樊虹岐,陳海軍,2,3,呂丞干,胡曉兵,3

(1.四川大學機械工程學院,成都 610065;2.四川德恩精工科技股份有限公司,眉山 620460;3.宜賓四川大學產(chǎn)業(yè)技術(shù)研究院,宜賓 644000)

0 引言

由于全球市場競爭日益激烈,制造行業(yè)面臨著更高的產(chǎn)品質(zhì)量和生產(chǎn)效益、更低的生產(chǎn)成本和資源消耗等嚴苛要求[1]。為了應(yīng)對上述挑戰(zhàn),制造業(yè)借助于信息技術(shù)的快速發(fā)展,不斷革新制造技術(shù),提高生產(chǎn)系統(tǒng)的自治性和協(xié)同性,逐步向“智慧工廠”轉(zhuǎn)變[2]。作為智能工廠柔性制造單元的核心組成,機械臂、自動引導車(automated guided vehicle,AGV)等工業(yè)機器人構(gòu)成的自動化上下料系統(tǒng)已成為推動智能工廠實現(xiàn)智能制造的關(guān)鍵技術(shù)[3]。但是該系統(tǒng)在開發(fā)難度、多機器人協(xié)同管理等問題上需要的較大成本投入,這導致多數(shù)制造企業(yè)的上下料系統(tǒng)仍處于半無人化水平,高度智能化上下料系統(tǒng)難以推廣應(yīng)用,相關(guān)技術(shù)還需要進一步研究和完善。

當前,自動化上下料技術(shù)受到了國內(nèi)外學者的廣泛研究,其實現(xiàn)方式可以分為兩類。第一種方式借助激光雷達與反光標志物[4-5]、二維碼標志物[6]、全局雙目視覺[7]或多傳感器融合[8]等方式,實現(xiàn)AGV的高精度定位,將工件準確運輸至機械臂的示教點處實現(xiàn)自動化上下料;第二種自動上下料技術(shù)則是借助力或視覺等傳感器[9-10],實現(xiàn)機械臂的柔性化,動態(tài)更改上下料點位補償AGV的定位誤差。上述兩種自動上下料技術(shù)僅考慮了單一機器人的控制,但機器人之間缺乏配合,智能化程度仍然受限。針對該問題,呂開旺等[11]設(shè)計了AGV與機械臂結(jié)合的上下料系統(tǒng),AGV與機械臂之間通過以太網(wǎng)連接,實現(xiàn)了兩機器人簡單的協(xié)作配合。然而,機械臂與AGV仍然由各自獨立的控制系統(tǒng)驅(qū)動,需要在此基礎(chǔ)上建立額外的協(xié)同系統(tǒng),成本高,維護困難,因此需要一個統(tǒng)一的系統(tǒng)控制并協(xié)調(diào)多機器人實現(xiàn)自動化智能化的上下料。

針對上述問題,本文以被廣泛用于機器人開發(fā)的ROS系統(tǒng)為平臺[12],降低開發(fā)難度,提高系統(tǒng)擴展性[13];采用單目全局視覺[14]作為傳感器并使用AR Tag作為標志物,研究低成本高穩(wěn)定性的機械臂和AGV同一視場視覺識別[7];并基于ROS開發(fā)了多機器人上下料視覺協(xié)作系統(tǒng),實現(xiàn)了工作區(qū)間任意指定位置的上下料接駁,避免了傳統(tǒng)固定式上下料托盤與AGV精確定位的難題,為自動化上下料技術(shù)提供了一種低成本、易維護、高擴展性的解決方案。

1 平臺方案

本文設(shè)計的上下料視覺協(xié)作平臺如圖1所示,包括六自由度工業(yè)機械臂,差速AGV,標志物,桁架以及2D相機。機械臂由控制柜控制,通過網(wǎng)線與系統(tǒng)連接;AGV搭載ROS系統(tǒng),通過無線網(wǎng)絡(luò)與系統(tǒng)連接;二者均可以在工作空間內(nèi)自由移動,并固定了ArUco Tag標志物用于視覺識別,其中為了確保在遮擋情況下也能正確識別AGV的位姿,在AGV的四角均貼有相同的標志物。相機分辨率為1920×1080,固定在3 m高的桁架上形成全局視覺,確保視場覆蓋整個工作空間,能夠同時觀測到機械臂與AGV。

圖1 上下料視覺協(xié)作平臺

基于該平臺搭建的控制系統(tǒng)結(jié)構(gòu)如圖2所示,主要由圖像處理單元、協(xié)同節(jié)點、機械臂控制節(jié)點和AGV控制節(jié)點四部分組成。該系統(tǒng)基于ROS開發(fā),系統(tǒng)中每個功能由一個或多個節(jié)點程序?qū)崿F(xiàn),添加與維護功能節(jié)點只需要添加或修改一個或幾個節(jié)點,因此系統(tǒng)維護簡便,擴展性能好。圖像處理采用優(yōu)化后的ArUco Tag識別算法,將識別到的機器人位姿發(fā)送給協(xié)同、機械臂控制與AGV控制節(jié)點。協(xié)同節(jié)點根據(jù)機器人當前位姿和協(xié)同算法計算出機械臂與AGV的目標位姿,并分別發(fā)送給機械臂與AGV控制節(jié)點。AGV控制節(jié)點收到AGV的當前位姿與目標位姿后,計算出左右輪的運行速度并通過主從機通信發(fā)送給AGV,以控制AGV運動。機械臂控制節(jié)點收到機械臂的當前與目標位姿后將運動指令發(fā)送至move_group節(jié)點進行運動學解算,解算結(jié)果通過TCP/IP通信發(fā)送至機械臂控制柜,控制機械臂運動。

圖2 上下料視覺協(xié)作系統(tǒng)結(jié)構(gòu)

2 平臺設(shè)計與實現(xiàn)

2.1 基于ArUco Tag的視覺識別

2.1.1 視覺識別

自動化上下料需要機械臂與AGV多機器人之間協(xié)同工作,為了能夠正確引導工作空間內(nèi)的機器人執(zhí)行各自工作,系統(tǒng)的視覺識別節(jié)點需要同時識別多個不同的目標,并且獲得多個目標各自的位姿信息。因此,本文采用ArUco Tag作為輔助視覺識別的標志物。ArUco Tag[15]是一種用于機器人定位的方形標志物,可以計算出標志物的6自由度信息,而且每一個標志物都對應(yīng)唯一的ID號,因此可以使用ID區(qū)分不同機器人。適用于本文系統(tǒng)中工作空間內(nèi)多機器人識別與定位。由于噪聲等因素的影響,單個標志物的方形輪廓可能被重復(fù)檢測兩次,得到兩個ID相同的識別結(jié)果。為了避免上述現(xiàn)象,在識別到兩個相同的ID結(jié)果時,會去除掉其中一個。但由于本文中AGV存在多個ID相同的標志物,因此該方法并不適用于本文中的AGV識別,其識別效果如圖3a所示,并不能準確識別出所有標志物。因此本文對重復(fù)檢測的判斷邏輯進行了優(yōu)化,改進后的ArUco Tag識別算法流程如圖4所示。

(a) 去重算法改進之前,只能識別到左側(cè)兩個標志物,右側(cè)的標志物被視為重復(fù)檢測而被去除 (b) 去重算法改進之后,可以同時識別4個ID相同的標志物

圖4 改進后的ArUco Tag 識別流程

該算法核心在于添加了兩結(jié)果是否相交的檢測,只有當兩結(jié)果中心點距離大于兩結(jié)果矩形輪廓的任意邊長時,表明這兩個相鄰結(jié)果并不相交,是識別兩個ID相同的標志物得到的,兩個結(jié)果均保留。基于上述改進的ArUco Tag識別算法,在不重復(fù)檢測到單一標志物的同時,能夠正確識別出工作空間中多個相同ID的標志物。效果如圖3b所示。

2.1.2 位姿計算

通過上述識別算法可以得到標志物4個角點在圖像中的像素坐標,像素坐標與世界坐標系的轉(zhuǎn)換關(guān)系如圖5所示。

圖5 圖像坐標轉(zhuǎn)換關(guān)系

圖5中對應(yīng)轉(zhuǎn)換關(guān)系式為:

(1)

式(1)中內(nèi)參矩陣為:

(2)

式中:fx和fy分別為x軸、y軸方向上的尺度因子,(cx,cy)、(u0,v0)均為光軸對應(yīng)的像素坐標,dx、dy為像元尺寸,f為相機焦距。內(nèi)參矩陣可以通過內(nèi)參標定方式獲得,本文采用張正友標定法[16],標定流程簡單,精度高,標定過程如圖6所示。標定完成后,獲得內(nèi)參矩陣為:

圖6 相機內(nèi)參標定

(3)

(4)

式中:R3×3為旋轉(zhuǎn)矩陣,T3×1為平移矩陣,二者表示標志物在相機坐標系下的六自由度位姿信息。外參矩陣基于Levenberg-Marquardt迭代估計標記姿勢[17]得出,使得外參矩陣的重投影誤差最小。

2.2 機械臂識別與控制

機械臂控制節(jié)點如圖7所示中虛線框內(nèi)所示。每個控制周期中,首先由驅(qū)動節(jié)點接收來自機械臂識別節(jié)點識別得到的機械臂當前六自由度信息,以及協(xié)同節(jié)點發(fā)送的目標位置信息,取差值作為控制信號發(fā)送給MoveIt,并由MoveIt通過逆運動學求解出目標關(guān)節(jié)角度。通信節(jié)點接收到目標關(guān)節(jié)角度后,將其轉(zhuǎn)化為動態(tài)指令,通過TCP/IP通信發(fā)送給機械臂,以實現(xiàn)機械臂的運動控制。同時通信節(jié)點通過動態(tài)指令查詢機械臂當前六關(guān)節(jié)角度,并將關(guān)節(jié)狀態(tài)同步給MoveIt。直到機械臂運動到目標位置允許誤差范圍內(nèi),或者目標點發(fā)生更改時結(jié)束伺服,開始新的控制周期。

圖7 機械臂控制流程圖

2.2.1 機械臂識別與手眼標定

本文采用全局視覺的方式識別機械臂上特定ID的ArUco Tag標志物,實現(xiàn)對機械臂的識別,并在此基礎(chǔ)上指導機械臂運動到指定位置。為了確保位置控制的精確性,首先需要進行手眼標定,獲得相機坐標系到世界坐標系之間的坐標轉(zhuǎn)換關(guān)系,如圖8所示。

圖8 機器人坐標系

圖8中坐標系存在如下轉(zhuǎn)換關(guān)系:

(5)

在標定過程中,機械臂不斷改變位姿,同時相機記錄不同的機器人位姿下,ArUco Tag的六自由度位姿信息,有:

(6)

由式(5)和式(6)可得:

(7)

整理可得:

(8)

通過上式即可求出相機坐標系到世界坐標系之間的坐標轉(zhuǎn)換關(guān)系,為了確保轉(zhuǎn)換關(guān)系唯一,機械臂至少需要改變3次位姿,且位姿改變次數(shù)越多,得到結(jié)果越精確穩(wěn)定。本文經(jīng)過圖9所示手眼標定得到的轉(zhuǎn)換關(guān)系為:

圖9 手眼標定過程圖

(9)

2.2.2 通信節(jié)點

MoveIt是ROS系統(tǒng)中包含的機器人相關(guān)工具集,可以有效地實現(xiàn)機械臂的路徑規(guī)劃與逆運動學求解。由于機械臂本身為獨立的系統(tǒng),無法直接與ROS系統(tǒng)連接以獲取MoveIt的計算結(jié)果,因此為了實現(xiàn)ROS系統(tǒng)對機械臂的有效控制,本文搭建了機械臂與ROS系統(tǒng)之間的通信節(jié)點。

通信節(jié)點作為連接控制系統(tǒng)與機械臂橋梁,負責將得到的機械臂目標關(guān)節(jié)角發(fā)送至機械臂,同時將機械臂當前關(guān)節(jié)角反饋回控制系統(tǒng),從而在不更改機械臂原有功能的前提下,實現(xiàn)控制系統(tǒng)對機械臂的有效控制。

(1)通信方式。通信節(jié)點與機械臂之間采用TCP/IP協(xié)議,使用socket套接字連接,實現(xiàn)了機械臂與系統(tǒng)之間可靠高效的信息交互。通信中使用的動態(tài)指令采用JSON格式,結(jié)構(gòu)如下:

{"token":"googoltech123","post":"Get1":"1"}

動態(tài)指令主要分為兩個部分,前半部分為“token”口令作為校驗位,校驗通過了才會執(zhí)行“post”指令;后半部分為“post”指令,用于查詢機器人狀態(tài)或控制機器人執(zhí)行相關(guān)功能。

(2)發(fā)送控制指令。通信節(jié)點采用TCP/IP通信,將設(shè)定好的動態(tài)運動指令發(fā)送至機械臂,具體流程如圖10所示。

圖10 動態(tài)指令發(fā)送流程

2.3 AGV識別與控制

AGV作為重要的運輸設(shè)備,在上下料工作中不可獲缺。為了發(fā)揮全局視覺的優(yōu)勢,確保AGV在工作空間中正確運行,系統(tǒng)在AGV進入工作空間后對其進行識別,并控制其運行。整個AGV控制系統(tǒng)的流程圖如圖11所示。

圖11 AGV控制系統(tǒng)流程圖

2.3.1 AGV識別

AGV作為物料搬運的重要組成部分,在自動化上下料中不可或缺。為了提高工作效率,同一工作空間內(nèi)可能會存在多臺AGV,此外,由于全局相機視角固定,在工作過程中可能會出現(xiàn)機械臂遮擋部分AGV的情況。上述情況給AGV的識別與控制帶來了困難。為此,本文將相同ID的4張標志物按照同樣的位姿固定在AGV四角,不同的AGV之間使用不同ID的標志物區(qū)分,提高了識別的準確性及穩(wěn)定性,同時可以得到AGV托盤的準確范圍。

通過識別標志物,可以得到每個標志物的物體坐標系,該坐標系與標志物相對固定(如圖4中坐標系),因此可以根據(jù)坐標系判斷AGV的朝向。AGV的識別算法流程圖如圖12所示。

圖12 AGV識別算法流程圖

為了區(qū)分不同AGV之間的識別信息與位姿信息,兩種信息的格式如圖13所示。

圖13 AGV識別信息與AGV位姿信息格式

2.3.2 AGV控制

(1)AGV運動模型。差速AGV的運動模型如圖14所示。

根據(jù)上圖運動模型可以得到AGV的運動方程[18]:

(10)

式中:vr、vL分別為AGV的右輪和左輪轉(zhuǎn)速,(xt,yt,θt)為目標位姿,(xc,yc,θc)為當前位姿,ΔT為從當前位姿移動到目標位姿需要的時間。上式中左右輪速度會隨當前位姿與目標位姿間的距離變化,不利于AGV的穩(wěn)定運行,因此可以將式(10)中的AGV前進速度設(shè)為固定值u,則左右輪速度為:

(11)

(2)AGV運動路徑。相比于AGV系統(tǒng)內(nèi)的傳感器及路徑規(guī)劃算法,系統(tǒng)依靠全局視覺可以準確快速識別出AGV在當前工作空間中的位置,并規(guī)劃出在當前工作空間中更加合理的運動路徑。因此,當AGV進入工作空間后,其控制權(quán)由系統(tǒng)接管,并根據(jù)系統(tǒng)規(guī)劃的路徑運動。為了能夠讓AGV平穩(wěn)地從當前位姿移動到目標位姿,考慮到工作空間中不存在障礙物,本系統(tǒng)采用光滑的貝塞爾曲線算法對AGV的運動路徑進行規(guī)劃,如圖15所示。

圖15 AGV的運動軌跡中間點

圖16 本文中協(xié)同節(jié)點的工作流程

AGV的當前位姿與目標位姿確定了兩個位置點P0=(x0,y0)、P2=(x2,y2)以及朝向θ0、θ2從兩點沿朝向做延長線交于一點,得到P1(x1,y1),有:

(12)

以P0、P1、P2三點作為控制點做二次方貝塞爾曲線,可以得到一條平滑的運動軌跡,使AGV從當前位姿移動到目標位姿。該曲線根據(jù)下式得出:

B(t)=(1-t)2P0+2t(1-t)P1+t2P2,t∈[0,1]

(13)

式中:t=kh,k∈{0,1,…,n},h為步長。曲線上任一點切線的朝向角度為:

θb=artan(B′(t))=arctan((2t-2)P0+
(2-4t)P1+2tP2)t∈[0,1]

(14)

通過上式計算得到中間點{Pb1,Pb2,…,Pbn}及其對應(yīng)的切線方向{θb1,θb2,…,θbn},將中間點的位姿作為目標點帶入式(14)即可得出左右輪的速度。

(3)AGV控制規(guī)則。多個ROS系統(tǒng)之間可以通過主從機的方式通信,AGV作為從機接入多機器人控制系統(tǒng),可以直接獲取主機及控制系統(tǒng)發(fā)布的信息(圖13)。AGV在運行過程中接收識別節(jié)點發(fā)送的識別信息,并與自身ID核對,若與自身ID相同,則進一步核對識別標志位,若標志位為真,則判斷自身被系統(tǒng)成功識別,并開始接收系統(tǒng)發(fā)布的控制信息,按照控制信息中的左右輪速度運行。若發(fā)布ID與自身ID不同或標志為假,則按照預(yù)定規(guī)則運行。

2.4 工作區(qū)域識別與協(xié)同控制

協(xié)同節(jié)點的主要作用根據(jù)當前的工作內(nèi)容設(shè)定協(xié)同方式,并按照協(xié)同方式將目標位姿發(fā)送給機械臂與AGV的控制節(jié)點,控制機器人按照預(yù)定方式協(xié)同工作。本文中,在AGV進入動作空間后,系統(tǒng)根據(jù)AGV的ID判斷當前任務(wù),并根據(jù)任務(wù)計算機械臂與AGV的目標位姿,然后控制機械臂與AGV同時向目標區(qū)域移動,以實現(xiàn)機械臂與AGV的初步定位,便于后續(xù)分揀工作的開展。

2.4.1 工作區(qū)域識別與工作任務(wù)判斷

通過矩形識別得到對應(yīng)的工作區(qū)域的4個角點,取角點坐標的均值作為中心點(xa,ya),并取相鄰兩點中距離最大的邊作為長邊,計算長邊與水平線夾角θa,將中心點坐標與夾角發(fā)布至協(xié)同節(jié)點。

在實際生產(chǎn)過程中,不同的AGV進入工作空間執(zhí)行的任務(wù)不同,其目標位置與協(xié)同方式也不同。在AGV進入工作空間后,系統(tǒng)通過AGV識別節(jié)點獲取其ID,根據(jù)ID查詢其預(yù)先設(shè)定好的工作任務(wù),根據(jù)工作任務(wù)獲取機械臂與AGV的工作區(qū)域、機械臂與AGV的啟動時間與運行速度等協(xié)同配合信息,并開始計算AGV與機械臂的目標位姿。

2.4.2 機械臂與AGV目標位姿算法

(1)AGV目標位姿計算。在實際控制中,若將工作區(qū)域信息直接作為AGV目標位姿,則AGV無法正確運行至工作區(qū)域內(nèi),這是由于相機的小孔成像原理導致現(xiàn)實中同一點在不同高度下會投影在圖像的不同位置,如圖17所示。

圖17 相機成像原理與目標點偏移

工作區(qū)域中心點A投影在圖像中a處,若以該點作為AGV的目標位姿則AGV運動之B′點,與預(yù)期不符。AGV的真正目標位姿位于B點,其投影在圖像b處。因此為了使AGV能夠正確的運行到工作區(qū)域中,需要將b點位置計算出來,得到AGV的目標位姿(xb,yb,θa),計算公式如下:

(15)

式中,(cx,cy)、(u0,v0)均為光軸對應(yīng)的像素坐標,H為相機鏡頭至地面的高度,h為AGV的高度。

(2)機械臂目標位姿計算。通過工作區(qū)域的識別與前文中目標點的計算得到了目標位姿的像素坐標(xb,yb,θa),由于機械臂控制需要目標位姿的六自由度信息,因此需要對上述像素坐標進行轉(zhuǎn)換,進而得到機械臂的目標位姿(Xc,Yc,Zc,Qc):

(16)

式中:(Xc,Yc,Zc)為相機坐標系下目標點的XYZ坐標,Zc為預(yù)先設(shè)定值,fx、fy為尺度因子,(xb,yb)為目標點像素坐標,可以根據(jù)協(xié)同方式更改,此處協(xié)同方式為機械臂末端與AGV中心位于圖像中相同位置。

(17)

式中:Qc為相機坐標系下目標點四元數(shù),其等式右側(cè)乘法順序根據(jù)實際繞軸旋轉(zhuǎn)的順序而定,在本文中旋轉(zhuǎn)是沿著XYZ軸依次旋轉(zhuǎn),因此Qx,Qy,Qz的以此右乘;α、β、γ分別為XYZ軸旋轉(zhuǎn)角度。

3 實驗結(jié)果及分析

為了驗證系統(tǒng)是否能夠?qū)崿F(xiàn)多機器人之間的有效協(xié)同,本文設(shè)計了AGV與機械臂的模擬上下料實驗。工作空間中劃分出了3個區(qū)域,分別對應(yīng)AGV的啟動區(qū)域、上料區(qū)域和下料區(qū)域。啟動區(qū)域表示AGV進入工作空間,由系統(tǒng)接管控制,上料區(qū)域為AGV1(ID:103)的目標點,下料區(qū)域為AGV2(ID:104)的目標點。

在實驗過程中,系統(tǒng)將自動識別工作區(qū)域的中心位置以及AGV的標志ID,將機械臂與AGV引導至ID對應(yīng)的工作區(qū)域。為了便于結(jié)果的直觀展示,多機器人的引導配合以圖像中的配合為基準,即機械臂末端與AGV中心位于圖像中相同位置。

3.1 實驗流程

AGV ID為103,位于初始區(qū)域,機械臂處于初始姿態(tài)。系統(tǒng)控制AGV與機械臂移動至與AGV ID對應(yīng)的工作區(qū)域,記錄從開始到二者均移動到位所花費的時間。如圖18所示。

(a) 兩機器人同時啟動 (b) 兩機器人運動過程中,系統(tǒng)在遮擋情況下仍能正常識別AGV

(c) 兩機器人均運動到目標點

更換AGV的標志物ID為104,并更改AGV判斷程序,模擬另外一臺AGV進入工作空間。將AGV和機械臂移動至初始區(qū)域,并由系統(tǒng)控制二者同時移動至對應(yīng)的工作區(qū)域,記錄多機器人協(xié)作系統(tǒng)完成初始定位花費的時間。如圖19所示。

(a) 兩機器人同時啟動 (b) 兩機器人運動過程中,機械臂遮擋了AGV的部分標志物,系統(tǒng)仍能成功識別出AGV的ID、中心點和朝向

(c) 兩機器人均運動到目標點

3.2 實驗結(jié)果

實驗結(jié)果如表1所示。多次上下料時間數(shù)據(jù)表明,控制系統(tǒng)工作穩(wěn)定可靠,可以有效地識別工作區(qū)域。機械臂與AGV標志物,并且能根據(jù)標志物ID正確地引導機械臂與AGV移動到目標區(qū)域,實現(xiàn)任意指定位置上下料的協(xié)同。在運行過程中,即使兩機器人之間存在遮擋關(guān)系,系統(tǒng)仍然能夠根據(jù)剩余標志物正確的計算出當前AGV的位姿并引導其繼續(xù)運動,并實現(xiàn)與機械臂的配合。這說明系統(tǒng)在控制多機器人協(xié)同上下料上有較好的抗干擾性。因此基于該系統(tǒng),工件托盤可以通過AGV在任意指定位置靈活放置,提高了整個工作空間的柔性,避免了傳統(tǒng)上下料中,AGV需要精確定位的問題。證明了該工業(yè)機器人與AGV的視覺協(xié)同系統(tǒng)能夠在上下料的場景中正確的實現(xiàn)多機器人的穩(wěn)定識別、控制以及協(xié)同。

表1 協(xié)同上下料實驗所用的時間

4 結(jié)論

為了提高上下料系統(tǒng)的智能程度,提高上下料的柔性,本文基于開源的ROS開發(fā)平臺,提出了一套工業(yè)機器人及AGV的視覺協(xié)同控制系統(tǒng),完成了以下工作:

(1)針對工業(yè)機械臂的控制,提出了一種基于ArUco Tag以及動態(tài)指令的機械臂視覺識別與控制方法,實驗證明,基于動態(tài)指令的通信節(jié)點設(shè)計方法可以有效實現(xiàn)上層ROS系統(tǒng)與底層工業(yè)機器人控制系統(tǒng)的穩(wěn)定通訊,并準確控制機械臂的運動狀態(tài)。

(2)針對AGV控制,結(jié)合差速AGV運動模型和貝塞爾曲線路徑規(guī)劃算法,提出了一種基于全局視覺的AGV識別及控制方法。實驗證明,上述方法可以有效解決不同AGV的識別與控制問題,確保不同AGV均能準確地到達指定工作區(qū)域。

(3)結(jié)合上述機器人識別與控制模塊,根據(jù)不同機器人的協(xié)作規(guī)則和目標位姿計算方法,提出了一種機械臂與AGV的視覺協(xié)同控制方法。實驗證明,通過對相機透視模型的位姿轉(zhuǎn)換,機械臂和AGV均能在全局視覺下,實現(xiàn)統(tǒng)一的目標位姿計算并根據(jù)任務(wù)要求完成協(xié)同。

上述研究表明,本文提出的基于ROS的多機器人視覺協(xié)同控制系統(tǒng)具有較強的穩(wěn)定性與柔性,能夠根據(jù)當前任務(wù)靈活控制工作空間內(nèi)的多個機器人協(xié)同作業(yè),提高了整個加工單元的智能化程度,對智能工廠的建設(shè)有一定的參考意義。