和排斥力的相互作用進行機械臂路徑點規劃[17]。基于該方法在本研究開發的采摘機器人仿真系統上進行18次路徑規劃及夾剪作業行為虛擬試驗。本研究設計的采摘行為包含4個階段：①采摘機器人從初始位置運動至預備采摘狀態。②從預備采摘位置運動至采摘點，當末端執行器到達采摘點后，先由夾指機構對葡萄果梗進行夾持，然后由托盤對葡萄進行托舉，再由剪切機構將果梗剪斷，最后完成對果串的夾持- 托舉- 剪斷連環作業。③采摘機器人摘取葡萄后退回至預備采摘位置。④從預備采摘位置將葡萄移送至果籃，完成一次采摘作業。

圖8 虛擬環境下采摘機器人路徑規劃Fig.8 Motion path of picking robot in virtual environment

對每一次試驗的路徑規劃長度(從路徑規劃初始狀態開始直至單次采摘完成，末端執行器夾指中心點途徑的路徑長度)、路徑關鍵點個數、作業過程中干涉碰撞情況等進行統計和分析，試驗結果統計如表1所示。其中路徑長度L與關鍵點Pi之間的關系為

(11)

式中K——路經關鍵點數

(xi,yi,zi)——第i個路徑點的空間坐標

在18次葡萄采摘試驗中，成功16次，有2次出現末端執行器碰撞葡萄包圍體邊界的情況，成功率為88.89%，路徑長度介于219.26～282.46 cm之間，路徑關鍵點個數介于36～43之間，通過分析發現第8次和第15次試驗失敗原因是采摘點與防碰空間包圍體上方間距過小，當執行器夾指靠近果梗采摘點時與葡萄串上部發生碰撞，最終導致碰損情況發生。可通過設置和調整采摘點與防碰空間包圍體之間的最小安全裕度來優化采摘行為。圖8為一次成功的葡萄采摘路徑規劃，圖中白點為該次采摘中末端執行器夾指中心掃掠的途經點。圖9為其中一次葡萄夾- 托- 剪虛擬試驗過程截圖。通過上述采摘作業行為虛擬仿真可對采摘過程進行三維空間路徑實時計算和碰損情況分析，由此可見，本文設計的仿真系統對幫助試驗和改進機器人智能行為算法具有很好的實用價值。

表1 采摘作業行為虛擬試驗結果統計Tab.1 Statistical results of picking behavior in virtual test

圖9 葡萄串夾持- 托舉- 剪切虛擬仿真Fig.9 Grape picking behavior testing in virtual environment

5.2 采摘行為樣機試驗

為進一步驗證仿真系統的實用性，將通過虛擬仿真優化后的路徑規劃算法和夾剪行為控制算法移植到物理樣機上進行室內試驗。首先通過虛擬仿真對末端執行器的夾持、托舉和剪切機構的幾何參數進行優化。依據夾持- 托舉- 剪切行為的三維可視數據，確定夾指的有效工作長度為100 mm、張口寬度范圍為0～90 mm、高度為20 mm。依據剪切機構作業范圍須覆蓋夾指有效作業區域，通過對作業行為軌跡分析確立剪切刀刃的有效工作長度為115 mm、刀刃張口角度范圍為0°～75°。依據葡萄防碰空間包圍體與托盤的虛擬托舉試驗，確立托盤轉軸與夾指的距離為180 mm、托網直徑為120 mm、托舉角度范圍為0°～90°。然后在此基礎上試制出葡萄采摘機器人末端執行器樣機，如圖10所示，通過人為懸掛葡萄于夾指中央，再對機構夾持、托舉與剪切行為的控制參數進行樣機試驗。

圖10 末端執行器樣機試驗Fig.10 Prototype test for end-effector

采摘機器人試驗樣機由廣州數控RB03機械臂、工控機、控制系統、視覺系統、末端執行器等組成，其中視覺系統采用Eye-in-Hand關聯方式將雙目相機固定安裝于機器人末端軸的法蘭盤上，樣機試驗如圖11所示。以市場購買的巨峰葡萄進行樣機試驗，試驗樣品質量范圍為0.42～0.73 kg，串體高度介于16.2～23.5 cm，最大直徑范圍為10.8～14.6 cm。將葡萄垂直懸掛于搭建好的試驗架上，通過改變葡萄位置進行15次單串葡萄和28次雙串疊貼葡萄室內樣機試驗。試驗以葡萄串質心點作為目標點，通過作者前期研究中設計的視覺感知方法[22]提取葡萄串區域質心空間坐標，并將坐標發送給工控機，然后通過路徑規劃算法規劃出機械臂途經點，最后由控制系統驅動末端執行器移動至目標點正前方20 mm處。測量末端執行器夾指與葡萄質心之間的相對偏差，當偏差在10 mm之內時[23]，視為一次成功采摘行為。

圖11 樣機試驗Fig.11 Prototype test

利用游標卡尺測量末端執行器夾持點的最終位置與葡萄實際位置之間的偏差，并計算平均值，具體計算方法為

(12)

(13)

式中Ex、Ez——X(水平)方向和Z(深度)方向的誤差

Xa、Za——葡萄實際位置

Xr、Zr——末端執行器最終位置

N——試驗次數

試驗統計結果如表2所示，結果顯示：在15次單串葡萄樣機試驗中，成功14次，成功率為93.33%，其中水平方向和深度方向的平均定位誤差分別為5.46 mm和6.56 mm。在28次疊貼葡萄定位試驗中，有23次定位獲得成功，成功率為82.14%，其中5次因為視覺定位誤差偏大而最終導致采摘失敗，樣機試驗總的采摘成功率為86.05%。

表2 樣機試驗結果Tab.2 Results of grape prototype test

6 結束語

為對采摘機器人智能作業行為算法進行快速三維虛擬仿真，設計了一套基于虛擬現實的采摘機器人虛擬仿真系統。以葡萄采摘機器人為對象，對機械臂、工作環境、采摘對象、機器人運動學模型、軌跡規劃等內容進行了建模，設計了一種夾- 托- 剪式的采摘機器人末端執行器及其采摘過程控制模型，基于EON平臺開發出葡萄采摘機器人作業行為虛擬仿真系統。基于該系統進行了18次虛擬葡萄采摘試驗，成功率達88.89%;再將經過虛擬試驗優化的采摘行為控制算法移植到物理樣機上進行43次室內試驗，總成功率達86.05%。結果表明：該仿真系統可對機器人采摘作業過程進行三維空間路徑實時計算和碰損檢測分析，可為采摘機器人智能行為算法的測試及改進提供仿真測試平臺。

1 DATAR M, STANCLULESCU I, NEGRUT D. A co-simulation environment for high-fidelity virtual prototyping of vehicle system [J]. International Journal of Vehicle Systems Modeling and Testing, 2012, 7(1): 54-72.

2 倪得晶，宋愛國，李會軍. 基于虛擬現實的機器人遙操作關鍵技術研究[J]. 儀器儀表學報, 2017，38(10): 2351-2363.

NI Dejing, SONG Aiguo, LI Huijun. Survey on robot teleoperation based on virtual reality[J]. Chinese Journal of Scientific Instrument, 2017，38(10): 2351-2363. (in Chinese)

3 MICHAEL W. Co-simulation of building energy and control systems with the building control virtual test bed[J]. Journal of Building Performance Simulation, 2011, 4(3): 185-203.

4 陳維江, 賀恒鑫, 何俊佳,等. 輸電線路雷電先導發展三維仿真模型[J]. 中國電機工程學報, 2014, 34(36): 6601-6612.

CHEN Weijiang, HE Hengxin, HE Junjia， et al. On the 3-dimentional leader progression model for the lighting shielding failure performance estimation of overhead transmission lines [J]. Proceedings of the CSEE, 2014, 34(36): 6601-6612. (in Chinese)

5 周云波, 李宏才, 閆清東. 虛擬現實在坦克機動性虛擬試驗中的應用技術研究[J]. 系統仿真學報, 2006, 18(增刊1): 120-122.

ZHOU Yunbo, LI Hongcai, YAN Qingdong. Research on application of virtual reality in tank mobility virtual experiment [J]. Journal of System Simulation, 2006, 18(Supp.1): 120-122. (in Chinese)

6 翟志強, 朱忠祥, 杜岳峰, 等.基于虛擬現實的拖拉機雙目視覺導航試驗[J].農業工程學報,2017,33(23):56-65.

ZHAI Zhiqiang, ZHU Zhongxiang, DU Yuefeng, et al. Test of binocular vision-based guidance for tractor based on virtual reality[J]. Transactions of the CSAE, 2017, 33(23): 56-65. (in Chinese)

7 苑嚴偉, 吳海華, 董鑫， 等. 水稻田虛擬試驗場景建模與仿真[J/OL]. 農業機械學報, 2013, 44(增刊1): 224-229. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=2013s140&journal_id=jcsam. DOI：10.6041/j.issn.1000-1298.2013.S1.040.

YUAN Yanwei, WU Haihua, DONG Xin, et al. Modeling and simulation of rice paddy field virtual scene[J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2013, 44(Supp.1): 224-229. (in Chinese)

8 臧宇, 朱忠祥, 宋正河, 等. 農業裝備虛擬試驗系統平臺的建立[J]. 農業機械學報, 2010, 41(9): 70-74.

ZANG Yu, ZHU Zhongxiang, SONG Zhenghe, et al. Virtual experiment system platform for agricultural equipment[J]. Transactions of the Chinese Society for Agricultural Machinery, 2010, 41(9): 70-74. (in Chinese)

9 鄒喜紅, 熊鋒, 袁冬梅, 等. 基于多軸道路模擬激勵譜的摩托車車架虛擬試驗方法[J]. 農業工程學報, 2014, 30(15): 39-45.

ZOU Xihong, XIONG Feng, YUAN Dongmei, et al. Virtual test method for motorcycle frame based on multi-axes road simulation using excitation spectrum[J]. Transactions of the CSAE, 2014, 30(15): 39-45. (in Chinese)

10 楊方飛, 閻楚良. 基于視景仿真的聯合收獲機虛擬試驗技術[J]. 農業機械學報, 2011, 42(1): 79-83.

YANG Fangfei, YAN Chuliang. Virtual test of combine harvester based on visual simulation[J]. Transactions of the Chinese Society for Agricultural Machinery, 2011, 42(1): 79-83. (in Chinese)

11 謝斌, 李靜靜, 魯倩倩, 等. 聯合收割機制動系統虛擬樣機仿真及試驗[J]. 農業工程學報, 2014, 30(4): 18-24.

XIE Bin, LI Jingjing, LU Qianqian, et al. Simulation and experiment of virtual prototype braking system of combine harvester[J]. Transactions of the CSAE, 2014, 30(4): 18-24. (in Chinese)

12 ZOU X, ZOU H, LU J. Virtual manipulator-based binocular stereo vision positioning system and errors modeling[J]. Machine Vision and Applications, 2012, 23(1): 43-63.

13 劉繼展, 唐善奇, 單帥, 等. 機器人采摘葡萄果穗振動仿真與試驗[J/OL]. 農業機械學報, 2016, 47(5): 1-8. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20160501&journal_id=jcsam. DOI：10.6041/j.issn.1000-1298.2016.05.001.

LIU Jizhan, TANG Shanqi, SHAN Shuai, et al. Simulation and test of grape fruit cluster vibration for robotic harvesting[J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2016, 47(5):1-8.(in Chinese)

14 羅陸鋒, 鄒湘軍, 熊俊濤, 等. 自然環境下葡萄采摘機器人采摘點的自動定位[J]. 農業工程學報, 2015, 31(2): 14-21.

LUO Lufeng, ZOU Xiangjun, XIONG Juntao, et al. Automatic positioning for picking point of grape picking robot in natural environment[J]. Transactions of the CSAE, 2015, 31(2): 14-21. (in Chinese)

15 羅陸鋒, 鄒湘軍, 葉敏, 等. 基于雙目立體視覺的葡萄采摘防碰空間包圍體求解與定位[J]. 農業工程學報, 2016, 32(8): 41-47.

LUO Lufeng, ZOU Xiangjun, YE Min, et al. Calculation and localization of bounding volume of grape for undamaged fruit picking based on binocular stereo vision[J]. Transactions of the CSAE, 2016, 32(8): 41-47. (in Chinese)

16 熊有倫. 機器人技術基礎[M]. 武漢：華中科技大學出版社, 2011.

17 羅陸鋒, 鄒湘軍, 程堂燦, 等.采摘機器人視覺定位及行為控制的硬件在環虛擬試驗系統設計[J]. 農業工程學報, 2017, 33(4): 39-46.

LUO Lufeng, ZOU Xiangjun, CHENG Tangcan, et al. Design of virtual test system based on hardware-in-loop for picking robot vision localization and behavior control[J]. Transactions of the CSAE, 2017, 33(4): 39-46. (in Chinese)

18 PAUL R P, SHIMANO B E, MAYER G. Kinematic control equations for simple manipulators[J]. IEEE Transactions Systems, Man and Cybernetics, 1981, 11(6): 449-455.

19 尹建軍, 陳永河, 賀坤, 等. 抓持- 旋切式欠驅動雙指手葡萄采摘裝置設計與試驗[J/OL]. 農業機械學報, 2017, 48(11): 12-20. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20171102&journal_id=jcsam. DOI：10.6041/j. issn.1000-1298.2017.11.002.

YIN Jianjun, CHEN Yonghe, HE Kun, et al. Design and experiment of grape-picking device with grasping and rotary-cut type of under actuated double fingered hand[J/OL].Transactions of the Chinese Society for Agricultural Machinery, 2017, 48(11): 12-20. (in Chinese)

20 CRAIG J J. 機器人學導論[M]. 贠超，譯. 北京: 機械工業出版社, 2006.

21 KHATIB O. Real-time obstacle avoidance for manipulators and mobile robots [J]. International Journal of Robotics and Research, 1986, 5(1): 90-98.

22 羅陸鋒, 鄒湘軍, 王成琳, 等. 基于輪廓分析的雙串疊貼葡萄目標識別方法[J/OL]. 農業機械學報, 2017, 48(6):15-22. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?flag=1&file_no=20170602&journal_id=jcsam. DOI：10.6041/j.issn.1000-1298.2017.06.002.

LUO Lufeng, ZOU Xiangjun, WANG Chenglin, et al. Recognition method for two overlaping and adjacent grape clusters based on image contour analysis[J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2017, 48(6): 15-22. (in Chinese)

23 ZOU X, YE M, LUO C, et al. Fault-tolerant design of a limited universal fruit-picking end effector based on vision positioning error [J]. Applied Engineering in Agriculture, 2016, 32(1)： 5-18.