【技术实现步骤摘要】
本申请涉及机器人，尤其涉及一种面向物流机器人集群的任务调度方法及其系统。
技术介绍
1、随着机器人技术的不断普及，在工业厂区、饭店等应用场景中已经出现了智能机器人，能够根据人的命令和内置地图，将物资或食品运往目的地。
2、集群机器人通过自组织协同控制方式使多机器人系统具备高效完成复杂任务的能力，而该类任务是单个机器人通常无法胜任的。如何通过局部、简单的相互作用，使包含大量简单机器人的系统涌现出复杂、宏观的集群行为，具备完成超出个体能力的复杂任务的集群智能，是学者关注的重点。
技术实现思路
1、有鉴于此，本申请的目的在于提出一种面向物流机器人集群的任务调度系统，本申请能够以物流机器人的集群为基本单元，根据物流任务及其路径、空间等基本情况，实现任务的调度分配，从而减小远程中心的控制复杂度。
2、基于上述目的，本申请提出了一种面向物流机器人集群的任务调度方法，包括：
3、根据物流任务包通过文本提取和关键字识别，获取多个任务目标的地址；
4、获取物流机器人集群中的每个机器人自身周围环境的深度图像信息，并将所述深度图像信息转化成离散的三维点云数据；
5、基于所述三维点云数据，采用基于图优化的视觉slam算法，通过构建数据帧、筛选出关键帧序列、执行帧间配准、图优化步骤、点云融合优化步骤，生成三维先验地图；
6、对该三维先验地图进行语义信息标注，实现栅格层-拓扑层-语义层分层语义地图的构建；
7、在所述分层语义地
8、进一步地，所述根据物流任务包通过文本提取和关键字识别，获取多个任务目标的地址，包括：
9、将物流任务包转换为文本文件压缩包，并进行解压缩，得到多个文本文件；
10、在每个文本文件中进行关键字识别，将收货地址后的预设区间字段作为任务目标的地址。
11、进一步地，所述获取物流机器人集群中的每个机器人自身周围环境的深度图像信息，并将所述深度图像信息转化成离散的三维点云数据，包括：
12、通过深度传感器kinect来获取周围环境的深度图像信息；
13、将深度图像信息转化为世界坐标系下的三维点云数据，并将彩色图像中的颜色信息映射到三维点云中，形成三维点云数据；
14、在保留重建物体关键几何特征信息的前提下，对点云数据进行精简。
15、进一步地，所述基于所述三维点云数据，采用基于图优化的视觉slam算法，通过构建数据帧、筛选出关键帧序列、执行帧间配准、图优化步骤、点云融合优化步骤，生成三维先验地图，包括：
16、将所述点云数据进行融合封装构造数据帧frame；
17、帧间配准，包括提取关键帧的特征点、提取描述子、匹配、去外点、位姿求解；
18、图优化，在相机观测约束下，构建相机观测约束下的位姿优化、局部闭环约束下的位姿优化、全局闭环约束下的位姿优化，求得优化后的相机的位姿变化；
19、利用相似变换矩阵，将原始点云的世界坐标系转换到当前闭环帧处的坐标系，进行点云的拼接融合，实现点云的优化，生成三维先验地图。
20、进一步地，所述对该三维先验地图进行语义信息标注，实现栅格层-拓扑层-语义层分层语义地图的构建，包括：
21、对该三维先验地图的栅格层-拓扑层里面与点云匹配上的形状进行查询，查询其所属类别，并记录下来；
22、把所有与栅格层-拓扑层匹配上的点云都给定一个id，然后记录所述点云的坐标、尺寸及其对应的栅格层-拓扑层组件的相关参数；
23、再次加载点云模型到可视化界面，根据点云的id，把所述点云所属类别、尺寸、以及需要的相关参数，按照坐标位置全部标注在点云地图中，形成语义地图。
24、进一步地，所述在所述分层语义地图中进行路径规划，首先由语义层和拓扑层根据物流任务包中的任务目标的地址生成目标地点序列，基于目标地点序列，在栅格层采用平滑路径规划，实现基于语义信息的集群机器人任务调度，包括：
25、在分层语义地图中采用自上而下的导航方式，首先在语义层和拓扑层根据任务目标，将输入系统的声音/动作/文本，经过对应的计算，都先转化为文本信息；
26、针对文本信息做关键字提取，进而通过语义目标分解处理，生成目标地点序列；
27、基于目标地点序列，在栅格层采用平滑路径规划，实现基于语义信息的集群机器人任务调度。
28、进一步地，所述平滑路径规划，包括：
29、利用多种传感器建立静态全局障碍物栅格地图和实时动态局部障碍物栅格地图；
30、建立待拓展节点队列u和已搜索节点多叉树ut；
31、构建初步规划路径；
32、采用bezier曲线分析进行平滑再处理，得到最终规划路径；
33、机器人自主移动到新的出发点，实时更新出发点及相应的局部障碍图，直至到达目标点。
34、基于上述目的，本申请还提出了一种面向物流机器人集群的任务调度系统，包括：
35、目标地址获取模块，用于根据物流任务包通过文本提取和关键字识别，获取多个任务目标的地址；
36、三维点云模块，用于获取物流机器人集群中的每个机器人自身周围环境的深度图像信息，并将所述深度图像信息转化成离散的三维点云数据；
37、三维地图模块，用于基于所述三维点云数据，采用基于图优化的视觉slam算法，通过构建数据帧、筛选出关键帧序列、执行帧间配准、图优化步骤、点云融合优化步骤，生成三维先验地图；
38、语义地图模块，用于对该三维先验地图进行语义信息标注，实现栅格层-拓扑层-语义层分层语义地图的构建；
39、任务调度模块，用于在所述分层语义地图中进行路径规划，首先由语义层和拓扑层根据物流任务包中的任务目标的地址生成目标地点序列，基于目标地点序列，在栅格层采用平滑路径规划，实现基于语义信息的集群机器人任务调度。
40、总的来说，本申请的优势及给用户带来的体验在于：
41、本申请能够以物流机器人的集群为基本单元，根据物流任务及其路径、空间等基本情况，实现任务的调度分配，从而减小远程中心的控制复杂度。
本文档来自技高网...【技术保护点】
1.一种面向物流机器人集群的任务调度方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，
3.根据权利要求2所述的方法，其特征在于，
4.根据权利要求3所述的方法，其特征在于，
5.根据权利要求4所述的方法，其特征在于，
6.根据权利要求5所述的方法，其特征在于，
7.根据权利要求6所述的方法，其特征在于，
8.一种面向物流机器人集群的任务调度系统，其特征在于，包括：
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器运行所述计算机程序以实现如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行实现如权利要求1-7中任一项所述的方法。
【技术特征摘要】
1.一种面向物流机器人集群的任务调度方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，
3.根据权利要求2所述的方法，其特征在于，
4.根据权利要求3所述的方法，其特征在于，
5.根据权利要求4所述的方法，其特征在于，
6.根据权利要求5所述的方法，其特征在于，
7.根据权利要求6所述的方法，其特征在于，<...
【专利技术属性】
技术研发人员：吕祥东，朱皓洁，谭文哲，
申请(专利权)人：苏州极智嘉机器人有限公司，
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。