CN114714357A - 一种分拣搬运方法、分拣搬运机器人及存储介质 - Google Patents
一种分拣搬运方法、分拣搬运机器人及存储介质 Download PDFInfo
- Publication number
- CN114714357A CN114714357A CN202210397864.6A CN202210397864A CN114714357A CN 114714357 A CN114714357 A CN 114714357A CN 202210397864 A CN202210397864 A CN 202210397864A CN 114714357 A CN114714357 A CN 114714357A
- Authority
- CN
- China
- Prior art keywords
- sorting
- target
- target object
- scene
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 230000007246 mechanism Effects 0.000 claims abstract description 25
- 230000000007 visual effect Effects 0.000 claims abstract description 16
- 239000002245 particle Substances 0.000 claims description 20
- 238000009826 distribution Methods 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000007476 Maximum Likelihood Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 240000007651 Rubus glaucus Species 0.000 description 4
- 235000011034 Rubus glaucus Nutrition 0.000 description 4
- 235000009122 Rubus idaeus Nutrition 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 239000006185 dispersion Substances 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction 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
- 238000011156 evaluation Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J5/00—Manipulators mounted on wheels or on carriages
- B25J5/007—Manipulators mounted on wheels or on carriages mounted on wheels
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
- B25J9/1697—Vision controlled systems
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Manipulator (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种分拣搬运方法、分拣搬运机器人及存储介质,其中分拣搬运机器人至少包括移动机构、场景获取装置、视觉传感器、机械臂;方法包括:根据场景信息构建场景地图;根据场景地图控制移动机构行进至第一目标位置;根据目标物图像控制机械臂抓取目标物;控制移动机构行进至第二目标位置;控制机械臂将目标物放置在第二目标位置;具有自动化控制、智能化程度高、功能性强的优点。
Description
技术领域
本发明涉及智能机器人控制领域,特别是一种分拣搬运方法、分拣搬运机器人及存储介质。
背景技术
目前的货物分拣搬运工作,主要是工人开着叉车等货物运输车将货物搬运至目的地点。随着智能工业机器人的发展,将智能工业机器人应用到货物分拣搬运工作,能降低人力成本,提高智能化程度,有利于提升生产效率。
发明内容
本发明的目的在于至少解决现有技术中存在的技术问题之一,提供一种分拣搬运方法、分拣搬运机器人及存储介质。
本发明解决其问题所采用的技术方案是:
本发明的第一方面,一种分拣搬运方法,应用于分拣搬运机器人,所述分拣搬运机器人至少包括移动机构、场景获取装置、视觉传感器、机械臂;所述分拣搬运方法包括以下步骤:
根据所述场景获取装置所获取的场景信息构建场景地图;
获取第一目标位置信息,根据所述场景地图控制所述移动机构行进,以到达与所述第一目标位置信息对应的第一目标位置;
根据所述视觉传感器所获取的目标物图像,控制所述机械臂抓取目标物,所述目标物图像为包含位于第一目标位置的目标物的图像;
获取第二目标位置信息,根据所述场景地图控制所述移动机构行进,以到达与所述第二目标位置信息对应的第二目标位置;
控制所述机械臂将所述目标物放置在所述第二目标位置。
根据本发明的第一方面,所述根据所述场景获取装置所获取的场景信息构建场景地图,包括以下步骤:
根据所述场景获取装置所获取的场景信息、所述分拣搬运机器人的惯性信息和里程计信息,初始化粒子群,并提取所述粒子群中的粒子所携带的位姿、权重和地图;
通过所述里程计信息对所述位姿进行更新,得到目标位姿;
计算处于所述目标位姿状态下的粒子的权重,得到目标权重;
根据目标权重更新粒子群以更新地图,得到所述场景地图。
根据本发明的第一方面,所述通过所述里程计信息对所述位姿进行更新,得到目标位姿,包括:
根据所述里程计信息计算局部极值;
在所述局部极值的预设范围取多个位姿;
计算多个所述位姿的均值、权重和方差;
根据多个所述位姿的均值、权重和方差,利用多元正态分布,得到所述目标位姿。
根据本发明的第一方面,所述根据所述里程计信息计算局部极值,包括:
通过极大似然估计,获取局部极值;
当获取成功,输出所述局部极值;
当获取失败,利用提议分布更新粒子的位姿状态,利用观测模型对位姿的权重进行更新,重新获取局部极值直至成功。
根据本发明的第一方面,所述根据所述视觉传感器所获取的目标物图像,控制所述机械臂抓取目标物,包括:
根据所述目标物图像,对所述视觉传感器进行标定,对所述目标物进行识别和定位,得到目标物位置信息;
根据所述目标物位置信息,控制所述机械臂抓取所述目标物。
根据本发明的第一方面,所述对所述视觉传感器进行标定,包括:
检测所述目标物图像中的棋盘图像的角点;
根据所述角点,通过线性最小二乘法估算投影矩阵;
根据所述投影矩阵,计算内参和外参,实现标定。
根据本发明的第一方面,所述对所述目标物进行识别和定位,包括:
根据所述目标物图像处理得到RGB图像;
基于模板匹配,对RGB图像的目标物识别和定位,得到目标物标注;
根据所述目标物标注,计算得到三维坐标形式的所述目标物位置信息。
根据本发明的第一方面,所述场景地图包括障碍信息和可通行位置信息;根据所述场景地图控制所述移动机构行进,包括:
根据所述障碍信息和所述可通行位置信息,规划从起点至目标位置的最优行进路径;
根据所述最优行进路径,控制所述移动机构行进至所述目标位置,所述目标位置为所述第一目标位置或所述第二目标位置。
本发明的第二方面,一种分拣搬运机器人,包括支架、移动机构、场景获取装置、视觉传感器和机械臂,所述移动机构安装在所述支架的底部,所述场景获取装置、所述视觉传感器和所述机械臂安装在所述支架上;所述分拣搬运机器人应用如本发明的第一方面所述的分拣搬运方法,对目标物进行分拣搬运。
本发明的第三方面,一种存储介质,存储有计算机程序,所述计算机程序用于使如本发明的第二方面所述的分拣搬运机器人执行如本发明的第一方面所述的分拣搬运方法。
上述方案至少具有以下的有益效果:该控制方法使得该分拣搬运机器人具有自动导航、自主避障、视觉识别和搬运物品的功能;利用雷达实现建图并进行路径规划,在导航过程中通过激光雷达扫描周围的障碍物,实现路径避障;到达物体分拣点后,利用相机探测物体,采集物体图像,利用视觉算法实现目标识别定位;发送指令引导机械臂进行运动规划,使机械臂对目标物体进行分拣;分拣完毕后将物体运输到指定位置。具有自动化控制、智能化程度高、功能性强的优点。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
下面结合附图和实例对本发明作进一步说明。
图1是本发明实施例一种分拣搬运方法的步骤图;
图2是步骤S100的步骤图;
图3是步骤S120的步骤图;
图4是步骤S310中的对视觉传感器进行标定步骤的步骤图;
图5是步骤S310中的对目标物进行识别和定位步骤的步骤图;
图6是本发明实施例一种分拣搬运机器人的结构图。
具体实施方式
本部分将详细描述本发明的具体实施例,本发明之较佳实施例在附图中示出,附图的作用在于用图形补充说明书文字部分的描述,使人能够直观地、形象地理解本发明的每个技术特征和整体技术方案,但其不能理解为对本发明保护范围的限制。
在本发明的描述中,需要理解的是,涉及到方位描述,例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明的描述中,若干的含义是一个或者多个,多个的含义是两个以上,大于、小于、超过等理解为不包括本数,以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
本发明的描述中,除非另有明确的限定,设置、安装、连接等词语应做广义理解,所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
本发明的实施例,提供了一种分拣搬运方法。
分拣搬运方法应用于分拣搬运机器人。
参照图6,一种分拣搬运机器人,包括支架100、移动机构200、场景获取装置300、视觉传感器400和机械臂500,移动机构200安装在支架100的底部,场景获取装置300、视觉传感器400和机械臂500安装在支架100上。
具体地,场景获取装置300为激光雷达。视觉传感器400设于相机中。
另外,电源、单片机控制板与树莓盘控制板位于支架100的底板第一层;激光雷达位于支架100的底板第二层;电机支架100、联轴器、车轮与电机组成机械车的移动机构200。机械臂500主要包括:机械臂500本体、机械臂500底盘、控制板与夹爪。机械臂500底盘嵌合在底板上;控制板是用于驱动机械臂500的控制部分;第一舵机、第二舵机、第一连接关节、第三舵机、第二连接关节、第四舵机与夹爪组成机械臂500的执行机构。视觉云台主要包括:相机支架100、相机底盘与相机。相机支架100嵌合在底板上;螺母把相机底盘固定在相机支架100;相机位于相机底盘上。
树莓派作为上位机以Linux为操作系统,在树莓派安装多个传感器和控制器的驱动程序,如深度相机、激光雷达和机械臂500控制器的驱动程序。单片机作为下位机,主要进行数据接收和发送、移动平台运动和里程表计算,具有通用I/O端口,接收编码器、超声波和红外传感器的信号,以数字脉冲的形式给电机驱动器发送控制信号。在ROS平台上,只需主机树莓派启动相应的硬件驱动程序,PC机负责远程控制,作为辅助计算的从机,进行计算量比较大的应用。两者分工明确,只需通过路由器,主从机接入同一个局域网,即可实现分布式多机通信。
分拣搬运机器人应用如下的分拣搬运方法,对目标物进行分拣搬运。
参照图1,分拣搬运方法包括以下步骤:
步骤S100、根据场景获取装置300所获取的场景信息构建场景地图;
步骤S200、获取第一目标位置信息,根据场景地图控制移动机构200行进,以到达与第一目标位置信息对应的第一目标位置;
步骤S300、根据视觉传感器400所获取的目标物图像,控制机械臂500抓取目标物,目标物图像为包含位于第一目标位置的目标物的图像;
步骤S400、获取第二目标位置信息,根据场景地图控制移动机构200行进,以到达与第二目标位置信息对应的第二目标位置;
步骤S500、控制机械臂500将目标物放置在第二目标位置。
参照图2,对于步骤S100,根据场景获取装置300所获取的场景信息构建场景地图,包括但不限于以下步骤:
步骤S110,根据场景获取装置300所获取的场景信息、分拣搬运机器人的惯性信息和里程计信息,初始化粒子群,并提取初始化的粒子群中或上一时刻的粒子所携带的位姿、权重和地图;
步骤S120,通过里程计信息对位姿进行更新,得到目标位姿;
步骤S130,计算处于目标位姿状态下的粒子的权重,得到目标权重;
步骤S140,根据目标权重更新粒子群以更新地图,得到场景地图。
对于步骤S110,场景信息由场景获取装置300,即激光雷达对周围环境进行扫描得到。
惯性信息通过惯性测量单元测量。惯性信息包括物体三轴姿态角(或角速率)以及加速度。惯性测量单元主要包括陀螺仪及加速度计,具体包括三个单轴的加速度计和三个单轴的陀螺仪,加速度计检测物体在载体坐标系统独立三轴的加速度信号,而陀螺仪检测载体相对于导航坐标系的角速度信号,测量物体在三维空间中的角速度和加速度,并以此解算出物体的姿态。
里程计信息通过里程计获取,里程计用于测量机器人的行程。
参照图3,对于步骤S120,具体包括但不限于以下步骤:
步骤S121,根据里程计信息通过极大似然估计计算局部极值;
步骤S122,在局部极值的预设范围取多个位姿,认为多个位姿服从高斯分布;需要说明的是,预设范围为人为设定的范围,可以根据历史经验得到;
步骤S123,计算多个位姿的均值、权重和方差,然后对多个位姿的均值、权重和方差分别进行归一化处理,便于后续计算;
步骤S124,根据多个位姿的均值、权重和方差,利用多元正态分布,得到目标位姿。
需要说明的是,在步骤S124之前,需要计算所有粒子权重离散程度,判断离散程度是否满足预设的离散程度阈值;
当离散程度满足离散程度阈值,则执行步骤S124;当离散程度不满足离散程度阈值,则进行重采样。
对于步骤S121,根据里程计信息通过极大似然估计计算局部极值,局部极值距离高斯分布较近,具体包括但不限于以下步骤:
步骤S1211,通过极大似然估计,获取局部极值;
步骤S1212,当获取成功,输出局部极值;
步骤S1213,当获取失败,利用提议分布更新粒子的位姿状态,利用观测模型对位姿的权重进行更新,重新获取局部极值直至成功。
需要说明的是,由于无法直接对目标分布模型进行采样,需要使用提议分布来得到目标分布的真实情况。
该地图构建方法,具有对激光雷达频率要求低、无需太多粒子并且没有回环检测、鲁棒性高的优点。
本发明的某些实施例,场景地图包括障碍信息和可通行位置信息。通常障碍信息在栅格地图中使用0表示,可通行位置信息在栅格地图中使用1表示。
对于步骤S200和步骤S400,根据场景地图控制移动机构200行进,包括:
根据障碍信息和可通行位置信息,规划从起点至目标位置的最优行进路径,目标位置可以是第一目标位置或第二目标位置;
根据最优行进路径,控制移动机构200行进至目标位置,目标位置为第一目标位置或第二目标位置。
在计算最优行进路径的过程,根据地图服务得到全局代价地图,由全局代价地图和目标位置得到全局路径规划,由全局代价地图得到局部代价地图,由本地代价地图推演出局部路径规划,由此得到最优行进路径。
具体地,在局部路径规划的过程中,采样机器人当前时刻的状态;针对每个采样的速度,计算机器人以该速度行驶一段时间后的下一时刻的状态,得出一条行驶的路线;利用评价标准为多条路线打分;根据打分,选择最优路径;重复上述过程直至到达目标位置。
本发明的某些实施例,对于步骤S300,根据视觉传感器400所获取的目标物图像,控制机械臂500抓取目标物,包括但不限于以下步骤:
步骤S310,根据目标物图像,对视觉传感器400进行标定,对目标物进行识别和定位,得到目标物位置信息;
步骤S320,根据目标物位置信息,控制机械臂500抓取目标物。
参照图4,对于步骤S310中的对视觉传感器400进行标定,包括但不限于以下步骤:
步骤S311,检测目标物图像中的棋盘图像的角点;
步骤S312,根据角点,通过线性最小二乘法估算投影矩阵;
步骤S313,根据投影矩阵,计算内参和外参,实现标定。
对于步骤S311,进行边缘检测,将各个矩形框边缘拟合成直线;提取出各个矩形框的边,然后通过边所在直线相交的方法获得角点。
对于步骤S312,根据先验知识(图案的结构特点)就可以将角点与其对应的物方点相对应。然后通过线性最小二乘法估算投影矩阵。
另外,对步骤S313中获得的内参和外参,仅仅是依据代数距离最小约束,存在偏差,可以通过最大似然法提高解的精度。
参照图5,对于步骤S310中的对目标物进行识别和定位,包括但不限于以下步骤:
步骤S314,根据目标物图像处理得到RGB图像;
步骤S315,基于模板匹配,对RGB图像的目标物识别和定位,得到目标物标注;
步骤S316,根据目标物标注,计算得到三维坐标形式的目标物位置信息。
对于机械臂500抓取放置的控制,利用ROS的MoveIt功能包,MoveIt功能包提供了基于数值解的KDL库,只需要配置机械臂500与末端夹爪,即可制造工作空间规划来完成机械臂500将物体送到指定位置的任务。
对MoveIt功能包的配置过程包括但不限于以下步骤:加载URDF模型;配置自碰撞矩阵;配置虚拟关节;创建规划组;定义机器人位姿;配置终端夹爪;生成配置文件。
在该实施例中,该控制方法使得该分拣搬运机器人具有自动导航、自主避障、视觉识别和搬运物品的功能;利用雷达实现建图并进行路径规划,在导航过程中通过激光雷达扫描周围的障碍物,实现路径避障;到达物体分拣点后,利用相机探测物体,采集物体图像,利用视觉算法实现目标识别定位;发送指令引导机械臂500进行运动规划,使机械臂500对目标物体进行分拣;分拣完毕后将物体运输到指定位置。具有自动化控制、智能化程度高、功能性强的优点。
本发明的某些实施例,提供了一种处理器。处理器与存储器连接,存储器存储有计算机程序,计算机程序能在处理器上运行,以使如上所述的分拣搬运机器人执行如上所述的分拣搬运方法。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
本发明的某些实施例,提供了一种存储介质。存储介质存储有计算机程序,所述计算机程序用于使如上所述的分拣搬运机器人执行如上所述的分拣搬运方法。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
以上所述,只是本发明的较佳实施例而已,本发明并不局限于上述实施方式,只要其以相同的手段达到本发明的技术效果,都应属于本发明的保护范围。
Claims (10)
1.一种分拣搬运方法,其特征在于,应用于分拣搬运机器人,所述分拣搬运机器人至少包括移动机构、场景获取装置、视觉传感器、机械臂;所述分拣搬运方法包括以下步骤:
根据所述场景获取装置所获取的场景信息构建场景地图;
获取第一目标位置信息,根据所述场景地图控制所述移动机构行进,以到达与所述第一目标位置信息对应的第一目标位置;
根据所述视觉传感器所获取的目标物图像,控制所述机械臂抓取目标物,所述目标物图像为包含位于第一目标位置的目标物的图像;
获取第二目标位置信息,根据所述场景地图控制所述移动机构行进,以到达与所述第二目标位置信息对应的第二目标位置;
控制所述机械臂将所述目标物放置在所述第二目标位置。
2.根据权利要求1所述的一种分拣搬运方法,其特征在于,所述根据所述场景获取装置所获取的场景信息构建场景地图,包括以下步骤:
根据所述场景获取装置所获取的场景信息、所述分拣搬运机器人的惯性信息和里程计信息,初始化粒子群,并提取所述粒子群中的粒子所携带的位姿、权重和地图;
通过所述里程计信息对所述位姿进行更新,得到目标位姿;
计算处于所述目标位姿状态下的粒子的权重,得到目标权重;
根据目标权重更新粒子群以更新地图,得到所述场景地图。
3.根据权利要求2所述的一种分拣搬运方法,其特征在于,所述通过所述里程计信息对所述位姿进行更新,得到目标位姿,包括:
根据所述里程计信息计算局部极值;
在所述局部极值的预设范围取多个位姿;
计算多个所述位姿的均值、权重和方差;
根据多个所述位姿的均值、权重和方差,利用多元正态分布,得到所述目标位姿。
4.根据权利要求3所述的一种分拣搬运方法,其特征在于,所述根据所述里程计信息计算局部极值,包括:
通过极大似然估计,获取局部极值;
当获取成功,输出所述局部极值;
当获取失败,利用提议分布更新粒子的位姿状态,利用观测模型对位姿的权重进行更新,重新获取局部极值直至成功。
5.根据权利要求1所述的一种分拣搬运方法,其特征在于,所述根据所述视觉传感器所获取的目标物图像,控制所述机械臂抓取目标物,包括:
根据所述目标物图像,对所述视觉传感器进行标定,对所述目标物进行识别和定位,得到目标物位置信息;
根据所述目标物位置信息,控制所述机械臂抓取所述目标物。
6.根据权利要求1所述的一种分拣搬运方法,其特征在于,所述对所述视觉传感器进行标定,包括:
检测所述目标物图像中的棋盘图像的角点;
根据所述角点,通过线性最小二乘法估算投影矩阵;
根据所述投影矩阵,计算内参和外参,实现标定。
7.根据权利要求1所述的一种分拣搬运方法,其特征在于,所述对所述目标物进行识别和定位,包括:
根据所述目标物图像处理得到RGB图像;
基于模板匹配,对RGB图像的目标物识别和定位,得到目标物标注;
根据所述目标物标注,计算得到三维坐标形式的所述目标物位置信息。
8.根据权利要求1所述的一种分拣搬运方法,其特征在于,所述场景地图包括障碍信息和可通行位置信息;根据所述场景地图控制所述移动机构行进,包括:
根据所述障碍信息和所述可通行位置信息,规划从起点至目标位置的最优行进路径;
根据所述最优行进路径,控制所述移动机构行进至所述目标位置,所述目标位置为所述第一目标位置或所述第二目标位置。
9.一种分拣搬运机器人,其特征在于,包括支架、移动机构、场景获取装置、视觉传感器和机械臂,所述移动机构安装在所述支架的底部,所述场景获取装置、所述视觉传感器和所述机械臂安装在所述支架上;所述分拣搬运机器人应用如权利要求1至8任一项所述的分拣搬运方法,对目标物进行分拣搬运。
10.一种存储介质,其特征在于,存储有计算机程序,所述计算机程序用于使如权利要求9所述的分拣搬运机器人执行如权利要求1至8中任意一项所述的分拣搬运方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210397864.6A CN114714357A (zh) | 2022-04-08 | 2022-04-08 | 一种分拣搬运方法、分拣搬运机器人及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210397864.6A CN114714357A (zh) | 2022-04-08 | 2022-04-08 | 一种分拣搬运方法、分拣搬运机器人及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114714357A true CN114714357A (zh) | 2022-07-08 |
Family
ID=82243875
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210397864.6A Pending CN114714357A (zh) | 2022-04-08 | 2022-04-08 | 一种分拣搬运方法、分拣搬运机器人及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114714357A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116002323A (zh) * | 2022-12-29 | 2023-04-25 | 上海邺洋生物技术应用有限公司 | 一种基于机械臂的生物实验室智能搬运方法及系统 |
CN116852350A (zh) * | 2023-06-09 | 2023-10-10 | 中煤陕西榆林能源化工有限公司 | 用于倒闸操作的控制方法、装置、存储介质及电子设备 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108466268A (zh) * | 2018-03-27 | 2018-08-31 | 苏州大学 | 一种货物分类搬运方法、系统及移动机器人和存储介质 |
CN109163724A (zh) * | 2018-09-07 | 2019-01-08 | 五邑大学 | 基于Turtlebot2机器人构建地图的多目标点自主导航方法 |
CN109202885A (zh) * | 2017-06-30 | 2019-01-15 | 沈阳新松机器人自动化股份有限公司 | 一种物料搬运移动复合机器人 |
CN110605713A (zh) * | 2018-06-15 | 2019-12-24 | 科沃斯机器人股份有限公司 | 机器人定位方法、机器人及存储介质 |
CN111470327A (zh) * | 2020-05-25 | 2020-07-31 | 常州墨狄机器人科技有限公司 | 一种视觉码垛设备及其视觉信息处理方法 |
CN111730606A (zh) * | 2020-08-13 | 2020-10-02 | 深圳国信泰富科技有限公司 | 一种高智能机器人的抓取动作控制方法及系统 |
CN113199454A (zh) * | 2021-06-22 | 2021-08-03 | 北京航空航天大学 | 一种轮式移动智能物流作业机器人系统 |
CN113524194A (zh) * | 2021-04-28 | 2021-10-22 | 重庆理工大学 | 基于多模特征深度学习的机器人视觉抓取系统的目标抓取方法 |
CN114005021A (zh) * | 2021-12-27 | 2022-02-01 | 中国农业大学 | 基于激光视觉融合的水产养殖车间无人巡检系统和方法 |
-
2022
- 2022-04-08 CN CN202210397864.6A patent/CN114714357A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109202885A (zh) * | 2017-06-30 | 2019-01-15 | 沈阳新松机器人自动化股份有限公司 | 一种物料搬运移动复合机器人 |
CN108466268A (zh) * | 2018-03-27 | 2018-08-31 | 苏州大学 | 一种货物分类搬运方法、系统及移动机器人和存储介质 |
CN110605713A (zh) * | 2018-06-15 | 2019-12-24 | 科沃斯机器人股份有限公司 | 机器人定位方法、机器人及存储介质 |
CN109163724A (zh) * | 2018-09-07 | 2019-01-08 | 五邑大学 | 基于Turtlebot2机器人构建地图的多目标点自主导航方法 |
CN111470327A (zh) * | 2020-05-25 | 2020-07-31 | 常州墨狄机器人科技有限公司 | 一种视觉码垛设备及其视觉信息处理方法 |
CN111730606A (zh) * | 2020-08-13 | 2020-10-02 | 深圳国信泰富科技有限公司 | 一种高智能机器人的抓取动作控制方法及系统 |
CN113524194A (zh) * | 2021-04-28 | 2021-10-22 | 重庆理工大学 | 基于多模特征深度学习的机器人视觉抓取系统的目标抓取方法 |
CN113199454A (zh) * | 2021-06-22 | 2021-08-03 | 北京航空航天大学 | 一种轮式移动智能物流作业机器人系统 |
CN114005021A (zh) * | 2021-12-27 | 2022-02-01 | 中国农业大学 | 基于激光视觉融合的水产养殖车间无人巡检系统和方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116002323A (zh) * | 2022-12-29 | 2023-04-25 | 上海邺洋生物技术应用有限公司 | 一种基于机械臂的生物实验室智能搬运方法及系统 |
CN116002323B (zh) * | 2022-12-29 | 2024-05-14 | 北京斯普脉生物技术有限公司 | 一种基于机械臂的生物实验室智能搬运方法及系统 |
CN116852350A (zh) * | 2023-06-09 | 2023-10-10 | 中煤陕西榆林能源化工有限公司 | 用于倒闸操作的控制方法、装置、存储介质及电子设备 |
CN116852350B (zh) * | 2023-06-09 | 2024-02-13 | 中煤陕西榆林能源化工有限公司 | 用于倒闸操作的控制方法以及控制装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109154827B (zh) | 机器人车辆的定位 | |
Ohya et al. | Vision-based navigation by a mobile robot with obstacle avoidance using single-camera vision and ultrasonic sensing | |
CN107671863B (zh) | 基于二维码的机器人控制方法、装置及机器人 | |
JP6599543B2 (ja) | 自動搬送車 | |
CN105737820B (zh) | 一种室内机器人定位导航方法 | |
CN114714357A (zh) | 一种分拣搬运方法、分拣搬运机器人及存储介质 | |
US20200257311A1 (en) | Cart having leading and following function | |
JPWO2019026761A1 (ja) | 移動体およびコンピュータプログラム | |
US9122278B2 (en) | Vehicle navigation | |
KR20180109118A (ko) | QR Code Tag, 비콘단말기, 엔코더와 관성센서를 융합하여 로봇의 정확한 현재위치를 식별하기 위한 방법 | |
EP4208763A1 (en) | Method of operating a mobile device | |
EP3998451B1 (en) | Navigation method, mobile carrier, and navigation system | |
US20210101747A1 (en) | Positioning apparatus capable of measuring position of moving body using image capturing apparatus | |
CN110825111A (zh) | 适用于高架仓库货物盘点的无人机控制方法、货物盘点方法、装置、服务器及存储介质 | |
WO2019031168A1 (ja) | 移動体および移動体の制御方法 | |
CN110968089A (zh) | 自动引导车及其控制系统和控制方法 | |
JP2023507675A (ja) | 自動誘導車の制御方法及びその方法を実行するように構成される制御システム | |
EP3933727A1 (en) | Intelligent warehousing technology for self-driving systems | |
CN112711257B (zh) | 机器人基于单点tof的沿边方法、芯片和移动机器人 | |
CN113093759A (zh) | 基于多传感器信息融合的机器人编队构造方法及系统 | |
JP7138041B2 (ja) | 移動体 | |
JP2019079171A (ja) | 移動体 | |
Cechowicz et al. | Indoor vehicle tracking with a smart MEMS sensor | |
CN108445893A (zh) | 一种移动机器人控制器及移动机器人 | |
CN114330832A (zh) | 一种智能快递包裹配送系统及其工作方法 |
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 |