CN108427421A - 一种智能配送机器人控制系统 - Google Patents
一种智能配送机器人控制系统 Download PDFInfo
- Publication number
- CN108427421A CN108427421A CN201810387217.0A CN201810387217A CN108427421A CN 108427421 A CN108427421 A CN 108427421A CN 201810387217 A CN201810387217 A CN 201810387217A CN 108427421 A CN108427421 A CN 108427421A
- Authority
- CN
- China
- Prior art keywords
- module
- consumer
- image
- signal
- single chip
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0242—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using non-visible light signals, e.g. IR or UV signals
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Abstract
本发明属于机器人技术领域,公开了一种智能配送机器人控制系统,所述智能配送机器人控制系统包括:摄像模块、环境监测模块、单片机控制模块、监控识别模块、避障模块、定位模块、结算模块。通过摄像模块采集消费者的图像信息;通过环境监测模块监测配送过程中环境的温度、湿度等信息;单片机控制模块调度监控识别模块对采集的图像进行识别操作;通过避障模块精确躲避配送路途中遇到的障碍物;通过定位模块实时定位配送机器人的位置信息;通过结算模块对消费者的接收到物品后进行确认结算。通过避障模块使用多次模糊逻辑处理,更简单精确地实现机器人自主避障,提升了机器人的使用寿命;根据人脸获取消费者的订单信息,大大提高订单处理效率。
Description
技术领域
本发明属于机器人技术领域,尤其涉及一种智能配送机器人控制系统。
背景技术
配送是指物流企业按照用户订单或配送协议进行配货,通过科学统筹规划,选择经济合理的运输路线与运输方式,在用户指定的时间内,将符合要求的货物送达指定地点的一种方式。配送是指在经济合理区域范围内,根据客户要求,对物品进行拣选、加工、包装、分割、组配等作业,并按时送达指定地点的物流活动。配送是物流中一种特殊的、综合的活动形式,是商流与物流紧密结合,包含了商流活动和物流活动,也包含了物流中若干功能要素的一种形式。然而,现有智能配送机器人躲避障碍不灵敏,不精确,导致设备碰撞损坏;同时不能通过人脸进行查询相关订单信息,处理效率慢。
综上所述,现有技术存在的问题是:现有智能配送机器人躲避障碍不灵敏,不精确,导致设备碰撞损坏;同时不能通过人脸进行查询相关订单信息,处理效率慢。
发明内容
针对现有技术存在的问题,本发明提供了一种智能配送机器人控制系统。
本发明是这样实现的,一种智能配送机器人控制系统包括:
摄像模块、环境监测模块、单片机控制模块、监控识别模块、避障模块、定位模块、结算模块;
摄像模块,与单片机控制模块连接,用于通过摄像头采集消费者的图像信息;
所述摄像模块数字消费者图像的合成方法,具有摄影设备,通过所述摄影设备分别获取曝光时长不同的两幅消费者图像包括以下步骤:
S1将曝光时间长的消费者图像与曝光时间短的消费者图像分别标记为H消费者图像与L消费者图像;
S2分别获取所述H消费者图像与L消费者图像的YCbCr三通道分量,并对各个分量进行梯度计算后得到所述H消费者图像与L消费者图像中每个像素位置的三通道分量梯度值;
S3依次将S2步骤获得的所述H消费者图像与L消费者图像中每同一分量的同一个像素位置的梯度进行比较并进行权值修改,得出所述H消费者图像与L消费者图像相对应的权值矩阵;比较为GYH(m,n)与GYL(m,n)、GCbH(m,n)与GCbL(m,n)、GCrH(m,n)与GCrL(m,n)在相同m,n情况下进行比较,其中,m表示消费者图像H或消费者图像L的第m行,n表示消费者图像H或消费者图像L的第n列;进行权值修改时,当两个消费者图像梯度差在最大梯度差的1/3以内时,取相同的权值,即为0.5;反之,当梯度差大于最大梯度差的1/3时,对梯度值大的赋予大于0.5的权值,梯度值小的赋予小于0.5的权值;最后得到两幅图对应的权值矩阵YA(m,n)、CbA(m,n)、CrA(m,n)与YB(m,n)、CbB(m,n)、CrB(m,n);
S4将所述H消费者图像与L消费者图像各自的YCbCr三通道分量每个相同像素位置的像素分别乘以其相对应的权值;
S5将S4获得的乘积进行求和处理,最终得到三通道分量合成新的消费者图像;
环境监测模块,与单片机控制模块连接,用于监测配送过程中环境的温度、湿度等信息;
单片机控制模块,与摄像模块、环境监测模块、监控识别模块、避障模块、定位模块、结算模块连接,用于控制各个模块正常工作;
所述单片机控制模块的消费者图像信息的脉冲耦合神经网络模型:
Fij[n]=Sij;
Uij[n]=Fij[n](1+βij[n]Lij[n]);
θij[n]=θ0e-αθ(n-1);
其中,βij[n]为自适应链接强度系数;
Sij、Fij[n]、Lij[n]、Uij[n]、θij[n]分别为输入图像信号、反馈输入、链接输入、内部活动项及动态阈值,Nw为所选待处理窗口W中的像素总数,Δ为调节系数,选取1~3;
监控识别模块,与单片机控制模块连接,用于对采集的图像进行识别操作;
所述监控识别模块的图像缝合线采用消除跨重叠区域遮挡求解最小连通域的方法,具体包括:缝合线采用消除跨重叠区域遮挡求解最小连通域的方法,具体包括:
1)采用阈值分割的方法将图像分为两部分,高量值区和低量值区,阈值代价准则定义如式:
其中为cost(x,y)求得的误匹配度量矩阵,δ·THmax是图像分割阈值,其中THmax为重叠区域的最大误匹配量值,δ为固定常量,δ∈(0,0.2);Tcost_b为Tcost的二值化矩阵;
2)判断缝合线的起点和终点是否均在低量值区(Tcost_b=0)且位于同一连通分量,即判断起点终点间是否存在一条路径;若不存在,表示图中存在一条或多条跨重叠区域的遮挡;查找跨重叠区域的遮挡,并逐步减小此遮挡区域的量值,直到不存在跨重叠区域的遮挡,使起点和终点位于同一连通分量内;此时起点终点所在的连通区域,即求解的缝合线最小连通域;
避障模块,与单片机控制模块连接,用于精确躲避配送路途中遇到的障碍物;
所述避障模块由FPGA模块、发射电路模块、接收电路模块、放大滤波模块、AD转换模块;发射电路模块和接受电路模块与天线连接:
FPGA模块,用于输入输出控制、任务调度、信号调制、AD转换器控制、数字滤波、波形识别和RSS计算;
发射电路模块,与FPGA模块连接,用于将调制后的信号进行功率放大,通过天线发射出去;
接收电路模块,与发射电路模块连接,与天线相连,用于从天线接收应答器返回信号;
放大滤波模块,与接收电路模块连接,接收到的返回信号属于微弱信号,对该信号进行滤波放大后才能进行数字化采样;
AD转换模块,与放大滤波模块连接,用于对放大滤波后的信号进行固定周期采样;
所述FPGA模块进一步包括:
输入输出控制器,用于对键盘输入进行编解码,生成用户命令;
信号调制模块,用于载波信号的产生及将需要发送给应答器的命令调制在载波信号上;
数字滤波模块,用于对采样得到的数字信号进行带宽滤波,去除干扰;
波形识别模块,用于对滤波后的数字信号计算局部极大值,识别出一个周期的波形;
RSS计算及解码模块,用于从波形数据中计算接收信号强度,依据应答器返回信号的编码规则,对信号进行解码,提取应答器返回的数据;
定位模块,与单片机控制模块连接,用于通过定位芯片实时定位配送机器人的位置信息;
结算模块,与单片机控制模块连接,用于对消费者的接收到物品后进行确认结算。
进一步,所述监控识别模块识别方法如下:
首先,配送机器人通过摄像模块对用户进行人脸识别,并将识别结果发送至监控终端;
然后,接收到监控终端的反馈后,实时获取订单信息和订单日志并同步到监控终端,并向监控终端发送支付请求;
最后,确认支付后,对消费者的地址信息进行确认,再判定当前订单的派送状态,并向所述监控终端发送判定结果。
进一步,所述避障模块躲避障碍物方法如下:
首先,基于超声波信息与红外信息,获取电压信号数据,并绘制电压信号曲线;
其次,基于电压信号曲线,获取电压信号隶属度函数;设置模糊阈值,确定电压信号的模糊集合;
然后,基于电压信号的模糊集合,获取距离的隶属度函数,进而获得距离的模糊集合;
最后,基于距离的模糊集合,获取速度的模糊规则,用于机器人避障。
本发明的优点及积极效果为:通过摄像模块采集消费者的图像信息;通过环境监测模块监测配送过程中环境的温度、湿度等信息;单片机控制模块调度监控识别模块对采集的图像进行识别操作;通过避障模块精确躲避配送路途中遇到的障碍物;通过定位模块实时定位配送机器人的位置信息;通过结算模块对消费者的接收到物品后进行确认结算。本发明通过避障模块使用多次模糊逻辑处理,更简单精确地实现机器人自主避障,提升了机器人的使用寿命;同时通过监控识别模块可以根据人脸获取消费者的订单信息,大大提高订单处理效率。本发明提出最小连通域内递归回溯的缝合线搜索算法,通过消除跨重叠区域遮挡,剔除配准误差较大的像素点,求解缝合线所在的最小连通子区域;并在连通区域内,利用递归回溯搜索最短路径方式,生成一条缝合线实现图像拼接;改善缝合线融合图像局部‘错位’现象。该算法在取得较好拼接效果的同时,具有线性时间复杂度,时效性较高。
附图说明
图1是本发明实施例提供的智能配送机器人控制系统结构示意图;
图中:1、摄像模块;2、环境监测模块;3、单片机控制模块;4、监控识别模块;5、避障模块;6、定位模块;7、结算模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示,本发明提供的智能配送机器人控制系统包括:摄像模块1、环境监测模块2、单片机控制模块3、监控识别模块4、避障模块5、定位模块6、结算模块7。
摄像模块1,与单片机控制模块3连接,用于通过摄像头采集消费者的图像信息;
环境监测模块2,与单片机控制模块3连接,用于监测配送过程中环境的温度、湿度等信息;
单片机控制模块3,与摄像模块1、环境监测模块2、监控识别模块4、避障模块5、定位模块6、结算模块7连接,用于控制各个模块正常工作;
监控识别模块4,与单片机控制模块3连接,用于对采集的图像进行识别操作;
避障模块5,与单片机控制模块3连接,用于精确躲避配送路途中遇到的障碍物;
定位模块6,与单片机控制模块3连接,用于通过定位芯片实时定位配送机器人的位置信息;
结算模块7,与单片机控制模块3连接,用于对消费者的接收到物品后进行确认结算。
摄像模块、环境监测模块、单片机控制模块、监控识别模块、避障模块、定位模块、结算模块;
摄像模块,与单片机控制模块连接,用于通过摄像头采集消费者的图像信息;
所述摄像模块数字消费者图像的合成方法,具有摄影设备,通过所述摄影设备分别获取曝光时长不同的两幅消费者图像包括以下步骤:
S1将曝光时间长的消费者图像与曝光时间短的消费者图像分别标记为H消费者图像与L消费者图像;
S2分别获取所述H消费者图像与L消费者图像的YCbCr三通道分量,并对各个分量进行梯度计算后得到所述H消费者图像与L消费者图像中每个像素位置的三通道分量梯度值;
S3依次将S2步骤获得的所述H消费者图像与L消费者图像中每同一分量的同一个像素位置的梯度进行比较并进行权值修改,得出所述H消费者图像与L消费者图像相对应的权值矩阵;比较为GYH(m,n)与GYL(m,n)、GCbH(m,n)与GCbL(m,n)、GCrH(m,n)与GCrL(m,n)在相同m,n情况下进行比较,其中,m表示消费者图像H或消费者图像L的第m行,n表示消费者图像H或消费者图像L的第n列;进行权值修改时,当两个消费者图像梯度差在最大梯度差的1/3以内时,取相同的权值,即为0.5;反之,当梯度差大于最大梯度差的1/3时,对梯度值大的赋予大于0.5的权值,梯度值小的赋予小于0.5的权值;最后得到两幅图对应的权值矩阵YA(m,n)、CbA(m,n)、CrA(m,n)与YB(m,n)、CbB(m,n)、CrB(m,n);
S4将所述H消费者图像与L消费者图像各自的YCbCr三通道分量每个相同像素位置的像素分别乘以其相对应的权值;
S5将S4获得的乘积进行求和处理,最终得到三通道分量合成新的消费者图像;
所述单片机控制模块的消费者图像信息的脉冲耦合神经网络模型:
Fij[n]=Sij;
Uij[n]=Fij[n](1+βij[n]Lij[n]);
θij[n]=θ0e-αθ(n-1);
其中,βij[n]为自适应链接强度系数;
Sij、Fij[n]、Lij[n]、Uij[n]、θij[n]分别为输入图像信号、反馈输入、链接输入、内部活动项及动态阈值,Nw为所选待处理窗口W中的像素总数,Δ为调节系数,选取1~3;
所述监控识别模块的图像缝合线采用消除跨重叠区域遮挡求解最小连通域的方法,具体包括:缝合线采用消除跨重叠区域遮挡求解最小连通域的方法,具体包括:
1)采用阈值分割的方法将图像分为两部分,高量值区和低量值区,阈值代价准则定义如式:
其中为cost(x,y)求得的误匹配度量矩阵,δ·THmax是图像分割阈值,其中THmax为重叠区域的最大误匹配量值,δ为固定常量,δ∈(0,0.2);Tcost_b为Tcost的二值化矩阵;
2)判断缝合线的起点和终点是否均在低量值区(Tcost_b=0)且位于同一连通分量,即判断起点终点间是否存在一条路径;若不存在,表示图中存在一条或多条跨重叠区域的遮挡;查找跨重叠区域的遮挡,并逐步减小此遮挡区域的量值,直到不存在跨重叠区域的遮挡,使起点和终点位于同一连通分量内;此时起点终点所在的连通区域,即求解的缝合线最小连通域;
所述避障模块由FPGA模块、发射电路模块、接收电路模块、放大滤波模块、AD转换模块;发射电路模块和接受电路模块与天线连接:
FPGA模块,用于输入输出控制、任务调度、信号调制、AD转换器控制、数字滤波、波形识别和RSS计算;
发射电路模块,与FPGA模块连接,用于将调制后的信号进行功率放大,通过天线发射出去;
接收电路模块,与发射电路模块连接,与天线相连,用于从天线接收应答器返回信号;
放大滤波模块,与接收电路模块连接,接收到的返回信号属于微弱信号,对该信号进行滤波放大后才能进行数字化采样;
AD转换模块,与放大滤波模块连接,用于对放大滤波后的信号进行固定周期采样;
所述FPGA模块进一步包括:
输入输出控制器,用于对键盘输入进行编解码,生成用户命令;
信号调制模块,用于载波信号的产生及将需要发送给应答器的命令调制在载波信号上;
数字滤波模块,用于对采样得到的数字信号进行带宽滤波,去除干扰;
波形识别模块,用于对滤波后的数字信号计算局部极大值,识别出一个周期的波形;
RSS计算及解码模块,用于从波形数据中计算接收信号强度,依据应答器返回信号的编码规则,对信号进行解码,提取应答器返回的数据;
本发明提供的监控识别模块4识别方法如下:
首先,配送机器人通过摄像模块对用户进行人脸识别,并将识别结果发送至监控终端;
然后,接收到监控终端的反馈后,实时获取订单信息和订单日志并同步到监控终端,并向监控终端发送支付请求;
最后,确认支付后,对消费者的地址信息进行确认,再判定当前订单的派送状态,并向所述监控终端发送判定结果。
本发明提供的避障模块5躲避障碍物方法如下:
首先,基于超声波信息与红外信息,获取电压信号数据,并绘制电压信号曲线;
其次,基于电压信号曲线,获取电压信号隶属度函数;设置模糊阈值,确定电压信号的模糊集合;
然后,基于电压信号的模糊集合,获取距离的隶属度函数,进而获得距离的模糊集合;
最后,基于距离的模糊集合,获取速度的模糊规则,用于机器人避障。
本发明配送时,通过摄像模块1采集消费者的图像信息;通过环境监测模块2监测配送过程中环境的温度、湿度等信息;单片机控制模块3调度监控识别模块4对采集的图像进行识别操作;通过避障模块5精确躲避配送路途中遇到的障碍物;通过定位模块6实时定位配送机器人的位置信息;通过结算模块7对消费者的接收到物品后进行确认结算。
以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。
Claims (3)
1.一种智能配送机器人控制系统,其特征在于,所述智能配送机器人控制系统包括:
摄像模块、环境监测模块、单片机控制模块、监控识别模块、避障模块、定位模块、结算模块;
摄像模块,与单片机控制模块连接,用于通过摄像头采集消费者的图像信息;
所述摄像模块数字消费者图像的合成方法,具有摄影设备,通过所述摄影设备分别获取曝光时长不同的两幅消费者图像包括以下步骤:
S1 将曝光时间长的消费者图像与曝光时间短的消费者图像分别标记为H消费者图像与L消费者图像;
S2 分别获取所述H消费者图像与L消费者图像的YCbCr三通道分量,并对各个分量进行梯度计算后得到所述H消费者图像与L消费者图像中每个像素位置的三通道分量梯度值;
S3 依次将S2步骤获得的所述H消费者图像与L消费者图像中每同一分量的同一个像素位置的梯度进行比较并进行权值修改,得出所述H消费者图像与L消费者图像相对应的权值矩阵;比较为GYH(m,n)与GYL(m,n)、GCbH(m,n)与GCbL(m,n)、GCrH(m,n)与GCrL(m,n)在相同m,n情况下进行比较,其中,m表示消费者图像H或消费者图像L的第m行,n表示消费者图像H或消费者图像L的第n列;进行权值修改时,当两个消费者图像梯度差在最大梯度差的1/3以内时,取相同的权值,即为0.5;反之,当梯度差大于最大梯度差的1/3时,对梯度值大的赋予大于0.5的权值,梯度值小的赋予小于0.5的权值;最后得到两幅图对应的权值矩阵YA(m,n)、CbA(m,n)、CrA(m,n)与YB(m,n)、CbB(m,n)、CrB(m,n);
S4 将所述H消费者图像与L消费者图像各自的YCbCr三通道分量每个相同像素位置的像素分别乘以其相对应的权值;
S5 将S4获得的乘积进行求和处理,最终得到三通道分量合成新的消费者图像;
环境监测模块,与单片机控制模块连接,用于监测配送过程中环境的温度、湿度等信息;
单片机控制模块,与摄像模块、环境监测模块、监控识别模块、避障模块、定位模块、结算模块连接,用于控制各个模块正常工作;
所述单片机控制模块的消费者图像信息的脉冲耦合神经网络模型:
Fij[n]=Sij;
Uij[n]=Fij[n](1+βij[n]Lij[n]);
其中,βij[n]为自适应链接强度系数;
Sij、Fij[n]、Lij[n]、Uij[n]、θij[n]分别为输入图像信号、反馈输入、链接输入、内部活动项及动态阈值,Nw为所选待处理窗口W中的像素总数,Δ为调节系数,选取1~3;
监控识别模块,与单片机控制模块连接,用于对采集的图像进行识别操作;
所述监控识别模块的图像缝合线采用消除跨重叠区域遮挡求解最小连通域的方法,具体包括:缝合线采用消除跨重叠区域遮挡求解最小连通域的方法,具体包括:
1)采用阈值分割的方法将图像分为两部分,高量值区和低量值区,阈值代价准则定义如式:
其中为cost(x,y)求得的误匹配度量矩阵,δ·THmax是图像分割阈值,其中THmax为重叠区域的最大误匹配量值,δ为固定常量,δ∈(0,0.2);Tcost_b为Tcost的二值化矩阵;
2)判断缝合线的起点和终点是否均在低量值区(Tcost_b=0)且位于同一连通分量,即判断起点终点间是否存在一条路径;若不存在,表示图中存在一条或多条跨重叠区域的遮挡;查找跨重叠区域的遮挡,并逐步减小此遮挡区域的量值,直到不存在跨重叠区域的遮挡,使起点和终点位于同一连通分量内;此时起点终点所在的连通区域,即求解的缝合线最小连通域;
避障模块,与单片机控制模块连接,用于精确躲避配送路途中遇到的障碍物;
所述避障模块由FPGA模块、发射电路模块、接收电路模块、放大滤波模块、AD转换模块;发射电路模块和接受电路模块与天线连接:
FPGA模块,用于输入输出控制、任务调度、信号调制、AD转换器控制、数字滤波、波形识别和RSS计算;
发射电路模块,与FPGA模块连接,用于将调制后的信号进行功率放大,通过天线发射出去;
接收电路模块,与发射电路模块连接,与天线相连,用于从天线接收应答器返回信号;
放大滤波模块,与接收电路模块连接,接收到的返回信号属于微弱信号,对该信号进行滤波放大后才能进行数字化采样;
AD转换模块,与放大滤波模块连接,用于对放大滤波后的信号进行固定周期采样;
所述FPGA模块进一步包括:
输入输出控制器,用于对键盘输入进行编解码,生成用户命令;
信号调制模块,用于载波信号的产生及将需要发送给应答器的命令调制在载波信号上;
数字滤波模块,用于对采样得到的数字信号进行带宽滤波,去除干扰;
波形识别模块,用于对滤波后的数字信号计算局部极大值,识别出一个周期的波形;
RSS计算及解码模块,用于从波形数据中计算接收信号强度,依据应答器返回信号的编码规则,对信号进行解码,提取应答器返回的数据;
定位模块,与单片机控制模块连接,用于通过定位芯片实时定位配送机器人的位置信息;
结算模块,与单片机控制模块连接,用于对消费者的接收到物品后进行确认结算。
2.如权利要求1所述智能配送机器人控制系统,其特征在于,所述监控识别模块识别方法如下:
首先,配送机器人通过摄像模块对用户进行人脸识别,并将识别结果发送至监控终端;
然后,接收到监控终端的反馈后,实时获取订单信息和订单日志并同步到监控终端,并向监控终端发送支付请求;
最后,确认支付后,对消费者的地址信息进行确认,再判定当前订单的派送状态,并向所述监控终端发送判定结果。
3.如权利要求1所述智能配送机器人控制系统,其特征在于,所述避障模块躲避障碍物方法如下:
首先,基于超声波信息与红外信息,获取电压信号数据,并绘制电压信号曲线;
其次,基于电压信号曲线,获取电压信号隶属度函数;设置模糊阈值,确定电压信号的模糊集合;
然后,基于电压信号的模糊集合,获取距离的隶属度函数,进而获得距离的模糊集合;
最后,基于距离的模糊集合,获取速度的模糊规则,用于机器人避障。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810387217.0A CN108427421A (zh) | 2018-04-26 | 2018-04-26 | 一种智能配送机器人控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810387217.0A CN108427421A (zh) | 2018-04-26 | 2018-04-26 | 一种智能配送机器人控制系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108427421A true CN108427421A (zh) | 2018-08-21 |
Family
ID=63161911
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810387217.0A Pending CN108427421A (zh) | 2018-04-26 | 2018-04-26 | 一种智能配送机器人控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108427421A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109171817A (zh) * | 2018-09-05 | 2019-01-11 | 浙江深博医疗技术有限公司 | 三维乳腺超声扫描方法及超声扫描系统 |
CN110794848A (zh) * | 2019-11-27 | 2020-02-14 | 北京三快在线科技有限公司 | 一种无人车控制方法及装置 |
CN113483826A (zh) * | 2021-07-20 | 2021-10-08 | 山东新一代信息产业技术研究院有限公司 | 一种配送机器人危险警报系统及方法 |
CN116342229A (zh) * | 2023-05-30 | 2023-06-27 | 日照金果粮油有限公司 | 一种跨境电商信息交易处理系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104301636A (zh) * | 2014-10-30 | 2015-01-21 | 西安电子科技大学 | 低复杂度高效高动态数字图像的合成方法 |
CN104375417A (zh) * | 2014-11-05 | 2015-02-25 | 济南大学 | 一种候车厅智能服务机器人 |
CN106842956A (zh) * | 2017-03-17 | 2017-06-13 | 葛辰雨 | 机器人避障方法及系统 |
CN107133968A (zh) * | 2017-06-07 | 2017-09-05 | 武汉洁美雅科技有限公司 | 一种基于物联网的垃圾处理控制系统 |
CN107146213A (zh) * | 2017-05-08 | 2017-09-08 | 西安电子科技大学 | 基于缝合线的无人机航拍图像拼接方法 |
CN206960959U (zh) * | 2017-05-10 | 2018-02-02 | 广州汇宏品牌管理有限公司 | 一种自主收发货机器人 |
US20180068253A1 (en) * | 2016-09-02 | 2018-03-08 | John Simms | System and method for robotic delivery |
CN107821109A (zh) * | 2017-11-14 | 2018-03-23 | 朱宪民 | 一种自走式智能自动循环旋转自然雨喷灌机 |
-
2018
- 2018-04-26 CN CN201810387217.0A patent/CN108427421A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104301636A (zh) * | 2014-10-30 | 2015-01-21 | 西安电子科技大学 | 低复杂度高效高动态数字图像的合成方法 |
CN104375417A (zh) * | 2014-11-05 | 2015-02-25 | 济南大学 | 一种候车厅智能服务机器人 |
US20180068253A1 (en) * | 2016-09-02 | 2018-03-08 | John Simms | System and method for robotic delivery |
CN106842956A (zh) * | 2017-03-17 | 2017-06-13 | 葛辰雨 | 机器人避障方法及系统 |
CN107146213A (zh) * | 2017-05-08 | 2017-09-08 | 西安电子科技大学 | 基于缝合线的无人机航拍图像拼接方法 |
CN206960959U (zh) * | 2017-05-10 | 2018-02-02 | 广州汇宏品牌管理有限公司 | 一种自主收发货机器人 |
CN107133968A (zh) * | 2017-06-07 | 2017-09-05 | 武汉洁美雅科技有限公司 | 一种基于物联网的垃圾处理控制系统 |
CN107821109A (zh) * | 2017-11-14 | 2018-03-23 | 朱宪民 | 一种自走式智能自动循环旋转自然雨喷灌机 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109171817A (zh) * | 2018-09-05 | 2019-01-11 | 浙江深博医疗技术有限公司 | 三维乳腺超声扫描方法及超声扫描系统 |
CN110794848A (zh) * | 2019-11-27 | 2020-02-14 | 北京三快在线科技有限公司 | 一种无人车控制方法及装置 |
CN113483826A (zh) * | 2021-07-20 | 2021-10-08 | 山东新一代信息产业技术研究院有限公司 | 一种配送机器人危险警报系统及方法 |
CN116342229A (zh) * | 2023-05-30 | 2023-06-27 | 日照金果粮油有限公司 | 一种跨境电商信息交易处理系统 |
CN116342229B (zh) * | 2023-05-30 | 2023-08-08 | 日照金果粮油有限公司 | 一种跨境电商信息交易处理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108427421A (zh) | 一种智能配送机器人控制系统 | |
US8059864B2 (en) | System and method of image-based space detection | |
CN108780154B (zh) | 3d点云的处理方法 | |
CN112149555B (zh) | 一种基于全局视觉的多仓储agv追踪方法 | |
CN109081028B (zh) | 一种基于机器人的物品输送方法和系统 | |
US20190362173A1 (en) | Spatio-temporal awareness engine for priority tree based region selection across multiple input cameras and multimodal sensor empowered awareness engine for target recovery and object path prediction | |
DE102015206178A1 (de) | Ein Videoverfolgungsbasiertes Verfahren zur automatischen Reihung von Fahrzeugen in Drivethrough-Anwendungen | |
CN111316284A (zh) | 车道线检测方法、装置、系统与车辆、存储介质 | |
CN107170284A (zh) | 一种洗车场管理服务端及数据处理方法 | |
CN111950952A (zh) | 用于自动化多模式投递的系统和方法 | |
CN111914582B (zh) | 一种适用于快速运动物品的rfid识别方法 | |
US11937580B2 (en) | Computer vision-based feeding monitoring and method therefor | |
CN114220157A (zh) | 无人机配送中基于人脸转正和人脸识别的收货人识别方法 | |
CN115545623A (zh) | 一种智能物流货物定位监控方法及装置 | |
Menon et al. | NBV-SC: Next best view planning based on shape completion for fruit mapping and reconstruction | |
CN113901911B (zh) | 图像识别、模型训练方法、装置、电子设备及存储介质 | |
CN108169779A (zh) | 一种基于北斗定位的物件信息追踪系统 | |
CN113052531A (zh) | 基于动作分析的无人物流车配送方法及系统 | |
CN109308593A (zh) | 一种基于物联网的机械制造产品存放运输系统及方法 | |
Schoepflin et al. | Smart material delivery unit for the production supplying logistics of aircraft | |
CN113939832A (zh) | 物件辨识系统及相关装置 | |
Akbari et al. | Application of rfid system for the process control of distributed manufacturing system | |
CN115293606A (zh) | 一种无人送货车系统 | |
US11829127B2 (en) | Opportunistic information and inventory exchange via serendipitous encounters of autonomous mobile robots | |
Hoff-Hoffmeyer-Zlotnik et al. | Automobile Logistics 4.0: Advances Through Digitalization |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180821 |