基于激光SLAM的烟草行业成品库平库盘点机器人路径优化方法技术

本发明专利技术公开了基于激光SLAM的烟草行业成品库平库盘点机器人路径优化方法，所述的机器人基于视觉感知预测的局部轨迹优化策略、场景知识图谱建立、路标表征及算法、完成对象全局或局部路径规划；感知系统主要包括定位系统、激光雷达、毫米波雷达，以及智能照相机等传感器，用于获取当前位置周围区域的障碍物信息任务点信息；所述的视觉感知预测的局部轨迹优化策略是指：通过环境感知，轨迹优化的任务是计算出一个无碰撞可执行的轨迹(包含路径和速度信息)，保证车辆从起点安全的行驶到目的地，并尽可能高效。尽可能高效。尽可能高效。

【技术实现步骤摘要】
基于激光SLAM的烟草行业成品库平库盘点机器人路径优化方法


[0001]本专利技术涉及基于激光SLAM的烟草行业成品库平库盘点机器人路径优化方法，属于烟草企业盘库领域。

技术介绍

[0002]目前成品非高架库即平库依然是人工原始盘库办法。即人工点数的方法进行盘库，这种传统的人工盘点方式在工作效率、准确率等方面存在不足，难以满足日常灵活的盘点需要，在人员不足的情况下，无法做到日常盘点管理需要。
[0003]在现有的技术中，烟草工业企业的机器人系统被用于卷包车间和制丝车间内，主要用于搬运辅料、烟丝，成品件烟码垛。在平库盘点领域，没有使用智能机器人系统。使用智能机器人盘点以后，需要对机器人的行进路径规划。路径规划算法需要进行优化、迭代。现有机器人路径规划不足之处在于，规划路径不合理、没有考虑任务的优先级、不能精确识别目的地，以及不能精确避障。

技术实现思路

[0004]本专利技术提供了基于激光SLAM的烟草行业成品库平库盘点机器人路径优化方法，解决了
技术介绍
中披露的问题。
[0005]为了解决上述技术问题，本专利技术所采用的技术方案是：
[0006]基于激光SLAM的烟草行业成品库平库盘点机器人路径优化方法：
[0007]构建目标区域的全局栅格地图，所述全局栅格地图包括任务点和障碍物，将全局栅格地图划分为若干区域，其中任务点所在区域作为任务区域；
[0008]构建机器人系统模型，定位机器人初始位置信息；
[0009]制定目标任务点的通行代价，计算通行代价总和，按照代价总和最小原则确定多目标任务点的访问顺序，得到机器人全局路径；
[0010]利用激光SLAM实时构建机器人周边区域环境地图，更新所在区域的局部栅格地图，根据机器人周边区域环境地图对全局路径进行追踪，对全局路径进行优化；
[0011]判断机器人是否到达目标任务点，若到达目标任务点，机器人目标任务点完成目标任务；否则继续规划当前位置到目标任务点路径，直到全部任务点完成；同时更新了全局栅格地图，实现最优的路径规划。
[0012]进一步地，制定目标任务点的通行代价的方法为：
[0013]以通行距离最低原则，从机器人所在区域中心到任务点所在区域中心的距离代价为：Qdis；
[0014]根据优先访问重要任务区域原则，以任务点的优先级作为优先级代价Qlev；
[0015]根据优先远离障碍物原则，以任务点所在区域的障碍物数量作为代价Qobs；
[0016]根据优先通行未访问任务点原则，以区域未访问任务点数量作为未访问代价
Qvis。
[0017]进一步地，通行代价函数为：
[0018]Q
icost
＝μdisQdis+μlevQlev+μobsQobs+μvisQvis
[0019]μdis是距离代价的权重系数，μlev是优先级代价的权重系数，μobs是障碍物代价的权重系数，μvis是未访问代价的权重系数。
[0020]进一步地，根据广度优先遍历法得到代价总和Cost为：
[0021][0022]i为任务区域，N是任务区域总数，f
breadthfirst
()是广度优先遍历算法。
[0023]进一步地，激光SLAM采用Cartographer算法实时构建机器人周边区域环境地图；
[0024]Cartographer算法包括：
[0025]步骤1、获取激光雷达数据、底盘odom数据、imu数据；
[0026]步骤2、输入：底盘odom数据、imu数据、上一次前端匹配完成的最后姿态；输出：下一次前端匹配的初始姿态；
[0027]步骤3、计算出当前时刻相对于之前的一段时间所应存在的最优位姿，输入：外推器初始位姿，输出：扫描匹配最优位姿；
[0028]步骤4、一旦扫描匹配器生成了新的位姿，计算这次位姿与最后位姿的变化量，如果变化量小于预设值，则扫描将被删除；当位姿的变化量大于某个距离，角度或时间阈值时，将扫描帧插入到当前子图中；
[0029]步骤5、插入子图的扫描帧与之前已创建完成的子图中所有扫描帧进行回环检测，计算约束，位姿优化，实现全局建图和构建局部子图。
[0030]进一步地，若到达目标任务点，还包括利用视觉识别系统与激光雷达三维点云数据对机器人进行校对。
[0031]相应地，一种存储一个或多个程序的计算机可读存储介质：所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据上述的方法中的任一方法。
[0032]相应地，一种计算设备，包括：
[0033]一个或多个处理器、一个或多个存储器以及一个或多个程序，其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据上述的方法中的任一方法的指令。
[0034]本专利技术所达到的有益效果：采用Cartographer算法，利用激光SLAM等感知系统实时构建机器人周边区域环境地图，并根据构建的机器人系统模型和优化后的路径进行追踪，使机器人获得最优路径。
附图说明
[0035]图1为托盘在某一库位示意图；
[0036]图2为全局(一楼)栅格地图；
[0037]图3为一楼库区的分区示意图；
[0038]图4为本专利技术算法步骤示意图。
具体实施方式
[0039]下面结合附图对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。
[0040]如图4所示，本专利技术基于激光SLAM的烟草行业成品库平库盘点机器人路径优化方法，包括如下步骤：
[0041]第一步:构建当前任务区域的全局栅格地图并划分为若干区域S
ⅰ
(
ⅰ
＝1,2，3，
‑‑‑‑‑
N),其中任务点所在区域作为任务区域，同时建立局部栅格地图。
[0042]1)：在平库中设置任务点(即库位)Si，每个库位分别命名。例如m
‑
n
‑
j区:就是m楼n库j区，标记为S mnj，其中m表示楼层，n表示库区，j表示区域,2
‑2‑
F,就是2楼2库F区，标记为S
22F
。
[0043]2)：每个库位的卷烟托盘堆放必须准守以下原则：
[0044]21)：每个库位必须垂直墙堆放，一列从上到下堆放，堆满后堆放下一列。
[0045](如图1所示)
[0046]22)：每个库位只能有一个或没有非整托盘，且非整托盘放到本区域最后一个位置。
[0047]23):非整托盘是指没有堆满30件烟的托盘，有29种可能，从1件/托盘到29件/托盘。
[0048]24):每个库位只能堆放一种品牌卷烟。
[0049]第二步：构建机器人系统模型，定位系统初始位置信息。具体步骤包括：获取整个库区的任务区本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于激光SLAM的烟草行业成品库平库盘点机器人路径优化方法，其特征在于：构建目标区域的全局栅格地图，所述全局栅格地图包括任务点和障碍物，将全局栅格地图划分为若干区域，其中任务点所在区域作为任务区域；构建机器人系统模型，定位机器人初始位置信息；制定目标任务点的通行代价，计算通行代价总和，按照代价总和最小原则确定多目标任务点的访问顺序，得到机器人全局路径；利用激光SLAM实时构建机器人周边区域环境地图，更新所在区域的局部栅格地图，根据机器人周边区域环境地图对全局路径进行追踪，对全局路径进行优化；判断机器人是否到达目标任务点，若到达目标任务点，机器人目标任务点完成目标任务；否则继续规划当前位置到目标任务点路径，直到全部任务点完成；同时更新了全局栅格地图，实现最优的路径规划。2.根据权利要求1所述的基于激光SLAM的烟草行业成品库平库盘点机器人路径优化方法，其特征在于：制定目标任务点的通行代价的方法为：以通行距离最低原则，从机器人所在区域中心到任务点所在区域中心的距离代价为：Qdis；根据优先访问重要任务区域原则，以任务点的优先级作为优先级代价Qlev；根据优先远离障碍物原则，以任务点所在区域的障碍物数量作为代价Qobs；根据优先通行未访问任务点原则，以区域未访问任务点数量作为未访问代价Qvis。3.根据权利要求2所述的基于激光SLAM的烟草行业成品库平库盘点机器人路径优化方法，其特征在于：通行代价函数为：Q
icost
＝μdisQdis+μlevQlev+μobsQobs+μvisQvisμdis是距离代价的权重系数，μlev是优先级代价的权重系数，μobs是障碍物代价的权重系数，μvis是未访问代价的权重系数。4.根据权利要求3所述的基于激光SLAM的烟草行业成品库平库盘点机器人路径优化方法，其特征在于：根...

【专利技术属性】
技术研发人员：李国瑞，张波，
申请(专利权)人：浙江中烟工业有限责任公司，
类型：发明
国别省市：