面向果园机器人采收的几何感知水果抓取估计

田间机器人采收是农业产业近期发展中一项很有前景的技术。在自然果园中进行采收之前，机器人识别和定位水果至关重要。然而，果园中采收机器人的工作空间十分复杂：许多水果被枝条和叶片遮挡。在执行操作前，为每个水果估计一个合适的抓取姿态非常重要。在本研究中，我们提出了一个几何感知网络 A3N，利用来自 RGB-D 相机的颜色和几何传感数据，执行端到端的实例分割和抓取估计。此外，应用工作空间几何建模来辅助机器人操作。而且，我们实现了一种全局到局部的扫描策略，使机器人能够利用两个消费级 RGB-D 相机在田间环境中准确识别和检索水果。我们还在实验中全面评估了所提出网络的准确性和鲁棒性。实验结果表明，A3N 在实例分割准确率上达到 0.873，平均计算时间为 35 ms。抓取估计的平均中心误差和方向误差分别为 0.61 cm 和 4.8$^{\circ}$。总体而言，利用全局到局部扫描和 A3N 的机器人系统，在田间采收实验中实现了 70% 到 85% 的采收成功率。