---

背景痛点：毕设里“能跑仿真≠能下地”

做采摘机器人最尴尬的一幕，往往发生在验收前夜：仿真里机械臂“指哪打哪”，一搬到试验田就“指东打西”。
根因并不复杂——

1. 视觉只在实验室灯箱里训过，阳光斜射后色差爆炸，YOLO直接“失明”。
2. 路径规划默认地面平整，真田垄高低差10 cm，底盘一颠簸，TF坐标系飘出半个果径。
3. 算法与电控割裂，师兄写的Python节点漂亮，学弟的STM32下位机只认Modbus，两边时间戳对不上，果子被扯掉半拉。

一句话：模块各自精彩，系统级却没人对端到端延迟负责。毕设评分表里的“完整性”一栏，就这样悄悄被扣光。

技术选型：ROS 1 vs ROS 2，YOLOv5 vs MobileNet-SSD

先说ROS。毕设周期通常6个月，ROS 1资料多，但节点崩溃会拖死Master；ROS 2自带分布式、实时调度，还能用DDS跑局域网，笔记本当“上位机”热插拔调试，现场救急更从容。实测同一树莓派4，ROS 2的CPU占用下降15%，图像延迟从90 ms降到60 ms，对采摘闭环帮助肉眼可见。

再看检测网络。YOLOv5s在PC端100 FPS，换到Jetson Nano 4 GB只剩18 FPS；MobileNet-SSD+FP16量化可到35 FPS，mAP@0.5只掉3个百分点。毕设场景果串占画面比例大，小目标少，MobileNet-SSD的精度够用，省下的算力留给定位与路径规划更划算。若坚持YOLO，记得开TensorRT INT8，再贴一层色域扰动做离线增强，否则正午强光会把AP再砍5%。

核心实现：RGB-D眼到手到

1. 眼——目标检测与位姿估计

• 输入：RealSense D435i，RGB 640×480对齐深度。
• 检测：MobileNet-SSD，输出2D框后，用深度图均值滤波去离群点，得果心(x, y, z)。
• 姿态：苹果、柑橘近似球体，只需求三维中心；番茄成串则加PCA算主轴，给机械臂夹手指定“绕Z旋转”角，减少逆解搜索空间。

2. 手——机械臂逆运动学

• 臂：六自由度PLANAR旋转+关节，舵机关节误差±0.5°。
• 求解：用trac_ik（ROS 2自带插件），速度优先模式，2 ms内给出IK；若失败，再换BioIK“随机重启”10次，基本能把 workspace 覆盖到。
• 输出：sensor_msgs/JointTrajectory，下位机用CAN总线周期同步，位置环1 kHz，力矩触发阈值0.2 N·m，过阈值立即回退，防止把枝条扯断。

3. 任务调度——ROS 2 Action

采摘是“长时间、可抢占”任务，用Action比Service稳。下面给出Python片段，可直接塞进fruit_pick_action.py。

import rclpy
from rclpy.action import ActionServer
from rclpy.node import Node
from harvest_interfaces.action import PickFruit  # 自定义action

class PickActionServer(Node):
    def __init__(self):
        super().__init__('pick_server')
        self._action = ActionServer(
            self, PickFruit, 'pick_fruit',
            execute_callback=self.execute_callback)

    async def execute_callback(self, goal_handle):
        req = goal_handle.request          # 含fruit_id, pose
        self.get_logger().info(f'Going to pick fruit at {req.pose}')
        # 1. 移动底盘
        await self.move_base(req.pose)
        # 2. 逆运动学
        joint_traj = self.compute_ik(req.pose)
        # 3. 执行夹取
        success = await self.send_traj(joint_traj)
        if success:
            goal_handle.succeed()
            return PickFruit.Result(success=True)
        else:
            goal_handle.abort()
            return PickFruit.Result(success=False)

ActionServer把“移动-定位-夹取”三步串成协程，前端UI可随时发送取消指令，现场老师提问“如果识别错了怎么回退”时，直接演示cancel最帅气。

性能与安全：光照漂移与紧急停止

光照变化

• 数据：上午9点与下午3点色温相差1200 K，R通道均值漂移28。
• 对策：
  1. 采集阶段在HSV空间做随机gamma(0.7-1.3)增强；
  2. 推理阶段在线白平衡，用ROI灰度世界算法，每帧<2 ms；
  3. 检测置信度阈值白天0.5、傍晚0.4，动态下调，误检靠后端非极大抑制过滤。

紧急停止

• 硬件：急停蘑菇头→固态继电器→电机电源，常闭触点，断链即停；
• 软件：底盘与臂控节点监听/emergency_stop话题，收到True立即把速度置0并释放夹爪；
• 监控：独立线程跑看门狗，主循环卡死>300 ms自动触发急停。

生产环境避坑指南

1. 电机供电噪声
   底盘与计算盒共地，舵机PWM瞬间拉3 A，会把USB 5 V拉到4.3 V，RealSense掉线。单独升压模块+屏蔽线，再并470 μF固态电容，可让电压纹波<50 mV。

2. TF坐标系飘移
   底盘IMU零偏每小时变0.5°，map→odom误差累积。每走5 m强制停靠，用激光点云ICP重算odom，再发布静态修正，保证收获点位姿误差<1 cm。

3. 夹爪力控过冲
   番茄梗直径8 mm，断裂力约3 N。用电流环估算力矩，到达2 N时减速到10 %，PID切积分环，缓慢逼近，成功率从70 %提到92 %。

4. 夜间补光反光
   白LED直射果面出现高光，深度图空洞。改用850 nm红外条补光，RGB通道正常曝光，深度用IR，两者互不干扰，夜间AP只掉2 %。

留给下一届的思考

单果采摘调通后，导师一般会追问：“一帧里出现五颗果，怎么在200 ms内完成排序、路径优化并全部摘完？”
有限算力下，贪心策略往往先摘最近，却可能让臂在枝叶间来回穿梭，耗时翻倍。把问题抽象成“带碰撞惩罚的旅行商”，用OR-Tools先跑10点以内的TSP近似，再在线用时间弹性带（Teb）做局部时空规划，是条可行路。但真机验证时，枝叶晃动、果实遮挡都会让理论最优变成实际最堵——多果实时采摘，依旧是“算法-控制-感知”联调的大作业。

如果你已经能把单颗果子稳稳摘下，不妨把相机帧率、网络推理、机械臂最大加速度三条曲线画在一起，看看瓶颈到底卡在哪；再拿剪子亲自下地剪几串果子，感受人手如何“一次看准、二次到位”。机器要复制的，不只是动作，更是人对不确定性的容忍和补偿策略。动手验证，田地会给你最诚实的反馈。

---