预制式库位模型创建、布局、机器人控制方法及存储介质、处理器

摘要

本发明提供一种模型化、高效快速布局的预制式库位模型创建、布局、机器人控制方法及存储介质、处理器。本发明采用创建初始库位模型，所述的初始库位模型包括对接布局；所述的初始库位模型包括至少一个用于表征所述的对接布局关系的函数关系；确定所述的函数关系并建立函数关系模型，生成库位模型；其中，所述的函数关系模型包括至少一个可变量。本发明通过函数关系模型，对对接布局进行归纳，约束并提炼可变量，实现模型化。

说明书

技术领域

本发明涉及机器人领域，尤其涉及一种预制式库位模型及其创建、布局、机器人控制方法。

背景技术

随着科学技术的发展，移动机器人开始逐步应用在自动运输、无人驾驶、仓储物流等行业。移动机器人在实际运行前，需要在现场进行环境数据采集，这个过程称为创建地图。后续运行时，机器人根据当前传感数据匹配地图数据，从而确定自己在地图中的位置。同时，地图还需要加入作业信息，比如运行线路、充电点、上料点等等。这些信息需要根据现场情况通过专用软件编辑保存到地图内，这个过程也称为现场实施。

可移动平台在实际现场实施，需要在对接码头/货架等库位时制定点位及连接路段。根据库位类型的不同，一个库位可能需要多个点位，如进入点、退出点、伺服点、等候点等等，这些点需要互相连接形成特殊属性的路段。点位和路段与库位的位置关系，称为库位对接布局。一类库位可拥有多种布局。

可移动平台在实际现场实施过程中，由于现场库位数量巨大，且部分存在细微差异，导致每个库位都需要大量布局设置，其编辑调试工作效率低下。同时，在进行库位设备机械调整时，对应的布局都需要重新调整，导致浪费大量的时间和人力。

发明内容

本发明针对上述现有产品存在的问题，提供一种模型化、高效快速布局的预制式库位模型及其创建、布局、机器人控制方法。

本发明涉及一种机器人预制式库位模型创建方法，

创建初始库位模型，所述的初始库位模型包括对接布局；所述的初始库位模型包括至少一个用于表征所述的对接布局关系的函数关系；

确定所述的函数关系并建立函数关系模型，生成库位模型；其中，所述的函数关系模型包括至少一个可变量。

作为优选，所述的确定所述的函数关系并建立函数关系模型，包括：

接收基于所述的初始库位模型进行测试得到的实验数据信息，

基于所述的实验数据信息调整所述的函数关系式，确定所述的函数关系模型。

本发明还涉及一种机器人预制式库位布局方法，

获取目标地图；

获取至少一个库位模型，所述的库位模型包括对接布局；其中，所述的库位模型包括用于表征所述的对接布局关系的函数关系模型，所述的函数关系模型包括至少一个可变量；

确定所述的库位模型位于所述的目标地图上的第一位置，以及确定所述的可变量，生成库位布局。

作为优选，所述的确定所述的库位模型位于所述的目标地图上的位置，包括：

基于所述的目标地图和位于所述的目标地图上的所述的库位模型生成预览。

作为优选，所述的确定所述的可变量，包括：接收输入，响应于所述的输入并对所述的可变量赋值。

作为优选，所述的响应于所述的输入并对所述的可变量赋值之后，还包括：

接收基于所述的目标地图和位于所述的目标地图上的所述的库位模型所布置的现场环境的运行数据信息；

其中，所述的现场环境包括所述的目标地图所对应的现场地图和所述的库位模型中的对接布局；

接收所述的运行数据信息；基于所述的运行数据信息，调整并确定所述的可变量。

作为优选，响应于变更所述的库位模型位置的输入，将所述的库位模型模块化移动到所述的目标地图上的第二位置。

作为优选，提供具有一个或多个库位模型的数据库，其中，每组所述的库位模型包括一个对接布局。

本发明还公开了一种机器人控制方法，应用于一机器人，

获得第一指令信息，所述的第一指令信息包括经由库位模型中的参数计算得到的指令信息，所述的库位模型包括一个对接布局；所述的库位模型包括用于表征所述的对接布局关系的函数关系模型；

基于所述的第一指令信息，执行操作。

作为优选，所述的对接布局包括点位以及所述的点位的属性，所述的第一指令信息包括依次途经所述的点位的顺序，以及在所述的点位执行的动作程序。

一种预制库位模型，包括一个对接布局，以及用于表征所述对接布局关系的函数关系模型，所述的函数关系模型包括至少一个可变量。

作为优选，所述的对接布局包括所述的点位相对于所述的库位的排布，和/或，点位的属性；所述的函数关系模型包括所述的点位相对于所述的库位的排布，和/或，点位的属性关系。

作为优选，所述的函数关系模型包括点位和点位，和/或，点位和库位之间的最小间距值。

作为优选，所述的对接布局还包括所述的点位之间的的路径的排布，和/或，路径的属性；所述的函数关系模型包括所述的点位之间的的路径的排布，和/或，路径的属性关系。

作为优选，所述的对接布局包括库位和待对接机器人的形状，尺寸和/或对接方式，所述的函数关系模型包括库位和/或待对接机器人的形状，尺寸和/或对接方式关系。

本发明还涉及一种存储介质，包括：所述存储介质包括存储的程序，其中，所述程序执行所述的机器人预制式库位模型创建方法，或执所述的机器人预制式库位布局方法。

本发明还涉及一种处理器，包括：所述处理器用于运行程序，其中，所述程序执行所述的机器人预制式库位模型创建方法，或执行所述的机器人预制式库位布局方法。

采用以上结构后，本发明与现有技术相比，具有以下优点：

本发明在在库位布局方法中引入基础模型概念，所述的基础模型包括模型库位及其对接布局。在以实施现场为基础生成的地图中，使用预制的库位模型布局在所述的地图中，不需要对每个库位进行一一大量布局设置。本发明通过函数关系模型，对对接布局进行归纳，约束并提炼可变量，实现模型化。只需对函数关系模型中几个可变量设置或修改，即可调整对接布局，大大减少了需要修改的数据量，达到了高效快速布局。

附图说明

图1是本发明机器人预制式库位模型创建方法的流程框图。

图2是本发明机器人预制式库位布局方法的流程框图。

图3是实施例中第一种库位模型的示意图。

图4是实施例中第二种库位模型的示意图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步说明。

本发明阐述了可移动平台在实际现场实施过程中，如何对库位的进行高效的对接布局的问题。在准备阶段，可移动平台在实际运行前需在现场进行环境数据采集，以提供创建现场的目标地图的数据。所述的目标地图包括若干库位的在目标地图上的位置和方向，以及作业信息。所述的库位指所述的目标地图中，货物存放的位置。所述的作业信息包括可移动平台预设的运行路线、固定的点位等。

在新建厂区或者从未有过智能化的产线，现成的库位布局往往不适合机器人作业，需要进行一定程度的改造。改造前需要有一份规划草图或设计，并不断调整打磨，确定最终方案。

在实际机器人实施和现场改造的过程中，经常出现厂区图纸CAD尺寸和机器人创建的地图存在一定程度差异。这是由于CAD是一种理想图纸，在实际建设完成后，会逐步加入生产设备的加入以及一些局部的人为改造。因此机器人创建的地图尺寸更加精确，更适合作为产线规划草图的尺寸参考。

基于这种思路，机器人实施软件上增加一些如点位、线路、库位、辅线等元素，增加编辑和预览操作，使其符合整体产线规划设计需要。在这个过程中，需要在对接码头/货架等库位时制定对接点及连接路段。根据库位类型的不同，一个库位可能需要多个点位配合，所述的点位如进入点、退出点、伺服点、等候点等等，这些点位需要互相连接形成特殊属性的路段。

所述的对接布局，包括点位、点位之间的路段、库位，三者之间的相对排布及三者自有的属性。排布包括位置、方向，和/或距离；属性包括对所述的点位、库位，或路段附加的约束条件，例如：一个点位对应的执行动作，一个路段的限速信息，库位的入库方式等。

所述的函数关系可以是对于所述的点位相对于所述的库位的位置排布，和/或，点位的属性关系；也可以是所述的点位之间的路径的排布，和/或，路径的属性；也可以是包含库位尺寸和/或待对接机器人的关系式；也可以是点位和点位，和/或，点位和库位之间的最小间距值。

在预制阶段，如图1所示，本发明涉及一种机器人预制式库位模型创建方法，应用于第一服务器中，

步骤S1，创建初始库位模型，所述的初始库位模型包括对接布局；所述的初始库位模型包括至少一个用于表征所述的对接布局关系的函数关系；

步骤S2，确定所述的函数关系并建立函数关系模型，生成库位模型；其中，所述的函数关系模型包括至少一个可变量。

在所述的步骤S1中，创建所述的初始库位模型可以采用程序录入的方式实现。所述的初始库位模型包括一个对接布局。

具体而言，对于同一类库位，具备几种常见的对接布局类型，举例来说，如图3-4中所示的两种布局，对于同一类库位可以采用A对接布局或B对接布局两种库位模型。A对接布局不会干扰主干线机器人运行，B对接布局更加节省空间。这两种对接布局可以预先设置好与该类库位匹配，其运行稳定性及特性也可以提前摸索清楚，即预制式对接布局。在现场实施阶段只需要直接套用布局即可，减少人工逐一调整的工作量。

其中，所述的初始库位模型包括函数关系模型，所述的函数关系模型包括可变量。由于机器人尺寸、库位/货架尺寸、现场限制等诸多变量的影响，固定尺寸的预制布局难以直接应用，为此而引入所述的函数关系模型，并引入可调节的可变量。根据现场情况，因地制宜地调节可变量，适应性更好，调整更加灵活便捷。

如图3所示，以A对接布局中进入点到库位的距离L1为例，用于表征所述的A对接布局的函数关系模型中L1的计算方式为：

L1 = 机器人自转半径 + 可调间距值 + 库位半长；

为了便于理解，以上关系式简单地表征了进入点到库位的距离L1的函数关系，可调间距值为一个可变量。在实际运用中，将更为复杂。实际的数学模型将考虑机器人定位误差，库位地线间距，安全区间，库位特性，出库方向等，将一些与这些参数相关的数值设置为一个或多个可变量。在更多具体的情形当中，考虑的可变量会增加。例如，当库位内是移动货架，所述的函数关系模型中包括货架摆放误差；当库位的对接方式为背负式对接，所述的函数关系模型中包括机器人和库位的尺寸，是否可以钻入货架底部及旋转空间。

在所述的步骤S2中，确定所述的函数关系并建立函数关系模型，生成库位模型；其中，所述的函数关系模型包括至少一个可变量。

更具体地，所述的确定所述的函数关系并建立函数关系模型，包括：

接收基于所述的初始库位模型进行测试得到的实验数据信息，

基于所述的实验数据信息调整所述的函数关系式，确定所述的函数关系模型。

函数关系模型通常会在实验室中进行系统测试，以得到实验数据信息。其稳定性通常高于常规现场作业确定的尺寸，测过过程包括采用模型计算的尺寸和位置进行实际运行测试，测量误差和运行速度，反复验证获得最佳函数关系。

所述的函数关系也可以是人为输入得到的，例如：采用程序录入的方式对所述的函数关系定义，所述的函数关系模型是函数关系的集合。

在预制所述的库位模型时，所述的函数关系模型为最佳函数关系。所述的函数关系模型通常而言时对于同一类库位而言适用性最为广泛的。

对一类具备特定对接布局的库位，通过如上步骤提前预置好库位布局，并完成函数关系模型以计算尺寸，经过实验室系统测试验证，即完成预置库位布局模型制作。

作为一种实现形式，当所述的初始库位模型呈现组合形式时，所述的库位可以为相同类型的库位，所述的对接布局为相同的对接布局。例如，为了节省现场空间，多个库位可能会紧密比邻，组成多个库位组合而成的库位组，每个库位采用相同的对接布局。但该实现形式并非唯一的实现形式，所述的初始库位模型中的库位之间，所述的对接布局之间，任一所述的库位及其对接布局的搭配，可以是相同的或不同的。

在实施部署阶段，如图2所示，本发明还涉及一种机器人预制式库位布局方法，应用于第二服务器中，

获取目标地图；

获取至少一个库位模型，所述的库位模型包括对接布局；其中，所述的库位模型包括用于表征所述的对接布局关系的函数关系模型，所述的函数关系模型包括至少一个可变量；

确定所述的库位模型位于所述的目标地图上的第一位置，以及确定所述的可变量，生成库位布局。

根据现场环境进行勘察，选择合适的库位模型。确定的可变量，是所述的函数关系模型适应在目标场景中，可变量的最佳数值。确定可变量之后，所述的库位模型对于所述的目标地图针对性最强，在运行实施中是最为适用的。

更具体地，所述的确定所述的库位模型位于所述的目标地图上的位置，包括：

基于所述的目标地图和位于所述的目标地图上的所述的库位模型生成预览。

在移动机器人实施过程中，对于现场环境可以根据机器人作业需求改造的，可以使用上述库位模型进行布局和预览，在地图上实时预览呈现。可基于软件预览效果，选择合适的库位模型。此时的预览效果既可以指导产线工厂的改造，同时也是后续机器人实际运行的作业信息。调整和确定库位位置和各可变量，观察预览效果，使其满足实际需求。将库位和布局信息保存到地图。

更具体地，所述的确定所述的可变量，包括：接收输入，响应于所述的输入并对所述的可变量赋值。

所述的可变量也可以是人为输入定义一些尺寸参数，例如：用户输入库位尺寸、机器人尺寸、相关变量值，通过函数关系模型计算出所需尺寸和点位位置。

更具体地，所述的响应于所述的输入并对所述的可变量赋值之后，还包括：

接收基于所述的目标地图和位于所述的目标地图上的所述的库位模型所布置的现场环境的运行数据信息；

其中，所述的现场环境包括所述的目标地图所对应的现场地图和所述的库位模型中的对接布局；

接收所述的运行数据信息；基于所述的运行数据信息，调整并确定所述的可变量。

根据上述布局信息，机器人可以计算出大部分对接程序的流程和参数，在服务器上进行演算和模拟。

过程包括采用模型计算的尺寸和位置进行实际运行测试，采集运行数据信息，测量误差和运行速度，反复验证获得所述的可变量的最佳值。

更具体地，响应于变更所述的库位模型位置的输入，将所述的库位模型模块化移动到所述的目标地图上的第二位置。

在操作中，可以选中位于在所述的目标地图上的第一位置的库位模型，模块化整体移动到所述的目标地图上的第二位置。可以无需重新确定可变量，操作便捷。

作为一种实现形式，也可以获取同一个库位模型组合形成库位模型组，对所述的库位模型组进行同步地操作，该操作包括移动位移或确定可变量。

更具体地，提供具有一个或多个库位模型的数据库，其中，每组所述的库位模型包括一个对接布局。当一个数据库中存在多个库位模型时，用户可以在所述的数据库中选择库位模型。一般而言，同一类型库位可对应一个或多个对接布局，即同一类型库位可以拥有多个库位模型。在提供选择时，可根据库位的类型进行归纳。当一个库位对应多个对接布局时，用户可以选择库位类型，再选择拥有所需对接布局的库位模型。

本发明还公开了一种机器人控制方法，应用于一机器人，

获得第一指令信息，所述的第一指令信息包括经由库位模型中的参数计算得到的指令信息，所述的库位模型包括一个对接布局；所述的库位模型包括用于表征所述的对接布局关系的函数关系模型；

基于所述的第一指令信息，执行操作。

所述的第一指令信息来自于所述的第二服务器。所述的第一指令包括库位模型，所述的库位模型包括至少一个库位及其对接布局。如图3的A对接布局为例，L1的长度确定后，所述的库位和对接布局确定，所述的对接布局的节点和路径的排布和/或属性确定，机器人的进入库位流程已经确定：即机器人导航到达进入点，调整方向朝库位，向前缓慢移动L1距离，达到与库位对接位置。根据库位的类型，也可以生成更细致的对接程序，比如滚筒式码头，可以缓慢移动触发红外对射传感器；背负式货架，在L1距离移动后，可以使用向上相机进行视觉伺服对接；等等如此。

更具体地，所述的对接布局包括点位以及所述的点位的属性，所述的第一指令信息包括依次途经所述的点位的顺序，以及在所述的点位执行的动作程序。

本发明还涉及一种预制库位模型，包括一个对接布局，以及用于表征所述对接布局关系的函数关系模型，所述的函数关系模型包括至少一个可变量。

更具体地，作为优选，所述的对接布局包括所述的点位相对于所述的库位的排布，和/或，点位的属性；所述的函数关系模型包括所述的点位相对于所述的库位的排布，和/或，点位的属性关系。

点位包括进入点位、出口点位、对接点、中间节点等，所述的点位为机器人沿规划路线中途经或暂时停留的节点。所述的点位的排布，指点位的数量，以及点位之间的方位。所述的点位的属性包括在点位上停留的时间、在点位上执行的操作及同类附属信息。所述的点位的排布与机器人的规划路线、运行顺序有关。

更具体地，作为优选，所述的函数关系模型包括点位和点位，和/或，点位和库位之间的最小间距值。

由于不同的作业形式，不同的对接形式，所需要设置的最小间距值不同。采用可变量的形式使点位和点位，和/或，点位和库位之间的最小间距值可调，更加灵活，对机器人运行的顺畅和安全更有保障。

更具体地，作为优选，所述的对接布局还包括所述的点位之间的的路径的排布，和/或，路径的属性；所述的函数关系模型包括所述的点位之间的的路径的排布，和/或，路径的属性关系。所述的路径为机器人沿着规划路线所途经的点位之间的路段。所述的路径的排布，指路径的数量，及处于点位之间的位置。所述的路径的属性，指所述的路径的方向、宽窄、长度等同类附属信息。

更具体地，作为优选，所述的对接布局包括库位和待对接机器人的形状，尺寸和/或对接方式，所述的函数关系模型包括库位和/或待对接机器人的形状，尺寸和/或对接方式关系。其中，所述的所述的库位的尺寸为所述的库位的在目标场景中占据的平面尺寸，所述的待对接机器人的尺寸为机器人在目标场景中占据的平面尺寸。为了适应不同的场景空间，不同型号的机器人，所述的库位尺寸可以根据目标场景中的实际需求进行调整。所述的待对接机器人可以根据实际使用的不同型号的机器人的实际大小进行调整。在很多情形中，对接方式和点位相对于库位的排布有关。例如，对接方式为背负式的机器人，可以从库位的

本发明还涉及一种存储介质，包括：所述存储介质包括存储的程序，其中，所述程序执行所述的机器人预制式库位模型创建方法，或执所述的机器人预制式库位布局方法。

本发明还涉及一种处理器，包括：所述处理器用于运行程序，其中，所述程序执行所述的机器人预制式库位模型创建方法，或执行所述的机器人预制式库位布局方法。

在实施过程中改造现场现有设备的物理布局，使其符合机器人库位布局模型。

如此生成库位布局及对接程序，都是可靠稳定的。现场实施预备过程中，可以根据计算生成的布局尺寸进行改造作业，如地面粘贴示意黄线，设置危险警告区域等。实施人员可以提前获得具体尺寸图纸，方便现场作业。

现场改造完成后，由于软件内位置信息和实际现场可能有误差，可以在实施测试运行时进行调整，该调整过程为库位布局整体位置微调，布局内位置尺寸不会变化，因此减少了调整工作量，同时提高了机器人对接运行稳定性。

总结来说，本发明适合新建产线或者方便改造的现场，特别适合在厂区规划阶段结合机器人运行设计的案例。

在本说明书的描述中，参考术语“一种实施方式”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一种实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本发明的实施例，但不能理解为是对权利要求的限制。本发明不仅限于以上实施例，其具体结构允许有变化，凡在本发明独立权利要求的保护范围内所作的各种变化均在本发明的保护范围内。