【技术实现步骤摘要】
本专利技术属于人工智能的，具体涉及一种无人配送机器人的控制方法、装置及存储介质。
技术介绍
1、随着物流行业的蓬勃发展和人工智能技术的不断成熟，配送机器人逐渐成为物流行业的重要工具，提高了物流效率和配送精度，减少了人力资源在一些重复的体力劳动上的投入。
2、配送机器人领域中，传统配送机器人并不具备自主抓取能力，需要人工或者其他设备来完成货物的装卸工作。这样就增加了成本和时间，并且限制了配送机器人的应用范围。同时，相关技术中，大多数机械臂仍然依赖于预设的程序和算法，缺乏自主决策和学习能力。在面对复杂的、未知的任务时，往往会出现物体识别错误、机械臂运动规划不准确等情况，大幅降低了货物抓取的准确率和效率。
3、相关技术中，移动机器人根据提供的一张全局一致的静态地图进行导航，以驱动配送机器人进行巡航来送货。但在相关技术中，配送机器人基于此地图规划预测的路径进行巡航时，若出现动态障碍物，往往无法实时更新路径或着路径规划不合理，巡航动态避障效果不佳。
4、针对相关技术中传统配送机器人无法自主抓取、抓取货物准确率及效率低、巡航动态避障效果不佳等问题，尚未提出有效的解决方案。
技术实现思路
1、本专利技术的主要目的在于克服现有技术的缺点与不足，提供一种无人配送机器人、控制方法、装置及存储介质，以至少解决相关技术中传统配送机器人抓取货物准确率及效率低、巡航动态避障效果不佳的问题。
2、为了达到上述目的，本专利技术采用以下技术方案：
3、第一
4、步骤s201、全局建图，对周围环境进行扫描，构建虚拟地图，所述虚拟地图是根据预设的建图功能包，通过激光雷达、深度相机和里程计采集周围环境信息所构建的，虚拟地图用于表征现实场景；
5、步骤s202、从服务器中获取目标信息在所构建的虚拟地图中得到对应位置，其中，目标信息包括取货地点、送货地点和货物信息；
6、步骤s203、全局定位，无人配送机器人会基于自身在现实环境中所处的位置相应地对虚拟地图进行自我定位，确定无人配送机器人在虚拟地图中的初始位姿信息和当前位姿信息，所述初始位姿和当前位姿信息都应当包括对应的位置和方向；
7、步骤s204、生成全局最优路径，所述全局最优路径是根据无人配送机器人在初始时刻在虚拟地图中的初始位姿信息和取货地点位置进行全局路径规划所生成的；
8、步骤s205、判断无人配送机器人是否抵达取货地点，若是，跳转到步骤s211，否则，进入步骤s206；
9、步骤s206、检测局部环境变化；
10、步骤s207、生成局部最优路径，具体为：无人配送机器人基于当前位置节点、局部路径的终点和预设的路径规划算法，生成局部最优路径；
11、步骤s208、是否需要避障，若是，进入步骤s209，否则，跳转到步骤s210；
12、步骤s209、修正局部最优路径；
13、步骤s210、机器人运行；返回步骤s205；
14、步骤s211、目标货物图像识别，具体为：机械臂末端相机采集周围环境图像，在环境图像中检测目标货物，并确定目标货物所对应的包围盒；
15、步骤s212、包围盒中心点是否落于预设可抓取区域内，若是，跳转到步骤s217，否则，进入步骤s213；
16、步骤s213、x轴坐标较预设坐标是否偏小或偏大，若是，进入步骤s214，否则，跳转到步骤s215；
17、步骤s214、若x轴坐标较预设坐标是否偏小，则机器人前进，若x轴坐标较预设坐标是否偏大，则机器人后退；返回步骤s212；
18、步骤s215、y轴坐标较预设坐标是否偏小或偏大，若是，进入步骤s216，否则，返回到步骤s212；
19、步骤s216、若y轴坐标较预设坐标是否偏小，机械臂左转，若y轴坐标较预设坐标是否偏大，机械臂右转；返回步骤s212；
20、步骤s217、转换机械臂底座坐标系下目标货物的坐标；
21、步骤s218、机械臂运行路径规划；
22、步骤s219、机械臂运行到目标货物坐标；
23、步骤s220、末端执行器抓取目标货物；
24、步骤s221、机器人前往送货地点送货。
25、作为优先的技术方案，步骤s211中，利用预训练的货物识别网络，在环境图像中检测目标货物，并确定目标货物所对应的包围盒，其中，预训练的货物识别网络是基于yolov5算法训练的神经网络；
26、货物识别网络识别出的目标是以矩形的包围盒表示的，所述包围盒标注了识别出的目标对应的目标类别信息及目标置信度，在识别出环境图像中的目标所对应的包围盒后，根据目标的目标类别信息和目标置信度，选出目标类别信息为设定类别且目标置信度满足设定阈值的目标，则将该目标作为目标货物，而该目标所对应的包围盒则是描述的目标货物所对应的包围盒。
27、作为优先的技术方案，所述步骤s213中，在判断出包围盒质心坐标并没有落于预设可抓取区域内时，首先判断x轴坐标较预设坐标是否偏小或偏大，并根据判断结果，从预设的多种移动底盘运动驱动函数中，确定目标移动底盘运动驱动函数；其中，所述x轴坐标是指包围盒质心坐标的x轴坐标，预设坐标是指预设可抓取区域的x轴坐标的上下确界；根据判断结果，会出现一下三种情况：第一，x轴坐标比预设坐标的下确界要小，此时移动底盘需要前进；第二，x轴坐标比预设坐标的上确界要大，此时移动底盘需要后退；第三，x轴坐标落于预设坐标的上下确界之间，此时移动底盘无需调整。
28、作为优先的技术方案，所述步骤s213中，步骤s217中，通过对环境图像进行检测确定待取目标货物坐标，并将目标货物在图像坐标系下的坐标转换为机械臂底座坐标系下的坐标；具体为：
29、首先进行相机标定，确定相机的内参和外参，明确相机与世界坐标系之间的相对关系；接下来，通过手眼标定确定相机与机器人末端执行器之间的相对位置关系；
30、在获得这些关系后利用坐标变换公式将图像坐标系中的坐标转换为相机坐标系下的三维坐标，再利用手眼标定得到的变换矩阵将相机坐标系下的坐标转换到机器人末端执行器坐标系；
31、最后，结合机器人的正运动学模型，将末端执行器坐标系下的坐标进一步转换为机械臂底座坐标系下的坐标。
32、作为优先的技术方案，所述步骤s218中，获取目标货物在机械臂底座坐标系下的坐标后，通过逆运动学求解得到每个关节的角度，之后对机械臂进行关节空间规划；具体来说，首先根据获取的机械臂底座坐标系下的待取货物坐标，结合机器人的逆运动学模型，求解每个关节的角度，之后，利用moveit包下的ompl运动规划库对机械臂进行路径规划，ompl可以在机械臂的关节空间内为末端执行器规划出一段轨迹。
33、第二方面，本专利技术提供了一种无人配送机器人，应用于所述的无人配送机器本文档来自技高网...
【技术保护点】
1.一种无人配送机器人的控制方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的控制方法，其特征在于，步骤S211中，利用预训练的货物识别网络，在环境图像中检测目标货物，并确定目标货物所对应的包围盒，其中，预训练的货物识别网络是基于YOLOV5算法训练的神经网络；
3.根据权利要求1所述的控制方法，其特征在于，所述步骤S213中，在判断出包围盒质心坐标并没有落于预设可抓取区域内时，首先判断x轴坐标较预设坐标是否偏小或偏大，并根据判断结果，从预设的多种移动底盘运动驱动函数中，确定目标移动底盘运动驱动函数；其中，所述x轴坐标是指包围盒质心坐标的x轴坐标，预设坐标是指预设可抓取区域的x轴坐标的上下确界；根据判断结果，会出现一下三种情况：第一，x轴坐标比预设坐标的下确界要小，此时移动底盘需要前进；第二，x轴坐标比预设坐标的上确界要大，此时移动底盘需要后退；第三，x轴坐标落于预设坐标的上下确界之间，此时移动底盘无需调整。
4.根据权利要求1所述的控制方法，其特征在于，所述步骤S213中，步骤S217中，通过对环境图像进行检测确定待取目标货物坐标，并
5.根据权利要求1所述的控制方法，其特征在于，所述步骤S218中，获取目标货物在机械臂底座坐标系下的坐标后，通过逆运动学求解得到每个关节的角度，之后对机械臂进行关节空间规划；具体来说，首先根据获取的机械臂底座坐标系下的待取货物坐标，结合机器人的逆运动学模型，求解每个关节的角度，之后，利用moveit包下的OMPL运动规划库对机械臂进行路径规划，OMPL可以在机械臂的关节空间内为末端执行器规划出一段轨迹。
6.一种无人配送机器人，其特征在于，应用于权利要求1-5中任一项所述的无人配送机器人的控制方法，包括移动底盘控制模块、视觉检测模块、数据处理模块、机械臂控制模块和电源模块，所述数据处理模块分别与移动底盘控制模块、视觉检测模块和机械臂控制模块连接；
7.根据权利要求6所述的无人配送机器人，其特征在于，所述移动底盘控制模块包括激光雷达、底层控制器、电机驱动和移动底盘；所述激光雷达，用于对无人配送机器人的定位与运动环境的建图及障碍物进行检测；所述底层控制器，用于控制电机速度及方向；所述电机驱动，用于驱动移动底盘运动；
8.根据权利要求7所述的无人配送机器人，其特征在于，所述移动底盘控制模块、视觉检测模块和机械臂控制模块通过有线或无线的方式与数据处理模块进行通信；
9.一种无人配送机器人的控制装置，其特征在于，应用于权利要求1-5中任一项所述的无人配送机器人的控制方法，包括定位模块、规划模块、识别模块和处理模块；
10.一种计算机可读存储介质，存储有程序，其特征在于，所述程序被处理器执行时，实现权利要求1-5任一项所述的无人配送机器人的控制方法。
...【技术特征摘要】
1.一种无人配送机器人的控制方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的控制方法，其特征在于，步骤s211中，利用预训练的货物识别网络，在环境图像中检测目标货物，并确定目标货物所对应的包围盒，其中，预训练的货物识别网络是基于yolov5算法训练的神经网络；
3.根据权利要求1所述的控制方法，其特征在于，所述步骤s213中，在判断出包围盒质心坐标并没有落于预设可抓取区域内时，首先判断x轴坐标较预设坐标是否偏小或偏大，并根据判断结果，从预设的多种移动底盘运动驱动函数中，确定目标移动底盘运动驱动函数；其中，所述x轴坐标是指包围盒质心坐标的x轴坐标，预设坐标是指预设可抓取区域的x轴坐标的上下确界；根据判断结果，会出现一下三种情况：第一，x轴坐标比预设坐标的下确界要小，此时移动底盘需要前进；第二，x轴坐标比预设坐标的上确界要大，此时移动底盘需要后退；第三，x轴坐标落于预设坐标的上下确界之间，此时移动底盘无需调整。
4.根据权利要求1所述的控制方法，其特征在于，所述步骤s213中，步骤s217中，通过对环境图像进行检测确定待取目标货物坐标，并将目标货物在图像坐标系下的坐标转换为机械臂底座坐标系下的坐标；具体为：
5.根据权利要求1所述的控制方法，其特征在于，所述步骤s218中，获取目标货物在机械臂底座坐标系下的坐标后，通过逆运动学求解得到每个关节的角度，之后对机械臂进行关节空间规划...
【专利技术属性】
技术研发人员：李德平，刘飞鸿，郑嘉威，黄俊霖，李锐广，王志涛，
申请(专利权)人：暨南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。