基于Kinect的机器人采摘果蔬系统设计.pdf
pnbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;, nbsp; nbsp;, nbsp; ( nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; , nbsp; 430081) nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;, nbsp; nbsp; nbsp; Kinect V2 nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; 。 nbsp; Kinect V2 nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;, nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;; nbsp; , nbsp; nbsp; nbsp; NAO nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;, nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; ; nbsp; , nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;, nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; 。 nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;、 nbsp; nbsp; nbsp; nbsp; nbsp;。 nbsp; nbsp; nbsp; nbsp; ; Kinect nbsp; nbsp; ; NAO nbsp; nbsp;; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; ; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; - nbsp; nbsp; ( nbsp; nbsp; ) nbsp; - nbsp; nbsp; - nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; , nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; , nbsp; nbsp; nbsp; nbsp; , nbsp; nbsp;, nbsp; nbsp; nbsp;[1- 2] 。 nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;, nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;[3- 4] 。 nbsp; nbsp; nbsp;20 nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;。 nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;, nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; , nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;。 nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;, nbsp; nbsp; nbsp; nbsp;, nbsp; nbsp; nbsp; [5] 。 nbsp; nbsp;Yamamoto nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;, nbsp;3 nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; [6] , nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; , nbsp; nbsp; nbsp;, nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; 。 nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;, nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;, nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; [7] 。 nbsp; nbsp; , nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; , nbsp; nbsp; nbsp; nbsp; 。 nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; BP nbsp; nbsp; [8] nbsp; nbsp; nbsp; nbsp; , nbsp; nbsp; LRCD nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;, nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;。 LRCD nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;[9] , nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; 2017- 06- 22 nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; (61371190) nbsp; nbsp; nbsp; (1992- ), nbsp;, nbsp; nbsp; nbsp;, nbsp; nbsp; nbsp;,(E-mail) wangxin920112@163. com。 nbsp; nbsp; nbsp; nbsp;, nbsp; nbsp; nbsp; nbsp; nbsp; 。 nbsp; nbsp; Kinect V2 nbsp; nbsp; , nbsp; NAO nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;, nbsp; nbsp; nbsp; nbsp; , nbsp; nbsp; nbsp; nbsp; nbsp; 、 nbsp; 。 nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; . nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;Kinect V2 nbsp; nbsp; nbsp; nbsp;、 nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;, nbsp; nbsp; nbsp; nbsp; nbsp;, nbsp; 1 nbsp; 。 nbsp; , nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; 。 nbsp; Time of Flight(ToF) nbsp; Depth nbsp; , Depth nbsp; nbsp; nbsp; 0. 5~ 4. 5m。 nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;, nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; , nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;, nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; 。 nbsp;1 nbsp; nbsp; nbsp; Fig. 1 Infrared pulse nbsp; nbsp; Kinect V2 nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;, nbsp;Kinect V1 nbsp; nbsp; nbsp; 9 9 1 2018 nbsp;10 nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; 10 nbsp; nbsp; nbsp; 0. 5m, nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; , nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;、 nbsp; nbsp; nbsp; nbsp;。 nbsp; Kinect V2 nbsp; nbsp; nbsp; nbsp; 2 nbsp; 。 nbsp;2 Kinect nbsp; nbsp; nbsp;Fig. 2 Real- time depth map Kinect nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; 。 nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; 。 nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;。 Kinect nbsp; nbsp; nbsp; nbsp; 3 nbsp; 。 nbsp;3 Kinect nbsp; nbsp; nbsp;Fig. 3 The spatial coordinate system of Kinect nbsp;. nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;, nbsp;4 nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; 、 nbsp; nbsp; nbsp; , nbsp; nbsp; nbsp; nbsp; nbsp; 、 nbsp; nbsp; nbsp; nbsp; nbsp;。 nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;(Matrix Ir) nbsp;370. 306512 0 255. 405011 0 0 370. 180404 209. 588891 0 0 0 1 0 (1) nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; (Rotation) nbsp;0. 999981 -0. 005340 0. 002741 0. 005348 0. 999982 -0. 002714 -0. 002726 0. 002728 0. 999992 (2) nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; (Translation) nbsp; -0. 047444 0. 002786 -0. 012890 (3) nbsp;4 nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; Fig. 4 Depth camera and color camera calibration nbsp;. nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; Kinect nbsp; nbsp; nbsp; nbsp; 16 nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;。 nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;, nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; 。 nbsp; nbsp; nbsp; nbsp;, nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;。 nbsp; nbsp; nbsp; nbsp;( nbsp; , nbsp; , nbsp; ) , nbsp; nbsp; nbsp;( nbsp; , nbsp; ) , nbsp;UI nbsp; nbsp; nbsp; TextBlock, nbsp; nbsp; nbsp; nbsp; MouseLeftButtonUp nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;。 nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;, nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; 。 nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; 1 = nbsp; 0 nbsp;0 0 0 nbsp; nbsp;0 0 0 0 1 0 nbsp;11 nbsp;12 nbsp;13 nbsp;1 nbsp;21 nbsp;22 nbsp;23 nbsp;2 nbsp;31 nbsp;32 nbsp;33 nbsp;3 nbsp; nbsp; nbsp; 1 (4) nbsp;. nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; (1)~ nbsp;(4), nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;= nbsp; -255. 41 nbsp; 370. 31 (5) nbsp; = nbsp; -209. 60 nbsp; 370. 02 (6) nbsp; (5)~ nbsp;(6) nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;( nbsp; , nbsp; , nbsp; ) 。 nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; NAO nbsp; nbsp; nbsp; nbsp;5 nbsp; nbsp; , nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; D- H nbsp; nbsp; nbsp; nbsp; nbsp;, nbsp; nbsp; = nbsp;1 nbsp;2 nbsp;3 nbsp;4 nbsp;5 = nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; 0 0 0 1 (7) 0 0 2 2018 nbsp;10 nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; 10 nbsp; (7) nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;。 nbsp; , nbsp; nbsp; nbsp; nbsp; nbsp;。 nbsp; D- H nbsp; NAO nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; ,5 nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; RShoulderPitch 、RShoulderRoll 、RElbowYaw 、REl- bowRoll 、RWristYaw 。 nbsp; , nbsp; nbsp; nbsp; nbsp;= nbsp;θ nbsp;- nbsp;θ nbsp;0 nbsp; - 1 nbsp;θ nbsp; α nbsp;- 1 nbsp;θ nbsp; α nbsp;- 1 - nbsp;α nbsp;- 1 - nbsp; nbsp;α nbsp;- 1 nbsp;θ nbsp; α nbsp;- 1 nbsp;θ nbsp; α nbsp;- 1 nbsp;α nbsp;- 1 nbsp; nbsp;α nbsp;- 1 0 0 0 1 (8) nbsp; , nbsp;θ nbsp;=sinθ nbsp;, nbsp;θ nbsp;=cosθ nbsp;, nbsp;α nbsp;- 1 =sinα nbsp;- 1 , nbsp;α nbsp;- 1 =cosα nbsp;- 1 。 NAO nbsp; nbsp; nbsp; D- H nbsp; nbsp; 1 nbsp; 。 nbsp;1 NAO nbsp; nbsp; nbsp;D- H nbsp; Table 1 The NAO robot arm D- H parameters nbsp;α nbsp;θ nbsp; nbsp; nbsp; nbsp;1 5 π/ 2 乙 0 , θ 1 0 浇 - 2 / . 086~ 2. 086 2 5 - π/ 2 觋 0 , θ 2 0 浇 - 1 / . 562~ 0. 078 3 5 π/ 2 乙 105 T θ 3 0 浇 - 2 / . 086~ 2. 086 4 5 - π/ 2 觋 0 , θ 4 0 浇 - 1 / . 562~ 0. 009 5 5 0 ⅱ 113 3 . 7 θ 5 0 浇 - 1 / . 824~ 1. 824NAO nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; , nbsp; nbsp; nbsp; nbsp; nbsp; , nbsp; RElbowYaw、RWristYaw nbsp;RElbowRoll nbsp; nbsp; nbsp; nbsp; nbsp;, nbsp; nbsp;= nbsp;RElbowYaw = nbsp;RwristYaw = nbsp;RElbowRoll (9) nbsp; nbsp; nbsp;5 nbsp; nbsp; nbsp;D- H nbsp; nbsp; nbsp; nbsp; nbsp; 。 nbsp; (7)~ (9) nbsp; tan θ1 = 113. 7 nbsp; - nbsp; 113. 7 nbsp; - nbsp; (10) nbsp; , nbsp; θ nbsp;。 nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;5 nbsp; nbsp; nbsp; nbsp; nbsp; , nbsp; nbsp; nbsp; nbsp; 。 nbsp;5 nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; 。 nbsp;5 nbsp; nbsp; 5 nbsp; nbsp;Fig. 5 Five joints of the right arm of NAO robot nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;NAO nbsp; nbsp; nbsp;WiFi nbsp; nbsp; nbsp; nbsp; nbsp; , nbsp; nbsp; nbsp; IP nbsp; nbsp; nbsp; nbsp; , nbsp; nbsp; nbsp; nbsp; nbsp; 。 NAOqi nbsp; nbsp; nbsp; nbsp; nbsp;, nbsp; nbsp; nbsp; nbsp; nbsp;(LPC) nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;, nbsp; ALMemory nbsp; nbsp; nbsp; nbsp; nbsp; 。 nbsp; nbsp; nbsp; nbsp; Python nbsp; nbsp; , nbsp; nbsp; nbsp; nbsp; , nbsp; nbsp;Py- thon nbsp; nbsp;NAOqi nbsp;AldebaranSDV, nbsp; nbsp; nbsp; nbsp; nbsp;。 Kinect V2 nbsp; C# nbsp; nbsp; nbsp; , nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;, nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; 。 nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;PC nbsp;, nbsp; nbsp; nbsp;PC nbsp; nbsp; nbsp; nbsp;Kinect nbsp; nbsp;, nbsp; nbsp; nbsp; nbsp;。 nbsp; nbsp; nbsp; nbsp;. nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;6 nbsp; 。 nbsp;6 nbsp; nbsp; nbsp; nbsp; nbsp; Fig. 6 Flow chart of robot picking fruits and vegetables nbsp; nbsp; nbsp; nbsp; nbsp; 1)Kinect V2 nbsp; nbsp; nbsp; nbsp; nbsp; , nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;, nbsp; nbsp; nbsp;RGB nbsp; nbsp; nbsp; nbsp; 1 0 2 2018 nbsp;10 nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; 10 nbsp; nbsp; 。 2) nbsp; nbsp; nbsp; nbsp; MouseLeftButtonUp nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; ( nbsp; , nbsp; , nbsp; ) nbsp; nbsp; nbsp; Torso nbsp; nbsp; ( nbsp; , nbsp; , nbsp; ) , nbsp;Kinect nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;。 3) nbsp; NAOqi nbsp; nbsp; walkto(x,y,theta) nbsp; , nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; , nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; ; nbsp; nbsp; Kinect nbsp; nbsp; nbsp; nbsp; nbsp; , nbsp; nbsp; nbsp; nbsp; nbsp; 。 nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;, nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;5mm, nbsp; nbsp; nbsp;walkto nbsp; nbsp; nbsp; nbsp; 。 4) nbsp; nbsp; nbsp; nbsp; nbsp;,NAO nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; , nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;, nbsp; 7 nbsp; 。 nbsp;7 nbsp; nbsp; nbsp; nbsp; nbsp;Fig. 7 Robot picks up fruits and vegetables nbsp;. nbsp; nbsp; nbsp; nbsp;Kinect nbsp; nbsp; nbsp; nbsp; nbsp;2 nbsp; 。 nbsp;Kinect nbsp; nbsp; nbsp; nbsp; , nbsp; nbsp; nbsp;, nbsp; nbsp; nbsp;2mm nbsp; , nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;, nbsp; nbsp; nbsp; nbsp; 0. 15s。 nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;50 nbsp; nbsp; nbsp; nbsp; , nbsp; nbsp; 3 nbsp; 。 nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; , nbsp; nbsp; nbsp; 78%。 nbsp;2 Kinect nbsp; nbsp; nbsp; nbsp; nbsp;Table 2 Several groups of 3D coordinates obtained by Kinect m nbsp; nbsp; nbsp; - 0 鞍 . 114 72 0 父 . 341 93 2 . 091 85 - 0 鞍 . 247 30 0 父 . 321 58 0 . 578 21 0 晻 . 121 92 0 父 . 328 12 1 . 108 89 0 晻 . 255 78 0 父 . 289 82 0 . 712 86 - 0 鞍 . 191 91 0 父 . 302 43 0 . 704 94 nbsp;3 nbsp; nbsp; nbsp; nbsp; nbsp; Table 3 Robot picking up fruits and vegetables statistics nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; 50 档 nbsp; nbsp; 39 档 nbsp; nbsp;% 78 晻 . 0 nbsp; nbsp; nbsp; nbsp; s 0 m . 15 nbsp; nbsp; nbsp; s 5 亖 . 2 nbsp; nbsp; nbsp; nbsp;Kinect nbsp; nbsp; nbsp; nbsp; nbsp; , nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; , nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;, nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; 2mm, nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; 。 nbsp; , nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;, nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; 。 nbsp; nbsp; nbsp; nbsp; nbsp;, nbsp; D- H nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;, nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;, nbsp; nbsp; nbsp; nbsp; nbsp;。 nbsp; nbsp; [1] nbsp; nbsp;. nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;[D]. nbsp; nbsp; nbsp; nbsp; ,2013. [2] nbsp; nbsp;. nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; [D]. nbsp; nbsp; nbsp; nbsp; ,2012. [3] Scarfe A J,Flemmer R C,Bakker H H, et al. Development of an autonomous kiwifruit picking robot[C]/ /International Conference on Autonomous Robots andAgents. IEEE, 2009 380- 384. [4] Schuetz C,Baur J,PfaffJ,etal. uationofadirectopti- mizationfortrajectoryplanningofa 9- DOFredundant fruit- picking manipulator[C]/ /IEEE International Confer- ence on Robotics and Automation. Seattle,WA,USA IEEE, 20152660- 2666. [5] Zhou Z,BontsemaJ,VanL. DevelopmentofCucumberHar- vesting Robot inNetherlands[J]. TransactionsoftheChinese Society of Agricultural Engineering, 2001(6)77- 80. [6] Yamamoto S,HayashiS,YoshidaH,etal. Developmentofa stationary robotic strawberry harvester with picking mecha- nismthat approaches target fruit from below. (Part 3)- Per- ance test with a movable bench system. [J]. Japan Agri- cultural Research Quarterly, 2014, 71(6)71- 78. [7] nbsp; nbsp;. nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;[D]. nbsp; nbsp; nbsp; nbsp; , 2006. ( nbsp; nbsp;207 nbsp;) 2 0 2 2018 nbsp;10 nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; 10 nbsp; nbsp; nbsp; nbsp; nbsp; [J]. nbsp; nbsp; nbsp; nbsp; ,2010,30 (1)197- 201. [22] nbsp; , nbsp; nbsp;, nbsp; , nbsp;. nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; [J]. nbsp; nbsp; nbsp; ,2010,34(7) 854. [23] nbsp; nbsp;, nbsp; nbsp;, nbsp; nbsp;, nbsp;. nbsp; nbsp; nbsp; nbsp; SVM nbsp; nbsp; nbsp; nbsp; nbsp;[J]. nbsp; nbsp; nbsp;,2013,35(8)30- 34. [24] nbsp; nbsp;, nbsp; . nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; [J]. nbsp; nbsp; nbsp; ,2014,45(9)44- 54. [25] nbsp; , nbsp; nbsp;. nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; [J]. nbsp; nbsp; nbsp; nbsp;,2009(4)42- 46. [26] nbsp; nbsp;, nbsp; , nbsp; nbsp;, nbsp;. nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp;[J]. nbsp; nbsp; ,2014,34(7)1- 7. nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; nbsp; Based on the Standard Motion Detection System of Soccer Match Wang Meng (Inner Mongolia Medical University, Hohhot 010110, China) nbsp; nbsp; nbsp; nbsp; Inthepickingprocessofstrawberrybrokenfruit,inordertoreducethedamagerateoffruit,improvetherobot picking efficiency, it proposes an edge detection algorithm to capture the standard action of picking robot motor skills training basedontheofreferencetechnologyforfootballstandardantiplayedgedetectioninthefierce,so it canachievethebestactioncapturerobot. Inordertoimprovetheeffectofedgedetection,itcomparedtheSobelopera- tor, Reborts operator, Log operator and Canny operator. Finally,the Log operator with higher accuracy is used to detect the edge of the image. The simulation and experiment of two s to verify the scheme,as demonstrated by the simu- lation and experimental results,the scheme can effectively capture the best attitude of the picking robot,and the scheme of training of picking robot can significantly reduce caused by the process of picking fruit damage rate,which provides a reference for the design of modern technology high precision picking ro/p