[发明专利]机械臂视觉引导方法及装置在审

专利信息
申请号: 201910654059.5 申请日: 2019-07-19
公开(公告)号: CN110271006A 公开(公告)日: 2019-09-24
发明(设计)人: 林森;刘玉坤;张云鹤;郭文忠;聂铭君;王少磊;贾冬冬;李银坤;徐凡;贾海遥 申请(专利权)人: 北京农业智能装备技术研究中心
主分类号: B25J9/16 分类号: B25J9/16
代理公司: 北京路浩知识产权代理有限公司 11002 代理人: 程琛
地址: 100097 北京市海淀区*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 障碍物 作业对象 机械臂 农业机器人 三维坐标 视觉引导 运动路径 点云 作业效率
【权利要求书】:

1.一种农业机器人的机械臂视觉引导方法,其特征在于,包括:

获取作业对象与障碍物的RGB信息以及3D点云信息;

根据所述作业对象与所述障碍物的RGB信息,确定所述作业对象与所述障碍物的类别;根据所述作业对象与所述障碍物的3D点云信息,确定所述作业对象与所述障碍物的三维坐标;

根据所述作业对象与所述障碍物的类别,以及所述作业对象与所述障碍物的三维坐标,确定机械臂的运动路径;

根据所述机械臂的运动路径引导所述机械臂作业。

2.根据权利要求1所述的农业机器人的机械臂视觉引导方法,其特征在于,所述根据所述作业对象与所述障碍物的RGB信息,确定所述作业对象与所述障碍物的类别包括:

依次对所述作业对象与所述障碍物的RGB信息进行去模糊化处理、滤波处理以及图像增强处理;

使用深度学习网络对处理后的所述作业对象与所述障碍物的RGB信息进行训练,以确定所述作业对象与所述障碍物的类别。

3.根据权利要求1所述的农业机器人的机械臂视觉引导方法,其特征在于,所述根据所述作业对象与所述障碍物的3D点云信息,确定所述作业对象与所述障碍物的三维坐标包括:

使用体素网格将所述作业对象与所述障碍物的3D点云信息转换为体积表示;

使用深度学习网络对体积表示的所述作业对象与所述障碍物的3D点云信息进行训练;

对训练后的数据进行去模糊化处理以获取所述作业对象与所述障碍物的三维坐标。

4.根据权利要求1至3任一项所述的农业机器人的机械臂视觉引导方法,其特征在于,所述根据所述作业对象与所述障碍物的类别,以及所述作业对象与所述障碍物的三维坐标,确定机械臂的运动路径包括:

根据植株上的所述作业对象的生长信息,对植株进行子区域划分;

根据各子区域内的所述作业对象与所述障碍物的类别,以及所述作业对象与所述障碍物的三维坐标,确定所述机械臂在各子区域内的运动路径。

5.一种农业机器人的机械臂视觉引导装置,其特征在于,包括:

获取模块,用于获取作业对象与障碍物的RGB信息以及3D点云信息;

确定模块,用于根据所述作业对象与所述障碍物的RGB信息,确定所述作业对象与所述障碍物的类别;根据所述作业对象与所述障碍物的3D点云信息,确定所述作业对象与所述障碍物的三维坐标;

路径模块,用于根据所述作业对象与所述障碍物的类别,以及所述作业对象与所述障碍物的三维坐标,确定机械臂的运动路径;

引导模块,用于根据所述机械臂的运动路径引导所述机械臂作业。

6.根据权利要求5所述的农业机器人的机械臂视觉引导装置,其特征在于,所述确定模块具体用于:

依次对所述作业对象与所述障碍物的RGB信息进行去模糊化处理、滤波处理以及图像增强处理;

使用深度学习网络对处理后的所述作业对象与所述障碍物的RGB信息进行训练,以确定所述作业对象与所述障碍物的类别。

7.根据权利要求5所述的农业机器人的机械臂视觉引导装置,其特征在于,所述确定模块具体用于:

使用体素网格将所述作业对象与所述障碍物的3D点云信息转换为体积表示;

使用深度学习网络对体积表示的所述作业对象与所述障碍物的3D点云信息进行训练;

对训练后的数据进行去模糊化处理以获取所述作业对象与所述障碍物的三维坐标。

8.根据权利要求5至7任一项所述的农业机器人的机械臂视觉引导装置,其特征在于,所述路径模块具体用于:

根据植株上的所述作业对象的生长信息,对植株进行子区域划分;

根据各子区域内的所述作业对象与所述障碍物的类别,以及所述作业对象与所述障碍物的三维坐标,确定所述机械臂在各子区域内的运动路径。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京农业智能装备技术研究中心,未经北京农业智能装备技术研究中心许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910654059.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top