嚴遠斌　宋蕾　余繼鵬　田耀鵬

關(guān)鍵詞：麥克納姆輪；視覺識別；物流機器人；機械臂

中圖分類號：TP242.6 文獻標識碼：A

0引言

物流是現(xiàn)代供應(yīng)鏈管理中的一個關(guān)鍵環(huán)節(jié)，人們對自動化物流系統(tǒng)的需求不斷增加。為了滿足這一需求，智能物流機器人越來越受關(guān)注，其不僅可以提高物流效率，還可以減少勞動力成本，提供更快速和精準的物流服務(wù)。傳統(tǒng)物流機器人通常采用差動輪底盤，雖然它們可以在直線上移動，但在狹窄空間中導(dǎo)航困難，且需要進行頻繁的轉(zhuǎn)向操作。

為了克服這些問題，本文引入了共軸麥克納姆輪底盤，這一底盤結(jié)構(gòu)允許機器人在任意方向上自由移動，而無須復(fù)雜的轉(zhuǎn)向動作。引入這一技術(shù)旨在開發(fā)一種具有卓越機動性和導(dǎo)航能力的物流機器人，以應(yīng)對不斷變化的物流環(huán)境。本文將詳細介紹機器人的系統(tǒng)設(shè)計、數(shù)學(xué)建模、視覺識別和導(dǎo)航算法。

1系統(tǒng)設(shè)計

1.1機械設(shè)計

機器人底盤采用共軸排布的4個麥克納姆輪，這些輪子以統(tǒng)一轉(zhuǎn)軸的形式安裝在底盤。每個麥克納姆輪都有多個滾動輪，可以獨立驅(qū)動。這種配置允許機器人在任意方向上自由移動，包括前進、后退、左右移動和旋轉(zhuǎn)。麥克納姆輪的尺寸和材料的選擇，對機器人的性能至關(guān)重要。通常，輪子的直徑和材料會影響機器人的載重能力、穩(wěn)定性和耐久性。輪子通常采用高強度的橡膠或聚合物材料，以提供良好的抓地力并減少地面磨損。

麥克納姆輪排布對機器人底盤運動的穩(wěn)定性至關(guān)重要。如圖1a所示，對橫移運動過程中的麥克納姆輪進行受力分析，排布不當?shù)?個麥克納姆輪會出現(xiàn)旋轉(zhuǎn)力矩，導(dǎo)致在進行橫移運動時底盤發(fā)生旋轉(zhuǎn)。而經(jīng)過合理排布則可以將麥克納姆輪的垂直分力抵消。因此，共軸麥克納姆輪底盤應(yīng)當使用的排布方式如圖1b所示。

1.2硬件設(shè)計

機器人硬件零部件和供應(yīng)商如表1所示。主控制單元是機器人的大腦，采用配備了i7處理器的Intel NUC工控機作為決策核心，負責(zé)執(zhí)行導(dǎo)航算法、路徑規(guī)劃、感知數(shù)據(jù)處理和任務(wù)控制；此外搭配STM32F407核心板作為執(zhí)行器核心，負責(zé)協(xié)調(diào)中間通信和控制電機實現(xiàn)決策執(zhí)行。輪組驅(qū)動電機采用RoboMaster M3508減速直流電機，配備定制FOC（磁場定向控制）電調(diào)，最大持續(xù)功率為150 W，持續(xù)扭矩可達2.8 N.m。每個電機配備有編碼器，可精準實現(xiàn)位置和速度控制。4個底盤電機都通過CAN（控制器局域網(wǎng)總線）通信與核心板進行信息交互，該核心板還配備了IMU（慣性測量單元），可通過狀態(tài)估計較準確地獲取機器人的位姿。

1.3軟件設(shè)計

控制相關(guān)的軟件必須足夠高效才能支持較高帶寬的輸入信息，因此所有軟件都是用C++編寫的。此外，ROS（機器人操作系統(tǒng)）框架用于高層通信?？柭鼮V波器使用IMU、電機編碼器和雷達信息完成系統(tǒng)的狀態(tài)估計。估計狀態(tài)信息與其余所需的信息都反饋到控制器?？刂破骷軜?gòu)如圖2所示，控制器由位置控制器、穩(wěn)態(tài)控制器和云臺控制器3個部分組成。位置控制器驅(qū)動機器人運動到指定位置；穩(wěn)態(tài)控制器控制機器人保持自平衡；云臺控制器搭配視覺識別并驅(qū)動機械臂，完成物流的智能取放。

2數(shù)學(xué)建模

線性二次型最優(yōu)控制用于設(shè)計線性動態(tài)系統(tǒng)的最優(yōu)控制器，以使某個性能指標最小化。控制系統(tǒng)的設(shè)計基于狀態(tài)空間方程，并通過最小化一個線性二次型性能指標來確定控制輸入。

2.2剛體模型

為了明確物理意義，便于數(shù)學(xué)推導(dǎo)，在建立系統(tǒng)的運動學(xué)和動力學(xué)方程時，忽略一些次要因素，做出如下假設(shè)：①地面與驅(qū)動輪之間的摩擦與驅(qū)動輪速度成正比，同時忽略靜態(tài)摩擦力；②忽視電機動力學(xué)；③忽略電極電樞繞組的電感；④忽略系統(tǒng)延時；⑤所有連桿與主體均是剛體。

模型由3個主體組成：2個輪子和1個倒立擺體，包含機體所有物質(zhì)組成的質(zhì)量、長度和慣性等物理特性。依據(jù)動力學(xué)和物理特性可以分別推導(dǎo)得出機器人動能和勢能，再由下式可得出拉格朗日函數(shù)（￡）：

3視覺識別

3.1數(shù)據(jù)集

依靠Python爬蟲獲取數(shù)據(jù)集、依靠You-GET獲取視頻，之后使用OpenCV以幀為單位將其拆分成圖片。使用檢測程序和ROI（region of interest，感興趣區(qū)域）對數(shù)據(jù)集進行精細化過濾和篩選。對于數(shù)據(jù)集，使用LABELMG（一種標注工具）開源組件，人工標注一部分先進行訓(xùn)練以得到初步模型，再使用得到的模型對數(shù)據(jù)集進行二次自動標注。

3.2圖像處理

使用?？低曄鄼C獲取圖像，格式為YUYV。相機開發(fā)部分的代碼為?？低暪俜降腛penCV開發(fā)程序。獲取到的圖像通過fpush函數(shù)保存在結(jié)構(gòu)體里。圖像預(yù)處理部分采用的傳統(tǒng)流程包括圖像顏色通道相減、二值化處理、形態(tài)學(xué)處理、查找輪廓。與以往不同的是，顏色通道相減的功能是通過指針來實現(xiàn)的，這在一定程度上可節(jié)省時間、加快運行速度。

處理過程中根據(jù)顏色特征對原始圖片進行色彩通道分離，在此基礎(chǔ)上進行二值化處理得到二值圖像并對圖片進行形態(tài)學(xué)操作以排除部分噪聲干擾、完成區(qū)域聯(lián)通。利用Findcontours函數(shù)取得處理后結(jié)果輪廓。對輪廓初步篩選后進行擬合返回，其中包含識別物體的基本信息。

3.3位置解算

位置解算主要為通過SolvePnP函數(shù)測量已經(jīng)匹配好的物體與機械臂之間的距離。相機的標定文件由MATLAB中的相機標定程序完成。除了SolvePnP函數(shù)，在距離較遠時，還會使用小孔方式測距。通過計算可將物體與機械臂的位置轉(zhuǎn)換成云臺與機械臂的運動角度，再將解算后的信息輸入到云臺控制器。

4導(dǎo)航算法

GMapping（基于網(wǎng)格映射的地圖構(gòu)建）是一種用于構(gòu)建環(huán)境地圖的概率機器人地圖建模算法，通常用于移動機器人和自主導(dǎo)航系統(tǒng)，其基于激光傳感器數(shù)據(jù)的SLAM（同時定位與地圖構(gòu)建）算法。其主要目標是通過分析機器人的傳感器數(shù)據(jù)，特別是激光掃描數(shù)據(jù)，來建立環(huán)境的網(wǎng)格地圖，同時定位機器人在該地圖中的位置。

機器人通過ROS接口從中獲取激光雷達和IMU的數(shù)據(jù)，IMU傳感器獲取數(shù)據(jù)的幀率為100Hz，激光雷達獲取點云數(shù)據(jù)的幀率為10 Hz。由于激光雷達完成一幀點云的掃描需要一定時間，而在這段時間內(nèi)機器人會發(fā)生運動，導(dǎo)致獲取到的點云數(shù)據(jù)缺乏一致性，被稱為點云畸變。在實際應(yīng)用中，需要對點云進行去畸變處理。所以在每次接收點云數(shù)據(jù)之前，先利用IMU的數(shù)據(jù)進行機器人的狀態(tài)遞推，在接收到點云數(shù)據(jù)之后，再利用遞推得到的狀態(tài)（旋轉(zhuǎn)和平移）對點云進行畸變?nèi)コ?，然后將去除畸變后的點云與地圖進行匹配，最后進行IEKF（迭代擴展卡爾曼濾波器）的更新。

選取一個在停車場中通過Livox Avia雷達采集的點云和IMU數(shù)據(jù)集以及該停車場的地圖來測試定位算法，數(shù)據(jù)集中激光雷達數(shù)據(jù)的幀率為10 Hz，IMU數(shù)據(jù)的幀率為200 Hz，時間跨度為800 s。因為停車場和物流倉庫都是高度結(jié)構(gòu)化的室內(nèi)環(huán)境且存在一定對稱性，所以能夠較好地驗證算法的可行性。

在給定數(shù)據(jù)集的粗略位姿后，進行位姿的初始化，初始化結(jié)果如圖4所示?？梢钥闯霎斍皫狞c云與地圖具有很好的重合度，代表位姿初始化成功。通過進行多次仿真并對每次記錄的數(shù)據(jù)分別計算偏航角誤差的最大值、偏航角的均方根誤差、位置距離誤差的最大值以及位置距離的均方根誤差，發(fā)現(xiàn)最終的評價結(jié)果滿足設(shè)計的指標要求。

5結(jié)論與展望

本文設(shè)計了一款基于共軸麥克納姆輪的智能物流機器人，該機器人采用了共軸麥克納姆輪技術(shù)，搭配視覺識別和SLAM導(dǎo)航定位算法，能夠?qū)崟r獲取各類傳感器數(shù)據(jù)，并且對周圍環(huán)境進行感知和運動。未來，隨著共軸麥克納姆輪技術(shù)的不斷發(fā)展和創(chuàng)新，還會出現(xiàn)更先進的感應(yīng)技術(shù)、更強大的人工智能和更靈活的機器人設(shè)計，這些都將進一步提高物流效率和可持續(xù)性。隨著技術(shù)的不斷演進，從生產(chǎn)線到醫(yī)療保健，從城市交通到危險環(huán)境，智能物流機器人都具有廣泛的應(yīng)用前景。