【睿尔曼-RealMan】智慧农业机器人教育科研平台——技术解决方案

一、功能概述

1.1、功能简介

智慧农业机器人教育科研平台由硬件、实训场景组成。硬件结构由采摘机器人、搬运机器人和水果分拣平台组成。

（智慧农业机器人教育科研平台、图片仅供参考）

采摘机器人融合先进的移动底座、灵活多自由度机械臂、AI驱动的视觉与语音识别头部以及升降滑台，凭借SLAM技术实现精确定位与导航，为高效智能农业采摘作业提供了全方位智能化的农业采摘革新。

搬运机器人融广泛适用性、精确操控与开放平台于一身。无论是仓储搬运还是定制送餐，广泛的室内外适用场景使它无所不能。独立悬挂系统保证了其在任何地形中都有稳定的表现，而高精度的编码器及控制板则确保着精准的操控与测量。并且能够根据您的需求接入各类智能传感器和执行单元，配合它的高级搬运技能，实现在各类场景下的优秀表现。

水果分拣平台集机械臂、柔顺机械爪、深度相机、切皮机构、调整构成于一体。机械臂末端的深度摄像头捕捉水果的具体位姿，机械爪准确地抓起并搬运到调整机构。这是一个精巧的结构，集成了视觉和三轮全向轮技术，可自动调整任何摆放姿态的水果，让果柄朝下，为切皮工序做好准备。机械臂再次搬运已调整好的水果到切皮机构，期间保证水果姿态不变。到达机构后，切皮刀具垂直下落，自如完成切皮工序。整个过程，如舞蹈家般流畅舒展，效率极高。

1.2、产品应用案例

智慧农业机器人教育科研平台可以完成智慧农业采摘场景应用以及对应的高校应用比赛要求，例如农业机器人智能化技术应用赛项。

农业机器人智能化技术应用赛项由三个阶段组成。第一阶段，由采摘机器人完成水果的识别和采摘。采摘机器人集成了移动底盘AGV、多自由机械臂等模块，是一款基于人工智能技术的智能机器人,可以自动完成水果、蔬菜等农产品的采摘工作。它采用了先进的视觉识别技术和机器学习算法,可以准确地识别出不同种类的农产品,并根据不同的采摘要求进行采摘。同时,采摘机器人还具备自主导航和避障功能,可以自动避开障碍物,保证采摘过程的安全和稳定。在本阶段，选手首先需控制采摘机器人在整个竞赛场景移动，通过机器人搭载的传感器完成环境的扫描，利用SLAM算法完成整个场景的建图；在已构建的地图上，根据竞赛任务书要求，采摘机器人自主规划路径移到指定采摘区，完成采摘任务，并将摘下的水果放置到搬运机器人AGV/AMR的运载框内。 

第二阶段是水果运输环节，本环节由搬运机器人AGV/AMR 安全平稳的将已采摘的水果搬运至分拣中心。搬运机器人集成了移动底盘AGV、小型传送带等模块。搬运机器人AGV/AMR可以自主完成水果搬运和运输任务，减轻了人工劳动的负担。传统的人工搬运工作常常需要大量的人力投入和时间，而搬运机器人AGV/AMR的出现使得水果搬运更加高效、准确和可靠。这不仅可以提高生产效率，还大大降低了工人的劳动强度，使他们能够更专注于高附加值的工作任务。搬运机器人AGV/AMR具有智能的导航和避障能力，可以在错综复杂的环境中自主导航并规避障碍物。利用激光传感器、视觉识别系统和先进的导航算法，这些机器人能够准确感知周围环境，并通过实时数据路径规划和避障策略，确保物料的安全运输。搬运机器人上通过搭载一个小型传送带，当物料运输到目标工位后，可以通过控制传送带运动将物料运载框无缝衔接到下一个加工位，实现多个工位的自动对接。完成搬运任务后，搬运机器人需自主回到充电区进行充电。 

第三个阶段是水果分拣环节。果蔬采摘运输完成后的分拣作业是较为繁重的工作,往往需要投入大量的劳动力。而且，人力分拣有时候还会有所遗漏，做得总不够完美，这时候，就需要分拣机器人上场。农业分拣机器人利用视觉识别技术自动辨别不同的作物果实，进行快速分类，而且不会擦伤果实外皮，克服了传统分拣作业分拣效率低、分拣精度差等问题。本环节选手根据任务要求，利用深度摄像头完成果品识别、定位，规划分拣机械臂运动，完成水果由待分拣区到分拣区各包装箱的分拣任务。

 

1.3、产品特点

1.3.1、产品背景

在社会的不断发展中，人类日渐摆脱繁重的体力劳动，转而由机器乃至机器人承担，农业亦是如此。在保障粮食安全、抢占全球农业制高点、实现农业可持续发展等方面，农业机器人都有不可替代的作用。今年，工信部等17部门印发《“机器人+”应用行动实施方案》（以下简称《方案》），提出到2025年，制造业机器人密度较2020年实现翻番，服务机器人、特种机器人行业应用深度和广度显著提升，机器人促进经济社会高质量发展的能力明显增强。

《方案》提出，遴选有一定基础、应用覆盖面广、辐射带动作用强的重点领域推进工作。从目前机器人行业发展情况来看，制造业、农业、物流、特殊环境等细分场景已经积累起了相当规模和深度的机器人应用，有效实现了替代人工并提高工作效率。其中，农业方面，将重点推进研制耕整地、育种育苗、播种、灌溉、植保、采摘收获、分选、巡检、挤奶等作业机器人，以及畜禽水产养殖的喂料、清污、消毒、疫病防治、环境控制、畜产品采集等机器人产品。

当前，新一轮科技革命和产业变革加速演进，人工智能、5G、新能源、新材料等与机器人技术深度融合，机器人产业正在迎来升级换代、跨越发展的窗口期。通过5G、图像识别技术和大数据系统，机器人可以“秒算”出农作物果实与机器人间的距离，并把有关指令传达至机器人手臂，实现快速采摘；通过SLAM与自主导航技术、机器人可以实现在非结构化的环境下的自主移动；通过人工智能技术，机器人可以实现果蔬的品种识别、成熟度识别、好坏果识别等；通过机械臂的精准位置控制技术，可以实现果蔬的无损采摘。将人工智能、机器人技术应用在农业机器人上，提高农业机器人的智能化水平，智能化整个农事活动的全流程：从搜索、扫描、识别、定位、路径规划到末端执行器控制与操作等。

1.3.2、产品优势

智慧农业机器人同时具备商业应用、教学实训及科研实验的特性，是融合应用与科教一体的平台，因此其支持各类型高校专业实训、课程设计、毕业设计等实训环节的教学，也满足各科研院所基础实验测试及二次开发需求，实训平台主要有以下优势：

 

 

 

智慧农业机器人教育科研平台提供全方位的生态圈，用户可自行定制与替换各部件，以便完成特定的场景需求，并且智慧农业机器人教育科研平台拥有独立的产品生态论坛，用户可以随时在论坛查找相关生态产品资料以及开发资料，极大地减少客户二次开发应用难度及周期。

1.4、配套资源

智慧农业机器人配套全面的实训内容与资料，为教育客户群体提供涵盖机器人工程、人工智能、自动化、计算机、通信工程、电子信息等专业的课程教学与实训实验资源，并且提供产品论坛，用户可在论坛中交流与查找相关资料，产品的更新资料也会同步至论坛中，方便用户查收。

1.4.1、课程资源

智慧农业机器人教育科研平台提供系统性的教学实验实训内容，包括实训文档及实训视频，深入浅出的讲解智慧农业机器人相关原理与开发流程，以下是部分课程资源概览：

序号	课程名称
1	实验一 ROS 消息的发送与接收（基于C++）
2	实验二 ROS 消息的发送与接收（基于python）
3	实验三 ROS 服务的请求与响应（基于C++）
4	实验四 ROS 服务的请求与响应（基于python）
5	实验五 ROS 动作库的请求与响应（基于C++）
6	实验六 ROS 动作库的请求与响应（基于Python）
7	实验七 机器人底盘运动控制
8	实验八 机器人里程计消息发布
9	实验九 gmapping建图（仿真）
10	实验十 gmapping建图（实物）
11	实验十一 cartographer建图（仿真）
12	实验十二 cartographer建图（实物）
13	实验十三 Navigation导航
14	实验十四 多点导航
15	实验十五 机械臂基础控制
16	实验十六 机械臂视觉抓取
17	实验十七 语音控制
18	实验十八 人脸识别
19	实验十九 家庭服务场景应用
20	实验二十 智能导游场景应用
21	实验二十一 机器人全身控制（WBC）
22	实验二十二 机器人具身智能应用

1.4.2、可开展实训内容

序号	产品名称	课程名称
1	水果分拣平台	1、机械臂设计实践； 2、机械臂正逆运动学实践； 3、机械臂运动控制实践； 4、机械臂路径规划实践； 5、机械臂碰撞检测实践； 6、机械臂示教实践； 7、机器人操作系统ROS实践； 8、Gazebo仿真实践； 9、Moveit轨迹规划实践； 10、视觉抓取实践； 11、3D感知场景规划实践； 12、深度学习应用实践；
2	采摘机器人	1、机电系统拆装实践； 2、机械臂的拆装实践； 3、传感器单元拆装实践； 4、升降平台的拆装实践； 5、底盘运动的控制实践； 6、全身控制（WBC）实践； 7、传感器融合实践； 8、机器人操作系统ROS实践； 9、Gazebo仿真实践； 10、机械臂应用实践； 11、柔性抓取技术实践； 12、SLAM定位导航实践； 13、路径规划开发实践； 14、视觉应用实践； 15、语音语义识别实践； 16、人机交互实践； 17、具身智能应用实践； 18、大模型应用实践；
3	搬运机器人	1、底盘结构拆装实践； 2、机电系统拆装实践； 3、电机控制实践； 4、底盘运动控制实践； 5、嵌入式开发实践； 6、操作系统ROS实践； 7、Gazebo仿真实践； 8、RVIZ仿真实践； 9、MoveBase应用实践； 10、传感器融合实践路径； 11、SLAM定位导航实践； 12、路径规划开发实践；

1.4.3、教学资源与平台

智慧农业机器人教育科研平台提供由浅入深的二次开发教学资源以及开发平台，用户可在官网论坛查找相关产品资料，并且开发人员会在论坛中分享二次开发示例源码、开发原理及经验，为用户提供二次开发的技术帮助。

部分教学资源截图如下：

（教学资源图1 机械臂实训手册）

（教学资源图2 机械臂ROS实训手册）

（教学资源图3 视觉识别实训文档）

（教学资源图4 机械臂实训教学资料）

（教学资源图5 基础教学资料）

在提供全套的实训资料外，还设置了产品论坛，旨在方便客户及时获取产品最新资料以及二次开发案例，全力辅助用户二次开发，形成良好的产品拓展与开发氛围。

（论坛资源图）

二、主要配置介绍

2.1、采摘机器人

2.1.1、系统组成

(1)高性能运动底盘

底盘采用了双轮差速结构，整套结构采用了摆式独立悬挂。不但可以平衡前后脚轮的着地，还能够极大地防止打滑。驱动电机采用直流无刷伺服电机，并且安装有高精度的编码器和基于ARM的VCU控制板，既能做到实时运动控制闭环，又可以实时监控上传轮速信息，实现高精度的里程计。

(2)高机动力紧凑型的设计

底盘采用高机动力紧凑型移动模组，体积相比同类的地盘要更小，按照严格的工业标准设计及材料选型，能在适应室内以及轻度障碍的室外使用。

(3)自动充电系统

底盘配备有自动充电系统，能实现电量过低时自动范围充电站充电。

(4)高性能超轻量仿人机械臂

睿尔曼RM65-B仿人机械臂自重7.2Kg，额定负载5Kg，臂展610mm，重复定位精度±0.05mm，具有一体化结构控制器，搭载在机器人上能够完美契合“人形”的概念。其示教方式极其方便，可通过网线和wifi方式连接机械臂，通过访问机械臂本体IP，即可完成示教界面的访问。

(5)柔性自适应夹爪

末端安装的柔性自适应夹爪具有抓取对象多样化和柔软的特性，不但能灵活使用不同大小形状的物品，同时也能结合算法精准控制抓取的力度，在确保抓取可靠性的情况下又不会破坏抓取物的表面。

(6)模组化的连接设计

底盘与上层单元（头部、升降台、机械臂）都采用了模组化的连接设计，可以灵活的更换不同形式底盘模组，以适应环境及任务的需求。

(7)融合视觉与激光的SLAM技术

底盘装备了激光雷达、IMU和里程计，头部安装有深度摄像头，借助ORBSLAM等多传感器融合算法融合雷达，IMU和视觉深度信息进行SLAM建图。

(8)传感器融合定位导航

融合激光雷达、里程计、IMU姿态单元、RGBD深度视觉信息等数据，结合AMCL和MOVEBASE方法实现地图定位、路径规划、导航和自主避障。

(9)高效的双主控单元

底盘配备了高性能的主控单元，用以完成机器人全身运动控制、功能单元管理、任务调度等运行逻辑相关的功能，除此以外，头部配备了高性能人工智能算力单元，用于完成人机交互、识别、具身智能等人工智能相关功能，双主控的配合保证了机器人任务高效执行。

2.1.2、技术参数

名称	名称	参数
底盘参数	尺寸（mm）（长*宽*高）	600*550*(1000~1350)
底盘参数	底盘质量（kg）	70
底盘参数	底盘结构	双轮差速(可原地旋转)
底盘参数	制动方式	电机制动
底盘参数	最大速度(m/s)	1
底盘参数	电机功率(w)	60*2
底盘参数	电池电压（V）	24
底盘参数	电池容量（aH）	20
	离地高度（mm）	30
底盘参数	悬挂方式	独立悬挂
底盘参数	负载（kg）	50
底盘参数	轮子直径（mm）	150
底盘参数	充电时间（h）	2-3
底盘参数	充电方式	手动充电/自动充电
底盘参数	对外供电(v)	24/12/5
底盘参数	急停按钮	支持
底盘参数	转向灯带	支持
底盘参数	防护等级	IP54
底盘参数	操作系统	Linux Ubuntu + ROS
底盘参数	主控器	定制NUC
底盘参数	激光雷达	高精度激光雷达
机械臂	自由度	6
机械臂	最大工作半径（mm）	610
机械臂	最大负载（kg）	5
机械臂	净重（kg）	7.2
机械臂	重复定位精度（mm）	±0.05
机械臂	IP等级	IP54（机械臂本体）
机械臂	工作温度	0 – 50 ℃
机械臂	材料	铝合金
机械臂	材料	J1,J2 ≥180°/S J3,J6≥225°/S
机械臂	控制方式	拖拽示数/示教器/API/JSON
机械臂	最大末端速度	0.6m/s
机械臂	电源接口INPUT	DC 48V
机械臂	供电电压	DC20-30V 额定DC24V
机械臂	关节转动角度	（1）J1≥±178° （2）J2≥±130° （3）J3≥±135° （4）J4≥±178° （5）J5≥±128° （6）J6≥±360°
立体相机	尺寸（mm）	90*25*25
立体相机	深度视场（FOV）	87°* 58°
立体相机	最高深度流输出分辨率	1280*720
立体相机	RGB传感器分辨率	1920*1080
立体相机	RGB传感器帧速率（fps）	30 fps
立体相机	深度精度误差（%）	2（2米内）
立体相机	RGB彩色视频流	支持
立体相机	Depth深度数据三维点云	支持
电动柔性夹爪	控制接口	RS485
电动柔性夹爪	抓取尺寸（mm）	10-120
电动柔性夹爪	重量（g）	625
电动柔性夹爪	抓取重量（g）	700
电动柔性夹爪	材料	铝合金、柔性硅胶
电动柔性夹爪	工作电压（V）	12
电动柔性夹爪	抓取频率（次/分）	30
线性升降平台	功率（W）	280
线性升降平台	电压（V）	24
线性升降平台	重复精度（mm）	0.1
线性升降平台	最高速度（mm/s）	50

2.2、搬运机器人

2.2.1、系统组成

(1)多种高适应性类型底盘

搬运机器人的底盘有两轮差速、四轮麦轮、四轮舵轮、四轮差速和阿克曼结构等多种类型的地盘，整套结构采用了独立悬挂，保证了主动轮的着地摩擦力，有效仿真打滑，使底盘运行平稳、通过性强、运动精度高。

(2)高精度运动控制

搬运机器人的底盘电机采用直流无刷电机，电机安装有高精度的编码器和基于ARM的VCU控制板，既能做到实时运动控制闭环，又可以实时监控上传轮速信息，实现高精度的里程计。

(3)高机动力紧凑型的设计

搬运机器人的底盘是一款高机动力紧凑型移动模组，体积相比同类的地盘要更小，能在室内以及轻度障碍的室外使用。

(4)高负载能力

搬运机器人的底盘的整个结构都是按照严格的工业标准设计及材料选型，通过50KG以上载重测试。

(5)自动充电系统

搬运机器人配备有自动充电系统，能实现电量过低时自动范围充电站充电。

(6)模组化组装系统

搬运机器人提供多种扩展模组，标准化的安装于连接开发无穷创意。

  

(7)姿态测量系统

搬运机器人内置了一个三轴姿态测量系统，可以实时检测机体的朝向、翻滚及俯仰角度。为机器人的导航及行进提供重要数据，并让机器人在运动过程中发现倾倒风险，及时采取紧急措施。

(8)URDF模型描述

具备完整的机器人的URDF三维模型描述，可以在ROS系统里直接加载。

(9)SLAM环境建图

装备了新一代的激光雷达，可以实时扫描机器人周围的障碍物分布状况，借助Cartographer和GMapping算法，创建环境地图。

(10)传感器融合定位导航

融合激光雷达、里程计、IMU姿态单元等数据，结合AMCL和MOVEBASE方法实现地图定位和自主导航。

(11)高性能的主控单元

底盘除了包含驱动控制器以外，还配备了高性能的主控单元，并且扩展出多种常用的接口，相比于市面一般的地盘，能做到直接添加扩展传感器就可以完成高性能应用的开发，而无需再增加额外的主控单元。

2.2.2、技术参数

名称	名称	参数
底盘参数	尺寸（mm）	500*420*500
底盘参数	底盘质量（kg）	60
底盘参数	底盘结构	双轮差速(可原地旋转)
底盘参数	制动方式	电机制动
底盘参数	最大速度(m/s)	1
底盘参数	电机功率(w)	60*2
底盘参数	电池电压（V）	24
底盘参数	电池容量（aH）	20
底盘参数	离地高度（mm）	25
底盘参数	悬挂方式	独立悬挂
底盘参数	负载（kg）	50
底盘参数	轮子直径（mm）	150
底盘参数	充电时间（h）	2-3
底盘参数	充电方式	手动充电/自动充电
底盘参数	对外供电(v)	24/12/5
底盘参数	急停按钮	支持
底盘参数	转向灯带	支持
底盘参数	防护等级	IP54
底盘参数	操作系统	Linux Ubuntu + ROS
底盘参数	主控器	定制NUC
底盘参数	激光雷达	高精度激光雷达

2.3、水果分拣平台

2.3.1、系统组成

(1)机械臂

针对采摘任务负责性，项目采用了相比与传统的工业机器人更加灵活安全的6轴的超轻量仿人机械臂。

(2)柔性机械爪

根据抓取对象多样化和柔软的特性，本项目采用的柔性夹爪不但能灵活使用不同大小形状的水果，同时也能结合算法精准控制抓取的力度，确认不会破坏水果的表面。

(3)深度鱼眼摄像头

通过鱼眼深度相机不仅能捕获到RGB图像，同时也能获取到图像的深度信息，非常适合应用于水果等物体的识别和三维空间的定位。

(4)电动旋转平台

为了真实的模拟水果采摘的工序流程，该设备的果树是按照在旋转平台下，当机械臂完成的果树的前半面的采摘工作后，旋转平台会旋转180度，然后就可以完成果树后版面的水果摘取工作。

(5)果实精准定位及采摘

使用机器人的视觉系统对非结构化环境中的目标物体进行识别。机器人的视觉系统通过挂载在机械臂上的深度摄像头，利用机械臂的灵活性，具有对周围环境进行多方位观察的能力，并通过识别算法判断目视范围内是否存在目标，以及在确定目标的情况下锁定目标物体的具体位置。利用机械臂末端柔顺夹爪，将成熟的果实采摘并放置到指定分装盒。

(6)远/近距离视觉识别算法

在开放的复杂环境中识别目标物体通常会因为类似干扰物与自然光线等在实际场景下的识别率降低，尤其是传统的识别方案在物体遮掩等问题上表现不太理想，为了解决这个问题，本项目的视觉识别主要围绕深度学习的方法来实现，在可能的场景下预先对大量包含识别目标的数据集进行标注，并加入干扰项得到完整的训练集。对训练集的样本实例按照一定策略进行缩放与分割后利用卷积神经网络迭代训练生获得特征图。后续利用这些特征图在实际画面中进行特征锚的匹配，最后用边框回归算法修正特征边缘以得到特征候选区域。

该方案可以在复杂环境下很大程度提高在物体遮挡或者光线等常见的干扰现象下的目标识别率及定位准确性。

 

(7)自主路径规划及避障算法

整套系统是基于ROS系统进行开发，机械臂通过Moveit实现抓取路径的规划。并且通过深度摄像头获取到的环境信息，在规划路径的过程中，考虑障碍物的情况，选取避开障碍物下的最优路径。

(8)开源和开放的平台

设备支持 ROS 机器人操作系统，该系统开源且免费，有丰富的实用工具、庞 大的用户群体和丰富的学习资源。它为机器人的程序控制提供了一种框架和工具。目前已经逐步发展成为机器人软件开发和应用的事实标准。

2.3.2技术参数

整体规格	长宽高	800×800×1700mm
整体规格	重量	50kg
机械臂	自由度	6 个旋转自由度
机械臂	重复定位精度	±0.05mm
机械臂	负载	5kg
机械臂	自重	7.2kg
机械臂	通讯方式	TCP/IP
机械臂	工作范围	610mm
机械臂	关节最大速度	J1,J2 ≥180°/S J3,J6≥225°/S
机械臂	I/O 电源	24V/2A