摘要
本发明涉及水果自动化采摘技术领域,具体涉及一种结合力学模型的运动水果自动抓取方法;该方法首先捕获三维场景,随后在三维点云上进行水果的识别和定位,再采用简谐运动方程对水果未来位置进行第一次预测,同时设计并训练LSTM神经网络模型对水果未来位置进行第二次预测,对两次预测结果进行加权平均得到融合后的预测结果,最后控制机械手进行水果的自动摘取;本方法结合力学模型和神经网络技术提高了对水果轨迹预测的准确性,且能够直接在三维点云数据上进行水果的识别定位,减少了数据预处理的复杂性,通过融合的多种预测方法,增强了整体方案的鲁棒性,能够适用于各种不同的水果以及摘取环境。
技术关键词
LSTM神经网络模型
抓取方法
三维点云数据
自动化采摘技术
深度学习算法
控制机械手
方程
轨迹预测方法
神经网络技术
运动
力学
带阻尼
鲁棒性
场景
非线性
参数
系统为您推荐了相关专利信息
水源识别
光谱特征信息
光谱传感器
灰色关联算法
协方差矩阵
点云语义分割方法
偏移特征
语义特征
多层感知机
融合特征
场景识别方法
场景类别
多头注意力机制
卫星观测数据
深度学习模型