CN114137984B - 一种模块化传输平台及其控制方法和路径规划方法 - Google Patents
一种模块化传输平台及其控制方法和路径规划方法 Download PDFInfo
- Publication number
- CN114137984B CN114137984B CN202111438958.5A CN202111438958A CN114137984B CN 114137984 B CN114137984 B CN 114137984B CN 202111438958 A CN202111438958 A CN 202111438958A CN 114137984 B CN114137984 B CN 114137984B
- Authority
- CN
- China
- Prior art keywords
- transmission
- path
- platform
- target
- evaluation function
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 117
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000013507 mapping Methods 0.000 claims abstract description 9
- 239000000463 material Substances 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims abstract description 5
- 238000011156 evaluation Methods 0.000 claims description 36
- 238000012216 screening Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 238000009499 grossing Methods 0.000 claims description 5
- 230000003068 static effect Effects 0.000 claims description 5
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 4
- 230000007797 corrosion Effects 0.000 claims description 3
- 238000005260 corrosion Methods 0.000 claims description 3
- 238000005305 interferometry Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000001629 suppression Effects 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 2
- 238000012546 transfer Methods 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 7
- 238000005457 optimization Methods 0.000 description 5
- 230000001133 acceleration Effects 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 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
- G05D1/0212—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, 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
- G05D1/0231—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
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)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种模块化传输平台及其控制方法和路径规划方法，采用了六边形的模块体以及全向轮组来使得目标传输物能够从平台的入口传输到出口，提高了实用性能；采用多CCD相机作为平台传输信息反馈设备，通过图像拼接获取工作台面动态传输信息，并由改进的视觉处理算法对拼接图像进行轮廓提取，最后通过坐标系转换将传输目标相关信息映射到上位机图形界面中，实现货物的传输路径规划；引入矩阵干涉理论对故障模块和多目标传输物体进行分析，实现模块运动状态实时切换和动态避障的功能；本方案所述物料传输平台便于安装、易于拓展、路径规划方便，可在不改变平台结构的前提下柔性地调整物料传输路径，且能在传输过程中实时监测货物的传输状态。
Description
技术领域
本发明涉及物流智能传输设备，具体涉及一种模块化传输平台及其控制方法和路径规划方法。
背景技术
随着物流业和自动化设备的快速发展，越来越多的智能传输设备应需而生，现有的物流设备通常结构单一，应用场景有限，智能化程度较低；与此同时，全向轮在移动机器人领域的研究为其在智能物流传输行业中的应用提供了可行性，现有研究主要侧重于对物料传输平台的机械结构进行改进设计，虽然实现了传输平台的模块化，但在依托模块化结构上的控制方法研究上较为薄弱，致使物料传输过程的可控性、传输路径的优化及其动态调整等方面存在明显不足，明显制约了物流传输平台智能化程度的提升。
公开号为CN109625822A的发明专利《一种四轮驱动的全向传送系统及工作方法》中，该系统由多个全向传送模块拼接构成，通过电机驱动每个单元模块实现对物体的传输。
公开号为CN109516120A的发明专利《一种三轮驱动的全向系统及工作方法》中，提出了Dijkstra算法进行路径规划。
公开号为CN112591410A的发明专利《一种基于全向轮的物料传输系统及其控制方法》中，采用A*算法进行路径规划并进行bezier平滑处理，该方法的智能化程度更高。
尽管上述方案中都将传输平台进行了模块化处理，并将Dijkstra和A*算法融入到了路径规划中来实现高效传输的效果。然而，这些方案中都忽略了传输物体的反馈与物流背景下的多目标传输问题，即当目标传输物“逃离”规划的路径时，可能造成传输中断的状况，进而影响工作效率。此外，上述方案中所涉及的Dijkstra和A*算法，都是基于全局路径来进行规划，忽视了局部路径的影响，在遇到局部情况较为复杂的环境时，容易发生路径规划失败。
发明内容
发明目的：本发明的目的是提供一种能够灵活调节传输路径、考虑局部路径影响的模块化传输平台及其控制方法和路径规划方法。
技术方案：本发明所述的一种模块化传输平台，包括平台，平台上设有若干个呈正六边形的模块体，模块体相互拼接构成蜂巢式结构，模块体的顶面设有全向轮组，模平台的上方设有可移动的CCD相机，CCD相机通过图像处理提取出目标传输物的位置信息并将信息反馈给控制模块体的上位机，在目标传输物进入平台前通过RFID读写器对其进行信息读取。
由此采用了六边形的模块体以及全向轮组来使得目标传输物能够从平台的入口传输到出口，并采用RFID读写器来识别传输物需要传输到哪个出口，并据此来规划路径，提高了实用性能；CCD相机可以对平台上各个模块体的工作状况进行观测，从而当部分模块体上不需要经过或没有目标传输物存在时，可以停止该部分模块体的工作，节省成本，且当出现局部故障的状况时，也需要CCD相机对局部故障进行观测后通过上位机进行调控。
优选的，CCD相机有若干个且多个CCD相机共同配合对平台以及目的传输物进行图像采集，这样可以避免受到目的传输物高度的影响使得单个CCD相机在进行图像采集时由于视觉盲区和误差等因素影响对传输物实际位置的判断，提高了观测精度，实现了动态调整。
一种模块化传输平台的控制方法，包括以下步骤：
(1)根据传输平台工作区域调整相机位置，使平台工作区域在相机的有效区域内；
(2)在上位机界面中设定模块行列数及物料传输速度；
(3)由RFID读写器得到目标传输物出口位置信息；
(4)将相机采集的图片发送给上位机进行图像处理，提取目标传输物的尺寸、坐标位置及方位信息，并将目标映射在上位机界面；
(5)根据传输物起始点、终点位置以及是否存在故障模块进行全局路径规划：当传输平台无故障模块时，根据最短路径原则进行全局路径规划；当检测到故障模块时，采用全局A*算法实现路径避障，并在界面上高亮显示故障模块的相应位置；
(6)开始传输目标物，在传输过程中，相机映射更新上位机界面，并对映射图像进行实时解算，确定当前时刻参数传输目标的轮系；
(7)将当前工作的轮系协同方式与系统内部编写的运动学模型库进行匹配，确定对应的运动学模型，进而驱动传输货物的运动。
在上述技术方案中，考虑到了发生局部动态避障时的处理策略，由此能够保证工作效率。
优选的，在步骤(4)中，采集及提取信息的具体步骤为：
(4.1)根据相机序号，进行多图像采集与拼接，以降低视觉误差带来的位置片偏差，从而得出传输目标位置视图；
(4.2)将拼接的传输目标图片进行去噪、阈值等处理，得到预处理图像；
(4.3)将预处理的图像中每个像素经过梯度计算得到每个像素点X和Y方向的梯度，根据梯度通过非极大值抑制算法得到第一次边缘图像轮廓，基于轮廓周边像素个数设置区间，初步筛选出满足该区间的像素轮廓，并计算该区间内所有轮廓尺寸；
(4.4)以传输物阈值参数为模板，进行模型匹配，初步判断目标传输物的大致尺寸，以此定义尺寸筛选空间，对(4.2)中的轮廓尺寸进行筛选，最终得出目标传输物的大致轮廓。位置及方位信息；
(4.5)由目标轮廓和位置信息建立ROI区域，对该区域进行膨胀腐蚀操作；
(4.6)再次对膨胀腐蚀的结果进行二次轮廓提取，得出最终传输目标的精确尺寸、位置及方位信息。
一种模块化传输平台的路径规划方法，其中，全局A*算法的加权评价函数表达式为：
式中，α和β分别表示为到达当前节点代价g(n)和当前节点到达目标节点代价h(n)的权重，N为总路径节点数，n是路径上的下一个点。
在上述技术方案中，通过加权函数来提高A*算法规划的速率。
优选的，在局部路径规划中，采用矩阵干涉检测用于故障和动态避障，设K(x1，y1)、L1为改进前路径的节点和拟合路径，D为传输物安全阈值，设障碍物中心P1(x0，y0)到节点的距离为d，则d满足：
当d＞D时，传输物不会干涉，当d≤D时，删除节点K，寻找节点K1，且K1节点满足P1K的直线方程，当障碍物到节点K1的距离大于安全阈值D时，替换节点K，重新进行拟合，得出改进的路径L2，该方法不仅能够提高路径规划的可行性，还能够在一定范围内提高路径安全宽度，使得后续轨迹优化更加平稳。
优选的，在全局规划中，当检测到故障模块或动态障碍物时，系统启动避障流程，具体为：
(1)首先对平台进行栅格处理，以平台的左下角为原点建立世界坐标系；
(2)通过本方案中的加权A*算法得出货物传输的全局路径点，将路径点储存在Path[]中；
(3)通过设置步长选取Path[]内部的路径节点得到路径数组Path2[]；
(4)通过改进动态窗口评价函数，引入dist_d(u,w)，表示传输物体和动态障碍物的评价函数，建立整体评价函数：同时对全局路径数组Path2[]采用三次Bezier曲线拟合进行平滑处理；
(5)选取路径数组Path[]中的关键节点作为动态窗口法的过渡目标点，对传输物体局部路径规划进行路径指引。
优选的，在步骤(4)中，改进动态窗口法得到整体评价函数的具体步骤为：
(4.1)建立平台货物传输速度约束条件V＝{vm∩va∩vd}；
(4.2)建立评价函数其中，heading(u,w)是方向角评价函数，velocity(u,w)是速度评价函数，dist_g(u,w)是静态障碍物距离评价函数，dist_d(u,w)为引入的动态障碍物评价函数，如果在这条轨迹上没有障碍物，则设定为一个常数，α、β、λ为权重参数，δ为归一化参数。
上述改进的动态窗口法，将障碍物评价函数细分为静态障碍物和动态障碍物评价函数，提高了障碍物评价的准确性，进而保障了路径规划的准确性。
有益效果：本发明与现有技术相比，所具有的显著优点有：1、模块定位准确，可适用于不同环境、不同尺寸大小的多个物品同时传输，实用性能强；2、耗能低、成本低；3、路径规划效率高，通过动态窗口法进行局部动态避障；4、在发生故障后，可对路径进行灵活调整，保障了工作效率。
附图说明
图1为本发明中模块化传输平台的结构示意图；
图2为本发明中模块体的结构示意图；
图3为本发明中上位机界面示意图；
图4为传统的栅格融合A*与动态窗口法的路径规划仿真图；
图5为本发明中的栅格融合A*与动态窗口法的路径规划仿真图；
图6为局部路径矩阵干涉检测示意图；
图7为目标传输物轮廓提取流程图；
图8为本发明中控制方法的流程图。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明。
如图1所示，所述的模块化传输平台，包括平台1，该平台1上设有若干个呈正六边形的模块体2，这些模块体2相互拼接构成蜂巢式结构，该结构可以根据需求调整大小。如图2所示，模块体2的顶面设有全向轮组21，物品能够通过该全向轮组21进行向前运输以及转向的动作。模块体2的侧面设有相对应的连接槽和连接件，由此能够实现相邻两个模块体2之间的固定连接。平台1的上方还设有若干个相互垂直的移动轴，该移动轴将平台1分成了多个区域，每条轴上还分别设置了CCD相机3，这些CCD相机3共同配合对平台1以及目的传输物进行图像采集，这样可以避免受到目的传输物高度的影响使得单个CCD相机3在进行图像采集时由于视觉盲区和误差等因素影响对传输物实际位置的判断，提高了观测精度，实现了动态调整。
此外，在目标传输物进入平台1前，通过RFID读写器对其进行信息读取，这样可以使得在目标传输物进入平台1前就得知该目标传输物需要从哪个出口排出。
如图8所示，本发明所述的模块化传输平台的控制方法，包括以下步骤：
(1)根据传输平台工作区域调整相机位置，使平台工作区域在相机的有效区域内；
(2)在上位机界面中设定模块行列数及物料传输速度；
(3)由RFID读写器得到目标传输物出口位置信息；
(4)将相机采集的图片发送给上位机进行图像处理，提取目标传输物的尺寸、坐标位置及方位信息，并将目标映射在上位机界面中，其中，采集及提取信息的具体步骤为：
(4.1)根据相机序号，进行多图像采集与拼接，以降低视觉误差带来的位置片偏差，从而得出传输目标位置视图；
(4.2)将拼接的传输目标图片进行去噪、阈值等处理，得到预处理图像；
(4.3)将预处理的图像中每个像素经过梯度计算得到每个像素点X和Y方向的梯度，根据梯度通过非极大值抑制算法得到第一次边缘图像轮廓，基于轮廓周边像素个数设置区间，初步筛选出满足该区间的像素轮廓，并计算该区间内所有轮廓尺寸；
(4.4)以传输物阈值参数为模板，进行模型匹配，初步判断目标传输物的大致尺寸，以此定义尺寸筛选空间，对(4.2)中的轮廓尺寸进行筛选，最终得出目标传输物的大致轮廓。位置及方位信息；
(4.5)由目标轮廓和位置信息建立ROI区域，对该区域进行膨胀腐蚀操作；
(4.6)再次对膨胀腐蚀的结果进行二次轮廓提取，得出最终传输目标的精确尺寸、位置及方位信息；
(5)根据传输物起始点、终点位置以及是否存在故障模块进行全局路径规划：当传输平台无故障模块时，根据最短路径原则进行全局路径规划；当检测到故障模块时，采用全局A*算法实现路径避障，并在上位机界面上高亮显示故障模块的相应位置；
(6)开始传输目标物，在传输过程中，相机映射更新上位机界面，并对映射图像进行实时解算，确定当前时刻参与传输目标的轮系；
(7)将当前工作的轮系协同方式与系统内部编写的运动学模型库进行匹配，确定对应的运动学模型，进而驱动传输货物的运动。
图7为本发明中目标轮廓提取包括多相机采集与图像拼接、图像预处理、然后进行特征提取确定目标区域，通过第一次边缘检测提取目标大致轮廓，然后根据轮廓位置进行ROI区域提取和形态学处理，最终得出目标具体轮廓和位置信息。
如图6所示，本发明所述的模块化传输平台的路径规划方法，采用全局A*算法的加权评价函数表达式为：
式中，α和β分别表示为到达当前节点代价g(n)和当前节点到达目标节点代价h(n)的权重，N为总路径节点数，n是路径上的下一个点。
还采用了矩阵干涉涉检测用于故障和动态避障，设K(x1，y1)、L1为改进前路径的节点和拟合路径，D为传输物安全阈值，设障碍物中心P1(x0，y0)到节点的距离为d，则d满足：
当d＞D时，传输物不会干涉，当d≤D时，删除节点K，寻找节点K1，且K1节点满足P1K的直线方程，当障碍物到节点K1的距离大于安全阈值D时，替换节点K，重新进行拟合，得出改进的路径L2。
在全局规划中，当检测到故障模块时，系统启动避障流程，具体为：
(1)首先对平台进行栅格处理，以平台的左下角为原点建立世界坐标系；
(2)通过本方案中的加权A*算法得出货物传输的全局路径点，将路径点储存在Path[]中；
(3)通过设置步长选取Path[]内部的路径节点得到路径数组Path2[]；
(4)通过改进动态窗口评价函数，引入dist_d(u,w)，表示传输物体和动态障碍物的评价函数，建立整体评价函数：同时对全局路径数组Path[]2采用三次Bezier曲线拟合进行平滑处理。
上述改进动态窗口评价函数的具体步骤为：
(4.1)建立平台货物传输速度约束条件：
(4.1.1)货物传输速度范围vm：Vm＝{(v,ω)|v∈[vmin,vmax]^ω∈[ωmin,ωmax]}
(4.1.2)货物受电机加速度影响，在时间间隔Δt内导致的速度范围va：
(4.1.3)传输货物在最大减速条件下，碰到障碍物之前速度降为0，安全制动条件下的速度范围vd为：
式中：vt、dist(v,ω)为别为货物最大速度、货物最小速度、货物最大加速度、货物最小加速度、货物当前速度、货物与最近障碍物的距离，由于货物速度满足上面三个约束，因此货物速度为V＝{vm∩va∩vd}。
(4.2)建立评价函数
其中，heading(u,w)是方向角评价函数，velocity(u,w)是速度评价函数，dist_g(u,w)是静态障碍物距离评价函数，dist_d(u,w)为引入的动态障碍物评价函数，如果在这条轨迹上没有障碍物，则设定为一个常数，α、β、λ为权重参数，δ为归一化参数。
如图3所示，虚线为上位机拟规划的传输路径，当路径上有故障模块时，内部算法会基于最优先原则对路径进行再规划，同时融入bezier曲线拟合，对路径进行平滑处理，降低路径拐点。
如图4所示，在采用传统的栅格法进行路径规划时，易出现图示中的故障点，致使规划路径在实际应用中无法实现，本方案中设计的栅格法融合A*与动态窗口法的路径规划仿真图如图5所示，可以消除传统栅格中的故障点。
进行平滑处理的具体流程为：
(4.1)：将A*算法规划的路径节点进行分割；
(4.2)：对分割后的节点进行Bezier处理，根据平台的布局选择采用三个Bezier曲线拟合进行平化处理，表达式为：
B(3,t)＝(1-t)3p0+3(1-t)2C1+3(1-t)t2C2+t3p1,0≤t≤1
(4.3)曲线由起点P0，控制点P1、P2，重点P3构建，P1(X0，Y0)和P3(X3，Y3)的坐标值由A*算法规划路径中得到，设P0到P1的距离为d1，得到P1(X1，d1)，设P2到P3的距离为d3，得到P2(X2，Y2)的坐标值由d3表示；
(4.4)通过上式计算得到四个控制点的坐标，在这四个控制点中只有两个自由变量，分别是d1和d3，通过这两个自由变量即可确定唯一一条三次贝塞尔曲线；
(4.5)采用设置曲线曲率的方法优化参数d1，d3，使得曲线的最大曲率与最小曲率之间差值最小，优化目标函数为：
J(x1,xT,p)＝kmax(μ1)-kmix(μ2),μ1、μ2∈[0,1]
目标函数中p代表参数d1，d3，采用最优化算法为序列二次优化(SQP)；
(4.6)对处理后的Bezier曲线进行拼接，得到A*算法与Bezier曲线融合后的路径；
(4.7)设置多个规划方向生成若干条路径，以满足避障安全距离的最短路径作为物料传输的最终路径；
(5)选取路径数组Path[]中的关键节点作为动态窗口法的过渡目标点，对传输物体局部路径规划进行路径指引。
Claims (5)
1.一种模块化传输平台的控制方法，其特征在于，包括以下步骤：
(1)根据传输平台工作区域调整相机位置，使平台工作区域在相机的有效区域内；
(2)在上位机界面中设定模块行列数及物料传输速度；
(3)由RFID读写器得到目标传输物出口位置信息；
(4)将相机采集的图片发送给上位机进行图像处理，提取目标传输物的尺寸、坐标位置及方位信息，并将目标映射在上位机界面；
(5)根据传输物起始点、终点位置以及是否存在故障模块进行全局路径规划：当传输平台无故障模块时，根据最短路径原则进行全局路径规划；当检测到故障模块时，采用全局A*算法实现路径避障，并在界面上高亮显示故障模块的相应位置；
(6)开始传输目标物，在传输过程中，相机映射更新上位机界面，并对映射图像进行实时解算，确定当前时刻参数传输目标的轮系；
(7)将当前工作的轮系协同方式与系统内部编写的运动学模型库进行匹配，确定对应的运动学模型，进而驱动传输货物的运动；
在步骤(4)中，采集及提取信息的具体步骤为：
(4.1)根据相机序号，进行多图像采集与拼接，以降低视觉误差带来的位置片偏差，从而得出传输目标位置视图；
(4.2)将拼接的传输目标图片进行去噪、阈值等处理，得到预处理图像；
(4.3)将预处理的图像中每个像素经过梯度计算得到每个像素点X和Y方向的梯度，根据梯度通过非极大值抑制算法得到第一次边缘图像轮廓，基于轮廓周边像素个数设置区间，初步筛选出满足该区间的像素轮廓，并计算该区间内所有轮廓尺寸；
(4.4)以传输物阈值参数为模板，进行模型匹配，初步判断目标传输物的大致尺寸，以此定义尺寸筛选空间，对(4.2)中的轮廓尺寸进行筛选，最终得出目标传输物的大致轮廓、位置及方位信息；
(4.5)由目标轮廓和位置信息建立ROI区域，对该区域进行膨胀腐蚀操作；
(4.6)再次对膨胀腐蚀的结果进行二次轮廓提取，得出最终传输目标的精确尺寸、位置及方位信息。
2.一种根据权利要求1所述的模块化传输平台的控制方法的模块化传输平台，其特征在于，包括平台(1)，所述平台(1)上设有若干个呈正六边形的模块体(2)，所述模块体(2)相互拼接构成蜂巢式结构，所述模块体(2)的顶面设有全向轮组(21)，所述平台(1)的上方设有可移动的CCD相机(3)，所述CCD相机(3)通过图像处理提取出目标传输物的位置信息并将信息反馈给控制所述模块体(2)的上位机，在目标传输物进入所述平台(1)前通过RFID读写器对其进行信息读取。
3.根据权利要求2所述的模块化传输平台，其特征在于，所述CCD相机(3)有若干个且多个所述CCD相机(3)共同配合对平台(1)以及目的传输物进行图像采集。
4.一种根据上述权利要求2至3任意一项所述的模块化传输平台的路径规划方法，其特征在于，全局A*算法的加权评价函数表达式为：
式中，α和β分别表示为到达当前节点代价g(n)和当前节点到达目标节点代价h(n)的权重，N为总路径节点数，n是路径上的下一个点；
在全局规划中，当检测到故障模块或动态障碍物时，系统启动避障流程，具体为：
(1)首先对平台进行栅格处理，以平台的左下角为原点建立世界坐标系；
(2)通过本方案中的加权A*算法得出货物传输的全局路径点，将路径点储存在Path[]中；
(3)通过设置步长选取Path[]内部的路径节点得到路径数组Path2[]；
(4)通过改进动态窗口评价函数，引入dist_d(u,w)，表示传输物体和动态障碍物的评价函数，建立整体评价函数：
同时对全局路径数组Path2[]2采用三次Bezier曲线拟合进行平滑处理；其中，heading(u,w)是方向角评价函数，velocity(u,w)是速度评价函数，dist_g(u,w)是静态障碍物距离评价函数，δ为归一化参数，α、β、λ、/>为权重参数；
(5)选取路径数组Path[]中的关键节点作为动态窗口法的过渡目标点，对传输物体局部路径规划进行路径指引；
在步骤(4)中，改进动态窗口法得到整体评价函数的具体步骤为：
(4.1)建立平台货物传输速度约束条件V＝{vm∩va∩vd}；
(4.2)建立评价函数
其中，heading(u,w)是方向角评价函数，velocity(u,w)是速度评价函数，dist_g(u,w)是静态障碍物距离评价函数，dist_d(u,w)为引入的动态障碍物评价函数，如果在这条轨迹上没有障碍物，则设定为一个常数，α、β、λ、/>为权重参数，δ为归一化参数。
5.根据权利要求4所述的模块化传输平台的路径规划方法，其特征在于，在局部路径规划中，采用矩阵干涉检测用于故障和动态避障，设K(x1，y1)、L1为改进前路径的节点和拟合路径，D为传输物安全阈值，设障碍物中心P1(x0，y0)到节点的距离为d，则d满足：
当d＞D时，传输物不会干涉，当d≤D时，删除节点K，寻找节点K1，且K1节点满足P1K的直线方程，当障碍物到节点K1的距离大于安全阈值D时，替换节点K，重新进行拟合，得出改进的路径L2。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111438958.5A CN114137984B (zh) | 2021-11-29 | 2021-11-29 | 一种模块化传输平台及其控制方法和路径规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111438958.5A CN114137984B (zh) | 2021-11-29 | 2021-11-29 | 一种模块化传输平台及其控制方法和路径规划方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114137984A CN114137984A (zh) | 2022-03-04 |
| CN114137984B true CN114137984B (zh) | 2024-02-27 |
Family
ID=80389644
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111438958.5A Active CN114137984B (zh) | 2021-11-29 | 2021-11-29 | 一种模块化传输平台及其控制方法和路径规划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114137984B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114442642B (zh) * | 2022-04-02 | 2022-07-15 | 深圳市普渡科技有限公司 | 路径规划方法、装置、计算机设备和存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104732536A (zh) * | 2015-03-18 | 2015-06-24 | 广东顺德西安交通大学研究院 | 一种基于改进形态学的亚像素边缘检测方法 |
| CN107945192A (zh) * | 2017-12-14 | 2018-04-20 | 北京信息科技大学 | 一种托盘纸箱垛型实时检测方法 |
| CN109080144A (zh) * | 2018-07-10 | 2018-12-25 | 泉州装备制造研究所 | 基于中心点判断的3d打印喷头末端实时跟踪定位方法 |
| CN110045740A (zh) * | 2019-05-15 | 2019-07-23 | 长春师范大学 | 一种基于人类行为模拟的移动机器人实时运动规划方法 |
| CN110817350A (zh) * | 2019-12-16 | 2020-02-21 | 安徽理工大学 | 一种新型物流输送及分拣平台 |
| JP2020132299A (ja) * | 2019-02-13 | 2020-08-31 | 高知県公立大学法人 | 全方向搬送装置及び全方向搬送システム |
| WO2020232910A1 (zh) * | 2019-05-20 | 2020-11-26 | 平安科技（深圳）有限公司 | 基于图像处理的目标物统计方法、装置、设备及存储介质 |
| CN112591410A (zh) * | 2020-11-27 | 2021-04-02 | 江苏科技大学 | 一种基于全向轮的物料传输系统及其控制方法 |
| CN113554706A (zh) * | 2021-07-29 | 2021-10-26 | 中科微至智能制造科技江苏股份有限公司 | 基于深度学习的小车包裹位置检测方法 |
-
2021
- 2021-11-29 CN CN202111438958.5A patent/CN114137984B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104732536A (zh) * | 2015-03-18 | 2015-06-24 | 广东顺德西安交通大学研究院 | 一种基于改进形态学的亚像素边缘检测方法 |
| CN107945192A (zh) * | 2017-12-14 | 2018-04-20 | 北京信息科技大学 | 一种托盘纸箱垛型实时检测方法 |
| CN109080144A (zh) * | 2018-07-10 | 2018-12-25 | 泉州装备制造研究所 | 基于中心点判断的3d打印喷头末端实时跟踪定位方法 |
| JP2020132299A (ja) * | 2019-02-13 | 2020-08-31 | 高知県公立大学法人 | 全方向搬送装置及び全方向搬送システム |
| CN110045740A (zh) * | 2019-05-15 | 2019-07-23 | 长春师范大学 | 一种基于人类行为模拟的移动机器人实时运动规划方法 |
| WO2020232910A1 (zh) * | 2019-05-20 | 2020-11-26 | 平安科技（深圳）有限公司 | 基于图像处理的目标物统计方法、装置、设备及存储介质 |
| CN110817350A (zh) * | 2019-12-16 | 2020-02-21 | 安徽理工大学 | 一种新型物流输送及分拣平台 |
| CN112591410A (zh) * | 2020-11-27 | 2021-04-02 | 江苏科技大学 | 一种基于全向轮的物料传输系统及其控制方法 |
| CN113554706A (zh) * | 2021-07-29 | 2021-10-26 | 中科微至智能制造科技江苏股份有限公司 | 基于深度学习的小车包裹位置检测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 一种基于A*算法改进的最短路径搜索方法;魏为民;《上海电力学院学报》;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114137984A (zh) | 2022-03-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108280856B (zh) | 基于混合信息输入网络模型的未知物体抓取位姿估计方法 | |
| Dong et al. | Real-time avoidance strategy of dynamic obstacles via half model-free detection and tracking with 2d lidar for mobile robots | |
| CN109202885B (zh) | 一种物料搬运移动复合机器人 | |
| Khadraoui et al. | Visual servoing in robotics scheme using a camera/laser-stripe sensor | |
| CN111243017B (zh) | 基于3d视觉的智能机器人抓取方法 | |
| Liu et al. | CNN-based vision model for obstacle avoidance of mobile robot | |
| Kästner et al. | A 3d-deep-learning-based augmented reality calibration method for robotic environments using depth sensor data | |
| Chen et al. | Real-time identification and avoidance of simultaneous static and dynamic obstacles on point cloud for UAVs navigation | |
| CN114137984B (zh) | 一种模块化传输平台及其控制方法和路径规划方法 | |
| CN105204511B (zh) | 一种物体自主移动的决策方法 | |
| US20230419531A1 (en) | Apparatus and method for measuring, inspecting or machining objects | |
| CN113269838B (zh) | 一种基于fira平台的障碍物视觉检测方法 | |
| Copot et al. | Image-based and fractional-order control for mechatronic systems | |
| CN113031002A (zh) | 基于Kinect3和激光雷达的SLAM陪跑小车 | |
| Wang et al. | Towards region-based robotic machining system from perspective of intelligent manufacturing: A technology framework with case study | |
| Muhammad et al. | Visual object detection based lidar point cloud classification | |
| Zheng et al. | Vision-based autonomous vehicle control using the two-point visual driver control model | |
| Zhang et al. | Hybrid iteration and optimization-based three-dimensional reconstruction for space non-cooperative targets with monocular vision and sparse lidar fusion | |
| Sun et al. | Detection and state estimation of moving objects on a moving base for indoor navigation | |
| Rahayu et al. | Inverted global sensor for automated guided vehicle localization and navigation | |
| Aspragkathos et al. | Event-triggered image moments predictive control for tracking evolving features using UAVs | |
| He et al. | Lidar guided stereo simultaneous localization and mapping (SLAM) for indoor Three-dimensional reconstruction | |
| Lindqvist et al. | ARW deployment for subterranean environments | |
| CN112045688B (zh) | 基于视觉感知的被动柔顺机器人抛磨路径规划系统 | |
| Li et al. | A systematic strategy of pallet identification and picking based on deep learning techniques |
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 |