CN112461346A - 机器人载重检测方法、装置、机器人及可读存储介质 - Google Patents
机器人载重检测方法、装置、机器人及可读存储介质 Download PDFInfo
- Publication number
- CN112461346A CN112461346A CN202011275100.7A CN202011275100A CN112461346A CN 112461346 A CN112461346 A CN 112461346A CN 202011275100 A CN202011275100 A CN 202011275100A CN 112461346 A CN112461346 A CN 112461346A
- Authority
- CN
- China
- Prior art keywords
- robot
- weight
- load weight
- motor current
- load
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 69
- 238000003860 storage Methods 0.000 title claims abstract description 9
- 238000000034 method Methods 0.000 claims abstract description 48
- 238000012549 training Methods 0.000 claims description 20
- 238000004891 communication Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 2
- 230000000875 corresponding effect Effects 0.000 description 33
- 230000008569 process Effects 0.000 description 29
- 238000012417 linear regression Methods 0.000 description 11
- 230000007246 mechanism Effects 0.000 description 10
- 230000001276 controlling effect Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000001133 acceleration Effects 0.000 description 7
- 230000009471 action Effects 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000005303 weighing Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
- G01G19/08—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for incorporation in vehicles
- G01G19/12—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for incorporation in vehicles having electrical weight-sensitive devices
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G23/00—Auxiliary devices for weighing apparatus
- G01G23/01—Testing or calibrating of weighing apparatus
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Manipulator (AREA)
Abstract
本申请提供一种机器人载重检测方法、装置、机器人及可读存储介质,方法包括:在机器人装载物体时,采集机器人的电机电流,根据电机电流计算得到机器人的载重重量,采用预先训练好的回归模型对载重重量进行校正,得到目标载重重量。这样,通过电机电流实现对于机器人的载重重量的初步确定,然后通过回归模型对初步确定的载重重量进行校正,从而使得最终确定的载重重量得以控制在允许的误差范围内,满足实际检测的精度需求。由于不需要设置传感器,因此在机器人长时间作业后,不会存在传感器失灵或损坏的问题,从而可以满足长时间检测重量的需求。
Description
技术领域
本申请涉及机器人技术领域,具体而言,涉及一种机器人载重检测方法、装置、机器人及可读存储介质。
背景技术
仓储机器人能够自动将物体从一处搬运至另一处,被广泛应用于电商、物流、制造工厂等场景中。在仓储机器人的性能和选型上,机器人的装载重量是一个非常重要的指标。具体而言,机器人的装载重量检测具有以下意义:
其一:在不同的应该场景下,往往需要挑选使用不同载重类型的机器人才能达到节约成本和充分发挥机器人的性能的目的,那么就需要检测出各载重类型的机器人的允许载重范围。其二:在载重满足的前提下,机器人可根据每次顶举货物的重量来动态调整自身性能,从而使货物高效安全的运输。其三:载重检测可以检查货物是否超过机器人本身最大载重,判断是否存在超载现象。
而相关技术方案中检测手段多以设置重量传感器等方式来实现,这无形中增加了机器人结构设计的复杂性和机器人的成本。同时为了取得准确数据,也需要机器人主控系统与传感器进行多次数据交互,这也会增加软件设计的复杂性。此外,由于传感器属于精密感应器件,在长时间的顶举、放下和行进时出现的颠簸等过程后,容易出现传感器失灵,甚至损坏的问题,导致相关技术方案无法满足长时间检测重量的需求。
发明内容
本申请实施例的目的在于提供一种机器人载重检测方法、装置、机器人及可读存储介质,用以解决相关技术中机器人装载重量检测需要传感器,容易出现损坏,无法满足长时间检测重量的需求的问题。
本申请实施例提供了一种机器人载重检测方法,包括:在机器人装载物体时,采集所述机器人的电机电流;根据所述电机电流计算得到所述机器人的载重重量;采用预先训练好的回归模型对所述载重重量进行校正,得到目标载重重量。
应理解,机器人在搬运货物的过程中,机器人的电机运转时所需的电流与机器人搬运货物的加速度以及重量正相关。也即在固定的加速度下,根据电机运转时所需的电流可以确定出搬运货物的重量。然而,发明人发现由于在实际应用过程中影响电机电流的因素还有许多,因此这样直接确定出的重量精度不高。为此,本申请实施例在跟进电机电流计算得到载重重量之后,进一步通过回归模型对载重重量进行校正,从而使得最终确定的载重重量得以控制在允许的误差范围内,从而满足实际检测的精度需求。通过本申请实施例的方案,不需要在机器人上设置重量检测传感器,机器人结构设计的复杂性和机器人的成本得以降低。同时也不需要机器人主控系统与传感器进行多次数据交互,从而在一定程度上可以降低软件设计的复杂性。此外,由于不需要设置传感器,因此在机器人长时间作业(比如在长时间的顶举、放下和行进等)后,不会存在传感器失灵或损坏的问题,从而可以满足长时间检测重量的需求。
进一步地,预先训练回归模型的步骤包括:控制所述机器人装载预设物体;获取所述预设物体的标准重量;多次采集所述机器人装载预设物体后的电机电流,并根据各电机电流确定各第一载重重量;将各第一载重重量以及所述标准重量作为样本集,输入预设的回归模型进行训练,得到所述训练好的回归模型。
在上述实现过程中,通过预先标定好标准重量的物体,通过采集大量机器人装载该物体时,根据电机电流计算得到的第一载重重量,从而构建得到样本集,实现对于回归模型的训练,使得训练得到的回归模型能够符合机器人的实际需要,得到更好的校正效果。
进一步地,所述根据各电机电流确定各第一载重重量包括:根据各电机电流分别计算得到各电机电流对应的第二载重重量;针对每个电机电流,计算与该电机电流相邻n次采集到的电机电流对应的第二载重重量的均值,所述均值为该电机电流对应的所述第一载重重量;所述n为大于等于2的整数。
在实际应用过程中,受实际环境等因素的影响,针对同一物体采集到的多次电机电流往往会存在一定的起伏,因此为了降低外部环境等噪声因素的干扰,可以取多次采集到的电机电流对应的第二载重重量的均值来作为第一载重重量,从而在一定程度上消除噪声干扰,提高训练得到的回归模型的准确性。
进一步地,所述在机器人装载物体时,采集电机电流,包括:在机器人装载物体时,连续采集n次电机电流;所述n为大于等于2的整数;所述根据所述电机电流计算得到载重重量,包括:根据采集到的n次电机电流,分别计算得到各电机电流对应的第二载重重量;计算所述第二载重重量的均值,得到所述载重重量。
如前文所述,在实际应用过程中,受实际环境等噪声因素的影响,针对同一物体采集到的多次电机电流往往会存在一定的起伏。因此每一次采集到的电机电流往往并不能真实反映出机器人的载重重量。因此,可以取多次采集到的电机电流对应的第二载重重量的均值来作为载重重量,从而在一定程度上消除噪声干扰,提高载重检测的准确性。
进一步地,采集电机电流包括:采集原始电机电流;对所述原始电流进行滤波,得到所述电机电流。
应理解,在实际应用中,电机输出的电流往往还会受到器人的实际运行环境、其余与电机相连接的部件的运行情况的干扰。在上述实现过程中,通过对原始电路进行滤波,可以在一定程度上消除电流中含有的杂乱数据的干扰,使得电机电流主要受装载的物体的影响,从而可以提高载重检测的准确性。
进一步地,得到目标载重重量之后,所述方法还包括:若根据所述目标载重重量确定所述机器人超载,则控制所述机器人放下装载的物体,并判断所述物体是否允许从其余一个或多个方向装载;若允许,控制所述机器人在所述物体的其余一个或多个方向上装载所述物体,重新检测所述物体的目标载重重量,并将重新确定的目标载重重量与预设重量阈值进行比较,在重新确定的目标载重重量大于所述预设重量阈值时,提示所述机器人超载;若不允许,提示所述机器人超载。
在上述实现过程中,为了防止出现由于物体装载不均匀导致的误检测,机器人可以在首次判定超载时,在物体的其余一个或多个方向上重新装载该物体,进而重新进行检测。若重新检测后仍旧判定超载,才提示机器人超载,从而降低误检测风险。
进一步地,得到目标载重重量之后,所述方法还包括:若根据所述目标载重重量确定所述机器人超载,则控制所述机器人重新装载所述物体,重新采集所述机器人的电机电流,根据重新采集的所述电机电流重新计算得到所述机器人的载重重量,并重新采用预先训练好的回归模型对所述重新计算得到的载重重量进行校正,得到新的目标载重重量;将所述新的目标载重重量与预设重量阈值进行比较;若所述新的目标载重重量大于预设重量阈值,重新执行上述操作,直至重新执行的次数达到预设次数阈值。
本申请实施例还提供了一种机器人载重检测装置,包括:采集模块、计算模块和处理模块;所述采集模块,用于在机器人装载物体时,采集所述机器人的电机电流;所述计算模块,用于根据所述电机电流计算得到所述机器人的载重重量;所述处理模块,用于采用预先训练好的回归模型对所述载重重量进行校正,得到目标载重重量。
在上述实现过程中,通过电机电流实现对于机器人的载重重量的初步确定,然后通过回归模型对初步确定的载重重量进行校正,从而使得最终确定的载重重量得以控制在允许的误差范围内,满足实际检测的精度需求。这样,不需要在机器人上设置重量检测传感器,机器人结构设计的复杂性和机器人的成本得以降低。同时也不需要机器人主控系统与传感器进行多次数据交互,从而在一定程度上可以降低软件设计的复杂性。此外,由于不需要设置传感器,因此在机器人长时间作业(比如长时间的顶举、放下和行进等)后,不会存在传感器失灵或损坏的问题,从而可以满足长时间检测重量的需求。
本申请实施例还提供了一种机器人,包括:处理器、存储器及通信总线;所述通信总线用于实现所述处理器和存储器之间的连接通信;所述处理器用于执行存储器中存储的一个或者多个程序,以实现上述任一种的机器人载重检测方法。
本申请实施例中还提供了一种可读存储介质,所述可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现上述任一种的机器人载重检测方法。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种机器人载重检测方法的基本流程示意图;
图2为本申请实施例提供的一种标定过程的流程示意图;
图3为本申请实施例提供的一种超载检测的流程示意图;
图4为本申请实施例提供的一种机器人载重检测装置的结构示意图;
图5为本申请实施例提供的一种车辆的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
实施例一:
本申请实施例中提供了一种机器人载重检测方法,参见图1所示,包括:
S101:在机器人装载物体时,采集机器人的电机电流。
在本申请实施例中,机器人为仓储机器人,具有装载搬运物体的能力。具体而言,机器人内设有电机,通过电机可以带动机器人上的举升机构、机械手等搬运机构实现对于物体顶举、放下等操作,从而使得机器人具有装载搬运物体的能力。
S102:根据电机电流计算得到机器人的载重重量。
电机运转产生力带动搬运机构携带物体移动,电机输出电流的大小与电机产生的力呈正相关,而电机运转产生力则需要克服搬运机构本身的重量和物体的重量所产生的阻力,从而在克服阻力后剩余的力的作用下,带动搬运机构携带物体移动。因此,电流的大小即与搬运机构本身的重量和物体的重量以及搬运机构携带物体移动的加速度正相关。
由于搬运机构本身的重量是固定的,而搬运机构携带物体移动的加速度可以通过检测搬运机构的位移情况而确定,此外也可以通过软件程序设定机器人的加速度。因此,在本申请实施例中,可以预先计算不同加速度下电机电流与载重重量(即机器人装载的物体的重量)的转换关系并保存至机器人中。
机器人在根据电机电流计算得到机器人的载重重量时,可以检测当前对应的搬运机构携带物体移动的加速度,进而确定出对应的转换关系,基于确定出的转化关系计算得到机器人的载重重量。
S103:采用预先训练好的回归模型对载重重量进行校正,得到目标载重重量。
发明人发现,基于预设的转换关系确定出的机器人的载重重量,往往会存在较大的偏差,不能满足实际检测的精度需求。为此,本申请实施例中通过采用回归模型对基于预设的转换关系由电机电流确定出的机器人的载重重量进行校正,从而得到满足实际检测的精度需求的目标载重重量。
需要理解的是,在本申请实施例中,回归模型可以采用线性回归模型,如sklearn线性回归模型、Scipy线性回归模型、statsmodels线性回归模型等,也可以采用非线性回归模型,如Keras非线性回归模型、神经网络非线性回归模型等。
还需要理解的是,为了确保回归模型可以满足对于机器人的载重重量的校正需求,在本申请实施例中,需要预先对回归模型进行训练。
在对回归模型进行训练时,可以预选选定一个或多个已知标准重量的物体。控制机器人装载该物体,并多次采集机器人装载预设物体后的电机电流,并根据各电机电流确定各第一载重重量,进而即可将各第一载重重量以及标准重量作为样本集,输入预设的回归模型进行训练,得到训练好的回归模型。
在训练结束后,可以使用另外的一个或多个已知标准重量的物体作为测试样本,控制机器人装载该作为测试样本的物体,多次采集机器人装载作为测试样本的物体后的电机电流,基于训练好的回归模型求取目标载重重量,将求得的目标载重重量与机器人当前装载的测试样本的标准重量进行比对,求取误差以及误差的标准差,根据误差和标准差确定训练得到的回归模型是否满足实际检测的精度需求。
在不满足实际检测的精度需求时,则可以提供更多的已知标准重量的物体供机器人采样,从而加大样本数量重新进行训练。
此外,由于在实际应用过程中,受实际环境等因素的影响,针对同一物体采集到的多次电机电流往往会存在一定的起伏,从而影响训练得到的回归模型的精度。
因此,在本申请实施例中,也可以在采集第一载重重量时,针对每个电机电流,可以计算与该电机电流相邻n次采集到的电机电流对应的第二载重重量的均值,以该均值来作为样本集中的第一载重重量。其中,n为工程师预先设定的大于等于2的整数。
示例性的,假设在机器人装载物体的过程中,共采集到1000个机器人的电机电流。假设取n为5,则取采集到的第1至5个电机电流对应的第二载重重量的均值作为样本集中的第一个第一载重重量,取采集到的第2至6个电机电流对应的第二载重重量的均值作为样本集中的第二个第一载重重量,……依此类推,取采集到的第996个至第1000个电机电流对应的第二载重重量的均值作为样本集中的第996个第一载重重量。
此外,也可以采用不重复的每n次采集到的电机电流对应的第二载重重量的均值来作为样本集中的第一载重重量。此时相对于前一方式而言,在采集到相同次数的电机电流时,作为样本的第一载重重量的数量会少一些,训练速度可以更快。
示例性的,仍旧假设在机器人装载物体的过程中,共采集到1000个机器人的电机电流,且n为5。取采集到的第1至5个电机电流对应的第二载重重量的均值作为样本集中的第1个第一载重重量,取采集到的第6至10个电机电流对应的第二载重重量的均值作为样本集中的第2个第一载重重量,……依此类推,取采集到的第996个至第1000个电机电流对应的第二载重重量的均值作为样本集中的第200个第一载重重量。这样,可以得到200个样本,相比于前一方式而言,在采集到相同次数的电机电流时,得到的样本数会更少。
需要说明的是,本申请实施例中的仓储机器人可以通过地面标识(如二维码、条形码等)实现定位导航。因此为了便于机器人获取到当前装载的物体的标准重量,进而进行训练,可以在放置物体的位置所对应的标识(如二维码、条形码等)中加入该物体的标准重量信息,从而便于机器人获取。当然,物体的标准重量也可以由工程师手动输入至机器人中。
应当理解的是,前述针对机器人的训练过程可以在机器人出厂前即进行训练,并将训练好的回归模型保存在机器人内,从而便于后续机器人出厂使用时,能够实现准确的进行载重检测。
还应当理解的是,如前文所述,在实际应用过程中,受实际环境等噪声因素的影响,针对同一物体采集到的多次电机电流往往会存在一定的起伏。因此每一次采集到的电机电流往往并不能真实反映出机器人的载重重量。
为此,在本申请实施例中,在进行载重检测时,可以在机器人装载好物体后,连续采集多次机器人的电机电流,进而计算这多次电机电流所对应的机器人的载重重量,进而计算这多次电机电流所对应的机器人的载重重量的均值,然后采用预先训练好的回归模型对该均值进行校正,得到目标载重重量。这样,即可一定程度上消除噪声干扰,提高载重检测的准确性。
示例性的,可以在机器人装载好物体后,连续采集4次机器人的电机电流,设得到的电机电流依次为A1、A2、A3和A4,可以计算得到A1对应的载重重量W1,A2对应的载重重量W2,A3对应的载重重量W3,A4对应的载重重量W4,进而取W1、W2、W3和W4的均值输入到练好的回归模型中,得到目标载重重量。
在本申请实施例中,对于多次机器人的电机电流的采集,可以按照预设时间间隔进行采集。其中,预设时间间隔可以由工程师根据实际需要进行设定。
此外,为了降低噪声因素对于电路的干扰,本申请实施例中可以对采集到的电机输出的原始电机电流进行滤波,进而基于滤波后的电机电流计算机器人的载重重量。
示例性的,在本申请实施例中可以采用低通滤波器等方式实现对于电机输出的原始电机电流的滤波,从而在一定程度上消除电流中含有的杂乱数据的干扰,使得用于进行载重重量的计算的电机电流主要受装载的物体的影响,提高载重检测的准确性。
在本申请实施例中,在检测得到目标载重重量后,可以进行机器人的超载检测。
示例性的,可以在得到目标载重重量之后,将目标载重重量与预设重量阈值进行比较,进而在目标载重重量大于预设重量阈值时,执行预设的机器人超载动作。
应当理解的是,预设重量阈值为预先设置的,其可以是根据机器人的类型所确定出的机器人的最大负载重量。
还应当理解的是,在实际应用过程中,货物可以放置于货架上的,机器人搬运物体时,是搬运的由货架和货物共同构成的物体。而在实际应用过程中,可能由于货物在货架上的不均匀分布,导致机器人在装载时(如在顶举时)可能出现货物滚动等情况,从而导致机器人出现误检测的情况。因此为了提高检测的准确性,在本申请实施例中可以设定多次检测方式,从而对物体重新进行检测。若在连续检测次数达到预设次数阈值时,检测结果仍旧是目标载重重量大于预设重量阈值,则确定机器人超载,进行超载提示。
示例性的,可以将检测到的目标载重重量与预设重量阈值进行比较,若目标载重重量大于预设重量阈值,则可以控制机器人重新装载物体,并重新采集机器人在装载过程中的电机电流。进而根据重新采集的电机电流重新计算得到所述机器人的载重重量,并重新采用预先训练好的回归模型对重新计算得到的载重重量进行校正,得到新的目标载重重量。进而可以将新的目标载重重量与预设重量阈值进行比较。
若新的目标载重重量仍旧大于预设重量阈值,则判断当前对于目标载重重量的检测次数是否达到预设次数阈值。若未达到,则重新执行上述操作。若新的目标载重重量仍旧大于预设重量阈值,且当前对于目标载重重量的检测次数已达到预设次数阈值,则可以确定机器人超载,进行超载提示。
此外,在实际应用过程中,存在待搬运的物体(如货架)允许从其余方向上被机器人装载情况。对于这类货架,可以控制机器人在一个方向上的目标载重重量大于预设重量阈值时,先判断该货物是否允许从其余一个或多个方向装载,进而在允许从其余一个或多个方向装载时,在其余一个或多个方向上重新对货物货架和货物构成的物体进行装载,重新检测物体的目标载重重量,并将重新确定的目标载重重量与预设重量阈值进行比较。若此时重新确定的目标载重重量仍旧大于预设重量阈值,则提示机器人超载。在一些示例中,待搬运的物体允许从多个方向上被机器人装载,此时若机器人从该物体的一个方向(如第一方向)装载之后确定检测到的载重重量大于预设重量阈值,则机器人可以通过以下两种方式确定机器人是否超载:
方式一、该机器人重新从该物体的另外一个方向(如第二方向)上进行装载,若再次检测到的目标载重重量大于预设重量阈值,则提示机器人超载;这种情况下,共从两个方向上装载待搬运物体,以确认是否超载。
方式二、该机器人重新从该物体的另外一个方向(如第二方向)上进行装载,若再次检测到的目标载重重量大于预设重量阈值,则重新从该物体的允许的再一方向(如第三方向)上进行装载,重新判断检测到的目标载重重量是否大于预设重量阈值,重复该过程,直至该待搬运物体不允许从其他方向上进行装载为止。若最后一次检测到的目标载重重量大于预设重量阈值,则提示机器人超载,若最后一次检测到的目标载重重量小于或等于预设重量阈值,则确定机器人不超载,不进行提示,机器人可以正常搬运该货物。
本实施例中,待搬运物体(如货架)都会设有相应的唯一标识,机器人在执行一项搬运任务时,可以控制机器人根据待搬运物体的唯一标识来确定该待搬运物体是否为当前所需执行的搬运任务的目标物体,从而避免出现搬运错误的情况。在本申请实施例中,可以预先将待搬运物体是否允许从其余方向装载的情况与各待搬运物体的唯一标识先关联,保存至机器人中或保存至后端服务器中,从而使得机器人具有判断待搬运物体是否允许从其余方向装载的能力。
需要注意的是,在本申请实施例中,机器人在超载时,可以控制机器人通过预设的告警装置(如警报灯和/或设置有预设的告警语音的扬声器等设备)进行提示,也可以控制机器人通过通信模块向预先关联的终端设备发送告警信息等方式进行提示。
可选的,机器人在超载时,除了可以控制机器人进行操作提示外,还可以控制机器人停止行进或停止装载操作,从而等待工程师进行处理。
而在机器人未超载时,则可以控制机器人正常进行物体运输作业。在作业过程中,机器人可以根据物体的目标载重重量,动态调整机器人的自身性能,从而使货物高效安全的运输。机器人动态调整自身性能的方式包括但不限于采用现有方式,在本申请实施例中不做限定。
需要说明的是,本申请实施例中所描述的机器人载重检测方法,可以应用于机器人自身的控制器中,由控制器执行从而控制机器人实现载重检测。此外,也可以是应用于与机器人通信连接的设备中,比如后端服务器中,从而通过获取机器人上报的电机电流等信息,实现机器人载重检测。
本申请实施例中提供的机器人载重检测方法,通过电机电流实现对于机器人的载重重量的初步确定,然后通过回归模型对初步确定的载重重量进行校正,从而使得最终确定的载重重量得以控制在允许的误差范围内,满足实际检测的精度需求。这样,不需要在机器人上设置重量检测传感器,机器人结构设计的复杂性和机器人的成本得以降低。同时也不需要机器人主控系统与传感器进行多次数据交互,从而在一定程度上可以降低软件设计的复杂性。此外,由于不需要设置传感器,因此在机器人长时间作业(比如长时间的顶举、放下和行进等)后,不会存在传感器失灵或损坏的问题,从而可以满足长时间检测重量的需求。
实施例二:
本实施例在实施例一的基础上,以一种具体的机器人标定(即训练得到回归模型)过程以及机器人载重检测过程为例,对本申请的方案进行示例说明。其中,取回归模型为sklearn线性回归模型。
参见图2所示,机器人在出厂前的标定过程如下:
1、待标定的机器人接收顶举货架任务。
在本申请实施例中,顶举货架任务中应预先设定好货架以及放入该货架上的物体的总的标准重量。
2、机器人判断自身是否具有称重功能。若没有,则直接顶举货架;若有,执行步骤3。
3、机器人判断是否配置了称重检测点位。若没有,则直接顶举货架;若有,执行步骤4。
4、检查顶举货架任务的货架的唯一ID是否正常,若正常执行步骤5,若不正常则执行异常处理流程。
需要理解的,该步骤中的检查方式和异常处理流程可以采用现有仓储机器人的检查方式和异常处理流程,在本申请实施例中不做赘述。
5、顶举货架。
机器人在到达货架时,可以通过识别货架处的二维码,获取该货架对应的顶举货架任务中的标准重量。
6、按照下述过程执行样本采集过程:
控制机器人反复顶举300次左右,采集得到每次顶举时的电机电流,并计算得到每个电机电流对应的第二载重重量,将各第二载重重量和该标准重量构成样本集。
本申请实施例中,可以设置多个不同顶举货架任务,每个顶举货架任务中的标准重量不同,从而可以通过重复步骤1至6得到针对多种标准重量的样本集。
7、使用得到样本集生成sklearn线性回归函数y=weight_a*x+weight_b中的线性参数weight_a和weight_b。式中,x为样本集中的第二载重重量,y为第二载重重量对应的标准重量。
8、记录训练好的sklearn线性回归函数。
此时即完成了出厂标定过程。
而参见图3所示,图3示出了机器人在出厂后的超载检测过程:
1、待标定的机器人接收顶举货架任务。
2、机器人判断自身是否具有称重功能。若没有,则直接顶举货架;若有,执行步骤3。
3、机器人判断是否配置了货架是否为配置的称重检测点位。若不是,则直接顶举货架;若是,执行步骤4。
4、检查顶举货架任务的货架的唯一ID是否正常,若正常执行步骤5,若不正常则执行异常处理流程。
5、顶举货架,采集得到顶举时的电机电流,并计算得到电机电流对应的第二载重重量。
6、检测是否已标定。若未标定,则直接顶举货架;若已标定,执行步骤7。
应理解,在实际应用过程中,机器人在出厂前和出厂后所使用的称重功能配置脚本的版本是不同的,因此机器人可以通过检测称重功能配置脚本的版本确定是否已标定。
7、采用机器人中存储的sklearn线性回归函数对第二载重重量进行计算,得到目标载重重量。
8、判断目标载重重量是否大于预设载重重量阈值。若大于,执行步骤9,否则,直接顶举货架。
9、检测标载重重量大于预设载重重量阈值的次数是否已达到最大次数阈值。若否,执行步骤10;否则,执行步骤12。
10、判断货架是否允许从其余方向装载。若是,转至步骤11;否则,执行步骤12。
11、机器人移至相对所述货架与当前方向相差90度的另一方向,转至步骤5。
12、停车告警,等待工程师处理。
应当理解的是,前述图2和图3的过程中,部分过程可根据实际需要进行调整或删减,在本申请中不做限定。
在本申请实施例中,超载检测时,能在货架的不同方向进行多次检测,能有效降低采集到的数据的波动性,提高判断准确性。同时可以适应不同场景下不同用户的需求。
实施例三:
基于同一发明构思,本申请实施例中还提供了一种机器人载重检测装置。请参阅图4所示,图4示出了与实施例一所示的方法对应的机器人载重检测装置100。应理解,机器人载重检测装置100具体的功能可以参见上文中的描述,为避免重复,此处适当省略详细描述。机器人载重检测装置100包括至少一个能以软件或固件的形式存储于存储器中或固化在机器人载重检测装置100的操作系统中的软件功能模块。具体地:
参见图4所示,机器人载重检测装置100包括:采集模块101、计算模块102和处理模块103。其中:
采集模块101,用于在机器人装载物体时,采集机器人的电机电流;
计算模块102,用于根据电机电流计算得到机器人的载重重量;
处理模块103,用于采用预先训练好的回归模型对载重重量进行校正,得到目标载重重量。
在本申请实施例中,机器人载重检测装置100还可以包括训练模块,训练模块用于预先训练回归模型。具体而言,用于控制机器人装载预设物体;获取预设物体的标准重量;多次采集机器人装载预设物体后的电机电流,并根据各电机电流确定各第一载重重量;将各第一载重重量以及标准重量作为样本集,输入预设的回归模型进行训练,得到训练好的回归模型。
在本申请实施例的一种可行实施方式中,训练模块具体用于根据各电机电流分别计算得到各电机电流对应的第二载重重量;针对每个电机电流,计算与该电机电流相邻n次采集到的电机电流对应的第二载重重量的均值,均值为该电机电流对应的第一载重重量;n为大于等于2的整数。
在本申请实施例中,采集模块101具体用于在机器人装载物体时,连续采集n次装载该物体时的电机电流;n为大于等于2的整数;计算模块102具体用于根据采集到的n次电机电流,分别计算得到各电机电流对应的第二载重重量;计算第二载重重量的均值,得到载重重量。
在本申请实施例中,采集模块101具体用于采集原始电机电流,对原始电流进行滤波,得到电机电流。
在本申请实施例中,处理模块103还用于在根据所述目标载重重量确定所述机器人超载时,控制所述机器人放下装载的物体,并判断所述物体是否允许从其余方向装载;若允许,控制所述机器人在所述物体的其余方向上装载所述物体,重新检测所述物体的目标载重重量,并将重新确定的目标载重重量与预设重量阈值进行比较,在重新确定的目标载重重量大于所述预设重量阈值时,提示所述机器人超载;若不允许,提示所述机器人超载。
在本申请实施例中,处理模块103还用于在根据所述目标载重重量确定所述机器人超载时,控制所述机器人重新装载所述物体,重新采集所述机器人的电机电流,根据重新采集的所述电机电流重新计算得到所述机器人的载重重量,并重新采用预先训练好的回归模型对所述重新计算得到的载重重量进行校正,得到新的目标载重重量;将所述新的目标载重重量与预设重量阈值进行比较;若所述新的目标载重重量大于预设重量阈值,重新执行上述操作,直至重新执行的次数达到预设次数阈值。
需要理解的是,出于描述简洁的考量,部分实施例一中描述过的内容在本实施例中不再赘述。
实施例四:
本实施例提供了一种机器人,可以参见图5所示,其包括处理器501、存储器502及通信总线503。其中:
通信总线503用于实现处理器501和存储器502之间的连接通信。
处理器501用于执行存储器502中存储的一个或多个程序,以实现上述实施例一/二中的机器人载重检测方法。
可以理解,图5所示的结构仅为示意,机器人还可包括比图5中所示更多或者更少的组件,或者具有与图5所示不同的配置,例如还可以具有电机、机械臂、通信模组、摄像头等部件。其中,电机可以在机器人装载物体时,输出电机电流至处理器。
本实施例还提供了一种可读存储介质,如软盘、光盘、硬盘、闪存、U盘、SD(SecureDigital Memory Card,安全数码卡)卡、MMC(Multimedia Card,多媒体卡)卡等,在该可读存储介质中存储有实现上述各个步骤的一个或者多个程序,这一个或者多个程序可被一个或者多个处理器执行,以实现上述实施例一/二中的机器人载重检测方法。在此不再赘述。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
在本文中,多个是指两个或两个以上。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种机器人载重检测方法,其特征在于,包括:
在机器人装载物体时,采集所述机器人的电机电流;
根据所述电机电流计算得到所述机器人的载重重量;
采用预先训练好的回归模型对所述载重重量进行校正,得到目标载重重量。
2.如权利要求1所述的机器人载重检测方法,其特征在于,预先训练回归模型的步骤包括:
控制所述机器人装载预设物体;
获取所述预设物体的标准重量;
多次采集所述机器人装载预设物体后的电机电流,并根据各电机电流确定各第一载重重量;
将各第一载重重量以及所述标准重量作为样本集,输入预设的回归模型进行训练,得到所述训练好的回归模型。
3.如权利要求2所述的机器人载重检测方法,其特征在于,
所述根据各电机电流确定各第一载重重量包括:
根据各电机电流分别计算得到各电机电流对应的第二载重重量;
针对每个电机电流,计算与该电机电流相邻n次采集到的电机电流对应的第二载重重量的均值,所述均值为该电机电流对应的所述第一载重重量;所述n为大于等于2的整数。
4.如权利要求1所述的机器人载重检测方法,其特征在于,
所述在机器人装载物体时,采集电机电流,包括:
在机器人装载物体时,连续采集n次装载该物体时的电机电流;所述n为大于等于2的整数;
所述根据所述电机电流计算得到载重重量,包括:
根据采集到的n次电机电流,分别计算得到各电机电流对应的第二载重重量;
计算所述第二载重重量的均值,得到所述载重重量。
5.如权利要求1所述的机器人载重检测方法,其特征在于,采集电机电流包括:
采集原始电机电流;
对所述原始电流进行滤波,得到所述电机电流。
6.如权利要求1-5任一项所述的机器人载重检测方法,其特征在于,得到目标载重重量之后,所述方法还包括:
若根据所述目标载重重量确定所述机器人超载,则控制所述机器人放下装载的物体,并判断所述物体是否允许从其余一个或多个方向装载;
若允许,控制所述机器人在所述物体的其余一个或多个方向上装载所述物体,重新检测所述物体的目标载重重量,并将重新确定的目标载重重量与预设重量阈值进行比较,在重新确定的目标载重重量大于所述预设重量阈值时,提示所述机器人超载;
若不允许,提示所述机器人超载。
7.如权利要求1-5任一项所述的机器人载重检测方法,其特征在于,得到目标载重重量之后,所述方法还包括:
若根据所述目标载重重量确定所述机器人超载,则控制所述机器人重新装载所述物体,重新采集所述机器人的电机电流,根据重新采集的所述电机电流重新计算得到所述机器人的载重重量,并重新采用预先训练好的回归模型对所述重新计算得到的载重重量进行校正,得到新的目标载重重量;将所述新的目标载重重量与预设重量阈值进行比较;
若所述新的目标载重重量大于预设重量阈值,重新执行上述操作,直至重新执行的次数达到预设次数阈值。
8.一种机器人载重检测装置,其特征在于,包括:采集模块、计算模块和处理模块;
所述采集模块,用于在机器人装载物体时,采集所述机器人的电机电流;
所述计算模块,用于根据所述电机电流计算得到所述机器人的载重重量;
所述处理模块,用于采用预先训练好的回归模型对所述载重重量进行校正,得到目标载重重量。
9.一种机器人,其特征在于,包括:电机、处理器、存储器及通信总线;
所述通信总线用于实现所述电机、处理器和存储器之间的连接通信;
所述处理器用于执行存储器中存储的一个或者多个程序,以实现如权利要求1至7任一项所述的机器人载重检测方法。
10.一种可读存储介质,其特征在于,所述可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1至7任一项所述的机器人载重检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011275100.7A CN112461346A (zh) | 2020-11-13 | 2020-11-13 | 机器人载重检测方法、装置、机器人及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011275100.7A CN112461346A (zh) | 2020-11-13 | 2020-11-13 | 机器人载重检测方法、装置、机器人及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112461346A true CN112461346A (zh) | 2021-03-09 |
Family
ID=74837463
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011275100.7A Pending CN112461346A (zh) | 2020-11-13 | 2020-11-13 | 机器人载重检测方法、装置、机器人及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112461346A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117851752A (zh) * | 2023-12-04 | 2024-04-09 | 广州市广软物联网科技有限公司 | 目标物重量监测方法、系统及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201909660U (zh) * | 2010-12-03 | 2011-07-27 | 贵州财经学院 | 一种矿用动态轻轨计量衡 |
CN107028611A (zh) * | 2016-02-03 | 2017-08-11 | 上海联影医疗科技有限公司 | 一种用于医疗设备的体重检测方法及系统 |
CN107944391A (zh) * | 2017-11-24 | 2018-04-20 | 广东美的厨房电器制造有限公司 | 一种食物重量的确定方法、装置及存储介质 |
CN208505446U (zh) * | 2018-04-13 | 2019-02-15 | 中山小神童创新科技有限公司 | 一种爬楼机载重重量的测量装置 |
CN109767520A (zh) * | 2019-01-11 | 2019-05-17 | 清华四川能源互联网研究院 | 一种车辆载重处理方法及装置 |
-
2020
- 2020-11-13 CN CN202011275100.7A patent/CN112461346A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201909660U (zh) * | 2010-12-03 | 2011-07-27 | 贵州财经学院 | 一种矿用动态轻轨计量衡 |
CN107028611A (zh) * | 2016-02-03 | 2017-08-11 | 上海联影医疗科技有限公司 | 一种用于医疗设备的体重检测方法及系统 |
CN107944391A (zh) * | 2017-11-24 | 2018-04-20 | 广东美的厨房电器制造有限公司 | 一种食物重量的确定方法、装置及存储介质 |
CN208505446U (zh) * | 2018-04-13 | 2019-02-15 | 中山小神童创新科技有限公司 | 一种爬楼机载重重量的测量装置 |
CN109767520A (zh) * | 2019-01-11 | 2019-05-17 | 清华四川能源互联网研究院 | 一种车辆载重处理方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117851752A (zh) * | 2023-12-04 | 2024-04-09 | 广州市广软物联网科技有限公司 | 目标物重量监测方法、系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220332526A1 (en) | Position detection apparatus and method of distribution object, robot, distribution apparatus, and controller | |
KR102291072B1 (ko) | 데이터 처리 방법, 장치 및 시스템 | |
CN112816051B (zh) | 传感器标定方法、称重方法、装置及搬运设备 | |
CN110168585B (zh) | 一种数据处理方法、装置及系统 | |
US11449039B2 (en) | Transportation operation control device, transportation operation control method, and recording medium in which transportation operation control program is stored | |
CN112723052A (zh) | 电梯调度方法及装置 | |
CN112461346A (zh) | 机器人载重检测方法、装置、机器人及可读存储介质 | |
CN112429446A (zh) | 一种变距穿梭车货叉间距校正方法和装置 | |
US11436551B2 (en) | Transportation operation control device, transportation operation control method, and recording medium in which transportation operation control program is stored | |
CN108958239B (zh) | 一种控制agv小车与对接平台对接的方法及agv小车 | |
CN115849195B (zh) | 运输设备的自适应对位校准方法、系统、设备及存储介质 | |
WO2023116573A1 (zh) | 调度方法、装置、电子设备及可读存储介质 | |
CN115676711A (zh) | 用于叉装设备的控制方法、叉装设备、存储介质及处理器 | |
CN116125933A (zh) | 一种应用于无人搬运小车的防呆检测方法、装置及设备 | |
CN114833071B (zh) | 一种物流分拣场站及其货物分拣方法和系统 | |
CN115432524A (zh) | 一种机器人楼层定位方法及相关设备 | |
CN113642961B (zh) | 货物搬运过程中的监控方法及装置 | |
CN109886383B (zh) | Pack箱体的识别方法及装置、pack箱体的识别系统 | |
JP3997475B2 (ja) | エレベータの荷重検出装置 | |
CN215247292U (zh) | 一种待测电脑的运送设备、系统及装置 | |
WO2022190454A1 (ja) | 倉庫内管理システム | |
CN111791230B (zh) | 机器人偏载的检测方法、机器人载物方法、装置及机器人 | |
CN115465816B (zh) | 货物卸载方法、装置及电子设备 | |
CN115979395A (zh) | 用于车辆的质量校验方法、装置、车辆及存储介质 | |
CN113313446B (zh) | 货柜管控方法、系统、控制设备及存储介质 |
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: 20210309 |