基于ROS 的智能分揀機(jī)器人控制方法研究

陳子豪 馬潤楠 雷書硯 向云華 金山海

（延邊大學(xué) 吉林省延吉市 133002）

在當(dāng)下，信息時(shí)代的進(jìn)程推動(dòng)著科學(xué)技術(shù)的快速發(fā)展，也影響著人們的生活。物聯(lián)網(wǎng)（IoT），人工智能（AI）等技術(shù)走進(jìn)了千家萬戶。尤其是機(jī)器人方面的進(jìn)步方向及應(yīng)用范圍可謂是十分廣泛，由工業(yè)逐漸轉(zhuǎn)移到了非工業(yè)的應(yīng)用。由于近年的新型冠狀病毒傳染病所導(dǎo)致的全球范圍內(nèi)的疫情蔓延，許多機(jī)器人被靈活運(yùn)用于測溫、人臉識(shí)別、二維碼行程碼實(shí)時(shí)分析等方面。另外，以“減少出行，居家防疫”為主流的抗疫方式使得人們更加傾向于利用網(wǎng)絡(luò)來購入日常用品及防護(hù)用品。這也引發(fā)了物流公司運(yùn)貨量的大幅增加，對(duì)于快件的攬收、精準(zhǔn)分類以及大量地址數(shù)據(jù)錄入和分析等能力也有了更多需求。同時(shí)機(jī)器人的使用條件、場地、時(shí)間都變得靈活可控，只有想不到，沒有做不到。機(jī)器人的種類在爆炸式地增長。機(jī)器人變得越來越完善，越來越實(shí)用。

1 分揀機(jī)器人發(fā)展現(xiàn)狀

近年以來，由于通信時(shí)代的飛速發(fā)展，互聯(lián)網(wǎng)應(yīng)用范圍愈發(fā)廣泛，以網(wǎng)絡(luò)購物為主流渠道，使得物流運(yùn)輸?shù)睦寐手饾u增長，市場占比亦顯著提高，預(yù)計(jì)將成為未來主流服務(wù)行業(yè)之一。然而，由于大部分物流公司包裹的分類分揀和配送服務(wù)仍需人力進(jìn)行，又由于工作性質(zhì)及酬勞不匹配等，使得分揀工作難度日益攀升。在“618 購物節(jié)”“雙11 大促”等大型網(wǎng)購促銷活動(dòng)和春節(jié)前后，物流行業(yè)面臨人工緊缺，勞動(dòng)力成本不斷上升，以及工作效率遠(yuǎn)低于市場需求等問題。此外，因快遞物品種類多樣冗雜，包裹形態(tài)和大小不統(tǒng)一，分揀標(biāo)準(zhǔn)不規(guī)范等，難以進(jìn)行集中化的批量處理。由于快遞物流工作需要高效、準(zhǔn)確完成，因此智能分揀機(jī)器人便誕生了。若引入完善的智能分揀機(jī)器人，通過相機(jī)的快速發(fā)展和智能分揀機(jī)器人系統(tǒng)的融合，則實(shí)現(xiàn)快遞包裹的快速識(shí)別、快速分揀、信息互傳等效果將會(huì)變得十分可觀。機(jī)器人不僅可以大幅降低分揀過程中的人力耗費(fèi)，降低勞動(dòng)力成本及彈性控制雇傭人員的數(shù)量，提高工作效率，增大自動(dòng)化占比；還可以通過大量可操控的數(shù)據(jù)信息，控制智能識(shí)別條件，提高包裹分揀的準(zhǔn)確率。另外，亦可根據(jù)具體需求的變化進(jìn)行相應(yīng)的靈活拓展，擴(kuò)大機(jī)器人的使用范圍。

2 整體設(shè)計(jì)

分揀機(jī)器人應(yīng)有識(shí)別、抓取、放置、儲(chǔ)存物品等能力，以及地圖構(gòu)建、智能避障等能力，所以使用機(jī)械臂進(jìn)行抓取、放置物品，工業(yè)攝像頭進(jìn)行識(shí)別物品的大小形狀，在下位機(jī)上進(jìn)行運(yùn)動(dòng)的分解和PID 計(jì)算，只需要主控通過TTL 串口下發(fā)線速度與角速度就可讓機(jī)器人到達(dá)指定位置。

2.1 硬件設(shè)計(jì)

主要由電機(jī)、電機(jī)控制板、底座、機(jī)械臂、舵機(jī)控制板、相機(jī)、激光雷達(dá)、主板等組成，各個(gè)組成部分的參數(shù)如表1所示。機(jī)器人的結(jié)構(gòu)設(shè)計(jì)圖如圖1 所示。

圖1：仿真圖片

表1：硬件表

2.2 控制系統(tǒng)的方案設(shè)計(jì)

控制系統(tǒng)我們采用ROS 來接收數(shù)據(jù)并對(duì)整體進(jìn)行命令傳輸，通過PC 向ROS 發(fā)送指令，ROS 主機(jī)再通過攝像頭返回的數(shù)據(jù)向電機(jī)和機(jī)械臂發(fā)送指令。如圖2 所示。首先根據(jù)地圖導(dǎo)航，由雷達(dá)進(jìn)行避障，運(yùn)行到指定位置。使用機(jī)械臂的攝像頭進(jìn)行物品的識(shí)別與定位，機(jī)械臂抓取物品并放入車上的儲(chǔ)存?zhèn)}。再從儲(chǔ)存?zhèn)}抓取物品到倉庫中，完成物品的分揀。

圖2：控制流程

3 地圖創(chuàng)建與路徑規(guī)劃

3.1 地圖創(chuàng)建

在ROS 中，進(jìn)行導(dǎo)航的首要前提就是地圖的創(chuàng)建，地圖創(chuàng)建通過SLAM（實(shí)時(shí)定位于地圖構(gòu)建）的Gmapping 來進(jìn)行。Gmapping 是通過實(shí)時(shí)收集雷達(dá)的激光返回?cái)?shù)據(jù)，創(chuàng)建二維地圖，此算法的優(yōu)點(diǎn)是可以實(shí)時(shí)構(gòu)建室內(nèi)環(huán)境地圖，在小場景中計(jì)算量少，且地圖精度較高，對(duì)激光雷達(dá)掃描頻率要求較低。場地平面圖如圖3 所示，實(shí)際建圖效果如圖4所示。

圖3：場地平面圖

圖4：實(shí)際建圖效果

3.2 路徑規(guī)劃

路徑規(guī)劃包括信息獲取-感知-通信-決策-控制-執(zhí)行，其的目的是尋找一條使機(jī)器人從起點(diǎn)到終點(diǎn)不碰到障礙物的路徑。路徑規(guī)劃有全局最優(yōu)規(guī)劃和實(shí)時(shí)最優(yōu)規(guī)劃兩種。

全局最優(yōu)規(guī)劃是通過Dijkstra 算法、A*算法、PSO 算法、遺傳算法、強(qiáng)化學(xué)習(xí)算法等計(jì)算從起始點(diǎn)到終點(diǎn)的最優(yōu)解。最優(yōu)解既可以是時(shí)間最短，也可以是距離最短。但其缺點(diǎn)是不能做到實(shí)時(shí)避障，因?yàn)樵谡鎸?shí)環(huán)境中可能有地圖創(chuàng)建中沒有的障礙物，可能導(dǎo)致機(jī)器人偏離終點(diǎn)或不能到達(dá)終點(diǎn)。

實(shí)時(shí)最優(yōu)規(guī)劃可以克服上述的缺點(diǎn)，是在全局最優(yōu)規(guī)劃的基礎(chǔ)上進(jìn)行局部規(guī)劃，所以需要機(jī)器人進(jìn)行環(huán)境信息的采集和對(duì)自身的調(diào)整。利用ROS 系統(tǒng)的move_base 功能包，通過雷達(dá)對(duì)機(jī)器人的路徑做實(shí)時(shí)的調(diào)整，以防止機(jī)器人在自主導(dǎo)航過程中碰到障礙物，所以在本文中使用的是實(shí)時(shí)最優(yōu)規(guī)劃。

4 機(jī)器人視覺識(shí)別

機(jī)器人視覺識(shí)別可以采集環(huán)境信息和對(duì)抓取的物體進(jìn)行形狀、大小、距離的判斷、采集和測量，并進(jìn)行系統(tǒng)分析，將采集到的信息反饋給主控系統(tǒng)，以便于對(duì)機(jī)器人的其他硬件進(jìn)行實(shí)時(shí)的調(diào)整。

視覺識(shí)別程序設(shè)計(jì)：

顏色識(shí)別采用HSV 色彩空間，可以較高精度地進(jìn)行顏色識(shí)別。形狀識(shí)別采用輪廓識(shí)別和頂點(diǎn)數(shù)來判斷，先把攝像頭傳入的圖像進(jìn)行高斯模糊，再分別進(jìn)行圖像灰度化和色彩空間變換，從而輸出形狀和顏色。如圖5 所示。

圖5：視覺識(shí)別流程圖

5 機(jī)械臂抓取的程序設(shè)計(jì)

機(jī)械臂采用串行總線舵機(jī)和六自由度設(shè)計(jì)。串行總線舵機(jī)的優(yōu)點(diǎn)是體積小、排線簡單、控制方便。機(jī)械臂使用六自由度設(shè)計(jì)，可以很好地減少機(jī)械臂的死角。

機(jī)械臂的程序設(shè)計(jì)：

使用攝像頭和雷達(dá)實(shí)時(shí)監(jiān)測，如果發(fā)現(xiàn)機(jī)械手偏離目標(biāo)位姿，通過控制系統(tǒng)對(duì)進(jìn)行底座和機(jī)械臂的實(shí)時(shí)調(diào)整，提升整體的抓取精度。機(jī)械臂抓取過程的程序流程圖如圖6 所示。

圖6：機(jī)械臂抓取設(shè)計(jì)

6 機(jī)器人的測試

本文設(shè)計(jì)的分揀機(jī)器人實(shí)驗(yàn)樣機(jī)如圖7 所示，同時(shí)主要自動(dòng)導(dǎo)航與進(jìn)行目標(biāo)的抓取和投放工作。

圖7：出發(fā)區(qū)

目標(biāo)物體抓取實(shí)驗(yàn)：

實(shí)驗(yàn)是從出發(fā)區(qū)出發(fā)，到達(dá)指定地點(diǎn)進(jìn)行抓球，出發(fā)區(qū)和抓球區(qū)如圖7、圖8 所示。

圖8：抓球區(qū)

每次抓取識(shí)別8 個(gè)球，重復(fù)抓取15 次，識(shí)別成功率為98%，抓取成功率為97%，實(shí)際實(shí)驗(yàn)過程如圖9 所示，實(shí)驗(yàn)結(jié)果如表2 所示。

圖9：實(shí)驗(yàn)過程

表2：實(shí)驗(yàn)結(jié)果

所以本文設(shè)計(jì)的機(jī)器人可以完成目標(biāo)。

7 結(jié)語

本文研究與設(shè)計(jì)的智能分揀機(jī)器人，可以根據(jù)需要進(jìn)行不同形狀和不同顏色物體的分揀。利用Jetson NANO 作為主控，ROS 系統(tǒng)具有開源性，底盤和機(jī)械臂使用PID 進(jìn)行控制，攝像頭采用OpenCV 進(jìn)行圖像識(shí)別。除機(jī)械臂、底板和控制系統(tǒng)外所有的機(jī)械結(jié)構(gòu)均可以采用3D 打印制作。也可根據(jù)場景的不同改變儲(chǔ)存?zhèn)}的形狀，為智能分揀的多元化需求提供了新的選擇。未來，可以實(shí)現(xiàn)多個(gè)機(jī)器人之間的信息交換，來提升分揀效率。