CN108622590B - 一种物流仓库用的智能运输机器人 - Google Patents

Abstract

本发明公开了一种物流仓库用的智能运输机器人，包括底座，底座的内部设置有驱动结构；底座的底部有用于移动的车轮，在底座的一侧设置有支撑架，支撑架的左侧从上至下有多个载物盘，在底座的上表面与支撑架相对的那一侧设置有提升液压机，所述提升液压机上还设置有升降支架，在升降支架上安装有可转动的机器手；在底座的前壁设置有通过管道与提升液压机连接的液压油箱；还包括智能记录仪，设置在底座前壁的顶部；天线，设置在支撑架的上面；数据处理器，嵌入在支撑架的右侧；机器人控制***，设置在数据处理器的下方。本发明用于物流仓储中可以极大地提高物流货物的分类储存效率，节约人力成本。

Description

一种物流仓库用的智能运输机器人

技术领域

本发明涉及机器人技术领域，特别是一种物流仓库用的智能运输机器人。

背景技术

随着电子商务的蓬勃发展，物流业的日益发展，物流工作也迅猛发展，人们现代要求越来越高，但现有大多数物流企业还是原始的人工搬运，效率低下，对城市迅速发展物流需要已经落后。

人工搬运效率低，并且一些位置高的货物搬运麻烦，需要借助升降机进行操作，增加了劳动成本，耗费时间，为此，市面上已经出现了一种运输机器人，该机器人可在物流仓库中移动并自动装卸和搬运货物，但是，市面上出现的机器人大多需要专门人员去操作，使之移动到恰当地方，尽管有些可以自主移动的运输机器人，但考虑到其仓库空间利用率要求较高，当布置数量较多的运输机器人，仓库内运输机器人由于缺乏对仓库内运输通道的高精度的识别与理解，以及缺乏可靠的路径规划，使得仓库内的小车容易拥堵在一起造成运输瘫痪。

发明内容

针对上述问题，本发明旨在提供一种物流仓库用的智能运输机器人。

本发明的目的采用以下技术方案来实现：

提出了一种物流仓库用的智能运输机器人，包括底座，底座的内部设置有驱动结构；底座的底部有用于移动的车轮，在底座的一侧设置有支撑架，支撑架的左侧从上至下有多个载物盘，在底座的上表面与支撑架相对的那一侧设置有提升液压机，所述提升液压机上还设置有升降支架，在升降支架上安装有可转动的机器手；在底座的前壁设置有通过管道与提升液压机连接的液压油箱；还包括智能记录仪，设置在底座前壁的顶部，能够对仓库内机器人前方的通道场景进行高清拍照；天线，设置在支撑架的上面，用于接收无线信号；数据处理器，嵌入在支撑架的右侧，用于对接收到的无线信号进行处理以及对拍照得到的图像进行处理；机器人控制***，设置在数据处理器的下方，用于对机器手的操作以及对机器人移动路径的控制。

优选地，所述载物盘与支撑架为活动可拆卸方式连接。

优选地，所述数据处理器包括无线信号解析模块，通道区域提取模块、障碍物标记识别模块以及路径规划模块；所述无线信号解析模块对接收到的无线信号进行解析，得到远程操作指令；所述通道区域提取模块用于对智能记录仪拍得的图像进行处理，得到通道区域；所述障碍物标记识别模块，用于对通道区域中的障碍物进行识别并标记出来；路径规划模块用于使运输机器人在通道区域中躲开障碍且规划出最优路径。

优选地，所述远程操作指令用于对提升液压机实现自动化控制，进而操作机器手实现对货物的放置。

优选地，所述路径规划模块在已知通道区域和障碍物区域的局部环境中规划出路径最短且与障碍物无碰撞的路径，具体包括有：

(1)路径规划建模：设定机器人的当下位置为机器人获取的图像中的通道区域底边中点，将该位置作为起点，图像中通道区域的消失点作为终点，将起点与终点的连线作为纵轴，建立二维坐标系XOY，其中横轴穿过起点与纵轴垂直，设起点的坐标为(0，0)，终点的坐标为(0，q_k+1)；在起点与终点的连线之间***k个点将连线等分，经过每个点做横轴的平行线，在每条平行线上取通道区域内的一动点作为可选路径点，将所有的平行线上的可选路径点、起点以及终点连接，即可构成可选行驶路径；这些可选行驶路径由k个动点的横坐标构成的k维横坐标向量唯一确定，该k维横坐标向量为：P＝{p₁，p₂，p₃···p_k}；根据这k维横坐标向量以及几何知识，可建立求取可选行驶路径的路径长度模型；

(2)基于通道区域边界以及障碍物区域的约束下，求取所述路径长度模型中的最短路径，具体有：

1)初始化可选路径：随机产生W条可选行驶路径，并将超出通道区域边界以及与障碍物区域交叉的可选行驶路径剔除，得到剩余的B条可选行驶路径，其中第b条可选路径由k维向横坐标量P_b＝{p_b1，p_b2，p_b3···p_bk}唯一确定，其中b∈B，设定该求解算法的最大允许迭代次数为M，设当前的迭代次数为第j次，j∈M，计算第b条可选路径的长度f_bj；并比较所有B条可能行驶路径的长度，选出长度最短的路径b_o作为最优路径，其长度为并获取该最优路径的k维向量中所有元素的平均值

2)可选路径更新：更新所有B条可选路径的k维向量中的横坐标值，且确保更新后的横坐标值仍然在通道区域内部且未落入障碍物区域，若落入了障碍物区域则对该点的横坐标值放弃更新，仍保存原先未更新的横坐标值；待所有点的横坐标值更新完成后，重新更新后的计算每条可选路径的长度，若计算出的路径长度小于原先未更新前对应可选路径的长度，则用更新后的可选路径替换原未更新的对应的可选路径，否则，保存原先未更新的对应可选路径；

3)可选路径筛选：依据上述第j次迭代更新后的可选路径后，计算出所有更新后可选路径的路径长度的平均值L_jave，并采用该平均值的1.2倍长度来作为阈值，将长度大于该阈值的可选路径进行剔除，然后将剩下的路径保留作为第j+1次迭代的初始可选路径。

4)终止迭代：直至迭代次数大于M，则终止迭代并输出最后一次迭代计算出的最优路径作为该路径长度模型的全局最优解，否则，转而进行下一次迭代。

优选地，所述横坐标的更新公式为：

式中，为第b₁条可选路径在第j次迭代中更新后的第i个维度的横坐标值，为第b₁条可选路径在第j次迭代中未更新的第i个维度的横坐标值；为第b₂条可选路径在第j次迭代中未更新的第i个维度的横坐标值；其中b₁，b₂为从B条可选路径中随机抽取的两条可选路径；v为非线性权重因子，其计算式为τ为修正随机因子，τ通过公式随机产生，其中rand(0,1)为获取0到1之间的随机数的随机函数；为最优路径b_o在在第j次迭代中第i个维度的横坐标值；S_i为k维向量中第i个维度所对应动点的横坐标值的上界；K_i为k维向量中第i个维度所对应动点的横坐标值的下界；为在第j次迭代中最优路径的k维向量中的横坐标的平均值；为可选路径b₁在第j次迭代前由未更新的横坐标值计算出来的路径长度；为可选路径b₂在第j次迭代前由未更新的横坐标值计算出来的路径长度。

本发明的有益效果为：本发明提出了一种物流仓库用的智能运输机器人，该运输机器人能够根据仓库内运输通道区域内的实际情况，进行区域内障碍物的判别以及障碍物区域的标记，并自主规划出合理的路径轨迹，具有高智能与高协调性，用于物流仓储中可以极大地提高物流货物的分类储存效率，节约人力成本。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1为本发明一个较佳实施例中的智能运输机器人的简易结构示意图；

附图标记：

底座1，车轮2，支撑架3，载物盘4，智能记录仪5，液压油箱6，管道7，提升液压机8，升降支架9，机器手10，数据处理器11，机器人控制***12。

具体实施方式

下面结合附图与较佳的实施例对发明作进一步的说明。

如图1所示，提供了一种物流仓库用的智能运输机器人，包括底座1，底座的内部设置有驱动结构；底座的底部有用于移动的车轮2，在底座的一侧设置有支撑架3，支撑架的左侧从上至下有多个载物盘4，在底座的上表面与支撑架相对的那一侧设置有提升液压机8，所述提升液压机上还设置有升降支架9，在升降支架上安装有可转动的机器手10；在底座的前壁设置有通过管道7与提升液压机连接的液压油箱6；还包括智能记录仪5，设置在底座前壁的中部，能够对仓库内机器人前方的通道场景进行高清拍照；天线，设置在支撑架的上面，用于接收无线信号；数据处理器11，嵌入在支撑架的右侧，用于对接收到的无线信号进行处理以及对拍照得到的图像进行处理；机器人控制***12，设置在数据处理器的下方，用于对机器手的操作以及对机器人移动路径的控制。

本实施例中，所述载物盘与支撑架为活动可拆卸方式连接。

本实施例中，所述数据处理器包括无线信号解析模块，通道区域提取模块、障碍物标记识别模块以及路径规划模块；所述无线信号解析模块对接收到的无线信号进行解析，得到远程操作指令；所述通道区域提取模块用于对智能记录仪拍得的图像进行处理，得到通道区域；所述障碍物标记识别模块，用于对通道区域中的障碍物进行识别并标记出来；路径规划模块用于使运输机器人在通道区域中躲开障碍且规划出最优路径。

本实施例中，所述远程操作指令用于对提升液压机实现自动化控制，进而操作机器手实现对货物的放置。

本实施例中，所述通道区域提取模块包括消失点检测单元和通道区域生成单元；所述消失点检测单元用于获取通道中机器人视觉可见的消失点，所述通道区域生成单元用于根据消失点确定通道边界，进而得到机器人移动的通道区域。

本实施例中，所述对通道区域中的消失点的具体过程包括有：

获取拍得的图像的灰度图，并依次灰度图计算图像的梯度与方向；根据每个点的像素的梯度和方向，将梯度和方向相近的点构成长方形条状域；将该长方形条状与域内所有的像素点进行连接，每个条状域内的最长的线段进行分割，其余线段进行筛除，得到该长方形条状域内的直线段；将位于图像上部1/5高度以上的直线段进行删除，将与垂直或水平方向相差角度较小的直线段进行剔除，再依据图像内的干扰物与通道区域边界的先验颜色差异，计算剩余直线段的颜色分量值与先验颜色进行对比比较，设定由先验颜色确定的颜色阀值，若小于其颜色阀值，则将其作为干扰物直线段进行剔除；将剩下的直线段延长到图像边界，所述通道区域在图像中随着由近至远基本是越来越小直至成一个消失点，将直线段之间相交的点看做竞选消失点的竞争点，而竞争点周围7×7邻域空间的像素点作为投票空间；计算投票空间内所有像素点对竞争点的投票值，将最大的投票值对应的竞争点作为消失点。

本实施例中，所述通道区域生成单元的具体实现为：在消失点的投票空间内以消失点为起点，向下画出一组射线将消失点以下的投票空间划分为90个区间，平均每个区间的角度为2度；然后计算投票空间内每个区间内所有像素点的投票值均值及每两个相邻区间之间的颜色差异值，并依据这两个值组合求取通道区域的边界线，左右边界线之间即为通道区域。

本实施例中，所述对障碍物进行识别以及对障碍物区域进行标记的具体实现为：

(1)将通道区域内的每个像素点采用RGB这3个颜色通道进行分解得到每个像素点的颜色分量，对每个颜色通道进行调整修正，然后将每个像素点的颜色分量送入调整修正后的颜色通道进行颜色分量的修正并合成修正后的通道区域，对通道区域进行颜色偏差修正，用来增强通道区域内不同障碍物与仓库内通道的对比度；

(2)采用基于深度学习的卷积神经网络来对图像中的通道区域进行理解，该网络包括多个卷积编码层与多个反卷积解码层以及一个像素点分类器；所述通道区域图像先经过多个卷积编码层处理得到一组特征图；所述卷积解码层的每层依次对应于卷积编码网的相应层，其对特征图进行处理得到一组稠密特征图；所述像素点分类器将稠密特征图作为输入，输出每个像素点所属对象类别的概率；依据概率对像素点进行分类，识别出属于障碍物的像素点，并将其围成的区域标记为障碍物区域。

通过对障碍物区域进行标记后，判断障碍物区域是否完全对通道区域进行封堵，若完全堵住了该通道区域，则机器人退出该通道，发出请求信息给后台服务器，后台服务器接收后，为该机器人分配另一条通道路线；若没有堵住，机器人则进入该通道，进行下一步的路径规划。

本实施例中，路径规划模块用于在已知通道区域和障碍物区域的局部环境中规划出一条从机器人的当下位置到通道区域中消失点的路径最短且与障碍物无碰撞的路径，具体包括有：

(1)路径规划建模：设定机器人的当下位置为机器人获取的图像中的通道区域底边中点，将该位置作为起点，图像中通道区域的消失点作为终点，将起点与终点的连线作为纵轴，建立二维坐标系XOY，其中横轴穿过起点与纵轴垂直，设起点的坐标为(0，0)，终点的坐标为(0，q_k+1)；在起点与终点的连线之间***k个点将连线等分，经过每个点做横轴的平行线，在每条平行线上取通道区域内的一动点作为可选路径点，将所有的平行线上的可选路径点、起点以及终点连接，即可构成可选行驶路径；这些可选行驶路径由k个动点的横坐标构成的k维横坐标向量唯一确定，该k维横坐标向量为：P＝{p₁，p₂，p₃···p_k}；根据这k维横坐标向量以及几何知识，可建立求取可选行驶路径的路径长度模型；

(2)基于通道区域边界以及障碍物区域的约束下，求取所述路径长度模型中的最短路径，具体有：

1)初始化可选路径：随机产生W条可选行驶路径，并将超出通道区域边界以及与障碍物区域交叉的可选行驶路径剔除，得到剩余的B条可选行驶路径，其中第b条可选路径由k维向横坐标量P_b＝{p_b1，p_b2，p_b3···p_bk}唯一确定，其中b∈B，设定该求解算法的最大允许迭代次数为M，设当前的迭代次数为第j次，j∈M，计算第b条可选路径的长度f_bj；并比较所有B条可能行驶路径的长度，选出长度最短的路径b_o作为最优路径，其长度为并获取该最优路径的k维向量中所有元素的平均值

2)可选路径更新：更新所有B条可选路径的k维向量中的横坐标值，且确保更新后的横坐标值仍然在通道区域内部且未落入障碍物区域，若落入了障碍物区域则对该点的横坐标值放弃更新，仍保存原先未更新的横坐标值；待所有点的横坐标值更新完成后，重新更新后的计算每条可选路径的长度，若计算出的路径长度小于原先未更新前对应可选路径的长度，则用更新后的可选路径替换原未更新的对应的可选路径，否则，保存原先未更新的对应可选路径；

其中，横坐标的更新公式为：

式中，为第b₁条可选路径在第j次迭代中更新后的第i个维度的横坐标值，为第b₁条可选路径在第j次迭代中未更新的第i个维度的横坐标值；为第b₂条可选路径在第j次迭代中未更新的第i个维度的横坐标值；其中b₁，b₂为从B条可选路径中随机抽取的两条可选路径；v为非线性权重因子，其计算式为τ为修正随机因子，τ通过公式随机产生，其中rand(0,1)为获取0到1之间的随机数的随机函数；为最优路径b_o在在第j次迭代中第i个维度的横坐标值；S_i为k维向量中第i个维度所对应动点的横坐标值的上界；K_i为k维向量中第i个维度所对应动点的横坐标值的下界；为在第j次迭代中最优路径的k维向量中的横坐标的平均值；为可选路径b₁在第j次迭代前由未更新的横坐标值计算出来的路径长度；为可选路径b₂在第j次迭代前由未更新的横坐标值计算出来的路径长度。

3)可选路径筛选：依据上述第j次迭代更新后的可选路径后，计算出所有更新后可选路径的路径长度的平均值L_jave，并采用该平均值的1.2倍长度来作为阈值，将长度大于该阈值的可选路径进行剔除，然后将剩下的路径保留作为第j+1次迭代的初始可选路径。

4)终止迭代：直至迭代次数大于M，则终止迭代并输出最后一次迭代计算出的最优路径作为该路径长度模型的全局最优解，否则，转而进行下一次迭代。

本优选实施例中，通过上述的路径规划模型的建立以及求解，实现了对简单路径的避障以及路径规划的功能；且求解算法简单，参数少，且保证了较快以及较好的收敛速度以及搜索精度。

本实施例中，所述投票值的计算公式为：

式中，Z(m+k,n+l)为投票空间内像素点的初始投票值；(m,n)为直线段上竞争点的位置坐标；U(m,n)为点(m,n)计算出来的投票值；(m+k,n+l)为投票空间内像素点的坐标，k,l分别为像素点相对于竞选点在m,n方向上的偏移量，-3≤k,l≤3；S_line为竞争点所在直线段的长度，D_S为直线段在图像内延伸至边界后的长度；θ为直线段与水平直线的夹角；s为设定的权重因子。

本优选实施例中，设置竞选点邻域空间中的点作为投票点在所述投票空间内对直线上的竞选点进行投票，计算每个竞选点的投票值，通过比较竞选点投票值的大小，确定机器视觉中的消失点，利用本计算公式，计算快捷，且计算出来的精度较高，使得根据消失点位置确定通道边界线的可靠性高，达到较好的实现对通道区域的识别。

本实施例中，所述颜色通道的调整修正公式为：

式中，D为R、G、B三种颜色中的一种，Y^D为修正后的颜色D的颜色通道；为通道区域未修正过的颜色D的颜色通道；c为通道区域的宽度，g为通道区域的高度；(m,n)为通道区域内一像素点的坐标，f(m,n)为点(m,n)的像素值；R_(m,n)为像素点(m,n)在RGB颜色空间内的红色分量；G_(m,n)为像素点(m,n)在RGB颜色空间内的绿色分量，B_(m,n)为像素点(m,n)在RGB颜色空间内的蓝色分量；D_(m,n)为像素点(m,n)在RGB颜色空间内的颜色D的颜色分量。

本优选实施例中，通过设计该颜色通道调整公式，使得修正后的图像相比与原图像的对比度有明显提高，颜色饱和度明显增强，且消除了一些不确定光线条件下的图像变异。使得接下来对图像中通道障碍物的理解判别的精度具有较大的可靠性。

本优选实施例中，提出了一种物流仓库用的智能运输机器人，该运输机器人能够根据仓库内运输通道区域内的实际情况，进行区域内障碍物的判别以及障碍物区域的标记，并自主规划出合理的路径轨迹，具有高智能与高协调性，用于物流仓储中可以极大地提高物流货物的分类储存效率，节约人力成本。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当分析，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (3)

1.一种物流仓库用的智能运输机器人，其特征在于，包括底座，底座的内部设置有驱动结构；底座的底部有用于移动的车轮，在底座的一侧设置有支撑架，支撑架的左侧从上至下有多个载物盘，在底座的上表面与支撑架相对的那一侧设置有提升液压机，所述提升液压机上还设置有升降支架，在升降支架上安装有可转动的机器手；在底座的前壁设置有通过管道与提升液压机连接的液压油箱；还包括智能记录仪，设置在底座前壁的中部，能够对仓库内机器人前方的通道场景进行高清拍照；天线，设置在支撑架的上面，用于接收或发射无线信号；数据处理器，嵌入在支撑架的右侧，用于对接收到的无线信号进行处理以及对拍照得到的图像进行处理；机器人控制***，设置在数据处理器的下方，用于对机器手的操作以及对机器人移动路径的控制；所述数据处理器包括无线信号解析模块，通道区域提取模块、障碍物标记识别模块以及路径规划模块；所述无线信号解析模块对接收到的无线信号进行解析，得到远程操作指令；所述通道区域提取模块用于对智能记录仪拍得的图像进行处理，得到通道区域；所述障碍物标记识别模块，用于对通道区域中的障碍物进行识别并标记出来；路径规划模块用于使运输机器人在通道区域中躲开障碍且规划出最优路径；

所述路径规划模块在已知通道区域和障碍物区域的局部环境中规划出路径最短且与障碍物无碰撞的路径，具体包括有：

(1)路径规划建模：设定机器人的当下位置为机器人获取的图像中的通道区域底边中点，将该位置作为起点，图像中通道区域的消失点作为终点，将起点与终点的连线作为纵轴，建立二维坐标系XOY，其中横轴穿过起点与纵轴垂直，设起点的坐标为(0，0)，终点的坐标为(0，qk+1)；在起点与终点的连线之间***k个点将连线等分，经过每个点做横轴的平行线，在每条平行线上取通道区域内的一动点作为可选路径点，将所有的平行线上的可选路径点、起点以及终点连接，即可构成可选行驶路径；这些可选行驶路径由k个动点的横坐标构成的k维横坐标向量唯一确定，该k维横坐标向量为：P＝{p1，p2，p3···pk}；根据这k维横坐标向量以及几何知识，可建立求取可选行驶路径的路径长度模型；

(2)基于通道区域边界以及障碍物区域的约束下，求取所述路径长度模型中的最短路径，具体有：

1)初始化可选路径：随机产生W条可选行驶路径，并将超出通道区域边界以及与障碍物区域交叉的可选行驶路径剔除，得到剩余的B条可选行驶路径，其中第b条可选路径由k维向横坐标量Pb＝{pb1，pb2，pb3···pbk}唯一确定，其中b∈B，设定该初始化可选路径的最大允许迭代次数为M，设当前的迭代次数为第j次，j∈M，计算第b条可选路径的长度fbj；并比较所有B条可能行驶路径的长度，选出长度最短的路径bo作为最优路径，其长度为并获取该最优路径的k维向量中所有元素的平均值

2)可选路径更新：更新所有B条可选路径的k维向量中的横坐标值，且确保更新后的横坐标值仍然在通道区域内部且未落入障碍物区域，若落入了障碍物区域则对该点的横坐标值放弃更新，仍保存原先未更新的横坐标值；待所有点的横坐标值更新完成后，重新更新后的计算每条可选路径的长度，若计算出的路径长度小于原先未更新前对应可选路径的长度，则用更新后的可选路径替换原未更新的对应的可选路径，否则，保存原先未更新的对应可选路径；

3)可选路径筛选：依据上述第j次迭代更新后的可选路径后，计算出所有更新后可选路径的路径长度的平均值Ljave，并采用该平均值的1.2倍长度来作为阈值，将长度大于该阈值的可选路径进行剔除，然后将剩下的路径保留作为第j+1次迭代的初始可选路径；

4)终止迭代：直至迭代次数大于M，则终止迭代并输出最后一次迭代计算出的最优路径作为该路径长度模型的全局最优解，否则，转而进行下一次迭代；所述横坐标的更新公式为：

式中，为第b1条可选路径在第j次迭代中更新后的第i个维度的横坐标值，为第b1条可选路径在第j次迭代中未更新的第i个维度的横坐标值；为第b2条可选路径在第j次迭代中未更新的第i个维度的横坐标值；其中b1，b2为从B条可选路径中随机抽取的两条可选路径；v为非线性权重因子，其计算式为τ为修正随机因子，τ通过公式随机产生，其中rand(0,1)为获取0到1之间的随机数的随机函数；为最优路径bo在在第j次迭代中第i个维度的横坐标值；Si为k维向量中第i个维度所对应动点的横坐标值的上界；Ki为k维向量中第i个维度所对应动点的横坐标值的下界；为在第j次迭代中最优路径的k维向量中的横坐标的平均值；为可选路径b1在第j次迭代前由未更新的横坐标值计算出来的路径长度；为可选路径b2在第j次迭代前由未更新的横坐标值计算出来的路径长度。

2.根据权利要求1所述的一种物流仓库用的智能运输机器人，其特征在于，所述载物盘与支撑架为活动可拆卸方式连接。

3.根据权利要求1所述的一种物流仓库用的智能运输机器人，其特征在于，所述远程操作指令用于对提升液压机实现自动化控制，进而操作机器手实现对货物的放置。