外文翻译--黄瓜采摘机器人的无碰撞规划【中英文文献译文】
外文翻译-黄瓜采摘机器人的无碰撞规划【中英文文献译文】,中英文文献译文,外文,翻译,黄瓜,采摘,机器人,碰撞,规划,计划,中英文,文献,译文
潍坊学院本科毕业设计生物系统工程(2003)86(2)135-144 DOI:10.1016/S1537-5110(03)00133-8 AE自动化与新兴技术黄瓜采摘机器人的无碰撞规划E.J.凡Henten J.海明; B.A.J.凡Tuijl; J.G.短号;研究Bontsema温室工程,农业和环境工程研究所(IMAG BV公司),箱43,NL-6700机管局瓦赫宁根,荷兰;电子邮件通讯作者:eldert.vanhenten wur.nl(2002年4月26日收到,2003年7月8号以修订后的形式接受; 2003年8月29日在网上发表)在农业和环境工程学院,对于黄瓜自动收获机,其中最大的一个挑战方面就是在采摘的过程中实现一种快速精确的手眼协调的操作。这个程序包含两个主要的组成部分。首先,采集信息机器人的工作环境,其次,一个程序可以让机器人末端执行器对黄瓜产生无碰撞机械运动。这篇文章主要阐述了后者,无碰撞机械运动所产生的所谓的路径搜索算法。在这项研究中这个A-search算法被应用着,用一些数值的例子对黄瓜收割应用的搜索过程分析说明。得出的结论是,无碰撞运动可以用于采摘黄瓜的机械手的自由度的计算。这个A-search算法非常易于实施和鲁棒。当找不到解决方案时这个算法要不产生一个解决方案要不就停止工作。这个有利的财产然而却使算法过分的缓慢,结果表明这个算法不包括多智能的搜索过程。我们可以知道,为了满足每10S为一个单一收获循环的要求,还需要做进一步的研究,去寻找发现快速的算法,使用尽可能多的关于这个问题特定结构的信息来产生解决方案,如果这个算法找不到解决方案并能给出明确的信息。1. 介绍1996年,农业和环境工程学院开始研究自主的黄瓜采摘机器人的发展,这个项目是由荷兰农业部,食品和渔业部门支持的。为农业应用设计机器人的任务所提出的议题不涉及其他行业(Gielinget al., 1996 ; Van Kollenburg-)。机器人必须处在一个高度非结构化环境中,在这里没有两个场景是一模一样的。农作物和水果都易于被机械损伤应给小心处理。机器必须能够在不利的条件下运转,如相对较高的温度和湿度以及光线变化的条件。最后,为了符合成本效益,就机器人采摘运动的速度和成功率而言,机器人需要满足高的性能特点。在这个项目中这些具有挑战性的问题已经被一个机械工程,传感技术(计算机视觉等),系统和控制工程,电子、软件工程,物流,最后但不是最少园艺工程分享的互动的方式解决(Van Kollenburg-Crisan et al., 1997 ; Bontsema et al., 1999 ; Meuleman et al., 2000 )。自动收割机的开发研制中最具有挑战性的问题之一就是达到快速精确的手眼协调的,即达到机器人在采摘运动中感官信息的采集和机器人运动控制之间的有效相互作用,就像人们做的那样。在园艺实践中,一个训练有素的工人只需要3-6S采摘和存储一个水果,那种表现是很难被打败的。幸运的是,就机器人的采摘速度而言没有必要达到那么高的性能特点。一项任务分析显示,考虑经济可行性,一个单一采摘运动可能只需要10S (Bontsemaet al., 1999 )。仍然,机器人运动应尽可能快的同时防止机器手的碰撞,手和收获水果作物,温室结构还有机器人自身的碰撞(如汽车视觉系统)。在荷兰,黄瓜生产设施,机器人运行在一个非常紧张的工作环境中。最后,为了保证收获果实的质量,在运动路径的各个部分对机械手的速度和加速度加以约束。为了达到理想的手眼协调,一个人需要环境的感官信息的采集和算法去为机械手计算这种无碰撞运动。正像Meuleman et al. (2000) 报道的那样。在这个项目中感觉系统是基于计算机视觉的。本文着重论述了收获机的机械手的无碰撞运动轨迹的快速生成。尽管有相当大的研究工作花在自动收集蔬菜水果方面,但是这个问题在农业工程研究中没有引起人们极大的关注。(see e.g. Kondoet al., 1996 ; Hayashi& Sakaue, 1996 ; Arima & Kondo, 1999 )。本文概述如下,在第二节对采摘机器人进行了阐述,在第三节,讲述的是一个单一收获操作的任务序列,然后,第四节,表述的是无碰撞规划的自动算法的组成。为了能够深入洞察算法的运行,在第五节对该算法在第二级自由度的机械手上进行了解释说明,第六节包含一个应用于收获机器人身上的six-DOF RV-E2三菱机械手的运动规划实验结果。第七节包含结束语和对未来研究的建议。2采摘机器人 图1.黄瓜收获机器人的功能模型;(a)车辆;(b)广角相机;(c)七度的自由度机械手;(d)最终效应;(e)激光测距仪和摄像机的位置当地成像;(f)计算机和电子产品;(g)与220伏电源线卷轴;(h)气动泵;(i)供热管 图一中,一个采摘机器人的功能模型被展示出来。它包含一个用于温室走道里的收获机进行粗定位的自主车辆。这车采用加热管作为一个铁路进行指导和支持。它作为一个移动平台装载电源、主动泵、各种数据收集和控制的电子硬件、一个用于监测和定位植物上黄瓜位置的广角摄像系统和一个用于机械末端运行器定位的七个自由度的机械手。这个机械手由安装着六个自由度的Mitsubishi RV-E2机械手的滑动线路构成。这个RV-E2机械手包括一个人形的机械手臂和球形的手腕。这个机械手有个能够抓去0.2毫米的稳态精度并能够在恶劣的温室气候(高湿度和高温度)条件下满足一般的卫生的操作方面的要求。这个机械手装有一个末端执行器。它包括两部分:一个爪抓住水果,另一个爪切割水果从植物上分离出来。这个末端执行器带有一个末端激光测距系统或一个小相机。他们是用来在黄瓜附近能够更好地进行运动控制而获取感官信息的,如果需要的话。3.单一收割运动的任务序列图2. 一个单一的收获作业任务序列:3D,三维,TCP,工具中心点图二展示的是一个单一的收获运动的一个任务序列。在采摘操作中接近黄瓜被公认为是一个两阶段的过程。首先,用安装在车辆上的摄像系统,黄瓜果实被检测到他的成熟认定和位置是不确定的。如果我们决定采摘黄瓜则低分辨率图像的车载摄像机就用于定位机器人末端执行器邻近黄瓜附近这一带。一旦末端执行器抵达邻近的黄瓜,然后利用末端执行器上面的激光测距系统或摄像系统为最终的准确的接近黄瓜获得黄瓜定位环境的高分辨率的信息。末端执行器紧握并消减果子的茎。夹持固定分离的水果最后收获果实移动到存储箱。避障运动规划将用于黄瓜的初步做法以及收获黄瓜回程箱子,来保证,如机器人车辆本身的工作空间中的其他对象,但也源于,如果目前,叶片和温室建设的部分都没有命中。显然,收获的黄瓜,增加最终的效应,应考虑在机械臂返回到存储议案的大小。黄瓜的平均长度为300mm。4.一个无碰撞运动规划算法图3.无碰撞的自动生成程序议案图3显示了一个程序,自动生成赫尔曼(1986年)的工作基础上的黄瓜采摘机器人无碰撞运动的组成部分。无碰撞运动规划依赖于三维(3D)机器人的物理结构以及在机器人操作的工作区的信息。因此,在无碰撞机器人运动规划的第一步是三维世界描述的收购。这个描述是基于感官信息,如机器视觉以及先验知识,例如,采摘机器人运动学的三维结构,如三维模型,在数据库中。有了这个信息,在任务定义阶段,机器人的整体任务的计划。决定最后的位置和方向的效应最终结果中的黄瓜最好的方法。也定义在此阶段的具体位置和方向约束等。在阶段目标的位置和方向的最终任务定义中定义的效应,逆运动学,将目标配置的manipulator.The目标配置跨lated表示作为一个线性滑轨的翻译和6的组合七自由度机械手关节的旋转。使用此信息的路径规划,路径规划,采用了搜索技术找到自由碰撞路径,从开始操纵其目标配置配置。一旦已成功完成的无碰撞路径规划,轨迹规划轨迹,可以转换成的无碰撞路径由机器人执行。通常情况下,路径规划过程中,只有在太空中的无碰撞配置有关,但没有速度,加速度和运动平滑。轨迹规划涉及这些因素。 thetrajectory策划生产的机器人伺服系统的运动命令。在执行阶段执行这些命令。运动规划系统的一些部件将在更详细地描述以下。4.1世界的描述(采集)Meulemanet在一份文件中描述的基于机器视觉的世界描述收购的黄瓜采摘机器人(2000年)。视觉系统能够侦测在绿色canopy.Moreover绿色黄瓜,视觉系统决定的黄瓜成熟。最后,利用立体视觉技术QUES,相机视觉系统产生的工作空间内的摄像头的视角3D地图。在这样的机器人能够处理工作面临的环境与它的变异。图6. 自由度的三菱RV-E2的操纵一个三维模型如上所述,先验知识,例如,机器人的物理结构所需的无碰撞运动规划。作为一个例子,图4显示了一个六自由度三菱RV-E2在MATLAB中实现机械臂的三维模型。机器人的三维结构是由矩形和三角形构造的多边形表示。议案的战略评估模型用于模拟期间,作为操纵机器人运动规划期间的工作空间中的结构部件的碰撞检测的基础上。4.2逆运动学 逆机械臂运动学关节角度的计算和翻译,处理结果在所需的位置和方向,工具中心点(TCP)机器人(克雷格,1989年)。 TCP是一个预定义的endeffector点。对于六自由度三菱RV-E2的操纵范戴克(1999年)获得了逆机械臂运动学的解析解。七自由度机械手,即三菱RV-E2的机械臂安装在一个线性滑轨,一个简单的逆运动学解析解不存在由于在运动链的固有冗余。最近获得这种冗余机械臂的逆运动学分析数值混合溶液(申克,2000年)。由于成熟的黄瓜的立场,该算法产生的七自由度机械臂的无碰撞收获配置。此外,它可以保证关节黄瓜附近的精细运动控制有足够的自由。4.3路径规划 无碰撞路径规划算法已被大量的研究对象。例如见latombe(1991)和黄和阿胡加(1992)概述。 一个无碰撞路径规划主要包括两个重要组成部分:搜索算法和碰撞检测算法。搜索算法的搜索空间探索一个可行的,即collisionfree,从起点到目标点的议案。在搜查过程中,被选中的碰撞检测算法在搜索空间的每一步的可行性。该算法检查机器人的碰撞与机器人的工作空间中的其他结构部件。重要的是要注意,对于大多数路径规划者的搜索空间是所谓的配置空间机器人,其中关键的是从不同的3D工作区机器人。在黄瓜收获机的7自由度机械手的情况下,配置空间是由一个联合翻译和6个联合旋转组合横跨七维空间。然后,从一开始的位置和方向的工具中心点为无碰撞运动目标的位置和方向在三维工作空间疖的单点无碰撞通过的议案的搜索搜索七维配置从一开始就配置目标配置掩膜的空间。在这样的运动链中的冗余问题很容易规避。有一到一个映射的配置空间中的点的位置和方向,在工作区中的工具中心点。然而,对于大多数的机器人,相反不成立。一个单一的位置和方向,在工作区中的工具中心点,然后可以复制机器人的多种配置。由于其独特的代表性配置空间搜索是首选。然而,碰撞检测,需要说明的身体姿势操纵在与其他物体在三维工作空间的关系。因为每个配置代表一个单一的姿势在三维工作空间的机械臂,可以很容易地验证碰撞。然后,特别是机器人的运动结构,工作空间的障碍可以被映射到配置空间的障碍将会显示。4.3.1.搜索算法路径搜索算法应该是有效率的,如果存在的话,找到一个解决方案。后者的财产被称为完整性(珍珠,1984年)。通常情况下,算法的完整性,保证不计算效率。然而,计算效率是至关重要的,当上线的应用程序需要。运动规划的各个方面取得的洞察力,在这项研究中,上述计算效率的青睐,该算法的完整性。这样的选择的主要原因是一个完整的算法将找到解决办法,或停止使用一个明确定义的停止准则,如果不能找到一个解决方案。这是不是真实的,不保证完整性的算法。他们要么提供一个解决方案或卡住,恕不另行通知。在本研究中所谓的A *搜索算法(明珠,1984年;近藤,1991年,罗素和Norvig还,1995年)。它很容易实现和保证完整性。此外,它最大限度地降低成本标准,其中包括一个在搜索空间旅行距离的措施。该算法是在MATLABB实施图5.在离散化的二维配置空间的正交节点扩展:S,起始节点; G,目标节点使用配置空间机器人运动规划的A *算法,离散化使用一个固定的电网结构如图5。用户可以定义网格的大小和分辨率。然后A *算法搜索从一开始就格点的目标格点的路径,同时最大限度地降低成本函数f:此成本函数f包括路径的成本远远;和乐观的估计成本从目前的位置目标:在这项研究中,欧拉规范被用来作为乐观的估计到目标节点的成本。A *算法是既完整和优化。最优保证的路径获得最大限度地减少使用成本函数。.A *算法使用两个网格节点,开放列表和封闭列表清单。开放列表中包含了电网的成本函数,其中尚未被评估,而评估已闭合的名单上的网格节点的函数值的节点。这是假设的起点和目标,可以选择配置,配合网格节点或网格节点,在这些配置的密切邻里。然后根据珍珠(1984),A *算法在网格如下操作节点。(1)放在开放的起始节点S。(2)如果打开是空的,则失败退出,否则从关节点n FO其中f是最低的开放和地点。(3)如果n等于目标节点G;成功退出追溯从n指针为S得到的解决方案:(4)否则扩大N;生成所有其继承人,并重视它们的指针回到N:对于每一个n的继任者n:(a) 如果是尚未打开或关闭,估计H(n)(乐观的估计成本的最佳途径,从n到目标节点G),并计算F(n)= G(n)+ H(n)其中g(n)= G(N)+ C(N,n)C(N,n)从节点n的过渡成本,节点n和G(S)= 0(b)如果已经打开或关闭,直接收益率最低的G(1)道路沿线的指针;(c)如发现闭,1所需的指针调整和重新打开它(5)转到第2步。电网扩张在第4步,可以采取多种形式。在本研究中所谓的正交扩充。这种方法是在图5所示。图5还说明起始节点和目标节点没有以配合实际的起点和目标机器人的配置。在这种情况下,最近的邻居节点被选中。在这个算法,停止准则是非常明确的规定。如果在第3步,从开放列表中删除的节点等于目标节点,算法停止。另外,该算法将停止在第2步如果所有的网格节点进行评估,并开放列表已成为空。在这种情况下,没有找到一个解决方案。路径搜索过程中碰撞检测的处理有两种方式。首先,碰撞的配置可以通过扫描整个离散化配置空间的路径搜索前确定。这将是在一个高维离散化的空间配置,具有很高的情况下计算昂贵决议电网。这将是更有效地评估在搜索过程中的网格节点的可行性。也就是说,在节点扩展一步,第4步,碰撞检测算法检查是否与该节点相关的机器人配置与环境或不产生碰撞。由于A *算法通常计算只有一小部分配置空间,这将产生相当大的改善效率。碰撞可以在步骤4a中提到的成本函数加入一个大型的罚款处罚。另外,在碰撞中产生的一个网格点可以直接从省略开放期间电网的扩张阶段的名单。在这项研究中,后者的做法被使用。图6.一个面向包围盒模型的六个自由度的RV-E2的操纵4.3.2.碰撞检测算法 碰撞检测算法在MATLAB中实现根据报道由Boyse(1979年)的想法。该算法计算的交点在工作区中的其他结构部件表面的机器人模型的表面。计算两个曲面相交的本质归结为决定从几何中使用的标准工具,可以实现与其他表面的一个表面的边缘相交。所有的一切,碰撞检测是一项计算密集型的任务。因此,在实时应用,如黄瓜机器人碰撞检测,需要碰撞检测的精度和可用计算时间之间的权衡。精确的CAD模型图。 4包含600个三角形和矩形表面。一因素15减少计算时间,实现了从所谓的面向边界建立了一个不太准确的模型代替精确的操纵模型盒(更新行动)。这种三维机械手的只有36个移动的表面组成OBB的模型如图6所示。显然,一些与OBB的模型精度已提供计算速度的缘故。对于目前的调查,它被认为是合理的。5例1:碰撞两个度的自由操纵运动规划要说明的方法,结果与两两自由度转动关节的机械臂的无碰撞运动规划。图7(a)显示了一个人为的温室环境,其中方块代表黄瓜茎的目标是移动的路径(直打下了)操纵的工具中心点背后挂在黄瓜黄瓜冠捷干,没有击中任何黄瓜茎。这被认为是黄瓜采摘过程中最困难的议案之一。5.1.结果为了说明操作的运动规划算法,图。 7(b)显示相关的两维的配置空间。一个离散化步骤五度使用。坚实的黑色方块,称为配置的障碍,代表机器人和黄瓜干之间的碰撞产生的配置。由字母S表示开始配置目标配置是由字母G表示:他们代表的开始姿势和图采摘姿态。 7(一)。路径搜索的目标是要找到一个起始节点S和目的节点G之间的连接:观察,首先,配置空间的地图,揭示了真正复杂运动规划的问题,可能看起来琐碎的工作空间中。其次,观察,一条直路从起始节点到目标节点碰撞的结果,并因此是不可行的。图7(c)所示的网格节点,记为*,A *算法的评估过程中向前搜索从起始节点到目标节点。图所示的配置空间中的最优路径。如图7(d)及相关的无碰撞机械臂在工作区的议案快照。 7(E)。观察,在工作区中的无碰撞运动的空间配置结果无碰撞的议案;机器人不会干扰与工作空间的障碍:黄瓜茎。最后,图7(f)显示网格节点A *算法当一个落后的搜索目标节点的起始节点进行评估。5.2.讨论结果表明,在配置空间沸腾的路径搜索,找到一个点的运动轨迹,从一开始就配置目标配置。 图7(c)和(F)清楚地表明,碰撞检查接续OFA先验碰撞检测路径搜索过程中,由于A *算法,只有部分评估在配置空间网格点的优势。此外,研究结果表明,如果一个障碍之间开始配置和位于目标配置,大量的网格节点找到了解决办法之前,必须进行评估。在这种情况下,A *算法不是很有效,在发现周围的配置空间障碍的一种方式。障碍的情况下密切绕过一个目标节点,一个落后的搜索可能会产生较少的解决方案由图所示的计算时间。 7(F)。在这个例子中向后搜索向前搜索时取得117而不是146次迭代后的解决方案;减少20。如果目标节点位于两者之间的障碍脊巷子尽头,即使在较高的迭代次数减少使用向后搜索(结果未显示)获得。最好的搜索方向明确,取决于手头的特定结构的问题。这两个图。 7条(d)及(e)表明,以实现最优路径成本函数的意义,算法往往偷工减料,致使小机器人和障碍物之间的距离。要牢记这一特点,在实际运动规划实验时,传感器为基础的世界描述数据不准确容易。然后可能会发生碰撞,不占在运动规划。最后,图7(d)显示,由于电网结构和正交扩展的路径搜索过程中的网格节点,运动路径包含了一些尖角。这将导致强不必要的加速和减速的链接时,在实践中实施。在第4节的建议,为平滑轨迹规划的议案等不良行为的来电。6例2:碰撞为6度的自由操纵运动规划这一段演示六自由度三菱RV-E2的机械臂运动规划方案。图8(a)显示了三维视图六自由度机械手,在一个人为的温室环境。再次,目标是从路径中的位置移动机器人的工具中心点到黄瓜挂背后的黄瓜干,没有击中黄瓜TEMS代表由黑职位。图7.黄瓜采摘在一个人为的温室环境经营度自由操纵的无碰撞运动规划:(a)开始姿势(直)和目标姿态与机械臂的工作空间冠捷挑选黄瓜挂灰色正方形代表;(b)与代表的黑色区域配置中的碰撞和S的起点和目标配置,分别代表配置空间;(c)配置空间由A采样黄瓜干背后*算法在从一开始向前搜索到目标节点;(d)通过配置空间的无碰撞轨迹;(e)6,到操盘黄瓜的无碰撞运动的快照;(f)配置A *算法在空间采样,从向后搜索目标的起始节点1和2是第一和第二关节的旋转。6.1结果由于这个例子涉及一个六自由度机械手,执行搜索,在六维的配置空间。这是不可能的可视化配置空间的无碰撞点的运动,是与前面的例子一样。因此,只有通过工作区的无碰撞运动的快照图。 8(一) - (F)。该议案涉及所有6个旋转关节。从本质上讲,黄瓜的议案,由两部分组成。首先所有机器人向后倾斜,同时围绕主垂直轴旋转,然后倾斜前锋再次携带刀具中心点之间的黄瓜茎。其次,同时,过去三年关节旋转,以便能够定位在背后的黄瓜干黄瓜工具中心点。这样做,黄瓜干规避。6.2讨论结果表明,碰撞自由运动的六自由度机械手可以发现。据预计,这一结果可以扩展到七个自由度的机械手,在黄瓜采摘设备使用。然而,这个例子揭示了A *算法的弱点。对于正在审议的六自由度机械手,在六维的配置空间进行搜索。然后,由于网格点的大量的,必须进行评估,搜索变得过于缓慢。这部分是由于在MATLAB实现。该软件包不是很有效时,必须执行大量的迭代。再次,结果表明:在运动轨迹的尖角。当需要高速运动,这些运动轨迹要平滑,以防止上机械臂链接的重载。黄瓜采摘机器人图8.(a)-(f):六快照的无碰撞运动6自由度RV-E2的操纵挂在黄瓜背后黄瓜茎代表黑色垂直职位7.结论本文提出了一种方法,以达到适当的手眼协调的黄瓜收获机器人在农业和环境工程研究所(IMAG BV)的开发。本文提出了一个方案,是能够生成机器人无碰撞运动。一些数值例子说明了该方法和分析。本研究的主要结论是,无碰撞运动可以计算六度自由度(DOF),RV-E2的机械臂在收获机使用。据预计,这些结果可以扩展到七自由度机械手,即RV-E2的操纵器线性滑轨安装。被发现的A*搜索算法很容易实现和强大的。通过这种方式,它提供了很多有识之士为机器人运动规划的具体问题。此外,该算法的一个大优势是,它可以产生一个解决方案或停止时,无法找到一个解决方案。该财产的完整性,但是,使得算法望而却步缓慢。结果发现,与本文中所描述的算法涉及的多自由度机械手运动轨迹的计算是计算非常。至符合所需的周期时间的10秒为一个单一的收获行动,需要进一步研究,以减少议案所需的计算时间规划。研究,可沿两条线。首先,可以减少计算时间,通过使用特殊的计算机硬件,例如并行处理器。另外,同时,减少计算可以通过使用更快和有效地实现的算法。此外,结果表明,该算法不包括许多情报。虽然它试图产生定向运动的目标,如果它只是配置遇到障碍样品中的搜索空间网格解决方案,直到发现不使用有关的问题,特别是结构的信息点。因此,进一步研究需要获得快速算法,有效地利用有关的问题,特别是结构的信息,不卡,恕不另行通知。致谢这项工作是由荷兰农业,食品和渔业部的支持。匿名介绍人的建设性意见表示感谢。参考文献1Arima S; Kondo N (1999). Cucumber harvesting robot and plant training system. Journal of Robotics and Mechatro-nics, 11(3), 2082122Bontsema J; Van Kollenburg-Crisan L M; Van Henten E (1999). Automatic harvesting of vegetable fruits, Proceedings of the BRAIN International Symposium 2000 Progressive Technologies in Agriculture and Environmen towards 21 Century, November 24, 1999, IAM-BRAIN Omiya, Japan, pp 44513Boyse J W (1979). Interference detection among solids and surfaces. Communications of the ACM, 22(1), 394Craig J J(1989). Introduction to Robotics. Addison-Wesley,Reading, MA, USA5Gieling Th H; Van Henten E J; Van Os E A; Sakaue O;Hendrix A T M (1996). Conditions, demands and technol-ogy for automatic harvesting of fruit vegetables. ActaHorticulturae,440, 3603656 Hayashi S; Sakaue O (1996). Tomato harvesting by robotic system. ASAE Annual International Meeting, Phoenix, Arizona, USA, ASAE Paper No. 96-30677Herman M (1986). Fast, three-dimensional, collision-free motion planning. Proceedings of the IEEE International Conference on Robotics and Automation, San Francisco,CA, USA, pp 105610638 Hwang Y K; Ahuja N (1992). Gross motion planninga survey. ACM Computing Surveys, 24(3), 2192919 Kondo K (1991). Motion planning with six degrees of freedom by multistrategic bidirectional heuristic free-space enumera-tion. IEEE Transactions on Robotics and Automation, 7(3),26727710 Kondo N; Monta M; Fujiura T(1996). Fruit harvesting robots in Japan. Advances in Space Research, 18(1/2), 18118411 Latombe J C (1991). Robot Motion Planning. Kluwer Academic Publishers, Boston, USA12 Meuleman J; Van Heulen S F; Kornet J G; Peters D G(2000). Image analysis for robot harvesting of cucumbers. AgEng 2000, Agricultural Engineering International Conference, Warwick, UK, EurAgEng Paper No. 00-AE-00313 Pearl J (1984).Heuristics.Intelligent Search Strategies for Com-puter Problem Solving. Addision-Wesley, Reading, MA, USA14 Russell S; Norvig P (1995). Artificial Intelligence A mode Approach. Prentice-Hall, Englewood Cliffs, NJ, USA15 Schenk E J(2000). Modelvorming, voorwaartse kinematica, inverse kinematica met botsingsdetectie en padplanning van een 7 DOF manipulator systeem voor het automatisch oogsten van komkommers. Modelling, forward kinematics, inverse kinematics with collision detection and motion planning of a 7 DOF manipulator system used for cucumber harvesting. IMAG, Wageningen, The Netherlands, IMAGReport V2000-7716 Van Dijk G(1999). Modelvorming en padplanning van een 6 DOF manipulator voor het oogsten van komkommers. Modelling and motionplanning of a 6 DOF manipulator used for cucumber harvesting. IMAG, Wageningen, The Netherlands, IMAG Report V99-0417 Van Kollenburg-Crisan L M; Wennekes P; Werkhoven C (1997). Development of a mechatronic system for automatic harvesting of cucumbers. In: Proceedings of BIO-RO-BOTICS 97, The International Workshop on Robotics and Automated Machinery for Bio-productions, Valencia, Spain, pp 143148
收藏