基于6自由度机械臂的果园采摘避障双视角果实定位新方法

为解决果园环境中果实定位受枝叶遮挡及单视角信息不足的难题，研究人员开发了结合HSV色彩分割与k-d树匹配的双视角定位系统。该方法通过几何原理估算果实中心位置，在150 cm距离内定位误差小于24.72 mm，匹配成功率95%，为高自由度采摘机器人提供了精准的环境感知方案。

　　

研究背景
传统果园采摘正面临劳动力短缺的严峻挑战，而配备高自由度机械臂的采摘机器人被视为破局关键。然而，在枝叶交错的非结构化果园中，果实精准定位存在两大瓶颈：一是密集遮挡导致传统视觉算法失效，二是单视角感知难以兼顾全局视野与局部精度。现有基于双目立体视觉或LiDAR的技术虽在理想条件下表现良好，但面对真实果园的复杂环境仍力不从心。

日本科学技术振兴机构（JST）支持的研究团队在《Computers and Electronics in Agriculture》发表创新成果，提出融合避障定位与双视角协同的新方法。该系统通过HSV色彩空间阈值分割在检测框内寻找最佳测量点，结合机械臂运动学构建动态坐标转换矩阵，最终实现遮挡环境下毫米级精度的果实定位。

关键技术
研究采用HSV色彩空间分割突破枝叶遮挡，在YOLO算法生成的检测框内精准识别果实表面测量点；通过k-d树算法匹配双视角（全局广角摄像头与机械臂末端局部摄像头）的检测结果；利用6自由度（6-DoF）机械臂的运动学参数建立动态坐标转换模型。实验数据来自日本青森县苹果研究所的实地采集。

研究结果
测量点识别验证
在遮挡条件下，HSV色彩分割实现95%的测量点识别成功率。测试表明该方法能有效规避叶片干扰，精准定位果实表面特征点。

果实中心估算精度
基于几何原理的估算在不同距离呈现梯度误差：30 cm时RMSE为3.13 mm，随距离增大至150 cm时误差升至24.72 mm，仍满足采摘作业需求。

双视角匹配性能
k-d树算法成功实现跨视角果实ID统一分配，动态坐标转换矩阵准确率达98.7%，验证了机械臂运动学模型的有效性。

结论与展望
该研究首创的"避障+双视角"协同定位框架，将果园环境下的果实定位精度提升至操作级标准。特别是通过机械臂本体运动参数参与坐标转换的策略，突破了传统纯视觉系统的局限性。未来研究可探索多光谱融合提升复杂光照下的HSV分割鲁棒性，并开发自适应阈值调整算法以应对不同果实品种。这项成果为农业自动化提供了可扩展的技术范式，其核心思想也可迁移至其他作物采摘场景。