文/熊海東 鄧人球 李肖龍 王國先 王方舟

傳統(tǒng)的物流終端分揀通常依賴于人工操作，但隨著技術(shù)的發(fā)展，越來越多的自動(dòng)化解決方案被引入物流行業(yè)。本項(xiàng)目旨在開發(fā)一種基于ROS的物流終端智能分揀機(jī)器人。該機(jī)器人可以通過攝像頭分析快遞上的條形碼以及快遞體積大小信息，對(duì)快遞進(jìn)行分類并將快遞信息入庫，然后利用SLAM 算法進(jìn)行定位，將貨物送至指定分類區(qū)域，從而實(shí)現(xiàn)快遞快速分揀。

1.引言

隨著電子商務(wù)的迅速發(fā)展和全球貿(mào)易的增加，中國快遞業(yè)務(wù)量急速增長。物流終端快遞處理問題愈發(fā)嚴(yán)重。因此為了減輕快遞工作人員的工作壓力，實(shí)現(xiàn)快速分揀，物流終端自動(dòng)化勢在必行。為了解決這一問題，我們?cè)O(shè)計(jì)一種基于ROS的物流終端智能分揀機(jī)器人。通過相機(jī)識(shí)別快遞條形碼以及快遞體積大小，實(shí)現(xiàn)對(duì)快遞的快速分類；結(jié)合激光雷達(dá)、IMU和SLAM 算法實(shí)現(xiàn)機(jī)器人導(dǎo)航和定位功能。當(dāng)快遞到達(dá)時(shí)，可通過機(jī)器人對(duì)快遞進(jìn)行分類，將快遞信息上傳至系統(tǒng)，并將快遞送至快遞所屬區(qū)域。

2.物流終端智能分揀機(jī)器人系統(tǒng)的組成

物流終端智能分揀機(jī)器人系統(tǒng)的設(shè)計(jì)方案主要分為兩部分。一部分為功能更加統(tǒng)一的智能分揀機(jī)器人，另一部分則是控制機(jī)器人并顯示機(jī)器人狀態(tài)的軟件。

2.1智能分揀機(jī)器人

2.1.1識(shí)別快遞上條形碼。條形碼是由多個(gè)寬度不等的黑條和空白遵從特定的規(guī)則進(jìn)行組合，來表示某種信息的符號(hào)。在進(jìn)行條形碼的識(shí)別時(shí)，快遞標(biāo)簽處有很多的文字，符號(hào)和邊框，這樣大大增大了定位的難度，本文使用了一種較好的解決辦法?？梢詼?zhǔn)確地識(shí)別出條形碼，然后與快遞數(shù)據(jù)庫進(jìn)行對(duì)比，得到快遞的信息。

2.1.2識(shí)別快遞體積大小。雖然通過分析快遞條形碼得到快遞信息，但仍不能有效地對(duì)快遞進(jìn)行分類，因此本文需要識(shí)別快遞的大小體積。將相機(jī)固定到一定的高度，將快遞放在相機(jī)下面。對(duì)快遞進(jìn)行測距得到快遞上表面與相機(jī)的距離。而相機(jī)距快遞下表面的距離是已知的，這樣就可以知道快遞的高。然后再通過相機(jī)的識(shí)別得到快遞的長和寬，就可以知道快遞大概的體積了。

2.1.3對(duì)快遞進(jìn)行分類。為了減小快遞分類錯(cuò)誤，本文使用機(jī)器學(xué)習(xí)的方法對(duì)快遞進(jìn)行分類。決策樹是一種十分常用的分類方法。通過該方法，本文使用識(shí)別得到的信息數(shù)據(jù)進(jìn)行訓(xùn)練得到一個(gè)可以較好分類的決策樹，實(shí)現(xiàn)了對(duì)快遞的快速分類。

2.1.4基于SLAM 算法的機(jī)器人行進(jìn)路線規(guī)劃（包括避障）。首先使用SLAM 算法對(duì)工作場景進(jìn)行建圖，然后在已建地圖中設(shè)置快遞分類區(qū)，當(dāng)通過識(shí)別快遞得到快遞所屬分類后，機(jī)器人會(huì)計(jì)算到達(dá)目的地的最優(yōu)路線，自動(dòng)前往該區(qū)域，若中途有障礙物阻擋，機(jī)器人會(huì)自動(dòng)避開障礙物并繼續(xù)前往該分類區(qū)。

2.2控制機(jī)器人并顯示機(jī)器人狀態(tài)的軟件。通過此軟件，可以控制機(jī)器人的前后左右移動(dòng)，還可以通過該軟件實(shí)現(xiàn)工作場景的建圖已經(jīng)在已建地圖設(shè)置分類區(qū)域。當(dāng)機(jī)器人正在工作時(shí)，此軟件可以實(shí)時(shí)顯示機(jī)器人工作狀態(tài)，大大降低了機(jī)器人的使用難度。

3.系統(tǒng)技術(shù)路線

3.1定位建圖與路徑規(guī)劃。該機(jī)器人在ROS基礎(chǔ)上采用了Cartographer算法。Cartographer是一種用于建立地圖和定位機(jī)器人的算法系統(tǒng)。我們采用cartographer算法，結(jié)合激光雷達(dá)和IMU的數(shù)據(jù)，實(shí)現(xiàn)了地圖的建立和機(jī)器人的定位。在地圖已知的情況下，我們使用A*算法進(jìn)行路徑規(guī)劃。A*算法在人工智能中是一種典型的啟發(fā)式搜索算法。該算法綜合了最佳優(yōu)先搜索和Dijkstra算法的優(yōu)點(diǎn)。在進(jìn)行啟發(fā)式搜索提高算法效率的同時(shí)，可以保證找到一條基于啟發(fā)函數(shù)的最優(yōu)路徑。

3.2快遞分類?？爝f分類需要識(shí)別快遞的條形碼、體積大小。通過識(shí)別得到的快遞信息，使用決策樹對(duì)快遞進(jìn)行分類。本文通過使用OpenCV對(duì)快遞標(biāo)簽進(jìn)行識(shí)別，提取條碼區(qū)域。首先讀入圖像，基于邊緣提取初步得到輪廓，通過面積和矩形度進(jìn)行篩選，然后再通過輪廓長度過濾小噪聲。因?yàn)闂l碼都是直線，可以通過角度相同的直線分割條碼，然后擬合直線即可得到條碼區(qū)域，再進(jìn)行圖形分割得到條碼區(qū)域圖片。最后使用Tesseract-OCR識(shí)別圖片中的數(shù)字，得到條形碼。本文使用深度相機(jī)對(duì)快遞進(jìn)行識(shí)別得到快遞的體積。最后通過訓(xùn)練得到的決策樹實(shí)現(xiàn)快遞的分類。

3.3開發(fā)控制機(jī)器人及顯示機(jī)器人狀態(tài)信息軟件。該軟件基于QT進(jìn)行開發(fā)，可以控制機(jī)器人和實(shí)時(shí)顯示機(jī)器人狀態(tài)信息。在開發(fā)時(shí)重點(diǎn)應(yīng)用了無線通信技術(shù)，實(shí)現(xiàn)與機(jī)器人的通信。

4.總結(jié)

本文提出一種基于ROS的物流終端智能分揀系統(tǒng)，利用激光雷達(dá)、IMU和SLAM 算法實(shí)現(xiàn)機(jī)器人導(dǎo)航和定位功能。當(dāng)快遞需要分揀時(shí)，可以通過相機(jī)識(shí)別快遞條形碼，與搜索數(shù)據(jù)庫得到快遞信息，并且通過相機(jī)測距識(shí)別得到快遞的大小體積。使用決策樹算法對(duì)快遞進(jìn)行快速分類，并自動(dòng)計(jì)算到達(dá)指定地點(diǎn)的最優(yōu)路線，將快遞自動(dòng)送至快遞所屬分類區(qū)。同時(shí)本文基于QT設(shè)計(jì)了一個(gè)控制機(jī)器人及顯示機(jī)器人狀態(tài)信息的軟件，該軟件可以簡單地控制機(jī)器人建立工作場景的地圖并且設(shè)置分類區(qū)，還可顯示機(jī)器人的實(shí)時(shí)狀態(tài)以及當(dāng)前位置。如今，快遞件暴增，物流終端工作人員需求增加，該系統(tǒng)大大加快了快遞分揀的速度并且減小了人工成本，發(fā)展前景廣闊。C