基于YOLO-CDS深度检测网络与RAFT-Stereo协同的采梨机器人双目定位方法

本发明提出了基于YOLO‑CDS深度检测网络与RAFT‑Stereo协同的采梨机器人双目定位方法，针对现代化果园中铁丝，绳子等障碍物对梨果识别造成的影响和双目视觉定位系统中半全局匹配（SGM）算法在复杂场景下特征匹配鲁棒性不足问题，通过改进YOLOv8，引入YOLO‑CDS模型，利用C2f‑EMBC模块、DySample和Shape‑IoU损失函数，提升特征提取与边界框回归精度；采用RAFT‑Stereo替代SGM算法，增强视差估计鲁棒性；并结合四分位距（IQR）优化深度值，提高定位精度。实验表明，该方法在多类梨果数据集上平均精确率97.5%，梨果坐标定位平均相对误差小于3%，果园采摘试验中定位成功率100%，采摘成功率91.93%，为采摘梨果机器人应用提供了有力技术支持，具有重要应用价值和推广前景。