CN114675658B - 一种空货架的自动回收方法、系统、设备以及介质 - Google Patents

一种空货架的自动回收方法、系统、设备以及介质 Download PDF

Info

Publication number
CN114675658B
CN114675658B CN202210588666.8A CN202210588666A CN114675658B CN 114675658 B CN114675658 B CN 114675658B CN 202210588666 A CN202210588666 A CN 202210588666A CN 114675658 B CN114675658 B CN 114675658B
Authority
CN
China
Prior art keywords
shelf
empty
robot
laser
recovery area
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
Application number
CN202210588666.8A
Other languages
English (en)
Other versions
CN114675658A (zh
Inventor
娄诗烨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Lanxin Technology Co ltd
Original Assignee
Hangzhou Lanxin Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Lanxin Technology Co ltd filed Critical Hangzhou Lanxin Technology Co ltd
Priority to CN202210588666.8A priority Critical patent/CN114675658B/zh
Publication of CN114675658A publication Critical patent/CN114675658A/zh
Application granted granted Critical
Publication of CN114675658B publication Critical patent/CN114675658B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02WCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
    • Y02W90/00Enabling technologies or technologies with a potential or indirect contribution to greenhouse gas [GHG] emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Warehouses Or Storage Devices (AREA)

Abstract

本发明涉及一种空货架的自动回收方法、系统、设备以及介质,其中,方法包括:在机器人途经预设的空货架回收区时,依据实时构建的激光地图并结合预先配置的每一货架的货架腿模板对空货架进行探测;在探测到空货架之后,依据获取到的货架信息匹配目标仓库;若该货架匹配到目标仓库,则控制机器人将空货架运送至目标仓库;若该货架未匹配到目标仓库,则放弃该货架,控制机器人继续搜索空货架回收区的余下货架。本发明提供了一种空货架在线识别检测技术,可以在导航过程中实时识别是否存在货架,机器人可以边走边识别,不需要停车识别,如果没有货架,会自动回到休息区,本发明全程智能度高,不需要人工干预,配置简单可靠,且效率高同时鲁棒性还强。

Description

一种空货架的自动回收方法、系统、设备以及介质
技术领域
本发明涉及货架调度技术领域,尤其涉及一种空货架的自动回收方法、系统、设备以及介质。
背景技术
现在虽然工厂厂线的智能化应用越来越多,其中的智能调控也是在其中扮演着越来越重要的角色。但是,关于货架流转这方面还未得到过多关注,货架流转即是:工厂产线AGV在把仓库的载货的货架运输到产线后,需要把产线使用后的空货架运输回仓库。返程AGV如何高效,智能,低成本的运输空货架一直是工厂期待解决的难题。
目前有基于人工配置的空货架回收、基于人工RFID的空货架回收等方案,但是这些方案都不够智能,多少需要人工干预,且不够高效;就算能到达比较理想的效果,但是成本比较高昂且流程比较繁琐,难以在现有的厂房基础上进行推广应用。
发明内容
(一)要解决的技术问题
鉴于现有技术的上述缺点、不足,本发明提供一种空货架的自动回收方法、系统、设备以及介质,其解决了现有技术并不能针对货架流转提出一个智能程度高且性价比高的方案技术问题。
(二)技术方案
为了达到上述目的,本发明采用的主要技术方案包括:
第一方面,本发明实施例提供一种空货架的自动回收方法,包括:
在机器人途经预设的空货架回收区时,依据实时构建的激光地图并结合预先配置的每一货架的货架腿模板对空货架进行探测;
在探测到空货架之后,依据通过读取电子标签获取到的货架信息匹配目标仓库;
若该货架匹配到目标仓库,则控制机器人将空货架运送至目标仓库;
若该货架未匹配到目标仓库,则放弃该货架,控制机器人继续搜索空货架回收区的余下货架;
其中,所述机器人上设置有用于构建激光地图的激光探测器。
可选地,在机器人途经预设的空货架回收区时,依据实时构建的激光地图并结合预先配置的每一货架的货架腿模板对空货架进行探测之前,还包括:
依据按预设拓扑地图行进的机器人的载货状态,得到机器人行进至空货架回收区的行走代价值;
依据所述空货架回收区的行走代价值和距离空货架回收区的路径长度,通过计算代价公式得到机器人朝向空货架回收区所途经的每一路径的代价:
基于所述每一路径的代价,选取所包含路径的代价最小的轨迹作为规划轨迹;
其中,在机器人的载货状态为空车时,机器人行进至空货架回收区的行走代价值为-5~ -15;在机器人的载货状态为满车时,机器人行进至空货架回收区的行走代价值为800~1200;
且所述计算代价公式为:
Figure 988644DEST_PATH_IMAGE001
p为机器人在拓扑地图上每一路径的代价,d为 距离空货架回收区的路径长度,kb为机器人行进至空货架回收区的行走代价值。
可选地,基于所述每一路径的代价,选取所包含路径的代价最小的轨迹作为规划轨迹之后,还包括:
在机器人按所述规划轨迹行进至接近空货架回收区的预设范围时,依据获取的激光数据构建一个局部地图;
滤除空货架回收区之外的所述激光数据,并对经滤除之后的激光数据进行聚类处理得到多个聚类区域;
依据获取的所述局部地图上的每一聚类区域的激光点个数和聚类中心坐标值以及结合激光外参坐标得到的激光全局坐标,通过如下判断公式分析该货架回收区域是否存在货架:
Figure 201057DEST_PATH_IMAGE002
式中,n为每个聚类区域的激光点个数和P n为聚类中心坐标值,P l为激光全局坐标; 统计满足
Figure 777532DEST_PATH_IMAGE003
的激光点的个数m,L=1;如果存在m≥2,则判断该货架回收区域存 在货架;如果不存在则直接控制机器人前往下一个空货架回收区。
可选地,
在判断货架回收区存在货架之后,还包括:
基于如下轨迹公式规划机器人进入货架回收区的最佳进入路线;
所述轨迹公式为:
Figure 703900DEST_PATH_IMAGE004
n=6时,使用的轨迹公式为:
Figure 49430DEST_PATH_IMAGE005
式中,n=6,P 0为出发点,P 5为目标点,都是由外部输入,P 1…… P 4为控制点由下述公式 计算得出,P t表示出发点到目标点的距离,P d表示转换到出发点坐标系下的P t表示,P d(x)表 示出发点坐标系下的目标点x坐标值,P d(y)表示出发点坐标系下的目标点y坐标值,
Figure 403051DEST_PATH_IMAGE006
表 示目标点和出发点在世界坐标系下的角度差值,
Figure 201243DEST_PATH_IMAGE007
表示出发点在世界坐标系下的角度 值;
Figure 931302DEST_PATH_IMAGE008
相应地,若该货架匹配到目标仓库,则控制机器人将空货架运送至目标仓库包括:
若该货架匹配到目标仓库,控制机器人对空货架执行对接和顶升任务,并依据如下公式规划出空货架回收区的驶出路径:
Figure 131339DEST_PATH_IMAGE009
可选地,在机器人途经预设的空货架回收区时,依据实时构建的激光地图并结合预先配置的每一货架的货架腿模板对空货架进行探测包括:
按照预先配置的每一货架的货架腿模板,创建对应货架腿模板个数的货架腿匹配线程,对于每个匹配线程均执行如下步骤:
构建一张实时的激光地图并导入所述货架腿模板,得到货架腿模板局部地图;
通过全局定位得到机器人在所述货架腿模板局部地图上的初始坐标,并确定初始匹配范围;所述初始匹配范围为:以x =±0.2 , y =±0.2,步长为0.05圈定的搜索范围,且在所述初始匹配范围内的每一点位均表示一种机器人位姿;每一点位的激光像素都算一个得分值,得分值最高的位姿就是最可能的机器人位姿;
将所述初始匹配范围的每一点位下的当前激光数据转换到所述货架腿模板局部地图坐标系下;
将超过车体外围的经转换坐标的激光数据滤除,同时对经滤除的激光数据进行聚类,将聚类尺寸大于2倍货架腿模板边长的激光点除去;
计算每个经聚类去除之后的剩余激光点所在坐标的像素值,并通过累加计算得到所述初始匹配范围内每一点位下的所有剩余激光点的像素值的平均值;
通过比较所述初始匹配范围内每一点位下的所有剩余激光点的像素值的平均值,取出得分最高的点位的坐标值,将其作为再次搜索的初始坐标;
基于再次搜索的初始坐标,以x =±0.06 , y =±0.06,步长为0.02的再次搜索范围再次进行所述再次搜索范围内每一点位下的所有剩余激光点的像素值的平均值,若其中的最高分大于配置阈值,则判断匹配成功;
选取所有匹配成功的线程,取得分值最大的货架为目标货架,并关闭其余线程,完成初始化匹配;
其中,货架腿模板配置过程为:配置每一个货架腿中心的坐标PC和边长DL;货架腿坐标系定义为:货架中心为货架腿模板坐标系原点,宽边方向为X轴,长边方向为Y轴。
可选地,构建一张实时的激光地图并导入所述货架腿模板,得到货架腿模板局部地图包括:
将每一货架腿简化为5mm间隙的点,并将每个点以100的像素值绘制到实时构建的激光地图上;
采用3*3 的卷积核以步长为1进行卷积计算,生成货架腿模板局部地图;
其中,局部地图为单通道灰度图,分辨率为5mm/像素,默认像素值为0,最大像素值为255。
可选地,选取所有匹配成功的线程,取得分值最大的货架为目标货架,并关闭其余线程,完成初始化匹配之后,还包括:
完成初始化匹配之后,实时获取货架腿匹配结果与机器人在货架腿坐标系下的坐标;
其中,因机器人是处于运动中,每一时刻的匹配初始坐标为上次匹配成功的坐标累加单位时间内的里程计变化值。
第二方面,本发明实施例提供一种空货架的自动回收系统,包括:
空货架探测模块,用于在机器人途经预设的空货架回收区时,依据实时构建的激光地图并结合预先配置的每一货架的货架腿模板对空货架进行探测;
目标仓库匹配模块,用于在探测到空货架之后,依据通过读取电子标签获取到的货架信息匹配目标仓库;
运送调控模块,用于若该货架匹配到目标仓库,则控制机器人将空货架运送至目标仓库;
再次搜索模块,用于若该货架未匹配到目标仓库,则放弃该货架,控制机器人继续搜索空货架回收区的余下货架;
其中,所述机器人上设置有用于构建激光地图的激光探测器。
第三方面,本发明提供一种空货架的自动回收设备,包括:至少一个数据库;以及与所述至少一个数据库通信连接的存储器;其中,所述存储器存储有可被所述至少一个数据库执行的指令,所述指令被所述至少一个数据库执行,以使所述至少一个数据库能够执行如上所述的一种空货架的自动回收方法。
第四方面,本发明实施例提供一种计算机可读介质,其上存储有计算机可执行指令,所述可执行指令被处理器执行时实现如上所述的一种空货架的自动回收方法。
(三)有益效果
本发明的有益效果是:本发明提供了一种空货架在线识别检测技术,可以在导航过程中实时识别是否存在货架,机器人可以边走边识别,不需要停车识别,可以应对多个大小不一的空货架回收区,在判断空货架回收区没有货架时会自动回到休息区。由此,本发明全程智能度高,不需要人工干预,配置简单可靠,且效率高同时鲁棒性还强。
附图说明
图1为本发明实施例提供的一种空货架的自动回收方法的流程示意图;
图2为本发明实施例提供的一种空货架的自动回收方法的步骤S2之前的具体流程示意图;
图3为本发明实施例提供的一种空货架的自动回收方法的每个空货架回收区的判断A点;
图4为本发明实施例提供的一种空货架的自动回收方法的步骤F23之后的具体流程示意图;
图5为本发明实施例提供的一种空货架的自动回收方法的每个空货架回收区的最佳进入路线示意图;
图6为本发明实施例提供的一种空货架的自动回收方法的每个空货架回收区的最佳进入路线所采用的6阶贝塞尔曲线示意图;
图7为本发明实施例提供的一种空货架的自动回收方法的货架腿模板的配置示意图;
图8为本发明实施例提供的一种空货架的自动回收方法的步骤S1的具体流程示意图;
图9为本发明实施例提供的一种空货架的自动回收方法的驶出路径的示意图;
图10为本发明实施例提供的一种空货架的自动回收方法的驶出路径所采用的6阶贝塞尔曲线。
具体实施方式
为了更好地解释本发明,以便于理解,下面结合附图,通过具体实施方式,对本发明作详细描述。
如图1所示,本发明实施例提出的一种空货架的自动回收方法,包括:在机器人途经预设的空货架回收区时,依据实时构建的激光地图并结合预先配置的每一货架的货架腿模板对空货架进行探测;在探测到空货架之后,依据通过读取电子标签获取到的货架信息匹配目标仓库;若该货架匹配到目标仓库,则控制机器人将空货架运送至目标仓库;若该货架未匹配到目标仓库,则放弃该货架,控制机器人继续搜索空货架回收区的余下货架;其中,机器人上设置有用于构建激光地图的激光探测器,也可以设置tof相机或单目相机。
本发明提供了一种空货架在线识别检测技术,可以在导航过程中实时识别是否存在货架,机器人可以边走边识别,不需要停车识别,可以应对多个大小不一的空货架回收区,在判断空货架回收区没有货架时会自动回到休息区。由此,本发明全程智能度高,不需要人工干预,配置简单可靠,且效率高同时鲁棒性还强。
为了更好地理解上述技术方案,下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更清楚、透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
具体地,本发明提供一种空货架的自动回收方法,其包括:
S1、在机器人途经预设的空货架回收区时,依据实时构建的激光地图并结合预先配置的每一货架的货架腿模板对空货架进行探测。
如图2所示,步骤S2之前,还包括:
F21、依据按预设拓扑地图行进的机器人的载货状态,得到机器人行进至空货架回收区的行走代价值。
F22、依据空货架回收区的行走代价值和距离空货架回收区的路径长度,通过计算代价公式得到机器人朝向空货架回收区所途经的每一路径的代价。
F23、基于每一路径的代价,选取所包含路径的代价最小的轨迹作为规划轨迹。
其中,在机器人的载货状态为空车时,机器人行进至空货架回收区的行走代价值 为-5~ -15;在机器人的载货状态为满车时,机器人行进至空货架回收区的行走代价值为 800~1200。且计算代价公式为:
Figure 891747DEST_PATH_IMAGE001
p为机器人在拓扑地图上每一路径的代价,d为距 离空货架回收区的路径长度,kb为机器人行进至空货架回收区的行走代价值。
在上述步骤2之前步骤的具体描述中,机器人行走在人工绘制的拓扑地图上,拓扑地图的每一条路径都有一个行走代价值k,如果是空车,在计算全局路径时会把空货架回收区路径行走代价值设置为-kb(按照现场实际需求可以修改,默认10),如果是满车,行走代价值为1000。换而言之,空车进行全局路径规划时,会优先规划途经空货架回收区域的轨迹,而满车进行路径规划时,则会避开空货架回收区。如果现场人员发现某个空货架回收区的货架较多,可以通过MES修改提高该区域的回收优先级(kb=50),每次成功完成该区域的空货架回收,会自动降低kb值,最后降低到默认值。换而言之,默认配置是以顺路为目标判断是否途经空货架回收区域,但是如果某个空货架回收区域比较满,可以人工提高该区域回收优先级,这样返程的机器人都会优先去该空货架回收区,提高优先级后的回收区,会随着成功的回收货架,优先级回收到默认值。
全局路径规划算法为A*算法,每一条路径的计算代价为路径长度d和行走代价值k的乘积。算法通过计算合计最大代价,选取代价最小的轨迹为规划轨迹。因此通过修改空货架回收区域的路径代价值,就可以影响最后规划出来的最优轨迹是否经过空货架回收区。
进一步地,如图3所示,每个空货架回收区的岔路口A点,都是否进入该货架回收区的判断点。空车走到A点以后,需要自动判断是否进入该空货架回收区。如图4所示,即步骤F23之后还包括:
F24、在机器人按规划轨迹行进至接近空货架回收区的预设范围时,依据获取的激光数据构建一个局部地图。
F25、滤除空货架回收区之外的激光数据,并对经滤除之后的激光数据进行聚类处理得到多个聚类区域。
F26、依据获取的局部地图上的每一聚类区域的激光点个数和聚类中心坐标值以及结合激光外参坐标得到的激光全局坐标,通过如下判断公式分析该货架回收区域是否存在货架:
Figure 177234DEST_PATH_IMAGE002
在A点采集几帧激光数据放到一个局部地图上,滤除空货架回收区域以外的所有 激光数据以后,对于激光数据进行聚类,并标记每个聚类区域的激光点个数n和聚类中心坐 标值P n。结合激光外参坐标获取激光全局坐标P l,计算回收区域存在
Figure 179826DEST_PATH_IMAGE010
的个数mL默认参数1.0.如果存在m≥2,则判断该货架回收区域存在货架,进入回收区。如果不存在 则直接前往下一个回收区。
更进一步地,如图5所示,在判断货架回收区存在货架之后,还包括:基于如下轨迹公式规划机器人进入货架回收区的最佳进入路线,即进入空货架回收区按照图6所示的6阶贝塞尔曲线实现自动路径规划:
其中,轨迹公式为:
Figure 234369DEST_PATH_IMAGE004
n=6时,使用的轨迹公式为:
Figure 195372DEST_PATH_IMAGE005
式中,n=6,P 0为出发点,P 5为目标点,都是由外部输入,P 1…… P 4为控制点由下述公式 计算得出,P t表示出发点到目标点的距离,P d表示转换到出发点坐标系下的P t表示,P d(x)表 示出发点坐标系下的目标点x坐标值,P d(y)表示出发点坐标系下的目标点y坐标值,
Figure 702577DEST_PATH_IMAGE006
表 示目标点和出发点在世界坐标系下的角度差值,
Figure 243279DEST_PATH_IMAGE007
表示出发点在世界坐标系下的角度 值。
Figure 417909DEST_PATH_IMAGE008
进而,如图7所示,配置现场所有货架在激光高度上的货架腿模板;货架腿坐标系定义:货架中心为货架腿模板坐标系原点,宽边方向为X轴,长边方向为Y轴。货架腿模板配置方法,配置每一个货架腿中心的坐标PC和边长DL。
再者,如图8所示,步骤S1包括:
按照预先配置的每一货架的货架腿模板,创建对应个数的货架腿匹配线程,对于每个匹配线程均执行如下步骤:
S11、构建一张实时的激光地图并导入货架腿模板,得到货架腿模板局部地图。激光地图为单通道灰度图,分辨率为5mm/像素,默认像素值为0,最大像素值为255。将货架腿简化为四条线段,然后每个线段简化为5mm间隙的点,将每个点以100的像素值绘制到局部地图上,然后用3*3 的卷积核以步长为1进行卷积计算,生成货架腿模板局部地图。
S12、通过全局定位得到机器人在货架腿模板局部地图上的初始坐标,并确定初始匹配范围。
A)默认初始坐标P =(-0.8,0,0)
B)初始匹配范围为:以x =±0.2 , y =±0.2,步长为0.05圈定的搜索范围,且在初始匹配范围内的每一点位均表示一种机器人位姿;每一点位的激光像素都算一个得分值,得分值最高的位姿就是最可能的机器人位姿。
Figure 18654DEST_PATH_IMAGE012
S13、将初始匹配范围的每一点位下的当前激光数据转换到货架腿模板局部地图坐标系下。坐标变换详述:激光数据从激光坐标系转换到机器人坐标系,转换矩阵为激光外参Plaser;然后从机器人坐标系转换到货架腿模板局部地图坐标系坐标系,转换矩阵为上述初始匹配范围的TP。其中,TP点本质上是机器人可能的位姿,每个机器人位姿都可以算一个得分值,得分值最高的位姿就是最可能的机器人位姿。像素值是货架腿建图以后,图片上每个像素都有一个值,输入像素坐标,就能从图上获取像素值。
S14、将超过车体外围的经转换坐标的激光数据滤除,同时对经滤除的激光数据进行聚类,将聚类尺寸大于2倍货架腿模板边长的激光点除去。
S15、计算每个经聚类去除之后的剩余激光点所在坐标的像素值,并累加计算所有剩余激光点的像素值的平均值AGV_K。
S16、计算每个经聚类去除之后的剩余激光点所在坐标的像素值,并通过累加计算得到初始匹配范围内每一点位下的所有剩余激光点的像素值的平均值AGV_K。基于再次搜索的初始坐标,以x =±0.06 , y =±0.06,步长为0.02的再次搜索范围再次进行再次搜索范围内每一点位下的所有剩余激光点的像素值的平均值AGV_K,若其中的最高分大于配置阈值,则判断匹配成功。
S17、选取所有匹配成功的线程,取得分最大值的货架为目标货架,关闭其余线程,完成初始化匹配。如果没有匹配成功的线程,则继续搜索,直到控制模块关闭货架腿匹配模块。
步骤S17之后,还包括:完成初始化匹配之后,实时获取货架腿匹配结果与机器人在货架腿坐标系下的坐标;其中,因机器人是处于运动中,每一时刻的匹配初始坐标为上次匹配成功的坐标累加单位时间内的里程计变化值。
完成初始化匹配后,实时上报货架腿匹配结果,并上报机器人在货架腿坐标系下的坐标,并执行如下原则:
A)只需要保留成功匹配的那个模板线程。
B)匹配初始坐标为上次匹配成功的坐标累加单位时间内的里程计变化值。
C)匹配搜索范围为x = ±0.06 , y = ±0.06,步长为0.02。
D)反馈得分最高的匹配坐标作为输出。
S2、在探测到空货架之后,依据通过读取电子标签获取到的货架信息匹配目标仓库。其中,该电子标签包括设置在货架上的二维码,该二维码包括货架的相关信息,如:所属目标仓库等。
S3a、若该货架匹配到目标仓库,则控制机器人将空货架运送至目标仓库。
再如图9所示,完成对接以后,机器人头部朝向外部路径,其规划的驶出路径由一段直线和一段圆弧组成。
参考如图10可知圆弧也为6阶贝塞尔曲线,若该货架匹配到目标仓库,则控制机器人将空货架运送至目标仓库包括:若该货架匹配到目标仓库,控制机器人对空货架执行对接和顶升任务,并依据如下公式规划出空货架回收区的驶出路径:
Figure 278735DEST_PATH_IMAGE009
较佳地,精确对接顶升流程细节为:
A)二维码贴在货架正中心,也就是说二维码坐标系和货架坐标系完全重合。
B)机器人在快到货架底下后,打开二维码相机,识别到二维码坐标后,将定位来源从货架腿切换到二维码识别结果。
C)将机器人控制到货架腿底下,控制目标精度为2mm。
D)将机器人旋转到出去方向,同时保证和货架坐标系y轴平行,旋转精度为0.5°。
E)控制顶板顶升。
F)校验顶升后的机器人在二维码坐标系下的坐标,如果偏差小于5mm,角度偏差小于1°,则完成任务,关闭相机。
G)如果偏差过大,则下降顶板小车报错。
S3b、若该货架未匹配到目标仓库,则放弃该货架,控制机器人继续搜索空货架回收区的余下货架。调度匹配目标仓库成功,则下发货架顶升任务,匹配失败则认为该货架暂不回收,放弃该货架,机器人导航行走,并继续搜索余下货架。
另一方面,本发明还提供一种空货架的自动回收系统,包括:
空货架探测模块,用于在机器人途经预设的空货架回收区时,依据实时构建的激光地图并结合预先配置的每一货架的货架腿模板对空货架进行探测。
目标仓库匹配模块,用于在探测到空货架之后,依据通过读取电子标签获取到的货架信息匹配目标仓库。
运送调控模块,用于若该货架匹配到目标仓库,则控制机器人将空货架运送至目标仓库。
再次搜索模块,用于若该货架未匹配到目标仓库,则放弃该货架,控制机器人继续搜索空货架回收区的余下货架。
由于本发明上述实施例所描述的系统/装置,为实施本发明上述实施例的方法所采用的系统/装置,故而基于本发明上述实施例所描述的方法,本领域所属技术人员能够了解该系统/装置的具体结构及变形,因而在此不再赘述。凡是本发明上述实施例的方法所采用的系统/装置都属于本发明所欲保护的范围。
再者,本发明还提供一种空货架的自动回收设备,包括:至少一个数据库;以及与所述至少一个数据库通信连接的存储器;其中,所述存储器存储有可被所述至少一个数据库执行的指令,所述指令被所述至少一个数据库执行,以使所述至少一个数据库能够执行如上所述的一种空货架的自动回收方法。
以及,一种计算机可读介质,其上存储有计算机可执行指令,其特征在于,所述可执行指令被处理器执行时实现如上所述的一种空货架的自动回收方法。
综上所述,本发明实施例提供一种空货架的自动回收方法、系统、设备以及介质,其整体流程包括:首先,在机器人完成从仓库到产线的搬运任务且放下货架之后,调度机器人去途经各个空货架回收区域;其次,在机器人到达空货架回收区域后,机器人边导航行走,边打开空货架检测功能;接着,如果空货架检测功能模块检测到空货架,控制端获取上报信号并切换导航模式,并将导航目标点改为空货架底下;然后,机器人导航到空货架底下后,打开相机通过扫描二维码来读取货架号;再者,根据读取的货架号,匹配目标仓库;调度匹配目标仓库成功,则下发货架顶升任务,匹配失败则认为该货架暂不回收,放弃该货架,机器人导航行走,并继续搜索余下货架;最后,调度收到机器人上报完成顶升任务后,重新规划路径,目标点为所匹配到的目标仓库位置;到达目标仓库之后,控制机器人将空货架搬运到目标仓库点位,并完成下降动作。
由此,本发明可以在导航过程中实时识别是否存在货架,如果识别存在货架,可以计算货架中心在机器人坐标系下的实时位姿。在平面激光传感器数据中,可以获得机器人坐标系下的货架腿激光点坐标,通过和配置的货架腿模板进行模板匹配,计算模板匹配的匹配度得分,如果得分大于配置值,同时各个货架腿都可以找到对于的货架腿激光点,证明该区域存在空货架。同时,在模板匹配过程中可以获得空货架和机器人的相对位姿关系。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例,或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。
应当注意的是,在权利要求中,不应将位于括号之间的任何附图标记理解成对权利要求的限制。词语“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的词语“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的权利要求中,这些装置中的若干个可以是通过同一个硬件来具体体现。词语第一、第二、第三等的使用,仅是为了表述方便,而不表示任何顺序。可将这些词语理解为部件名称的一部分。
此外,需要说明的是,在本说明书的描述中,术语“一个实施例”、“一些实施例”、“实施例”、“示例”、“具体示例”或“一些示例”等的描述,是指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管已描述了本发明的优选实施例,但本领域的技术人员在得知了基本创造性概念后,则可对这些实施例作出另外的变更和修改。所以,权利要求应该解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种修改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,则本发明也应该包含这些修改和变型在内。

Claims (9)

1.一种空货架的自动回收方法,其特征在于,包括:
在机器人途经预设的空货架回收区时,依据实时构建的激光地图并结合预先配置的每一货架的货架腿模板对空货架进行探测;
在探测到空货架之后,依据通过读取电子标签获取到的货架信息匹配目标仓库;
若该货架匹配到目标仓库,则控制机器人将空货架运送至目标仓库;
若该货架未匹配到目标仓库,则放弃该货架,控制机器人继续搜索空货架回收区的余下货架;
其中,所述机器人上设置有用于构建激光地图的激光探测器;
在机器人途经预设的空货架回收区时,依据实时构建的激光地图并结合预先配置的每一货架的货架腿模板对空货架进行探测之前,还包括:
依据按预设拓扑地图行进的机器人的载货状态,得到机器人行进至空货架回收区的行走代价值;
依据所述空货架回收区的行走代价值和距离空货架回收区的路径长度,通过计算代价公式得到机器人朝向空货架回收区所途经的每一路径的代价:
基于所述每一路径的代价,选取所包含路径的代价最小的轨迹作为规划轨迹;
其中,在机器人的载货状态为空车时,机器人行进至空货架回收区的行走代价值为-5~-15;在机器人的载货状态为满车时,机器人行进至空货架回收区的行走代价值为800~1200;
且所述计算代价公式为:
Figure 942373DEST_PATH_IMAGE001
p为机器人在拓扑地图上每一路径的代价,d为距离空货架回收区的路径长度,kb为机器人行进至空货架回收区的行走代价值。
2.如权利要求1所述一种空货架的自动回收方法,其特征在于,基于所述每一路径的代价,选取所包含路径的代价最小的轨迹作为规划轨迹之后,还包括:
在机器人按所述规划轨迹行进至接近空货架回收区的预设范围时,依据获取的激光数据构建一个局部地图;
滤除空货架回收区之外的所述激光数据,并对经滤除之后的激光数据进行聚类处理得到多个聚类区域;
依据获取的所述局部地图上的每一聚类区域的激光点个数和聚类中心坐标值以及结合激光外参坐标得到的激光全局坐标,通过如下判断公式分析该货架回收区域是否存在货架:
Figure 741177DEST_PATH_IMAGE002
式中,n为每个聚类区域的激光点个数和P n为聚类中心坐标值,P l为激光全局坐标;统计满足
Figure 352287DEST_PATH_IMAGE003
的激光点的个数m,L=1;如果存在m≥2,则判断该货架回收区域存在货架;如果不存在则直接控制机器人前往下一个空货架回收区。
3.如权利要求2所述一种空货架的自动回收方法,其特征在于,
在判断货架回收区存在货架之后,还包括:
基于如下轨迹公式规划机器人进入货架回收区的最佳进入路线;
所述轨迹公式为:
Figure 909170DEST_PATH_IMAGE004
n=6时,使用的轨迹公式为:
Figure 582728DEST_PATH_IMAGE005
式中,n=6,P 0为出发点,P 5为目标点,都是由外部输入,P 1…… P 4为控制点由下述公式计算得出,P t表示出发点到目标点的距离,P d表示转换到出发点坐标系下的P t表示,P d(x)表示出发点坐标系下的目标点x坐标值,P d(y)表示出发点坐标系下的目标点y坐标值,
Figure 578366DEST_PATH_IMAGE006
表示目标点和出发点在世界坐标系下的角度差值,
Figure 653769DEST_PATH_IMAGE007
表示出发点在世界坐标系下的角度值;
Figure DEST_PATH_IMAGE008
相应地,若该货架匹配到目标仓库,则控制机器人将空货架运送至目标仓库包括:
若该货架匹配到目标仓库,控制机器人对空货架执行对接和顶升任务,并依据如下公式规划出空货架回收区的驶出路径:
Figure 912712DEST_PATH_IMAGE009
4.如权利要求1所述一种空货架的自动回收方法,其特征在于,在机器人途经预设的空货架回收区时,依据实时构建的激光地图并结合预先配置的每一货架的货架腿模板对空货架进行探测包括:
按照预先配置的每一货架的货架腿模板,创建对应货架腿模板个数的货架腿匹配线程,对于每个匹配线程均执行如下步骤:
构建一张实时的激光地图并导入所述货架腿模板,得到货架腿模板局部地图;
通过全局定位得到机器人在所述货架腿模板局部地图上的初始坐标,并确定初始匹配范围;所述初始匹配范围为:以x =±0.2 , y =±0.2,步长为0.05圈定的搜索范围,且在所述初始匹配范围内的每一点位均表示一种机器人位姿;每一点位的激光像素都算一个得分值,得分值最高的位姿就是最可能的机器人位姿;
将所述初始匹配范围的每一点位下的当前激光数据转换到所述货架腿模板局部地图坐标系下;
将超过车体外围的经转换坐标的激光数据滤除,同时对经滤除的激光数据进行聚类,将聚类尺寸大于2倍货架腿模板边长的激光点除去;
计算每个经聚类去除之后的剩余激光点所在坐标的像素值,并通过累加计算得到所述初始匹配范围内每一点位下的所有剩余激光点的像素值的平均值;
通过比较所述初始匹配范围内每一点位下的所有剩余激光点的像素值的平均值,取出得分最高的点位的坐标值,将其作为再次搜索的初始坐标;
基于再次搜索的初始坐标,以x =±0.06 , y =±0.06,步长为0.02的再次搜索范围再次进行所述再次搜索范围内每一点位下的所有剩余激光点的像素值的平均值,若其中的最高分大于配置阈值,则判断匹配成功;
选取所有匹配成功的线程,取得分值最大的货架为目标货架,并关闭其余线程,完成初始化匹配;
其中,货架腿模板配置过程为:配置每一个货架腿中心的坐标PC和边长DL;货架腿坐标系定义为:货架中心为货架腿模板坐标系原点,宽边方向为X轴,长边方向为Y轴。
5.如权利要求4所述一种空货架的自动回收方法,其特征在于,构建一张实时的激光地图并导入所述货架腿模板,得到货架腿模板局部地图包括:
将每一货架腿简化为5mm间隙的点,并将每个点以100的像素值绘制到实时构建的激光地图上;
采用3*3 的卷积核以步长为1进行卷积计算,生成货架腿模板局部地图;
其中,局部地图为单通道灰度图,分辨率为5mm/像素,默认像素值为0,最大像素值为255。
6.如权利要求4所述一种空货架的自动回收方法,其特征在于,选取所有匹配成功的线程,取得分值最大的货架为目标货架,并关闭其余线程,完成初始化匹配之后,还包括:
完成初始化匹配之后,实时获取货架腿匹配结果与机器人在货架腿坐标系下的坐标;
其中,因机器人是处于运动中,每一时刻的匹配初始坐标为上次匹配成功的坐标累加单位时间内的里程计变化值。
7.一种空货架的自动回收系统,其特征在于,包括:
空货架探测模块,用于在机器人途经预设的空货架回收区时,依据实时构建的激光地图并结合预先配置的每一货架的货架腿模板对空货架进行探测;
目标仓库匹配模块,用于在探测到空货架之后,依据通过读取电子标签获取到的货架信息匹配目标仓库;
运送调控模块,用于若该货架匹配到目标仓库,则控制机器人将空货架运送至目标仓库;
再次搜索模块,用于若该货架未匹配到目标仓库,则放弃该货架,控制机器人继续搜索空货架回收区的余下货架;
其中,所述机器人上设置有用于构建激光地图的激光探测器;
在机器人途经预设的空货架回收区时,依据实时构建的激光地图并结合预先配置的每一货架的货架腿模板对空货架进行探测之前,还包括:
依据按预设拓扑地图行进的机器人的载货状态,得到机器人行进至空货架回收区的行走代价值;
依据所述空货架回收区的行走代价值和距离空货架回收区的路径长度,通过计算代价公式得到机器人朝向空货架回收区所途经的每一路径的代价:
基于所述每一路径的代价,选取所包含路径的代价最小的轨迹作为规划轨迹;
其中,在机器人的载货状态为空车时,机器人行进至空货架回收区的行走代价值为-5~-15;在机器人的载货状态为满车时,机器人行进至空货架回收区的行走代价值为800~1200;
且所述计算代价公式为:
Figure 73566DEST_PATH_IMAGE001
p为机器人在拓扑地图上每一路径的代价,d为距离空货架回收区的路径长度,kb为机器人行进至空货架回收区的行走代价值。
8.一种空货架的自动回收设备,其特征在于,包括:
至少一个数据库;
以及与所述至少一个数据库通信连接的存储器;
其中,所述存储器存储有可被所述至少一个数据库执行的指令,所述指令被所述至少一个数据库执行,以使所述至少一个数据库能够执行如权利要求1-6任一项所述的一种空货架的自动回收方法。
9.一种计算机可读介质,其上存储有计算机可执行指令,其特征在于,所述可执行指令被处理器执行时实现如权利要求1-6任一项所述的一种空货架的自动回收方法。
CN202210588666.8A 2022-05-27 2022-05-27 一种空货架的自动回收方法、系统、设备以及介质 Active CN114675658B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210588666.8A CN114675658B (zh) 2022-05-27 2022-05-27 一种空货架的自动回收方法、系统、设备以及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210588666.8A CN114675658B (zh) 2022-05-27 2022-05-27 一种空货架的自动回收方法、系统、设备以及介质

Publications (2)

Publication Number Publication Date
CN114675658A CN114675658A (zh) 2022-06-28
CN114675658B true CN114675658B (zh) 2022-08-26

Family

ID=82079327

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210588666.8A Active CN114675658B (zh) 2022-05-27 2022-05-27 一种空货架的自动回收方法、系统、设备以及介质

Country Status (1)

Country Link
CN (1) CN114675658B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115436964B (zh) * 2022-11-09 2023-03-24 深圳市壹站智汇科技有限公司 物体识别和路径规划方法、搬运车、电子设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108089558A (zh) * 2017-10-19 2018-05-29 真玫智能科技(深圳)有限公司 一种agv货架出库取料控制方法及控制系统
CN108089557A (zh) * 2017-10-19 2018-05-29 真玫智能科技(深圳)有限公司 一种agv货架仓储控制系统及控制方法
CN113506024A (zh) * 2021-07-27 2021-10-15 上海擎朗智能科技有限公司 配送方法、装置、电子设备及存储介质

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9120622B1 (en) * 2015-04-16 2015-09-01 inVia Robotics, LLC Autonomous order fulfillment and inventory control robots
CN107491912A (zh) * 2017-07-10 2017-12-19 杭州南江机器人股份有限公司 一种空货架回收方法、装置和系统
CN108062093A (zh) * 2017-10-19 2018-05-22 真玫智能科技(深圳)有限公司 一种agv货架回收控制方法及控制系统
CA3106406A1 (en) * 2018-07-17 2020-01-23 Crown Equipment Corporation Systems and methods for vehicle position calibration using rack leg identification
CN109264275B (zh) * 2018-09-20 2020-08-28 深圳蓝胖子机器人有限公司 基于机器人的智能仓库管理方法、装置和存储介质
CN112731445A (zh) * 2021-01-04 2021-04-30 上海木蚁机器人科技有限公司 一种货架识别定位方法、系统、装置及可读存储介质
CN112757303A (zh) * 2021-01-15 2021-05-07 上海擎朗智能科技有限公司 机器人控制方法、装置、机器人、运送系统及介质
CN113253737B (zh) * 2021-06-21 2021-10-15 浙江华睿科技股份有限公司 货架检测方法及装置、电子设备、存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108089558A (zh) * 2017-10-19 2018-05-29 真玫智能科技(深圳)有限公司 一种agv货架出库取料控制方法及控制系统
CN108089557A (zh) * 2017-10-19 2018-05-29 真玫智能科技(深圳)有限公司 一种agv货架仓储控制系统及控制方法
CN113506024A (zh) * 2021-07-27 2021-10-15 上海擎朗智能科技有限公司 配送方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN114675658A (zh) 2022-06-28

Similar Documents

Publication Publication Date Title
CN110780671B (zh) 一种基于全局视觉的仓储导航智能车调度方法
US10809078B2 (en) Method, system and apparatus for dynamic path generation
CN113537208B (zh) 一种基于语义orb-slam技术的视觉定位方法及系统
CN112149555B (zh) 一种基于全局视觉的多仓储agv追踪方法
JP6731423B2 (ja) ナビゲーション制御のための装置および方法
Martínez-Barberá et al. Autonomous navigation of an automated guided vehicle in industrial environments
US20240044652A1 (en) Systems and methods for updating an electronic map
WO2022183790A1 (zh) 路径规划方法、装置、移动机器人、存储介质及程序
CN114675658B (zh) 一种空货架的自动回收方法、系统、设备以及介质
CN117093009B (zh) 一种基于机器视觉的物流agv小车导航控制方法及系统
CN113661505A (zh) 用于校准与物料搬运车辆相关的传感器的姿态的系统和方法
CN117830604B (zh) 一种定位用二维码异常检测方法及介质
Behrje et al. An autonomous forklift with 3d time-of-flight camera-based localization and navigation
US11592826B2 (en) Method, system and apparatus for dynamic loop closure in mapping trajectories
CN112429444A (zh) 垃圾回收机器人及其控制方法
Camara et al. Accurate and robust teach and repeat navigation by visual place recognition: A CNN approach
CN118485378A (zh) 智能粮食仓储系统及方法
Zheng et al. Research on AGV trackless guidance technology based on the global vision
CN114911226A (zh) 搬运车行驶控制方法、装置及搬运车
GB2605948A (en) Warehouse monitoring system
CN113673276A (zh) 目标物体识别对接方法、装置、电子设备及存储介质
US20220162001A1 (en) Predicting a path of material handling equipment and determining an obstacle-free path
CN113449906B (zh) 一种库位优化方法、装置、库存管理设备及系统
RU2736559C1 (ru) Способ навигации мобильного сервисного робота
Vivek et al. Integrating Deep Q-Networks and YOLO with Autonomous Robots for Efficient Warehouse Management

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