# TomatoPick 番茄采摘系统

TomatoPick 是一个面向番茄自动采摘实验的 Python 项目，集成了 Tkinter 参数界面、Intel RealSense RGB-D 相机、YOLO pose 目标检测、AUBO 机械臂控制和 AGV 移动平台控制。

当前仓库是运行端工程，核心代码集中在 `main.py`、`control.py` 和 `control_core.py`，辅助脚本位于 `tools/`。

## 项目结构

```text
TomatoPick/
├── main.py                 # Tkinter 图形界面入口
├── control.py              # UI 与核心逻辑之间的配置转发/兼容入口
├── control_core.py         # 相机、YOLO、机械臂、AGV 与采摘状态机
├── ui_settings.json        # UI 参数缓存，运行后自动保存/更新
├── tools/
│   ├── realsense_record_video.py   # RealSense 录制辅助脚本
│   ├── video_to_rgb_frames.py      # 视频抽帧辅助脚本
│   ├── aubo_joint_position.py      # AUBO 关节位置辅助脚本
│   └── 1.png                      # UI 相机区域背景图
└── README.md
```

## 功能概览

- 通过图形界面配置机械臂 IP、AGV IP、运行时长、YOLO 模型路径、放置位置等参数。
- 支持完整采摘流程：AGV 巡检、视觉检测、停车、精确定位、机械臂抓取、放置、回 Home、AGV 继续前进。
- 支持“视觉测试”模式，只启动 RealSense 和 YOLO 推理，不启动机械臂和 AGV，适合先调试模型与相机画面。
- 将运行日志、终端输出和相机检测画面实时显示在 UI 中。
- 通过 `ui_settings.json` 保存上一次 UI 参数，方便下次启动恢复。

## 核心文件说明

### `main.py`

图形界面入口，直接运行即可打开参数配置界面。

主要职责：

- 构建 Tkinter 主界面，包括参数区、运行日志、相机画面和终端输出。
- 读取和保存 `ui_settings.json`。
- 选择 YOLO `.pt` 模型文件和相机背景图。
- 启动完整采摘流程，内部调用 `control.main()`。
- 启动视觉测试流程，只初始化 RealSense 与 YOLO。
- 接收 `control_core.py` 推送的相机帧并叠加检测信息。

### `control.py`

兼容入口和配置桥接层。UI 或外部脚本会先修改这里的模块级参数，然后由 `_sync_config()` 同步到 `control_core.configure()`。

常用参数包括：

| 参数 | 说明 |
| --- | --- |
| `ROBOT_IP` / `ROBOT_PORT` | AUBO 机械臂连接地址 |
| `AGV_IP` / `AGV_PORT` | AGV 连接地址 |
| `AGV_SPEED_FORWARD` | AGV 前进速度 |
| `TOTAL_DURATION` | 系统总运行时长，单位秒 |
| `AGV_STOP_TIMEOUT` | AGV 停车后等待采摘的超时时间 |
| `YOLO_MODEL_PATH` | YOLO pose 模型路径，默认 `best.pt` |
| `YOLO_DETECT_CONF` | YOLO 推理置信度阈值 |
| `PICK_CONFIDENCE_THRESHOLD` | 进入采摘逻辑的目标置信度阈值 |
| `HOME_JOINTS` | 机械臂 Home 关节位 |
| `place_positions` | 番茄放置位 |
| `SCISSORS_ENABLED` | 是否启用末端剪刀/夹爪动作 |

### `control_core.py`

核心业务逻辑，负责设备连接、视觉检测、坐标转换、机械臂动作、AGV 控制和资源释放。

主要模块：

- `PlacementManager`：管理放置位。
- `DetectedTomato` / `TomatoCandidate`：保存检测目标、关键点、深度和坐标信息。
- `RobotArmController`：封装机械臂回 Home、移动到预抓取点、抓取点和放置点等动作。
- `VisionController`：封装 RealSense 采集、YOLO pose 检测、关键点筛选、深度读取、坐标转换和抓取触发。
- `AgvController`：封装 AGV 获取控制权、前进、停止和清理。

核心状态由 3 个 `threading.Event` 协调：

| 状态 | 说明 |
| --- | --- |
| `running` | 系统总运行开关 |
| `has_tomato` | 视觉线程发现候选番茄后置位，通知 AGV 停车 |
| `picking_done` | 本轮抓取放置完成后置位，允许 AGV 继续前进 |

简化流程：

```text
连接机械臂
  -> 连接 AGV 并获取控制权
  -> 初始化 RealSense
  -> 加载 YOLO 模型
  -> 启动视觉线程和 AGV 线程
  -> AGV 前进巡检
  -> 视觉发现成熟番茄
  -> AGV 停止
  -> 视觉计算采摘点和抓取角度
  -> 机械臂抓取并放置
  -> 机械臂返回 Home
  -> AGV 继续前进
```

## 环境依赖

建议在 Windows 环境下运行，并提前安装设备 SDK。

主要 Python 依赖：

```text
opencv-python
numpy
Pillow
ultralytics
pyrealsense2
pyaubo_sdk
pyaubo_agvc_sdk
```

`tkinter`、`threading`、`ctypes`、`signal` 等为 Python 标准库或随 Python 发行版提供。

可参考安装方式：

```bash
pip install opencv-python numpy Pillow ultralytics pyrealsense2
```

`pyaubo_sdk` 和 `pyaubo_agvc_sdk` 通常需要按设备厂商提供的 SDK 包安装。

## 启动方式

### 1. 启动图形界面

推荐使用 UI 启动：

```bash
python main.py
```

界面中可执行：

- `启动程序`：运行完整采摘流程，会连接机械臂、AGV、RealSense 并加载 YOLO。
- `视觉测试`：只测试相机采集和 YOLO 检测，不启动机械臂与 AGV。
- `停止程序`：停止当前任务并释放资源。
- `保存参数`：将当前 UI 参数写入 `ui_settings.json`。

### 2. 直接启动核心流程

如果不需要 UI，也可以直接运行：

```bash
python control.py
```

这种方式会使用 `control.py` 顶部定义的默认参数，不读取 UI 输入。

## 模型文件

默认模型路径为：

```text
best.pt
```

可以将模型文件放在项目根目录，也可以在 UI 中选择任意 `.pt` 文件。使用绝对路径时，请确认路径在当前机器上存在。

当前 `ui_settings.json` 中保存的模型路径和背景图路径可能来自其他电脑或旧目录，首次运行前建议在 UI 中重新选择。

## 参数保存与传递

UI 参数传递流程：

```text
main.py
  -> 保存到 ui_settings.json
  -> 写入 control.py 模块变量
  -> control.py 调用 _sync_config()
  -> control_core.configure()
  -> control_core.main()
```

因此：

- 从 UI 启动时，以界面中的参数为准。
- 直接运行 `control.py` 时，以 `control.py` 中写死的默认参数为准。
- 如果修改了 `control.py` 的默认值，需要重新启动程序才会生效。

## 运行前检查

完整流程会控制真实硬件，启动前请确认：

- AUBO 机械臂、AGV、RealSense 相机均已连接，并能被对应 SDK 访问。
- `ROBOT_IP`、`AGV_IP`、端口号与现场设备一致。
- `HOME_JOINTS`、手眼标定矩阵 `R_tc` / `T_tc`、放置位 `place_positions` 已按现场设备校准。
- YOLO 模型路径正确，且模型类别与关键点定义符合当前采摘逻辑。
- 调试视觉效果时优先使用 `视觉测试`，确认画面和检测结果稳定后再运行完整采摘流程。

## 辅助脚本

`tools/` 目录提供了一些调试脚本：

- `realsense_record_video.py`：录制 RealSense 视频。
- `video_to_rgb_frames.py`：从视频中导出 RGB 图片帧。
- `aubo_joint_position.py`：辅助读取/查看 AUBO 机械臂关节位置。

这些脚本主要用于采集数据、调试相机和校准机械臂位姿。