CN114035578B - 一种基于路径计算的仓储搬运机器人搬运方法 - Google Patents
一种基于路径计算的仓储搬运机器人搬运方法 Download PDFInfo
- Publication number
- CN114035578B CN114035578B CN202111331981.4A CN202111331981A CN114035578B CN 114035578 B CN114035578 B CN 114035578B CN 202111331981 A CN202111331981 A CN 202111331981A CN 114035578 B CN114035578 B CN 114035578B
- Authority
- CN
- China
- Prior art keywords
- path
- carrying
- conveying
- robot
- image
- 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.)
- Active
Links
- 238000012546 transfer Methods 0.000 title claims abstract description 170
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000004364 calculation method Methods 0.000 title claims abstract description 21
- 238000012544 monitoring process Methods 0.000 claims abstract description 15
- 238000002372 labelling Methods 0.000 claims description 37
- 238000012937 correction Methods 0.000 claims description 24
- 239000011159 matrix material Substances 0.000 claims description 24
- 238000010586 diagram Methods 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 10
- 230000009466 transformation Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 3
- 230000006872 improvement Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 10
- 238000013461 design Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000035484 reaction time Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Manipulator (AREA)
Abstract
本发明提供了一种基于路径计算的仓储搬运机器人搬运方法,包括:基于搬运机器人的工作任务,确定搬运区域和第一搬运路径;监测所述搬运区域是否出现无关搬运机器人,若存在,识别所述无关搬运机器人,并根据识别结果,确定第二搬运路径;基于所述第一搬运路径、第二搬运路径,确定所述搬运机器人的第三搬运路径;通过对搬运区域进行监测,在出现其他无关搬运机器人与当前搬运机器人冲突时,对移动路径进行及时的调整,保证所述搬运机器人移动路径的顺畅性,提高搬运效率。
Description
技术领域
本发明涉及自动化技术领域,特别涉及一种基于路径计算的仓储搬运机器人搬运方法。
背景技术
搬运机器人在工业生产中得到了越来越多的运用,其用于将工件从一个地方搬运到另外一个地方,大大节省了人工。但是,由于在生产线上需要使用的搬运机器人很多,相互之间经常会存在干涉问题,例如多个机器人会存在路径冲突、搬运位置冲突,造成搬运效率低下。
发明内容
本发明提供一种基于路径计算的仓储搬运机器人搬运方法,在出现其他无关搬运机器人与当前搬运机器人冲突时,对移动路径进行及时的调整,保证所述搬运机器人移动路径的顺畅性,提高搬运效率。
本发明提供一种基于路径计算的仓储搬运机器人搬运方法,包括:
步骤1:基于搬运机器人的工作任务,确定搬运区域和第一搬运路径;
步骤2:监测所述搬运区域是否出现无关搬运机器人,若存在,识别所述无关搬运机器人,并根据识别结果,确定第二搬运路径;
步骤3:基于所述第一搬运路径、第二搬运路径,确定所述搬运机器人的第三搬运路径。
在一种可能实现的方式中,
步骤3具体为:
判断所述第一搬运路径、第二搬运路径之间是否存在冲突;
若存在,根据冲突信息对所述第一搬运路径进行调整,得到第三搬运路径;
否则,确定所述第一搬运路径即为第三搬运路径。
在一种可能实现的方式中,
步骤1中,基于搬运机器人的工作任务,确定搬运区域和第一搬运路径包括:
基于所述搬运任务,确定所述搬运机器人的搬运物品、搬运终点;
基于所述搬运终点确定搬运区域;
根据所述搬运区域的路径分布图,以所述搬运物品为参考,利用路径规划模型确定第一搬运路径。
在一种可能实现的方式中,
步骤2中,监测所述搬运区域是否出现无关搬运机器人包括:
动态检测所述搬运区域,当监测到所述搬运区域出现动态时,获取监测图像,并截取所述监测图像中的差异图像;
判断所述差异图像与所述搬运机器人的预设全方位图像的匹配度是否大于预设匹配度;
若是,判定所述搬运区域未出现无关搬运机器人;
否则,判定所述搬运区域出现无关搬运机器人。
在一种可能实现的方式中,
步骤2中,识别所述无关搬运机器人,并根据识别结果,确定第二搬运路径包括:
对所述无关搬运机器人的图像进行识别,获取所述无关搬运机器人的标签;
基于所述标签,从机器人路径查询系统中,确定所述无关搬运机器人的第二搬运路径。
在一种可能实现的方式中,
步骤3中,基于所述第一搬运路径、第二搬运路径,确定所述搬运机器人的第三搬运路径包括:
在所述第一搬运路径、第二搬运路径之间存在冲突时,确定发生冲突的第一位置;
确定所述搬运机器人往返所述第一位置的第一时间集合,确定所述无关搬运机器人往返所述第二位置的第二时间集合;
从所述第一时间集合、第二时间集合选取时间范围差值在预设范围内所对应的第一位置作为第二位置;
从所述第二位置中选取最先发生冲突的第三位置,并确定完成工作任务的过程中,在所述第三位置发生冲突的次数;
若所述次数小于预设次数,基于所述搬运机器人的搬运物品确定第一速度范围,基于所述无关搬运机器人的搬运物品确定第二速度范围;
基于发生冲突的次数和时间,以及第一搬运路径、第二搬运路径,以所述第一速度范围、第二速度范围为参考,对所述搬运机器人和无关搬运机器人的速度进行调整,得到第一速度、第二速度;
基于所述第一速度确定所述搬运机器人的搬运效率,判断所述搬运效率是否在预设范围内;
若是,将所述第一搬运路径作为第三搬运路径,以所述第一速度进行搬运;
否则,确定所述搬运机器人的其他搬运路径,从其他搬运路径中选择综合度最高的搬运路径作为第三搬运路径,并以第三搬运路径,保持原先速度进行搬运;
若所述次数不小于预设次数,确定所述搬运机器人的其他搬运路径,从不经过所述第三位置的搬运路径中选择综合度最高的搬运路径;
判断所述综合度最高的搬运路径与所述第二搬运路径发生冲突的概率是否小于预设概率;
若是,将所述综合度最高的搬运路径作为第三搬运路径,保持原先速度进行搬运;
否则,将所述综合度最高的搬运路径进行剔除,并从所述其他搬运路径依次取综合度最高的搬运路径,直到选择的搬运路径与所述第二搬运路径发生冲突的概率小于预设概率。
在一种可能实现的方式中,
对所述无关搬运机器人的图像进行识别,获取所述无关搬运机器人的标签包括:
对所述无关机器人的图像进行二值化处理后,对所述图像进行轮廓截取,获取多个轮廓图像;
确定所述多个轮廓图像对应所述无关机器人的图像中的图像区域,并利用预先设置的区域分类器,对所述图像区域进行分类,得到文本区域和非文本区域;
对所述文本区域进行初步识别,选择所述标签所在的文本区域作为待识别区域;
获取所述待识别区域中每个像素点的亮度值,基于所述亮度值构建所述待识别区域的图像亮度矩阵,基于识别的最佳亮度,对所述图像亮度矩阵中低于所述最佳亮度进行提高亮度处理,对高于所述最佳亮度进行降低亮度处理,得到亮度校正矩阵;
获取所述待识别区域的灰阶图像,获取每个像素点的灰阶等级,以所述灰阶等级,对所述亮度校正矩阵进行加权处理,得到加权亮度校正矩阵,利用所述加权亮度校正矩阵对所述待识别区域进行亮度校正,得到亮度图像;
将所述亮度图像与标准图像进行采集角度的比较,得到所述亮度图像与标准图像之间采集角度的角度差值;
判断所述角度差值是否大于预设角度差值;
若是,表明所述亮度图像的采集角度不合理,基于所述角度差值,对所述亮度图像进行旋转校正,得到校正图像,基于所述标准图像,确定所述校正图像的四个校正顶点坐标,基于所述校正图像的当前顶点坐标与校正顶点坐标之间的映射关系,确定变换规则,并利用所述变换规则对所述校正图像进行尺度变换,得到目标图像;
否则,表明所述亮度图像的采集角度合理,并将所述亮度图像作为目标图像;
根据所述无关搬运机器人的类型,确定标签版面特征,并根据所述标签版面特征构建标签识别模型,将所述目标图像输入所述标签识别模型中,获取所述无关搬运机器人的标签。
在一种可能实现的方式中,
根据所述标签版面特征构建标签识别模型包括:
对所述标签版面特征按照字符结构进行划分,得到多个字符特征;
利用所述多个字符特征进行至少两次建模训练,并对每个建模的字符特征进行标注,得到标注结果;
当字符特征经过两次建模训练得到标注结果一致时,将所述标注结果加入模型特征表中;
当字符特征经过两次建模训练得到标注结果不一致时,对不一致的字符特征中的每个特征点进行迭代处理后,对所述不一致的字符特征进行再次建模训练并进行标注,得到标准标注结果,并将所述标准标注结果加入所述模型特征表中;
提取所述模型特征表每个标注结果的标注特征;
根据所述标注特征,构建标签识别模型。
在一种可能实现的方式中,
判断所述第一搬运路径、第二搬运路径之间是否存在冲突包括:
将搬运区域进行划分,得到节点路径图,并分别确定所述第一搬运路径、第二搬运路径在所述节点路径图中所经过的第一节点和第二节点;
从所述第一节点和第二节点中选择重复的第三节点;
获取所述第三节点的特征,并根据所述特征确定在经过所述第三节点的安全距离;
选择一个时刻,确定在所述时刻下所述搬运机器人与无关搬运机器人到达所述第三节点的到达时间;
根据所述搬运机器人与无关搬运机器人到达所述第三节点的到达时间差值,确定所述搬运机器人与无关搬运机器人在所述第三节点之间的实际距离;
判断所述实际距离是否小于所述安全距离;
若是,判定所述第一搬运路径、第二搬运路径之间存在冲突,且发生冲突的位置为所述第三节点;
否则,判定所述第一搬运路径、第二搬运路径之间不存在冲突。
在一种可能实现的方式中,
选择一个时刻时应保证所述搬运机器人与无关搬运机器人还未经过所述第三节点,且所述搬运机器人与无关搬运机器人均处于所述节点路径图中的节点上。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种基于路径计算的仓储搬运机器人搬运方法的流程图;
图2为本发明实施例中确定第一搬运路径的流程图;
图3为本发明实施例中判断是否出现无关搬运机器人的流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1
本发明实施例提供一种基于路径计算的仓储搬运机器人搬运方法,如图1所示,包括:
步骤1:基于搬运机器人的工作任务,确定搬运区域和第一搬运路径;
步骤2:监测所述搬运区域是否出现无关搬运机器人,若存在,识别所述无关搬运机器人,并根据识别结果,确定第二搬运路径;
步骤3:基于所述第一搬运路径、第二搬运路径,确定所述搬运机器人的第三搬运路径。
在该实施例中,所述工作任务包括搬运物品、搬运终点。
在该实施例中,不同的工作任务存在不同的搬运区域,所述搬运机器人的搬运区域由其工作任务决定。
在该实施例中,所述第二搬运路径为所述无关搬运机器人的移动路径。
在该实施例中,若所述第一搬运路径、第二搬运路径发生冲突,则对所述第一搬运路径进行调整得到第三搬运路径,否则,所述第一搬运路径即为第三搬运路径。
上述设计方案的有益效果是:通过对搬运区域进行监测,在出现其他无关搬运机器人与当前搬运机器人冲突时,对移动路径进行及时的调整,保证所述搬运机器人移动路径的顺畅性,提高搬运效率。
实施例2
基于实施例1的基础上,本发明实施例提供一种基于路径计算的仓储搬运机器人搬运方法,步骤3具体为:
判断所述第一搬运路径、第二搬运路径之间是否存在冲突;
若存在,根据冲突信息对所述第一搬运路径进行调整,得到第三搬运路径;
否则,确定所述第一搬运路径即为第三搬运路径。
上述设计方案的有益效果是:通过在路径发生冲突时,及时对所述第一搬运路径进行调整,保证所述搬运机器人移动路径的顺畅性,提高搬运效率。
实施例3
基于实施例1的基础上,本发明实施例提供一种基于路径计算的仓储搬运机器人搬运方法,如图2所示,步骤1中,基于搬运机器人的工作任务,确定搬运区域和第一搬运路径包括:
步骤s1:基于所述搬运任务,确定所述搬运机器人的搬运物品、搬运终点;
步骤s2:基于所述搬运终点确定搬运区域;
步骤s3:根据所述搬运区域的路径分布图,以所述搬运物品为参考,利用路径规划模型确定第一搬运路径。
在该实施例中,以所述搬运物品为参考,利用路径规划模型确定第一搬运路径具体为根据所述搬运物品的大小重量为参考,利用所述路径规划模型中从路径距离、路径复杂度确定最优的路径作为第一搬运路径,例如若所述搬运物品的体积较大、重量过重,则侧重从路径复杂度方面来选取搬运路径,选取的搬运路径的复杂度应较低。
上述设计方案的有益效果是:通过根据搬运机器人的搬运物品、搬运终点的特征,利用路径规划模型为所述搬运机器人选取综合度最优的路径作为第一搬运路径,保证了搬运的效率和安全性。
实施例4
基于实施例1的基础上,本发明实施例提供一种基于路径计算的仓储搬运机器人搬运方法,如图3所示,步骤2中,监测所述搬运区域是否出现无关搬运机器人包括:
步骤21:动态检测所述搬运区域,当监测到所述搬运区域出现动态时,获取监测图像,并截取所述监测图像中的差异图像;
步骤22:判断所述差异图像与所述搬运机器人的预设全方位图像的匹配度是否大于预设匹配度;
步骤23:若是,判定所述搬运区域未出现无关搬运机器人;
否则,判定所述搬运区域出现无关搬运机器人。
在该实施例中,所述搬运机器人的预设全方位图像为提前根据所述搬运机器人的外形特征确定的图像。
在该实施例中,若与所述搬运机器人的预设全方位图像的匹配度大于预设匹配度,表明出现动态的为所述搬运机器人,否则,表明出现的为无关搬运机器人。
上述设计方案的有益效果是:通过实时监测所述搬运区域出现动态时及时判断是否出现无关搬运机器人,提高对无关搬运机器人的检测效率,为及时调整搬运机器人的移动路径提供基础。
实施例5
基于实施例1的基础上,本发明实施例提供一种基于路径计算的仓储搬运机器人搬运方法,步骤2中,识别所述无关搬运机器人,并根据识别结果,确定第二搬运路径包括:
对所述无关搬运机器人的图像进行识别,获取所述无关搬运机器人的标签;
基于所述标签,从机器人路径查询系统中,确定所述无关搬运机器人的第二搬运路径。
在该实施例中,所述无关搬运机器人的标签例如可以是搬运机器人的编号、型号等,用来表明所述无关搬运机器人的身份。
在该实施例中,机器人路径查询系统中包括了所有以确定好搬运路径的搬运机器人,利用搬运机器人的标签,即可进行查询。
上述设计方案的有益效果:通过对无关搬运机器人进行识别确定无关搬运机器人的身份,从而确定无关搬运机器人的路径,为及时调整搬运机器人的移动路径提供基础。
实施例6
基于实施例1的基础上,本发明实施例提供一种基于路径计算的仓储搬运机器人搬运方法,步骤3中,基于所述第一搬运路径、第二搬运路径,确定所述搬运机器人的第三搬运路径包括:
在所述第一搬运路径、第二搬运路径之间存在冲突时,确定发生冲突的第一位置;
确定所述搬运机器人往返所述第一位置的第一时间集合,确定所述无关搬运机器人往返所述第二位置的第二时间集合;
从所述第一时间集合、第二时间集合选取时间范围差值在预设范围内所对应的第一位置作为第二位置;
从所述第二位置中选取最先发生冲突的第三位置,并确定完成工作任务的过程中,在所述第三位置发生冲突的次数;
若所述次数小于预设次数,基于所述搬运机器人的搬运物品确定第一速度范围,基于所述无关搬运机器人的搬运物品确定第二速度范围;
基于发生冲突的次数和时间,以及第一搬运路径、第二搬运路径,以所述第一速度范围、第二速度范围为参考,对所述搬运机器人和无关搬运机器人的速度进行调整,得到第一速度、第二速度;
基于所述第一速度确定所述搬运机器人的搬运效率,判断所述搬运效率是否在预设范围内;
若是,将所述第一搬运路径作为第三搬运路径,以所述第一速度进行搬运;
否则,确定所述搬运机器人的其他搬运路径,从其他搬运路径中选择综合度最高的搬运路径作为第三搬运路径,并以第三搬运路径,保持原先速度进行搬运;
若所述次数不小于预设次数,确定所述搬运机器人的其他搬运路径,从不经过所述第三位置的搬运路径中选择综合度最高的搬运路径;
判断所述综合度最高的搬运路径与所述第二搬运路径发生冲突的概率是否小于预设概率;
若是,将所述综合度最高的搬运路径作为第三搬运路径,保持原先速度进行搬运;
否则,将所述综合度最高的搬运路径进行剔除,并从所述其他搬运路径依次取综合度最高的搬运路径,直到选择的搬运路径与所述第二搬运路径发生冲突的概率小于预设概率。
在该实施例中,所述发生冲突的第一位置可以为多个,第三位置为一个。
在该实施例中,所述第一速度范围与所述搬运机器人的搬运物品的性质相关,应在保证搬运物品完好性。
在该实施例中,对所述搬运机器人进行速度调整可以改变其到达冲突位置的时间,避免冲突的发生,调整后的速度应保证其搬运效率不能低于预设效率,否则,表明调整速度不能解决冲突的问题,应该改变路径,在能改变速度解决冲突的情况下,避免了对路径的再次分析和规划,简化了工作流程。
在该实施例中,所述第三位置发生冲突的次数小于预设次数时,表明所述第一搬运路径、第二搬运路径经过所述第三位置的次数少,所以在从其他搬运路径中选择综合度最高的搬运路径作为第三搬运路径时,不用刻意避过所述第三位置,此位置发生冲突的概率小,而第三位置发生冲突的次数不小于预设次数时,表明此位置发生冲突的概率大,在从其他搬运路径中选择综合度最高的搬运路径作为第三搬运路径时,应避过所述第三位置。
上述设计方案的有益效果是:通过在第一搬运路径、第二搬运路径之间存在冲突时,根据冲突位置的次数,对所述搬运机器人的搬运路径或搬运速度进行合理的调整,在调整的过程中在保证搬运效率的前提下,简化调整流程,实现用较小的工作力实现对所述搬运机器人的调整,保证了搬运效率。
实施例7
基于实施例5的基础上,本发明实施例提供一种基于路径计算的仓储搬运机器人搬运方法,对所述无关搬运机器人的图像进行识别,获取所述无关搬运机器人的标签包括:
对所述无关机器人的图像进行二值化处理后,对所述图像进行轮廓截取,获取多个轮廓图像;
确定所述多个轮廓图像对应所述无关机器人的图像中的图像区域,并利用预先设置的区域分类器,对所述图像区域进行分类,得到文本区域和非文本区域;
对所述文本区域进行初步识别,选择所述标签所在的文本区域作为待识别区域;
获取所述待识别区域中每个像素点的亮度值,基于所述亮度值构建所述待识别区域的图像亮度矩阵,基于识别的最佳亮度,对所述图像亮度矩阵中低于所述最佳亮度进行提高亮度处理,对高于所述最佳亮度进行降低亮度处理,得到亮度校正矩阵;
获取所述待识别区域的灰阶图像,获取每个像素点的灰阶等级,以所述灰阶等级,对所述亮度校正矩阵进行加权处理,得到加权亮度校正矩阵,利用所述加权亮度校正矩阵对所述待识别区域进行亮度校正,得到亮度图像;
将所述亮度图像与标准图像进行采集角度的比较,得到所述亮度图像与标准图像之间采集角度的角度差值;
判断所述角度差值是否大于预设角度差值;
若是,表明所述亮度图像的采集角度不合理,基于所述角度差值,对所述亮度图像进行旋转校正,得到校正图像,基于所述标准图像,确定所述校正图像的四个校正顶点坐标,基于所述校正图像的当前顶点坐标与校正顶点坐标之间的映射关系,确定变换规则,并利用所述变换规则对所述校正图像进行尺度变换,得到目标图像;
否则,表明所述亮度图像的采集角度合理,并将所述亮度图像作为目标图像;
根据所述无关搬运机器人的类型,确定标签版面特征,并根据所述标签版面特征构建标签识别模型,将所述目标图像输入所述标签识别模型中,获取所述无关搬运机器人的标签。
在该实施例中,所述灰阶等级分为7个,分别为白、灰白、浅灰、灰、深灰、浅黑、黑,等级依次降低。
在该实施例中,对所述亮度校正矩阵进行加权处理具体为利用所述灰阶等级与所述亮度校正矩阵进行点乘,得到亮度校正值,组成亮度校正矩阵,最终亮度图像的像素点的亮度值为亮度校正值。
在该实施例中,以识别的最佳亮度对所述待识别区域进行亮度校正,可以提高所述待识别区域的亮度均匀性,提高对标签的识别效率,以所述灰阶等级,对所述亮度校正矩阵进行加权处理,可以使所述待识别区域呈现的效果更加细腻,提高对标签的识别精度。
在该实施例中,由于无关搬运机器人处于移动状态,采集捕捉到的图像可能不是正面的标准图像,会影响识别效果,因此需要对图像进行角度和尺度的校正,得到标准的识别图像,提高识别效率和精度。
上述设计方案的有益效果是:通过对捕捉到的无关搬运机器人的图像进行分割、亮度调整、角度和尺度变换得到标准的识别图像,提高了对所述无关搬运机器人的标签识别的效率和精确度,保证了获取的无关搬运机器人的第二搬运路径的准确性,为所述搬运机器人的路径规划提供基础。
实施例8
基于实施例7的基础上,本发明实施例提供一种基于路径计算的仓储搬运机器人搬运方法,根据所述标签版面特征构建标签识别模型包括:
对所述标签版面特征按照字符结构进行划分,得到多个字符特征;
利用所述多个字符特征进行至少两次建模训练,并对每个建模的字符特征进行标注,得到标注结果;
当字符特征经过两次建模训练得到标注结果一致时,将所述标注结果加入模型特征表中;
当字符特征经过两次建模训练得到标注结果不一致时,对不一致的字符特征中的每个特征点进行迭代处理后,对所述不一致的字符特征进行再次建模训练并进行标注,得到标准标注结果,并将所述标准标注结果加入所述模型特征表中;
提取所述模型特征表每个标注结果的标注特征;
根据所述标注特征,构建标签识别模型。
在该实施例中,所述标签版面特征由多个字符组成,按照字符结构可将所述标签版面特征分割为单独的字符特征。
在该实施例中,所述并对每个建模的字符特征进行标注,得到标注结果为每个字符的具体表示,例如数字1、5、9,或字母A、a等。
在该实施例中,当字符特征经过两次建模训练得到标注结果不一致时,表明当前字符特征的辨别难度较高,应对所述当前字符特征进行迭代处理,提到所述字符特征的识别精度。
在该实施例中,所述标注特征包括字符特征和标注结果特征的组合,当检测到图像中与所述字符特征一致时,获取所述字符特征的标注结果特征的得到所述字符具体表示。
上述设计方案的有益效果是:通过首先利用标签版面特征来构建标签识别模型,保证了获取的无关搬运机器人的第二搬运路径的准确性,为所述搬运机器人的路径规划提供基础。
实施例9
基于实施例2的基础上,本发明实施例提供一种基于路径计算的仓储搬运机器人搬运方法,判断所述第一搬运路径、第二搬运路径之间是否存在冲突包括:
将搬运区域进行划分,得到节点路径图,并分别确定所述第一搬运路径、第二搬运路径在所述节点路径图中所经过的第一节点和第二节点;
从所述第一节点和第二节点中选择重复的第三节点;
获取所述第三节点的特征,并根据所述特征确定在经过所述第三节点的安全距离;
所述安全距离的计算公式如下:
其中,Ds表示所述经过所述第三节点的安全距离,va表示所述搬运机器人的速度,vb表示所述无关搬运机器人的速度,t0表示预设估计时间,n表示与所述第三节点相邻的节点个数,δi0表示第i个相邻的节点与所述第三节点之间的路径复杂度,取值为[1.00,1.50],σ0表示所述第三节点的路况光滑度,取值为(0.35,0.65),用来表示所述第三节点附件的路况移动难度,Da表示所述搬运机器人反应时的移动距离,Db表示所述无关搬运机器人反应时的移动距离,max{Da,Db}表示所述搬运机器人反应时的移动距离与所述无关搬运机器人反应时的移动距离两者之间的最大值;
选择一个时刻,确定在所述时刻下所述搬运机器人与无关搬运机器人到达所述第三节点的到达时间;
到达时间的计算公式如下:
其中,Ta表示所述搬运机器人到达所述第三节点的时间,m表示所述搬运机器人到所述第三节点之间的节点个数,γ(j,j-1)表示第j-1个节点到第j个节点之间的路径难度,取值为[0.90,1.20],L(j,j-1)表示第j-1个节点到第j个节点之间的距离,tj表示在第j个节点的停留反应时间;
Tb表示所述搬运机器人到达所述第三节点的时间,s表示所述无关搬运机器人到所述第三节点之间的节点个数,γ(ω,ω-1)表示第ω-1个节点到第ω个节点之间的路径难度,取值为[0.90,1.20],L(ω,ω-1)表示第ω-1个节点到第ω个节点之间的距离,tω表示在第ω个节点的停留反应时间;
根据所述搬运机器人与无关搬运机器人到达所述第三节点的到达时间差值,确定所述搬运机器人与无关搬运机器人在所述第三节点之间的实际距离;
判断所述实际距离是否小于所述安全距离;
若是,判定所述第一搬运路径、第二搬运路径之间存在冲突,且发生冲突的位置为所述第三节点;
否则,判定所述第一搬运路径、第二搬运路径之间不存在冲突。
在该实施例中,所述第三节点至少为1个。
在该实施例中,在计算搬运机器人与无关搬运机器人到达所述第三节点的到达时间时,加入节点之间的路况难度可以修正在不同路况下的产生的时间误差。
在该实施例中,节点所在的位置为转折处,在节点处的停留时间为搬运机器人改变移动方向所需的时间。
在该实施例中,所述预设估计时间为预先估计的在经过所述第三节点的时间。
在该实施例中,当j或ω=1时,γ(j,j-1)或L(j,j-1)表示所述搬运机器人所在的节点到第1个节点之间的路径难度或所述无关搬运机器人所在的节点到第1个节点之间的路径难度。
在该实施例中,对于公式例如可以是:va=1m/s,vb=0.8m/s,t0=2s,/>max{Da,Db}=1m,则Ds=1.38m。
在该实施例中,例如可以是,/> 则Ta=70s,/>例如可以是,/>则Tb=65s,则所述搬运机器人与无关搬运机器人在所述第三节点之间的实际距离为5.00m,大于所述安全距离3.38m,故所述第三节点不是冲突点。/>
上述设计方案的有益效果是:通过获取所述搬运机器人和无关搬运机器人的路径上的重复节点,并对所述搬运机器人和无关搬运机器人到达所述重复节点是两者之间的距离是否满足要求来判断所述在重复节点处是否发生冲突,并在计算安全距离时,考虑节点处的路况、机器人的反应时间,使得到的安全距离既保证两个机器人之间不会冲突,为所述搬运机器人的搬运路径的选择和调整提供基础。
实施例10
基于实施例9的基础上,本发明实施例提供一种基于路径计算的仓储搬运机器人搬运方法,选择一个时刻时应保证所述搬运机器人与无关搬运机器人还未经过所述第三节点,且所述搬运机器人与无关搬运机器人均处于所述节点路径图中的节点上。
上述设计方案的有益效果是:所述搬运机器人与无关搬运机器人均处于所述节点路径图中的节点上,便于对到达第三节点的到达时间的计算,提高对到达时间的精确度。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种基于路径计算的仓储搬运机器人搬运方法,其特征在于,包括:
步骤1:基于搬运机器人的工作任务,确定搬运区域和第一搬运路径;
步骤2:监测所述搬运区域是否出现无关搬运机器人,若存在,识别所述无关搬运机器人,并根据识别结果,确定第二搬运路径;
步骤3:基于所述第一搬运路径、第二搬运路径,确定所述搬运机器人的第三搬运路径,包括:
在所述第一搬运路径、第二搬运路径之间存在冲突时,确定发生冲突的第一位置;
确定所述搬运机器人往返所述第一位置的第一时间集合,确定所述无关搬运机器人往返所述第一位置的第二时间集合;
从所述第一时间集合、第二时间集合选取时间范围差值在预设差值范围内所对应的第一位置作为第二位置;
从所述第二位置中选取最先发生冲突的第三位置,并确定完成工作任务的过程中,在所述第三位置发生冲突的次数;
若所述次数小于预设次数,基于所述搬运机器人的搬运物品确定第一速度范围,基于所述无关搬运机器人的搬运物品确定第二速度范围;
基于发生冲突的次数和时间,以及第一搬运路径、第二搬运路径,以所述第一速度范围、第二速度范围为参考,对所述搬运机器人和无关搬运机器人的速度进行调整,得到第一速度、第二速度;
基于所述第一速度确定所述搬运机器人的搬运效率,判断所述搬运效率是否在预设搬运效率范围内;
若是,将所述第一搬运路径作为第三搬运路径,以所述第一速度进行搬运;
否则,确定所述搬运机器人的其他搬运路径,从其他搬运路径中选择综合度最高的搬运路径作为第三搬运路径,并以第三搬运路径,保持原先速度进行搬运;
若所述次数不小于预设次数,确定所述搬运机器人的其他搬运路径,从不经过所述第三位置的搬运路径中选择综合度最高的搬运路径;
判断所述综合度最高的搬运路径与所述第二搬运路径发生冲突的概率是否小于预设概率;
若是,将所述综合度最高的搬运路径作为第三搬运路径,保持原先速度进行搬运;
否则,将所述综合度最高的搬运路径进行剔除,并从所述其他搬运路径依次取综合度最高的搬运路径,直到选择的搬运路径与所述第二搬运路径发生冲突的概率小于预设概率。
2.根据权利要求1所述的一种基于路径计算的仓储搬运机器人搬运方法,其特征在于,步骤3具体为:
判断所述第一搬运路径、第二搬运路径之间是否存在冲突;
若存在,根据冲突信息对所述第一搬运路径进行调整,得到第三搬运路径;
否则,确定所述第一搬运路径即为第三搬运路径。
3.根据权利要求1所述的一种基于路径计算的仓储搬运机器人搬运方法,其特征在于,步骤1中,基于搬运机器人的工作任务,确定搬运区域和第一搬运路径包括:
基于所述工作任务,确定所述搬运机器人的搬运物品、搬运终点;
基于所述搬运终点确定搬运区域;
根据所述搬运区域的路径分布图,以所述搬运物品为参考,利用路径规划模型确定第一搬运路径。
4.根据权利要求1所述的一种基于路径计算的仓储搬运机器人搬运方法,其特征在于,步骤2中,监测所述搬运区域是否出现无关搬运机器人包括:
动态检测所述搬运区域,当监测到所述搬运区域出现动态时,获取监测图像,并截取所述监测图像中的差异图像;
判断所述差异图像与所述搬运机器人的预设全方位图像的匹配度是否大于预设匹配度;
若是,判定所述搬运区域未出现无关搬运机器人;
否则,判定所述搬运区域出现无关搬运机器人。
5.根据权利要求1所述的一种基于路径计算的仓储搬运机器人搬运方法,其特征在于,步骤2中,识别所述无关搬运机器人,并根据识别结果,确定第二搬运路径包括:
对所述无关搬运机器人的图像进行识别,获取所述无关搬运机器人的标签;
基于所述标签,从机器人路径查询系统中,确定所述无关搬运机器人的第二搬运路径。
6.根据权利要求5所述的一种基于路径计算的仓储搬运机器人搬运方法,其特征在于,对所述无关搬运机器人的图像进行识别,获取所述无关搬运机器人的标签包括:
对所述无关搬运机器人的图像进行二值化处理后,对所述图像进行轮廓截取,获取多个轮廓图像;
确定所述多个轮廓图像对应所述无关搬运机器人的图像中的图像区域,并利用预先设置的区域分类器,对所述图像区域进行分类,得到文本区域和非文本区域;
对所述文本区域进行初步识别,选择所述标签所在的文本区域作为待识别区域;
获取所述待识别区域中每个像素点的亮度值,基于所述亮度值构建所述待识别区域的图像亮度矩阵,基于识别的最佳亮度,对所述图像亮度矩阵中低于所述最佳亮度进行提高亮度处理,对高于所述最佳亮度进行降低亮度处理,得到亮度校正矩阵;
获取所述待识别区域的灰阶图像,获取每个像素点的灰阶等级,以所述灰阶等级,对所述亮度校正矩阵进行加权处理,得到加权亮度校正矩阵,利用所述加权亮度校正矩阵对所述待识别区域进行亮度校正,得到亮度图像;
将所述亮度图像与标准图像进行采集角度的比较,得到所述亮度图像与标准图像之间采集角度的角度差值;
判断所述角度差值是否大于预设角度差值;
若是,表明所述亮度图像的采集角度不合理,基于所述角度差值,对所述亮度图像进行旋转校正,得到校正图像,基于所述标准图像,确定所述校正图像的四个校正顶点坐标,基于所述校正图像的当前顶点坐标与校正顶点坐标之间的映射关系,确定变换规则,并利用所述变换规则对所述校正图像进行尺度变换,得到目标图像;
否则,表明所述亮度图像的采集角度合理,并将所述亮度图像作为目标图像;
根据所述无关搬运机器人的类型,确定标签版面特征,并根据所述标签版面特征构建标签识别模型,将所述目标图像输入所述标签识别模型中,获取所述无关搬运机器人的标签。
7.根据权利要求6所述的一种基于路径计算的仓储搬运机器人搬运方法,其特征在于,根据所述标签版面特征构建标签识别模型包括:
对所述标签版面特征按照字符结构进行划分,得到多个字符特征;
利用所述多个字符特征进行至少两次建模训练,并对每个建模的字符特征进行标注,得到标注结果;
当字符特征经过两次建模训练得到标注结果一致时,将所述标注结果加入模型特征表中;
当字符特征经过两次建模训练得到标注结果不一致时,对不一致的字符特征中的每个特征点进行迭代处理后,对所述不一致的字符特征进行再次建模训练并进行标注,得到标准标注结果,并将所述标准标注结果加入所述模型特征表中;
提取所述模型特征表每个标注结果的标注特征;
根据所述标注特征,构建标签识别模型。
8.根据权利要求2所述的一种基于路径计算的仓储搬运机器人搬运方法,其特征在于,判断所述第一搬运路径、第二搬运路径之间是否存在冲突包括:
将搬运区域进行划分,得到节点路径图,并分别确定所述第一搬运路径、第二搬运路径在所述节点路径图中所经过的第一节点和第二节点;
从所述第一节点和第二节点中选择重复的第三节点;
获取所述第三节点的特征,并根据所述特征确定在经过所述第三节点的安全距离;
选择一个时刻,确定在所述时刻下所述搬运机器人与无关搬运机器人到达所述第三节点的到达时间;
根据所述搬运机器人与无关搬运机器人到达所述第三节点的到达时间差值,确定所述搬运机器人与无关搬运机器人在所述第三节点之间的实际距离;
判断所述实际距离是否小于所述安全距离;
若是,判定所述第一搬运路径、第二搬运路径之间存在冲突,且发生冲突的位置为所述第三节点;
否则,判定所述第一搬运路径、第二搬运路径之间不存在冲突。
9.根据权利要求8所述的一种基于路径计算的仓储搬运机器人搬运方法,其特征在于,选择一个时刻时应保证所述搬运机器人与无关搬运机器人还未经过所述第三节点,且所述搬运机器人与无关搬运机器人均处于所述节点路径图中的节点上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111331981.4A CN114035578B (zh) | 2021-11-11 | 2021-11-11 | 一种基于路径计算的仓储搬运机器人搬运方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111331981.4A CN114035578B (zh) | 2021-11-11 | 2021-11-11 | 一种基于路径计算的仓储搬运机器人搬运方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114035578A CN114035578A (zh) | 2022-02-11 |
CN114035578B true CN114035578B (zh) | 2023-07-18 |
Family
ID=80137263
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111331981.4A Active CN114035578B (zh) | 2021-11-11 | 2021-11-11 | 一种基于路径计算的仓储搬运机器人搬运方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114035578B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004280213A (ja) * | 2003-03-13 | 2004-10-07 | Japan Science & Technology Agency | 分散型経路計画装置及び方法、分散型経路計画プログラム |
JP2010134581A (ja) * | 2008-12-03 | 2010-06-17 | Seiko Epson Corp | ロボットの制御方法およびロボットの制御システム |
CN107678424A (zh) * | 2017-08-22 | 2018-02-09 | 广东美的智能机器人有限公司 | 机器人避免路径冲突的方法及其装置 |
CN108268016A (zh) * | 2018-01-19 | 2018-07-10 | 广东美的智能机器人有限公司 | 多移动机器人的冲突管理方法及系统 |
CN111633655A (zh) * | 2020-06-06 | 2020-09-08 | 杭州电子科技大学 | 一种分布式自主移动机器人交通调度方法 |
CN113608528A (zh) * | 2021-07-12 | 2021-11-05 | 千里眼(广州)人工智能科技有限公司 | 机器人调度方法、装置、机器人及存储介质 |
-
2021
- 2021-11-11 CN CN202111331981.4A patent/CN114035578B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004280213A (ja) * | 2003-03-13 | 2004-10-07 | Japan Science & Technology Agency | 分散型経路計画装置及び方法、分散型経路計画プログラム |
JP2010134581A (ja) * | 2008-12-03 | 2010-06-17 | Seiko Epson Corp | ロボットの制御方法およびロボットの制御システム |
CN107678424A (zh) * | 2017-08-22 | 2018-02-09 | 广东美的智能机器人有限公司 | 机器人避免路径冲突的方法及其装置 |
CN108268016A (zh) * | 2018-01-19 | 2018-07-10 | 广东美的智能机器人有限公司 | 多移动机器人的冲突管理方法及系统 |
CN111633655A (zh) * | 2020-06-06 | 2020-09-08 | 杭州电子科技大学 | 一种分布式自主移动机器人交通调度方法 |
CN113608528A (zh) * | 2021-07-12 | 2021-11-05 | 千里眼(广州)人工智能科技有限公司 | 机器人调度方法、装置、机器人及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114035578A (zh) | 2022-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107617573B (zh) | 一种基于多任务深度学习的物流编码识别和分拣方法 | |
CN110427793B (zh) | 一种基于深度学习的条码检测方法及其系统 | |
CN111179251B (zh) | 基于孪生神经网络利用模板比对的缺陷检测系统及方法 | |
CN112170233B (zh) | 基于深度学习的小型零件分拣方法及其分拣系统 | |
CN111027526B (zh) | 一种提高车辆目标检测识别效率的方法 | |
CN114266884A (zh) | 旋转框定位多形态瓶状物品分拣目标检测方法 | |
CN113469264A (zh) | 一种垃圾自动分类模型的构建方法、垃圾分拣方法和系统 | |
CN113792826A (zh) | 基于神经网络和多源数据的双视角关联安检方法及系统 | |
US20220379475A1 (en) | Transparent object bin picking | |
CN111523342A (zh) | 一种复杂场景下的二维码检测和校正方法 | |
CN114035578B (zh) | 一种基于路径计算的仓储搬运机器人搬运方法 | |
CN112598698B (zh) | 长时间单目标跟踪方法及系统 | |
CN113902939A (zh) | 基于孪生网络的工业产品大缺陷检测方法 | |
US11875528B2 (en) | Object bin picking with rotation compensation | |
CN115410184A (zh) | 一种基于深度神经网络的目标检测车牌识别方法 | |
CN111062387B (zh) | 一种传送带上物品的识别方法、抓取方法及相关设备 | |
CN109492685B (zh) | 一种用于对称特征的目标物体视觉检测方法 | |
CN114724089A (zh) | 一种基于互联网的智慧城市监测方法 | |
Upadhyay et al. | Real-time deep learning–based image processing for pose estimation and object localization in autonomous robot applications | |
CN111539971A (zh) | 一种用于快递面单跟踪的方法 | |
CN111145258B (zh) | 一种工业机器人多种汽车玻璃自动化上下料的方法 | |
Huu et al. | Proposing algorithm for detecting car number plate using SVM and WPOD-NET models | |
US20230245293A1 (en) | Failure detection and failure recovery for ai depalletizing | |
CN110246133B (zh) | 一种玉米籽粒分类方法、装置、介质及设备 | |
CN113269188B (zh) | 一种标记点及其像素坐标检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240508 Address after: Group 6, Tanping Village, Wensheng Township, Tongjiang County, Bazhong City, Sichuan Province, 636700 Patentee after: Peng Xiuqiong Country or region after: China Address before: No.42 Lijiang Road, Yancheng Economic and Technological Development Zone, Jiangsu Province 224000 Patentee before: JIANGSU YUBO AUTOMATION EQUIPMENT Co.,Ltd. Country or region before: China |
|
TR01 | Transfer of patent right |