# TomatoPick 番茄采摘系统

TomatoPick 是一个面向番茄自动采摘实验的 Python 运行端项目。项目集成 Tkinter 参数界面、Intel RealSense RGB-D 相机、YOLO pose 检测、AUBO 机械臂控制和 AGV 移动平台控制，用于完成“巡检、发现番茄、停车、定位、抓取、放置、继续巡检”的闭环流程。

当前仓库的主要入口是：

- `main.py`：图形界面入口，推荐日常调试和运行使用。
- `control.py`：兼容入口和配置桥接层，负责把 UI 或外部脚本设置的参数同步给核心逻辑。
- `control_core.py`：设备连接、视觉检测、坐标转换、机械臂动作、AGV 控制和采摘状态机。

## 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         # RealSense、YOLO、机械臂、AGV 与采摘状态机
├── start_tomatopick.bat    # Windows 双击启动脚本
├── ui_settings.json        # UI 参数缓存，运行后会保存/更新
├── models/                 # YOLO 模型文件
│   ├── best.pt
│   ├── V1.0_s.pt
│   ├── V2.0_s.pt
│   ├── V2.1_s.pt
│   └── yolo11n-pose.pt
├── tools/
│   ├── pip_install.txt             # 依赖安装命令参考
│   ├── 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 关节位置读取辅助脚本
│   └── 1.png                       # UI 相机区域默认背景图
└── 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、放置位姿、末端剪刀开关等参数。
- 支持完整采摘流程：AGV 巡检、视觉检测、AGV 停车、深度定位、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，不连接机械臂和 AGV，适合先调试模型与相机画面。
- 在 UI 中实时显示运行日志、终端输出和相机检测画面。
- 通过 `ui_settings.json` 保存上一次 UI 参数，便于下次启动恢复。

## 核心流程

完整流程由 `control_core.main()` 启动，内部会依次完成：

```text
连接机械臂
  -> 机械臂尽量回到 Home
  -> 连接 AGV 并获取控制权
  -> 初始化 RealSense
  -> 加载 YOLO pose 模型
  -> 启动视觉线程和 AGV 线程
  -> AGV 前进巡检
  -> 视觉发现候选番茄后通知 AGV 停车
  -> 视觉计算采摘点、深度和抓取角度
  -> 机械臂抓取并放置
  -> 机械臂返回 Home
  -> AGV 继续巡检
```

线程间主要通过 3 个事件协作：

| 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，允许系统进入下一轮巡检 |

## 环境依赖

建议在 Windows 环境下运行，并提前安装 RealSense、AUBO 机械臂和 AGV 所需 SDK。

主要 Python 依赖包括：

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

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

可以参考 `tools/pip_install.txt` 安装依赖。CPU 环境示例：

```bash
python -m pip install pillow==11.2.1 opencv-python==4.10.0.84 numpy==2.0.0 pyrealsense2==2.55.1.6486 pyaubo_agvc_sdk==0.2.0 pyaubo_sdk==0.24.1 ultralytics==8.3.112 -i https://pypi.tuna.tsinghua.edu.cn/simple
```

如需 GPU 版本 PyTorch，请先按本机 CUDA 版本安装 `torch`、`torchvision` 和 `torchaudio`，再安装其余依赖。

## 启动方式

### 1. 启动图形界面

推荐使用 UI 启动：

```bash
python main.py
```

Windows 下也可以直接双击项目根目录中的：

```text
start_tomatopick.bat
```

该脚本会先自动切换到脚本所在目录，再执行 `python main.py`。因此把整个项目移动到其他目录或其他电脑后，只要 `start_tomatopick.bat` 仍和 `main.py` 在同一目录，就不需要手动修改项目路径。

如果需要桌面入口，可以自行在桌面创建快捷方式，并把目标指向 `start_tomatopick.bat`。

界面中主要按钮：

- `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，不启动机械臂和 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`，并同步到运行中的配置入口。
- `保存位置`：保存当前放置位姿 `[x, y, z, roll, pitch, yaw]`。

### 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
```

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

## 参数说明

`control.py` 是当前项目的主要可调参数入口。常用参数如下：

| 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 |
| `AGV_SPEED_STOP` | AGV 停止速度 |
| `TOTAL_DURATION` | 系统总运行时长，单位秒 |
| `AGV_STOP_TIMEOUT` | AGV 停车后等待采摘完成的超时时间 |
| `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` | 番茄放置位姿列表，当前 UI 使用第一个放置位 |
| `SCISSORS_ENABLED` | 是否启用末端剪刀/夹爪动作 |

UI 参数传递链路：

```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` 中的默认参数为准。
- `ui_settings.json` 中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。

## 模型文件

项目默认模型路径为：

```text
best.pt
```

仓库中的 `models/` 目录已包含多份 `.pt` 模型。可以将目标模型放在项目根目录并使用 `best.pt`，也可以在 UI 中选择 `models/` 下或其他位置的 `.pt` 文件。

当前视觉逻辑使用 YOLO pose 的关键点：

- 第 0 个关键点：采摘点 `cutpoint`。
- 第 1 个关键点：方向端点 `endpoint`。

模型类别、关键点顺序和训练定义需要与上述逻辑一致。

## 运行前检查

完整采摘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` 和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，模型类别和关键点定义符合当前采摘逻辑。
- 首次调试时优先使用 `视觉测试`，确认相机画面、检测框、关键点和深度结果稳定后，再运行完整采摘流程。

## 辅助脚本

`tools/` 目录提供以下调试脚本：

- `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`：读取/查看 AUBO 机械臂关节位置。
- `pip_install.txt`：依赖安装命令参考。