河南工业职业技术学院 李 旗 倪江南

为了全面提升采摘机器人的运行效率，本文基于计算机视觉结合光学导航的技术方式，实现控制系统的合理设计。在实际运行中，可以利用激光扫描与机器视觉相结合的方式，提升采摘的整体准确性与效率性，满足当下采摘机器人的使用需求。

1 计算机视觉

在计算机视觉研究领域，主要可以分为图像处理、模式识别、图像识别、景物分析以及图像理解等诸多的技术环节。图1为计算机视觉图。

图1 计算机视觉图

1.1 图像处理

图像处理技术是一种可以将输入其中的图像实现转变的技术，形成所希望呈现的图像特征，该技术主要是利用计算系统将图像中的特征进行提取与处理。例如，在对某图像进行处理的过程中，可以将一些较高信噪比的图像信息进一步处理，以便突出图像当中的细节，便于工作人员的后续操作处理。

1.2 模式识别

模式识别技术是一种对图像提取一些特征信息或一些结构性信息，将其分为不同的类型。例如，对于文字以及指纹信息的识别，就可以区分这两种信息。计算机视觉的模式识别技术，可以对特定区域进行针对性的信息分类与整合。

1.3 图像理解

在对一幅既定的图像分析中，图像理解程序可以很好的对图像本身进行描述，同时也能对其进行解释，并基于图像中的实际内容做出相应的判断，因此在人工智能视觉的研究中，经常将其利用在一些景物的分析中。

2 视觉导航和液压伺服控制系统设计

采摘机器人的设计就是一种基于人体行为规律的参考，例如在行走移动功能、感知功能、作业能力等方面的设计中，就需要利用计算机编程技术来推动机器人的操作。……