卓越 賴志芳 張銘 王悅新

摘要：隨著機(jī)器人技術(shù)的發(fā)展，移動(dòng)機(jī)器人在倉(cāng)儲(chǔ)物流中輔助分揀已成為重要的研究方向。提出一種基于機(jī)器視覺(jué)的智能搬運(yùn)小車(chē)，主要研究麥克納姆輪平臺(tái)的控制及通過(guò)機(jī)器視覺(jué)技術(shù)輔助作業(yè)。針對(duì)復(fù)雜場(chǎng)景中對(duì)目標(biāo)的搜索和跟隨，采用基于YOLOv3 的目標(biāo)檢測(cè)算法來(lái)保證對(duì)目標(biāo)的自主搜索以及解決在移動(dòng)過(guò)程中目標(biāo)物丟失的問(wèn)題。為了使搬運(yùn)車(chē)能區(qū)分搬運(yùn)目標(biāo)的種類，使用以MobileNetV2 為主干網(wǎng)絡(luò)的神經(jīng)網(wǎng)絡(luò)模型，經(jīng)實(shí)驗(yàn)檢測(cè)可以獲得可靠的正確率。相較于傳統(tǒng)的方案，基于機(jī)器視覺(jué)的智能搬運(yùn)車(chē)展示了較好的魯棒性，能夠自主完成分揀搬運(yùn)工作，為視覺(jué)搬運(yùn)車(chē)的研究提供了可行的思路。

關(guān)鍵詞：輪式機(jī)器人；麥克納姆輪；目標(biāo)檢測(cè)；YOLOv3；MobileNetV2；分類檢測(cè)

中圖分類號(hào)：TP242；TP391.41 文獻(xiàn)標(biāo)識(shí)碼：A

0 引言

隨著物流行業(yè)的發(fā)展，如何減少在倉(cāng)儲(chǔ)中的周轉(zhuǎn)時(shí)間成為物流行業(yè)的挑戰(zhàn)之一。自20 世紀(jì)60 年代第一個(gè)移動(dòng)機(jī)器人Shakey 誕生之后，移動(dòng)機(jī)器人在酒店、安防和醫(yī)療等領(lǐng)域廣泛應(yīng)用，移動(dòng)機(jī)器人集成了智能感知、傳感技術(shù)、動(dòng)態(tài)決策與規(guī)劃、行為控制和執(zhí)行功能[1]。近年來(lái)，各類型的機(jī)器人已運(yùn)用到倉(cāng)儲(chǔ)物流中。在機(jī)器人運(yùn)動(dòng)方面，能夠全向運(yùn)行的輪式機(jī)器人是現(xiàn)今及未來(lái)物流機(jī)器人的主力軍，與一般的輪式差速移動(dòng)機(jī)器人相比，基于麥克納姆輪的移動(dòng)機(jī)器人在狹窄空間內(nèi)位置調(diào)整能力較強(qiáng)、定位精度更加準(zhǔn)確，可以在平面內(nèi)無(wú)約束且快速地全向移動(dòng)[2]。

隨著機(jī)器視覺(jué)技術(shù)的發(fā)展，其已廣泛應(yīng)用于各個(gè)行業(yè)，其中，視覺(jué)定位技術(shù)一直是機(jī)器視覺(jué)領(lǐng)域的重要研究方向。王壯飛等[3] 通過(guò)Canny 邊緣檢測(cè)算法與K-means 聚類算法實(shí)現(xiàn)了對(duì)水果的定位和采摘。張興華[4] 通過(guò)顏色識(shí)別，完成了指定區(qū)域的自動(dòng)搬運(yùn)。但這些方法無(wú)法解決傳統(tǒng)視覺(jué)技術(shù)受光線強(qiáng)度和圖像成像質(zhì)量影響等缺陷。2006 年，卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural networks，CNN）被提出，深度學(xué)習(xí)技術(shù)開(kāi)始應(yīng)用在視覺(jué)領(lǐng)域，而YOLO（you onlylook once）等目標(biāo)檢測(cè)算法的誕生，則標(biāo)志著機(jī)器視覺(jué)迎來(lái)了新的春天。曹月花等[5] 使用目標(biāo)檢測(cè)技術(shù)完成了在道路上對(duì)車(chē)道線、道路標(biāo)識(shí)的檢測(cè)，但對(duì)于復(fù)雜場(chǎng)景中目標(biāo)被部分遮擋、形變?cè)斐傻哪繕?biāo)丟失等問(wèn)題，未能提出有效的解決方案。萬(wàn)琴等[6] 提出了YOLOX 的移動(dòng)機(jī)器人目標(biāo)跟隨方法，通過(guò)目標(biāo)檢測(cè)算法，實(shí)現(xiàn)了較好的實(shí)時(shí)性和魯棒性。