【技术实现步骤摘要】
本专利技术涉及搬运机器人，特别涉及一种搬运机器人自动跟随的方法。
技术介绍
1、在物流、仓储等行业中，搬运机器人的应用越来越广泛。传统的搬运机器人通常需要人工操作或者预设路径进行搬运任务，这种方式存在一些局限性。例如，人工操作效率低、劳动强度大，而预设路径的机器人缺乏灵活性，无法适应动态变化的环境和任务需求。
2、为了解决这些问题，自动跟随功能的搬运机器人应运而生。然而，现有的自动跟随搬运机器人在实际应用中还存在一些不足之处，如跟随准确性不高、容易受到环境干扰、响应速度慢等。这些问题限制了搬运机器人的性能和应用范围，需要进一步优化和改进。
技术实现思路
1、本专利技术的目的在于至少解决现有技术中存在的技术问题之一，提供一种搬运机器人自动跟随的方法，能够解决搬运效率低的问题。
2、为实现上述目的，本专利技术提供如下技术方案：一种搬运机器人自动跟随的方法，包括以下方法，s1硬件升级，传感器优化，采用高精度的激光雷达，能够更准确地检测目标物体的位置、距离和形状，激光雷达具有高分辨率和快速扫描速度，可以实时获取周围环境的三维信息，为机器人的跟随提供更精确的数据；
3、配备多个摄像头，实现全方位的视觉感知，不同角度的摄像头可以捕捉到目标物体的不同特征，提高识别的准确性，同时，摄像头还可以用于检测障碍物和环境变化，以便机器人及时调整跟随策略；
4、s2运动系统改进，采用高性能的电机和驱动器，提高机器人的运动速度和加速度，这样可以使机器人更快地响应
5、安装全向轮或麦克纳姆轮，使机器人能够在任意方向上灵活移动，适应不同的工作环境和跟随需求；
6、s3软件算法优化，目标识别与跟踪算法，利用深度学习算法对目标物体进行识别和跟踪，通过大量的训练数据，让机器人学会识别不同类型的目标物体，并能够在复杂的环境中准确地跟踪目标；
7、采用多传感器融合技术，将激光雷达、摄像头传感器的数据进行融合处理，提高目标识别和跟踪的准确性和稳定性；
8、s4路径规划算法，设计高效的路径规划算法，使机器人能够在跟随目标物体的同时，避开障碍物和其他干扰因素，路径规划算法可以根据目标物体的移动速度和方向，以及周围环境的变化，实时调整机器人的行驶路径；
9、s5通信与控制系统优化，无线通信技术，采用稳定可靠的无线通信技术，确保机器人与控制中心之间的实时通信，无线通信可以让控制中心随时了解机器人的状态和位置，并对其进行远程控制和调度；
10、优化通信协议，提高数据传输的效率和可靠性，减少通信延迟和数据丢失，确保机器人能够及时响应控制指令；
11、s6控制系统优化，设计先进的控制系统，实现对机器人的精确控制，控制系统可以根据目标物体的位置和速度，实时调整机器人的运动方向和速度，保持紧密的跟随；
12、s7实际应用中的优化措施，环境适应性，对不同的工作环境进行测试和优化，确保机器人能够在各种复杂的环境中正常工作，例如，在光线较暗或有烟雾的环境中，可以调整传感器的参数，提高其适应性；
13、s8人机交互设计，设计友好的人机交互界面，让用户能够方便地操作和控制机器人，人机交互界面可以显示机器人的状态和位置信息，以及目标物体的跟踪情况，让用户随时了解机器人的工作情况；
14、加入语音识别和语音提示功能，让用户可以通过语音指令对机器人进行控制，这样可以提高操作的便捷性和效率，特别是在一些需要双手操作的场合。
15、优选的，所述s4路径规划算法，考虑机器人的运动学和动力学特性，确保机器人在跟随过程中的稳定性和安全性。
16、优选的，所述s6控制系统优化，加入反馈控制机制，使机器人能够根据实际跟随情况进行自我调整，例如，如果机器人发现与目标物体的距离过大或过小，可以自动调整速度和方向，以达到最佳的跟随效果。
17、优选的，所述s7实际应用中的优化措施，考虑不同地形和地面条件对机器人跟随的影响，进行相应的调整和优化，在不平坦的地面上，机器人可以采用更稳定的运动方式，以确保跟随的准确性。
18、优选的，机器人软硬件框架搭建，软件框架上，本项目的创新点与技术优势在于深度学习、迁移学习、强化学习智能算法的研究与功能融合，以视觉方案为主，辅之以红外、点云信息的多模态融合方案，进而展开后续算法研究，因而在硬件选型时，传感器拟选择深度加红外双摄像头和激光雷达得到所需的三种类型数据。
19、优选的，硬件框架上，设计麦克纳姆轮结构全向移动基本模型，搭载独立悬架结构，加强机器人的灵活性和稳定性，底盘控制系统为基于stm32的主控板，部署freertos实时操作系统，用于将底盘的状态数据传输给上位机主控系统，两个系统间通过uart总线相连进行通信。
20、优选的，主控嵌入式系统设计，针对本项目智能化、高实时性的特点，拟选择性能强大的边缘计算产品作为项目主控嵌入式系统开发的平台，边缘计算是指减少数据在网络上转移的过程，在源头就能够直接及时处理数据，能够弥补传统云计算数据传输开销大的缺点，对实时性能带来巨大提升，本项目拟以nvidia jetson nano为主控单元，设计一套能匹配需求的嵌入式系统，对于上位机与主控系统之间的无线通信、收发识别信息、模式切换，需要进行嵌入式系统设备的选型、设计与搭建。
21、优选的，上位机主控系统设计，本项目自动跟随智能物流机器人上位机主控系统，采用ros2(robot operating system 2)机器人操作系统，ros2是ros的改进版本，在保持与ros基本理念相同的情况下实现了去中心化，引入了dds(data distribution service)数据分发服务作为通信机制，支持更多的消息传输模式。
22、优选的，主控系统还需要使用深度学习开发框架及依赖库，跟随机器人需要选择一个支持动态图和动态神经网络的框架，pytorch框架作为torch的python版本，专门针对gpu加速的深度神经网络编程框架，torch是一个经典的对多维矩阵数据进行操作的张量库，在机器学习中有广泛应用，与tensorflow的静态计算图不同，pytorch的计算图是动态的，可以根据计算需要实时改变计算图，因此本项目选择pytorch结合其他神经网络推理库来部署深度学习模型。
23、与现有技术相比，本专利技术的有益效果是：
24、1、该搬运机器人自动跟随的方法，该方法提高搬运效率，优化后的搬运机器人能够自动跟随目标物体，无需人工干预，大大提高了搬运效率，机器人可以快速响应目标物体的移动，及时调整自己的位置和速度，确保货物能够及时、准确地搬运到目的地，同时该方法，增强环境适应性，通过硬件升级和软件算法优化，搬运机器人能够更好地适应不同的工作环境，例如，高精度的传感器可以在光线较暗或有烟雾的环境中准确检测目标物体，全向轮或麦克纳姆轮可以使机器人在不平坦的地面上灵活移动，提高了机器人在本文档来自技高网...
【技术保护点】
1.一种搬运机器人自动跟随的方法，其特征在于：包括以下方法，S1硬件升级，传感器优化，采用高精度的激光雷达，能够更准确地检测目标物体的位置、距离和形状，激光雷达具有高分辨率和快速扫描速度，可以实时获取周围环境的三维信息，为机器人的跟随提供更精确的数据；
2.根据权利要求1所述的一种搬运机器人自动跟随的方法，其特征在于：所述S4路径规划算法，考虑机器人的运动学和动力学特性，确保机器人在跟随过程中的稳定性和安全性。
3.根据权利要求1所述的一种搬运机器人自动跟随的方法，其特征在于：所述S6控制系统优化，加入反馈控制机制，使机器人能够根据实际跟随情况进行自我调整，机器人发现与目标物体的距离过大或过小，可以自动调整速度和方向，以达到最佳的跟随效果。
4.根据权利要求1所述的一种搬运机器人自动跟随的方法，其特征在于：所述S7实际应用中的优化措施，考虑不同地形和地面条件对机器人跟随的影响，进行相应的调整和优化，在不平坦的地面上，机器人可以采用更稳定的运动方式，以确保跟随的准确性。
5.根据权利要求1所述的一种搬运机器人自动跟随的方法，其特征在于
6.根据权利要求1所述的一种搬运机器人自动跟随的方法，其特征在于：硬件框架上，设计麦克纳姆轮结构全向移动基本模型，搭载独立悬架结构，加强机器人的灵活性和稳定性，底盘控制系统为基于STM32的主控板，部署FreeRTOS实时操作系统，用于将底盘的状态数据传输给上位机主控系统，两个系统间通过UART总线相连进行通信。
7.根据权利要求1所述的一种搬运机器人自动跟随的方法，其特征在于：主控嵌入式系统设计，针对本项目智能化、高实时性的特点，拟选择性能强大的边缘计算产品作为项目主控嵌入式系统开发的平台，边缘计算是指减少数据在网络上转移的过程，在源头就能够直接及时处理数据，能够弥补传统云计算数据传输开销大的缺点，对实时性能带来巨大提升，本项目拟以Nvidia Jetson nano为主控单元，设计一套能匹配需求的嵌入式系统，对于上位机与主控系统之间的无线通信、收发识别信息、模式切换，需要进行嵌入式系统设备的选型、设计与搭建。
8.根据权利要求1所述的一种搬运机器人自动跟随的方法，其特征在于：上位机主控系统设计，本项目自动跟随智能物流机器人上位机主控系统，采用ROS2(Robot OperatingSystem 2)机器人操作系统，ROS2是ROS的改进版本，在保持与ROS基本理念相同的情况下实现了去中心化，引入了DDS(Data Distribution Service)数据分发服务作为通信机制，支持更多的消息传输模式。
9.根据权利要求1所述的一种搬运机器人自动跟随的方法，其特征在于：主控系统还需要使用深度学习开发框架及依赖库，跟随机器人需要选择一个支持动态图和动态神经网络的框架，Pytorch框架作为Torch的Python版本，专门针对GPU加速的深度神经网络编程框架，Torch是一个经典的对多维矩阵数据进行操作的张量库，在机器学习中有广泛应用，与Tensorflow的静态计算图不同，Pytorch的计算图是动态的，可以根据计算需要实时改变计算图，因此本项目选择Pytorch结合其他神经网络推理库来部署深度学习模型。
...【技术特征摘要】
1.一种搬运机器人自动跟随的方法，其特征在于：包括以下方法，s1硬件升级，传感器优化，采用高精度的激光雷达，能够更准确地检测目标物体的位置、距离和形状，激光雷达具有高分辨率和快速扫描速度，可以实时获取周围环境的三维信息，为机器人的跟随提供更精确的数据；
2.根据权利要求1所述的一种搬运机器人自动跟随的方法，其特征在于：所述s4路径规划算法，考虑机器人的运动学和动力学特性，确保机器人在跟随过程中的稳定性和安全性。
3.根据权利要求1所述的一种搬运机器人自动跟随的方法，其特征在于：所述s6控制系统优化，加入反馈控制机制，使机器人能够根据实际跟随情况进行自我调整，机器人发现与目标物体的距离过大或过小，可以自动调整速度和方向，以达到最佳的跟随效果。
4.根据权利要求1所述的一种搬运机器人自动跟随的方法，其特征在于：所述s7实际应用中的优化措施，考虑不同地形和地面条件对机器人跟随的影响，进行相应的调整和优化，在不平坦的地面上，机器人可以采用更稳定的运动方式，以确保跟随的准确性。
5.根据权利要求1所述的一种搬运机器人自动跟随的方法，其特征在于：机器人软硬件框架搭建，软件框架上，本项目的创新点与技术优势在于深度学习、迁移学习、强化学习智能算法的研究与功能融合，以视觉方案为主，辅之以红外、点云信息的多模态融合方案，进而展开后续算法研究，因而在硬件选型时，传感器拟选择深度加红外双摄像头和激光雷达得到所需的三种类型数据。
6.根据权利要求1所述的一种搬运机器人自动跟随的方法，其特征在于：硬件框架上，设计麦克纳姆轮结构全向移动基本模型，搭载独立悬架结构，加强机器人的灵活性和稳定性，底盘控制系统为基于stm32的主控板，部署freertos实时操作系统，用于将底盘的状...
【专利技术属性】
技术研发人员：张清勇，李嘉琪，曹毅，蔡宇轩，龙云翀，韩朋，杨博元，
申请(专利权)人：武汉理工大学，
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。