一种智能FRP夹持装置及其应用的制作方法

本发明涉及采摘机械领域，特别涉及一种智能FRP夹持装置及其应用。

背景技术：

中国作为农业大国，果蔬产业是重要产业之一，果蔬采摘机器人是发展现代化果蔬产业的重要手段，其中，末端执行器是保证果蔬采摘品质的关键执行部件。目前，我国的果蔬采摘机械化作业与国外相比仍有较大差距，特别是夹持装置方面存在许多关键性的技术问题。国内现有的夹持装置主要由基板、动力机构和夹指组成，机动性和智能性不高，缺乏采摘过程的实时信息反馈机构，同时作物采摘率较低、果实损伤率较高。

技术实现要素：

本发明的目的在于克服现有技术中存在的缺点，提供一种通用性好、采摘效率高、果实损伤率小的智能FRP夹持装置及其应用。

本发明通过下述技术方案实现：

一种智能FRP夹持装置，包括仿生波型拨杆、FRP夹指、驱动电机、连接板和固定基板；固定基板是整个夹持装置的基本框架；连接板有多个，固定安装在固定基板上，分别用于连接机械臂、仿生波型拨杆、仿生波型拨杆驱动电机和FRP夹指驱动电机；FRP夹指包括固定夹指和运动夹指，固定夹指直接安装在固定基板上，运动夹指与FRP夹指驱动电机相连接，可在FRP夹指驱动电机的输出轴上运动；安装在固定基板后端的拨杆连接板上设置有拨杆导轨，拨杆导轨上插接有仿生波型拨杆，仿生波型拨杆与拨杆驱动电机相连接，可在拨杆驱动电机的输出轴上运动。

拨杆连接板上设置有视觉传感器安装螺柱，用于安装视觉传感器。

所述仿生波型拨杆的外轮廓为正弦曲线，其末端尖角形状类似蝗虫、蜗牛等生物的触角。仿生波型拨杆上安装有障碍物识别器，用于识别夹持装置前方的障碍物。障碍物识别器可以是视觉传感器，也可以是触觉传感器,实际使用时只需采用其中一种传感器。

当使用视觉传感器来识别障碍物时，视觉传感器为摄像头，将摄像头固定于拨杆连接板上，实时采集仿生波型拨杆前方的数字图像,然后通过对摄像头采集的数字图像进行处理，实现对障碍物的识别并发出识别信号。对于特定的夹持目标，预先存储特定的障碍物模板图像，然后进行模板匹配。例如采摘对象为荔枝时，预先存储足量的荔枝叶、荔枝枝干图像，然后选择最能凸显荔枝叶与荔枝枝干特征的最优颜色通道，并将模板图像中的该颜色通道与目标图像的该颜色通道进行模板匹配，如果绝对值和(SAD)相似性测度的值超过预设的阈值，则发出障碍物识别信号。

当使用触觉传感器来识别障碍物时,触觉传感器为碳素纤维式触觉传感器，将碳素纤维式触觉传感器直接贴在仿生波型拨杆的前端，当碳素纤维式触觉传感器触碰障碍物时，碳素纤维受压与电极接触导电，发出识别信号。

在背景简单、障碍物较小且触觉传感器难以触碰到的环境下，优选视觉传感器来识别障碍物；在背景复杂或光照不佳的环境下，优选触觉传感器来识别障碍物。

所述仿生波型拨杆的工作原理为：在采摘过程中，一方面，装置本身随着机械臂的运动而运动，从而到达夹持目标并进行夹持；另一方面，机械臂的运动也带动仿生波型拨杆伸进枝叶中，同时障碍物识别器实时不间断地进行障碍物识别工作。如果在某一时刻障碍物识别器获得了识别障碍物的信号，则通过拨杆驱动电机来驱动仿生波型拨杆在导轨上滑动，从而向外拨开枝叶等障碍物。同时，仿生波型拨杆的正弦曲线外轮廓具有阻碍枝叶恢复到最初位置的功能，保证其可以可靠、有效地拨开障碍物。

所述FRP夹指还包括FRP软垫，FRP软垫的厚度为2mm，是采用碳纤维浸渍胶将FRP软垫材料粘贴于固定夹指和运动夹指的指面上，并且完全覆盖夹指的内侧。FRP软垫材料的重量轻、韧性高、弹性形变好，在保证提供稳定夹持力的同时，能有效防止果梗或果实的损伤，节省后续需人工减去损伤果梗的步骤。

FRP夹指在夹持串类果实时，夹持端的形状为两种不同尺寸的V型齿面结构；对于果梗直径为3mm～6mm的小果串，使用槽角θ＝60°的齿面夹持；对于果梗直径为6mm～10mm的大果串，使用槽角θ＝90°的齿面夹持。

FRP夹指在夹持球类果实时，夹持端的形状为橄榄形指面结构；橄榄形指面结构能够适应多种曲率果实形状，有利于夹持各种曲率的球状果实。同时，橄榄形指面结构也可以用于对圆木、方木、金属工件的夹持。

本发明的智能FRP夹持装置可以应用于果蔬采摘机器人的末端执行器，也可以应用于夹持木材、金属工件机器人的末端执行器；若本发明的智能FRP夹持装置采用大功率的拨杆驱动电机和夹持驱动电机，则该智能FRP夹持装置还可以应用于紧急救援过程中对大型障碍物的拨开或夹持工作。

本发明与现有技术相比具有如下优点和效果：

(1)本发明的仿生波型拨杆通过视觉或触觉传感器来实时识别夹持装置前方的障碍物，提高了装置的智能化、自动化程度。

(2)本发明的仿生波形拨杆的外轮廓为正弦曲线形状，前端为钩状，能有效防止在拨开障碍物的过程中打滑而导致拨开失败，提高工作效率。

(3)本发明的FRP夹指的夹持端指面，当果实为串类果实时，形状为V型齿面结构，通过不同的槽角适应不同大小的串类果实的果梗，避免因为槽角过小而刺断较粗的果梗，或者因为槽角过大而无法夹稳较小的果梗。

(4)本发明的FRP夹指的夹持端指面，当果实为球类果实时，形状为橄榄形结构，能够适应多种曲率和形状的果实表面，同时也可以用于对圆木、方木、金属工件等对象的夹持，适用范围广。

(5)本发明的夹指上贴有FRP材料保护软垫，由于FRP材料具有重量轻、韧性高、弹性形变好的优点，在提供稳定夹持力的同时能防止果梗或果实的损伤。

附图说明

图1是使用V型指面时的智能FRP夹持装置结构示意图。

图2是使用橄榄形指面时的智能FRP夹持装置结构示意图。

图3是FRP夹指的V型指面结构示意图。

图4是视觉识别障碍物的模板匹配算法流程图。

图中：1、机械臂连接板；2、拨杆导轨；3、夹指驱动电机；4、夹指驱动电机连接板；5、仿生波型拨杆；6、串类固定夹指；7、触觉传感器；8、FRP软垫；9、串类运动夹指；10、夹指丝杠螺母；11、电机紧固螺钉；12、拨杆驱动电机连接板；13、拨杆驱动电机；14、导轨固定螺栓；15、拨杆连接板；16、视觉传感器；17、摄像机安装螺柱；18、拨杆丝杠螺母；19、球类固定夹指；20、球类运动夹指。

具体实施方式

下面结合实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。

实施例1

一种智能FRP夹持装置，如图1和2所示，包括仿生波型拨杆、FRP夹指、驱动电机、连接板和固定基板。固定基板是整个夹持装置的基本框架。连接板包括固定在固定基板后方的机械臂连接板1、固定基板后方的拨杆连接板15、固定基板左侧的夹指驱动电机连接板4和固定基板右后侧的拨杆驱动电机连接板12。机械臂连接板1用于使夹持装置与外部机械臂连接。通过导轨固定螺栓14将拨杆导轨2固定在拨杆连接板15上，当拨杆驱动电机13驱动时，仿生波型拨杆5可在拨杆丝杠螺母18的作用下在拨杆导轨2上平行移动。拨杆驱动电机13通过电机紧固螺钉11固定在拨杆驱动电机连接板12上。夹指驱动电机3与拨杆驱动电机13一样，也由电机紧固螺钉固定在夹指驱动电机连接板4上。当夹指驱动电机3驱动时，串类运动夹指9或球类运动夹指20在夹指丝杠螺母10的作用下，向串类固定夹指6或球类固定夹指19靠近，实现夹持动作。夹指前端的触觉传感器7可通过粘贴方式附于夹指上，装置后端的视觉传感器16可通过摄像机安装螺柱17安装于拨杆连接板15上。具体使用时，只需安装触觉传感器7或视觉传感器16。

当智能FRP夹持装置用于采摘串类水果时，首先通过视觉传感器16或触觉传感器7进入工作状态。同时，与机械臂连接板1连接的机械臂在外部信号的作用下运动，带动整个夹持装置运动。视觉传感器16或触觉传感器7在这个过程中实时检测是否存在障碍物。当发现障碍物时发出障碍物识别信号，这时拨杆驱动电机13开始工作，使仿生波型拨杆5在拨杆连接板15的拨杆导轨2上平行移动，拨开障碍物。仿生波型拨杆5在拨杆驱动电机13的驱动下拨开目标旁边的障碍物，然后串类运动夹指9在夹指驱动电机3的驱动下，向串类固定夹指6靠近，夹持果实。当智能FRP夹持装置用于夹持球状果实时，将串类运动夹指9上下翻转姿态，并安装上橄榄型的球类运动夹指20的指面，与球类固定夹指19配合，其余过程与上述对串类水果夹持的过程相同。

以串类果实为例阐述本智能FRP夹持装置工作过程：在采摘串类果实过程中，如荔枝、龙眼、葡萄、番茄果穗等，首先将本夹持装置安装在机械臂上，然后夹持装置在机械臂的带动下运动到所要采摘的串类果实的位置。在夹持装置从起始位置运动到夹持位置的此过程中，视觉传感器16或触觉传感器7持续工作，实时检测是否存在障碍物。若在某个时刻检测到障碍物存在，则发出障碍物存在的信号，控制拨杆驱动电机13转动，使仿生波型拨杆5在拨杆导轨2上移动，拨开障碍物。障碍物被拨开后，串类运动夹指9在夹指驱动电机3的驱动下，向串类固定夹指6靠近，夹持果实。对于球类果实，则换用橄榄形夹指，夹持过程与串类果实的夹持过程完全相同。

如图3所示，是夹持串类果实时的FRP夹指V型齿面结构。其中，θ为V型指面槽角，夹持细果梗时θ＝60°，夹持粗果梗时θ＝90°；h为V型指面的槽高，h＝4mm；b为V型指面指顶宽度，b＝2mm。

如图4所示，是视觉识别障碍物的模板匹配算法，具体步骤为：

(1)对于特定的夹持目标，预先存储n张该夹持目标旁的常见障碍物的图像，构建障碍物模板图像库；

(2)根据障碍物模板图像的颜色特征，提取最能凸显障碍物特征的颜色通道，构建障碍物颜色模板图像库；

(3)用张正友标定法对摄像机进行单目标定，获取标定参数；

(4)摄像机拍摄一帧前方图像，并使用标定参数对采集的图像进行畸变校正；

(5)对校正后的图像进行预处理，即进行中值滤波和直方图均衡化，以去除图像中的主要噪点并提高对比度，凸显障碍物特征；

(6)对预处理后的图像进行颜色通道提取，该颜色通道与步骤2中所述颜色通道应一致；

(7)用障碍物颜色模板图像库中的n幅模板图像，对上一步中所提取的颜色通道图像进行遍历，取遍历过程中的最大SAD值作为相似性测度；每个模板得到一个最大SAD相似性测度，则最终得到n个最大SAD相似性测度；SAD相似性测度计算公式如下：

式中，src为已经经过畸变校正、预处理和颜色通道提取的图像，templete是像素大小为M×N的模板图像。SAD(i,j)为src中以坐标值为(i,j)的像素点为锚点的SAD相似性测度；

(8)在步骤(7)所得n个最大SAD相似性测度中，再取其最大值，将此最大值与人为设定的阈值比较；若大于阈值，发出障碍物存在信号，返回步骤(4)；若小于阈值，不做处理，同样返回步骤(4)。