引言
在非结构化环境下实现动态目标的高效感知与精确操作，是服务机器人领域长期面临的核心挑战之一。球体目标具有全向几何对称、表面反光特性强、在粗糙路面上易被遮挡等固有属性，使得基于边缘和纹理特征的传统检测方法在该类场景中鲁棒性不足。与此同时，移动底盘在复杂路面上的行走抖动会显著降低机械臂末端定位精度，进一步加大了视觉伺服控制的难度。因此，面向非结构化运动场地的自动捡球机器人系统，需要在目标检测精度、底盘运动学建模精度以及手眼协同控制策略三个方面进行系统性优化。
近年来，以YOLO系列为代表的单阶段目标检测算法在工业质检、农业遥感等领域取得了显著成果［1］。然而，标准YOLOv8在面对远处小尺寸球体时，由于特征图下采样倍数过大导致空间信息丢失，检测性能显著下降。此外，IoU类损失函数在预测框与真实框长宽比差异较大时收敛缓慢，影响了定位精度。在运动控制方面，针对履带式底盘的差速转向运动学建模与路径跟踪控制，已有学者提出了多种改进策略，但在捡球这一特定应用场景中，如何将视觉感知、底盘导航与机械臂抓取进行系统级联［2］，仍缺乏完整的实验验证。
本文针对上述问题，研制了一款集环境感知、自主导航、视觉伺服抓取于一体的自动捡球机器人系统。主要贡献如下：①提出了一种融合CBAM通道-空间双重注意力机制与WIoU动态聚焦损失函数的改进YOLOv8检测网络，并通过系统的消融实验验证了各模块的独立贡献；②建立了履带式差速底盘的运动学模型，推导了Pure Pursuit路径跟踪控制律，并分析了路径跟踪误差的收敛特性［3］；③搭建了完整的物理样机，在室外网球场环境下进行了系统级联实验，验证了算法与控制策略的工程实用性。
本文详细内容请下载：
http://www.chinaaet.com/resource/share/2000007336
投稿邮箱：ICAPP@belling.com.cn
作者信息：
支铁山1,刘爱华2,王淑娟1,陈杨红1
(1.广西自然资源职业技术学院智能制造工程学院，广西崇左532199；
2.广西物流职业技术学院智慧交通学院，广西贵港537100)
