鲜果采摘功课劳动力需求大、机械化难度高，目前仍次要依赖人工。跟着劳动力成本上升，成长智能化采摘手艺成为火急需求。现有基于机械视觉的从动采摘系统受复杂光照、果实遮挡等非布局化影响，识别精度和及时性难以满脚现实需求。体感手艺做为人机交互的主要手段，已正在多个范畴取得使用。正在农业范畴，Leap Motion等体感设备为机械臂节制供给了新思，其手部交互体例比拟Kinect更具操做便利性。现有研究多集中于手势识别和机械臂节制算法优化，但正在采摘功课中的使用仍有待深切。本文基于Leap Motion体感手艺，提出一种人机协做采摘系统。通过成立多度机械臂活动模子，实现手部活动精准映照节制，并设想一键采摘指令交互模式。该系统充实阐扬人类视觉劣势，连系机械人功课能力，为复杂下的果实采摘供给了一种高效、平安的处理方案。

　　由教育部从管、高档教育出书社从办的《前沿》（Frontiers）系列英文学术期刊，于2006年正式创刊，以收集版和印刷版向全球刊行。系列期刊包罗根本科学、生命科学、工程手艺和人文社会科学四个从题，是我国笼盖学科最普遍的英文学术期刊群，此中12种被SCI收录，其他也被A&HCI、Ei、MEDLINE或响应学科国际权势巨子检索系统收录，具有必然的国际学术影响力。系列期刊采用正在线优先出书体例，文章以最快速度颁发。

　　本研究立异性地采用Leap Motion体感设备建立手势交互节制系统，通过捕获操做者的手部动做实现以小控大的机械臂精准操控。系统由采摘施行机构 (六度机械臂)、手部消息采集模块、人机交互界面和协做节制策略四部门构成，构成完整的硬件-软件协同架构，如图1所示人机协做采摘机械人的布局图。出格设想的一键采摘指令模式，将复杂的采摘动做简化为双击手势操做，不只大幅降低了操做门槛，还使人工劳动强度削减50%以上，为高劳动强度的农业采摘功课供给了智能化处理方案。

　　注：1， 大臂；2， 肘关节电机；3， 小臂；4， 腕关节电机；5， 前臂；6， 腕扭转关节电机；7， 支架；8， 果梗切割电机；9， 双刃割刀；10， 结尾施行器；11， 结尾施行器电机；12， 肩关节电机；13， 腰关节；14， 基座；15， PC机；16， Leap Motion。研究团队基于D-H参数法成立了六度机械臂的完整活动学模子。立异提出的四步逆活动学优选方式，通过机械检测、解的准确性验证、活动合评估和轨迹滑润性优化四个递进筛选步调，从多组逆解中从动选择最优活动方案。该方式经MATLAB Robotics Toolbox仿实验证，正在连结结尾定位精度 ( 2 mm) 的同时，使关节活动量削减35%，显著提拔了机械臂正在稠密果实中的避障能力和活动效率。如图2所示为机械臂活动范畴示企图。

　　本研究通过MATLAB Robotics Toolbox对机械臂活动节制算法进行了系统的仿实正在验验证。仿实过程中，起首基于D-H参数法成立了六度机械臂的切确活动学模子，并正在虚拟中设置了包含妨碍物的典型采摘场景；然后针对提出的四步逆活动学优选方式 (机械判断解的准确性验证活动合评估轨迹滑润性优化)，通过规划从初始到五个典型方针点的活动轨迹进行测试。仿实成果显示，优化后的逆解算法比拟保守方式使关节活动量平均削减35%，结尾施行器定位精度达到 2 mm，同时无效避免了机械臂取虚拟中妨碍物的碰撞。此外，通过对比阐发分歧活动轨迹的关节角度变化曲线，验证了该算法正在活动精度的同时，显著提高了轨迹的滑润性和持续性，为后续实物样机的节制机能供给了理论根据和参数优化指点。如图3所示为体感互动采摘尝试过程。(a)， 体感对靶；(b)， 采摘指令；(c)， 从动采摘；(d)， 从动卸果。

　　本文针对机械视觉正在果实识别中的局限性，该系统通过Leap Motion节制器捕获操做者手势，连系六度机械臂实现精准采摘。立异性地采用D-H法成立活动学模子，并提出包含机械判断等四步优选方式的逆活动学求解策略。经MATLAB仿线 ms的快速响应，采摘效率达每果6。5 s，手势识别精确率96。7%。尝试表白，该系统能无效提拔非布局化下的采摘效率！

　　本研究提出了一种基于Leap Motion体感节制的人机协做采摘机械人系统，次要立异点包罗：(1) 建立了手势交互节制系统，实现小范畴手部动做节制大范畴机械臂活动，并采用一键采摘模式降低劳动强度；(2) 开辟了四步优选逆活动学求解方式 (机械/准确性/合/滑润性筛选)，通过MATLAB仿线) 采用局部加权回归算法处置手部数据，将Leap Motion的静态漂移节制正在1。5 × 1。4 mm内；(4) 成立了交互空间取机械臂工做空间的映照关系，实现深度标的目的误差 7 mm、高度标的目的误差 6 mm的精准对靶。尝试表白，系统平均响应时间74。4 ms，采摘效率达每果6。5 s，手势识别精确率96。7%，显著提拔了复杂下的采摘机能。