CN110711701B - 一种基于rfid空间定位技术的抓取式柔性分拣方法 - Google Patents

Abstract

本发明属于物流分拣领域，并具体公开了一种基于RFID空间定位技术的抓取式柔性分拣方法。所述方法包括：将贴有RFID标签的目标包裹放置于运动的传送带上，获取目标包裹上的RFID标签的射频信息，以获取目标包裹上的RFID标签的基于时序的周期非连续相位值，利用改进的解缠算法行处理以得到解缠相位，在所述抓取范围W*L内计算RFID读写器读写目标包裹上的RFID标签的射频信息时刻目标包裹的估计坐标，对目标包裹的估计坐标进行修正，以获取目标包裹的实际坐标；分拣机构根据目标包裹的实际坐标对目标包裹进行柔性分拣。本发明有效提高了自动化的物流分拣的精度和准确性，因而尤其适用于光线较弱、包裹量大的分拣场合。

Description

一种基于RFID空间定位技术的抓取式柔性分拣方法

技术领域

本发明属于物流分拣领域，更具体地，涉及一种基于RFID空间定位技术的抓取式柔性分拣方法。

背景技术

拣选作业是时间、人力及成本投入最多的工作，上涨迅速，成为物流行业的最大痛点。现有物流分拣系统大部分采用视觉方案，由于视觉对视距、光线要求较高，仍然无法大规模应用。

RFID射频识别技术可以通过天线设备发出的电磁场远程获取标签的ID信息。近年来，RFID定位技术受到了广泛的重视和研究。本项目将RFID标签定位技术引入到物流自动化分拣中，在RFID标签ID信息识别的基础上，赋予其位置感知能力。该方法可同时实现识别和定位传送带上的包裹两个功能，解决了自动化物流分拣中的分拣对象是什么，在哪里两个核心关键问题。

中国专利201820317702.6提出一种由传送带、光电传感器、RFID阅读器、气缸、分拣传送带等组成一个物流托盘分拣装置。其中RFID阅读器读取标签信息并发送给信号处理器，识别货物，经过对应传送带时，由光电传感器确定货物位置，由气缸组件工作将物品推送至对应传送带，完成分拣。该项目采用光电门作为对传送带上货物进行定位的方式，只能实现对排列整齐且一个个通过光电门的情况进行分拣，而无法适用于物流中的大批货物混流分拣的情况。中国专利201820454891.1提出一种由带RFID标签的物体、读写器、传送带、分拣通道、分拣装置和中央控制器的物流自动分拣系统。由中央控制器判断被分拣物品是否属于该分拣模块的分拣通道，若是，则将被分拣物品推入分拣通道，否则被分拣物品继续在输送线上移动，到下一个分拣模块位置，重复上述信息采集与分拣动作。该项目仅使用RFID技术读写数据的功能，而不能实现对传送带上物品的精确定位，分拣机构无法实时掌控待分拣物品的位置，难以实现高度自动化的物流分拣系统。

因此，本领域亟待提出一种基于RFID空间定位技术的抓取式柔性分拣方法，以实现分拣机构在分拣中对目标包裹的实时位姿，提高自动化的物流分拣的精度和准确性。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于RFID空间定位技术的抓取式柔性分拣方法，其中结合柔性分拣自身的特征及其RFID空间定位技术的特点，相应设计了一种基于RFID空间定位技术的抓取式柔性分拣方法，其通过建立包裹与RFID标签一一映射关系，然后对目标包裹的周期非连续相位值进行解缠，并以取机构的抓取范围为目标，获取目标范围内目标包裹的估计坐标，为了进一步精确目标包裹的位姿，其还对目标包裹的估计坐标进行了修正，以获取目标范围内目标包裹的实际坐标，使得分拣机构在目标范围内能准确规划抓取路径，有效提高了自动化的物流分拣的精度和准确性，因而尤其适用于光线较弱、包裹量大的分拣场合。

为实现上述目的，按照本发明的一个方面，提供一种基于RFID空间定位技术的抓取式柔性分拣方法，包括以下步骤：

S1将目标包裹信息与RFID标签的ID信息相匹配，并录入数据库；

S2分拣时，将贴有RFID标签的目标包裹放置于运动的传送带上，安装于传送带上的RFID天线不断获取目标包裹上的RFID标签的射频信息，RFID读写器对该射频信息进行读写处理，以获取目标包裹上的RFID标签的基于时序的周期非连续相位值，接着，利用改进的解缠算法对所述基于时序的周期非连续相位值进行处理以得到解缠相位；

S3设定抓取机构的抓取范围W*L，在所述抓取范围W*L内根据解缠相位，计算RFID读写器读写目标包裹上的RFID标签的射频信息时刻目标包裹的估计坐标，其中，W为抓取范围的长度，L为抓取范围的宽度；

S4对目标包裹的估计坐标进行修正，以获取目标包裹的实际坐标；

S5分拣机构根据目标包裹的实际坐标对目标包裹进行柔性分拣。

作为进一步优选的，步骤S2中，所述改进的解缠算法包括以下步骤：

获取T_N时刻目标包裹上的RFID标签的周期非连续相位值

通过构建解缠算法模型将所述周期非连续相位值

转化为非周期连续相位值γ_N，该非周期连续相位值γ_N即为T_N时刻目标包裹上的RFID标签的解缠相位，其中，所述解缠算法模型为：

其中，

是T_N-1时刻目标包裹上的RFID标签的周期非连续相位值，N≥200。

作为进一步优选的，所述步骤S3包括以下子步骤：

首先，建立所述解缠相位在所述抓取范围W*L中的代价函数F(γ)。

然后，将所述抓取范围W*L中任意坐标值代入到代价函数F(γ)中，遍历所述抓取范围W*L中的所有坐标值，直至获取代价函数F(γ)在所述抓取范围W*L中的最大值MAX(F(γ)),该最大值MAX(F(γ)),所对应的坐标值

即为目标包裹的估计坐标。

作为进一步优选的，所述代价函数F(γ)的模型为：

其中，

是T_i时刻目标包裹上的RFID标签的周期非连续相位值，γ_i是T_i时刻目标包裹上的RFID标签的非周期连续相位值，N≥i≥200。

作为进一步优选的，T_i时刻所述目标包裹上的RFID标签的周期非连续相位值

的计算模型为：

其中，λ是RFID天线发射的电磁信号波长，(x_A，y_A，z_A)是RFID天线的位置坐标,(x_i，y_i，z_i)是所述抓取范围W*L中任意一个坐标值，α是常数。

作为进一步优选的，步骤S4中，对目标包裹的估计坐标进行修正具体包括以下子步骤：

首先，根据传送带的运动状态构建目标包裹的估计运动状态矩阵(S_K)；

然后，根据卡尔曼增益模型对目标包裹的估计运动状态矩阵(S_K)进行修正，得到目标包裹的实际运动状态矩阵(S_K’)；

最后，根据目标包裹的实际运动状态矩阵(S_K’)获取目标包裹的实际坐标。

作为进一步优选的，所述卡尔曼增益模型为：

K_k＝P_kH^T(HP_kH^T+R)^-1

目标包裹的实际运动状态矩阵(S_K’)的表达式为：

S_k'＝S_k+K_k(C_k-HS_k)

其中，K_k为卡尔曼增益模型，H为测量矩阵，R为测量噪声矩阵，Q为处理噪声矩阵，P_k为状态误差估计协方差矩阵。

总体而言，通过本发明所构思的以上技术方案与现有技术相比，主要具备以下的技术优点：

1.本发明通过建立包裹与RFID标签一一映射关系，然后对目标包裹的相位信息进行解缠，并以取机构的抓取范围为目标，获取目标范围内目标包裹的估计坐标，为了进一步精确目标包裹的位姿，其还对目标包裹的估计坐标进行了修正，以获取目标范围内目标包裹的实际坐标，使得分拣机构在目标范围内能准确规划抓取路径，有效提高了自动化的物流分拣的精度和准确性，成本低，不受光照干扰，可非视觉读取，可批量读取。

2.本发明对设备安装、包裹的摆放姿态等要求低，即本发明无需对包裹的摆放姿态进行限定，即可实现对包裹的精确定位。

3.本发明采用改进的解缠算法对所述基于时序的周期非连续相位值进行处理以得到解缠相位，该方法能够较好的处理异常的相位值，使得所得到的解缠相位能够更好的贴合实际的相位值。

附图说明

图1是本发明实施例涉及的一种基于RFID空间定位技术的抓取式柔性分拣方法的流程图；

图2是本发明实现一种基于RFID空间定位技术的抓取式柔性分拣方法的系统结构示意图。

在所有附图中，相同的附图标记用来表示相同的元件或结构，其中：

1-携载有RFID天线的RFID读写器，2-传送带，3-分拣机构。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

如图1、图2所示,本发明一种基于RFID空间定位技术的抓取式柔性分拣方法包括以下步骤:

步骤一,将RFID标签置于包裹上的预设位置，将包裹信息与RFID标签的ID信息相匹配,并将包裹信息与RFID标签的ID信息录入数据库中。其中，将包裹信息与RFID标签的ID信息相匹配，并录入数据库，构建标签ID信息与包裹信息的一一映射关系。包裹信息包括但不限于物品名称、物品寄件人，物品收件人，包裹大小。

步骤二，将贴有RFID标签的包裹放置于运动的分拣传送模块上进行分拣。将分拣传送模块的RFID天线和分拣机构置于传送带两侧，标定RFID天线和分拣机构的位置，其中，RFID天线可设置有多个，分拣机构则根据需要布置设置的个数。传送带的速度可由编码器测出。在分拣时，将贴有RFID标签的包裹放置于运动的传送带上，使贴有RFID标签的包裹随着传送带一起运动。

步骤三，分拣时，将贴有RFID标签的目标包裹放置于运动的传送带上，安装于传送带两侧的RFID天线不断获取目标包裹上的RFID标签的射频信息，RFID读写器对该射频信息进行处理，以获取目标包裹上的RFID标签的基于时序的周期非连续相位值，接着，利用改进的解缠算法对所述基于时序的周期非连续相位值进行处理以得到解缠相位，即，RFID天线不停获取基于时序的周期非连续相位值序列，获取T_N时刻目标包裹上的RFID标签的周期非连续相位值

通过构建解缠算法模型将所述周期非连续相位值

转化为非周期连续相位值γ_N，该非周期连续相位值γ_N即为T_N时刻目标包裹上的RFID标签的解缠相位，其中，所述解缠算法模型为：

其中，

是T_N-1时刻目标包裹上的RFID标签的周期非连续相位值，N≥200。

步骤四，根据解缠相位计算读取信号时刻的目标包裹的估计坐标。具体为：首先，建立所述解缠相位在所述抓取范围W*L中的代价函数F(γ)；

然后，将所述抓取范围W*L中任意坐标值代入到代价函数F(γ)中，遍历所述抓取范围W*L中的所有坐标值，直至获取代价函数F(γ)在所述抓取范围W*L中的最大值MAX(F(γ)),该最大值MAX(F(γ)),所对应的坐标值

即为目标包裹的估计坐标，其中，W为抓取范围的长度，L为抓取范围的宽度。

其中，代价函数F(γ)的模型为：

其中，

是T_i时刻目标包裹上的RFID标签的周期非连续相位值，γ_i是T_i时刻目标包裹上的RFID标签的非周期连续相位值，N≥i≥200。

T_i时刻所述目标包裹上的RFID标签的周期非连续相位值

的计算模型为：

其中，λ是RFID天线发射的电磁信号波长，(x_A，y_A，z_A)是RFID天线的位置坐标,(x_i，y_i，z_i)是所述抓取范围W*L中任意一个坐标值，α是常数。由于本专利中传送带的高度是不变的，因此，z_i为0。

步骤五，对目标包裹的估计坐标进行修正，以获取目标包裹的实际坐标。具体为：首先，根据传送带的运动状态构建目标包裹的估计运动状态矩阵(S_K)；然后，根据卡尔曼增益模型对目标包裹的估计运动状态矩阵(S_K)进行修正，得到目标包裹的实际运动状态矩阵(S_K’)；最后，根据目标包裹的实际运动状态矩阵(S_K’)获取目标包裹的实际坐标。

其中，所述卡尔曼增益模型为：

K_k＝P_kH^T(HP_kH^T+R)^-1

目标包裹的实际运动状态矩阵(S_K’)的表达式为：

S_k'＝S_k+K_k(C_k-HS_k)

其中，K_k为卡尔曼增益模型，H为测量矩阵，R为测量噪声矩阵，Q为处理噪声矩阵，P_k为状态误差估计协方差矩阵。

在本发明中，在获取目标包裹的实际坐标后，还可以继续对下一时刻目标包裹的估计坐标进行预测，以获取下一时刻目标包裹的估计坐标，

该预测模型为：

S_k+1＝AS_k

即：

其中，A为状态转移矩阵，S_k+1为k+1时刻目标包裹的运动状态矩阵；S_k为k时刻目标包裹的运动状态矩阵。

采用卡尔曼滤波方式用以修正预测误差：

给定初始的P_k、R、Q

通过已知的状态转移矩阵A和状态误差估计协方差矩阵P_k计算下一次修正使用的状态误差估计协方差矩阵：

P_k+1＝AP_kA^T+Q

通过已知测量矩阵H、测量噪声矩阵R和状态误差估计协方差矩阵P_k的计算卡尔曼增益：

K_k＝P_kH^T(HP_kH^T+R)^-1

通过已知的坐标描述矩阵C_k、状态矩阵S_k、测量矩阵H和卡尔曼增益K_k更新估计的坐标：

S_k'＝S_k+K_k(C_k-HS_k)

通过已知的测量矩阵H和卡尔曼增益K_k更新状态误差：

P_k＝(I-k_kH)P_k

其中，A为状态转移矩阵，描述物体运动满足的规律，本发明中已知；

P为状态误差估计协方差矩阵，它能描述模型误差在每代中的传递情况，每次迭代会更新此矩阵，第一次初始如果给比较大的值算法在前几次迭代中会更快适应检测值，但是更小可能忽略噪声，本发明中给定初始值；Q为处理噪声矩阵，它描述预测模型带来的不确定情况，值越大越表明预测越不可靠，算法最后结果更靠近测量值，本发明中给定初始值，且不更新此值；R为测量噪声矩阵，它描述测量/检测过程中带来的不确定情况，值越大越表明测量越不可靠，算法最后结果更靠近预测值，本发明中给定初始值，且不更新此值；H为测量矩阵，它描述模糊状态值矩阵，本发明中给定初始值，且不更新此值；K为增益系数，它能够融合测量和预测的状态量，根据系数大小权衡测量和预测的结果，本发明中可通过计算求得。I为P_k的同阶数单位矩阵。

步骤六，控制与计算中心通过检索S1中所构建的语义数据库信息，确定每个标签ID的包裹的寄送地址等信息。结合上述RFID给出的位置信息，控制与计算中心控制分拣机构分拣出指定ID信息的包裹。在确定货物的位置信息后，对机械臂的运动路径进行规划，使得机械爪可以准确地抓取货物。借助自适应机械手，即可实现对不同尺寸、不同摆放方向货物的分拣。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于RFID空间定位技术的抓取式柔性分拣方法，其特征在于，包括以下步骤：

S1将目标包裹信息与RFID标签的ID信息相匹配，并录入数据库；

S2分拣时，将贴有RFID标签的目标包裹放置于运动的传送带上，安装于传送带上的RFID天线不断获取目标包裹上的RFID标签的射频信息，RFID读写器对该射频信息进行读写处理，以获取目标包裹上的RFID标签的基于时序的周期非连续相位值，接着，利用改进的解缠算法对所述基于时序的周期非连续相位值进行处理以得到解缠相位，其中，所述改进的解缠算法包括以下步骤：获取T_N时刻目标包裹上的RFID标签的周期非连续相位值

通过构建解缠算法模型将所述周期非连续相位值

转化为非周期连续相位值γ_N，该非周期连续相位值γ_N即为T_N时刻目标包裹上的RFID标签的解缠相位，其中，所述解缠算法模型为：

其中，

是T_N-1时刻目标包裹上的RFID标签的周期非连续相位值，N≥200；

S3设定抓取机构的抓取范围W*L，在所述抓取范围W*L内根据解缠相位，计算RFID读写器读写目标包裹上的RFID标签的射频信息时刻目标包裹的估计坐标；

S4对目标包裹的估计坐标进行修正，以获取目标包裹的实际坐标；

S5分拣机构根据目标包裹的实际坐标对目标包裹进行柔性分拣。

2.根据权利要求1所述的方法，其特征在于，所述步骤S3包括以下子步骤：

首先，建立所述解缠相位在所述抓取范围W*L中的代价函数F(γ)；

然后，将所述抓取范围W*L中任意坐标值代入到代价函数F(γ)中，遍历所述抓取范围W*L中的所有坐标值，直至获取代价函数F(γ)在所述抓取范围W*L中的最大值MAX(F(γ))，该最大值MAX(F(γ))，所对应的坐标值

即为目标包裹的估计坐标。

3.根据权利要求2所述的方法，其特征在于，所述代价函数F(γ)的模型为：

其中，

是T_i时刻目标包裹上的RFID标签的周期非连续相位值，γ_i是T_i时刻目标包裹上的RFID标签的非周期连续相位值，N≥i≥200。

4.根据权利要求3所述的方法，其特征在于，T_i时刻所述目标包裹上的RFID标签的周期非连续相位值

的计算模型为：

其中，λ是RFID天线发射的电磁信号波长，(x_A，y_A，z_A)是RFID天线的位置坐标,(x_i，y_i，z_i)是所述抓取范围W*L中任意一个坐标值，α是常数。

5.根据权利要求1所述的方法，其特征在于，步骤S4中，对目标包裹的估计坐标进行修正具体包括以下子步骤：

首先，根据传送带的运动状态构建目标包裹的估计运动状态矩阵(S_K)；

然后，根据卡尔曼增益模型对目标包裹的估计运动状态矩阵(S_K)进行修正，得到目标包裹的实际运动状态矩阵(S_K’)；

最后，根据目标包裹的实际运动状态矩阵(S_K’)获取目标包裹的实际坐标。

6.根据权利要求5所述的方法，其特征在于，所述卡尔曼增益模型为：

K_k＝P_kH^T(HP_kH^T+R)^-1

目标包裹的实际运动状态矩阵(S_K’)的表达式为：

S_k’＝S_k+K_k(C_k-HS_k)

其中，K_k为卡尔曼增益模型，H为测量矩阵，R为测量噪声矩阵，P_k为状态误差估计协方差矩阵。

Images