一种基于ROS的配送机器人的制作方法

一种基于ros的配送机器人
技术领域
1.本发明属于机器人技术领域，具体涉及一种基于ros的配送机器人。


背景技术：

[0002]“最后一公里”，是客户通过电子商务途径购物后，购买的物品被配送到配送点后，从一个分拣中心，通过一定的运输工具，将货物送到客户手中，实现门到门的服务。这一短距离配送，是整个物流环节的末端环节，也是唯一一个直接和客户面对面接触的环节，意义重大。网络购物和餐饮企业的飞速发展与物料配送的滞后已经严重不匹配，后者已经成为电子商务发展的最大瓶颈。每逢过年过节，还有电商们举办的各种网络促销节日，很多用户的投诉都是指定同一个方向——送货太慢。遇到大量货品集中配送的时候，物流便难免堵塞。
[0003]
有数据显示，末端配送成本已经占到物流行业总成本的30％以上，大量的社会资源消耗在“最后一公里”上，因为客户对配送的及时性要求不断提高，只能小批量、高频次的配送，使得地区内的配送成本高居不下，而客户对物流费用的敏感度也较高。所以“最后一公里”也成为物流行业的痛点。
[0004]
加上城市内配送过程可能存在很多风险，例如送货员的行车不规范可能会影响他人的出行，甚至造成安全事故。同时人的精力是有限的，不能24小时不间断的工作，遇到恶劣的天气也没有办法运送货品。
[0005]
为了能解决点到点间频繁的货物运送的费用、效率和安全性等问题，将人们从这种机械的工作中解放出来，配送机器人的应用将越来越广泛。


技术实现要素：

[0006]
本发明的目的在于提供一种基于ros的配送机器人，以解决上述背景技术中提出的问题。本发明提供的一种基于ros的配送机器人，主要针对两地点间存在长期且频繁的交易问题。
[0007]
为实现上述目的，本发明提供如下技术方案：一种基于ros的配送机器人，包括机器人骨架，安装在机器人骨架下端的驱动组件，安装在机器人骨架中部的中枢处理组件和智能识别组件，且智能识别组件位于中枢处理组件的上方，以及位于机器人骨架上端的存储组件；
[0008]
驱动组件包括电机和电源，且电源与电机电连接，以及电机输出轴固定的驱动轮，以及两个驱动轮前方的支撑轮；
[0009]
中枢处理组件包括驱动板、控制板和上位机，所述上位机与控制板电连接，且上位机和驱动板与电机电连接；
[0010]
智能识别组件包括摄像头、激光雷达和语音模块，且摄像头、激光雷达和语音模块均与上位机电连接；
[0011]
存储组件包括舵机，安装在舵机输出轴端部的仓门，以及仓门和机器人骨架之间
设置的连杆。
[0012]
在本发明中进一步地，所述电机设置有两个，且两个电机分别与两个驱动板控制。
[0013]
在本发明中进一步地，两个驱动轮与一个支撑轮形成等腰三角形。
[0014]
在本发明中进一步地，所述上位机内设置有树莓派控制系统，所述摄像头内设置有用于二维码扫描的识别模块，所述激光雷达内设置有用于地形扫描的建图模块，所述语音模块内设置有用于语音播报发音模块。
[0015]
在本发明中进一步地，树莓派控制系统为ros系统，主要用于数据处理和通信。
[0016]
本发明另一目的在于提供一种基于ros的配送机器人的操作步骤。
[0017]
在本发明中进一步地，所述的一种基于ros的配送机器人的操作步骤，包括步骤如下：
[0018]
步骤一，机器人构件地图，在交易前先在上位机内树莓派控制系统系统中的ros系统载入openstreetmap开源地图或直接使用激光雷达扫描构建地图；
[0019]
步骤二，发货人与收货人确立交易关系，发货人根据收货地点选择好一个或多个收货地点编制好编号载入ros中，同时手机app中收货人的编号也需要一样，也可以将上位机与手机通信来同步信息；
[0020]
步骤三，确定交易信息，当发货人发货时，通过手机app生成对应收货点的二维码；
[0021]
步骤三，规划行进路线，机器人利用多模态神经网络算法，由激光雷达和slam及摄像头作为多模态输入信息，通过特征提取网络对多模态信息交叉对抗训练，使得神经网络学习不同模态间的特征，并由注意力机制引入特征融合实现结果分类及回归，通过大量训练集训练，神经网络自动对配送区域进行定位和建图，并实现自主规划、避障的功能；
[0022]
步骤四，语音播报，机器人行进开始时，播报语音“开始前往x号目的地”，到达收货点后有语音提醒“收货点已到达，请出示二维码”，收货结束后，播报语音“收货完成，开始返回发货点”；
[0023]
步骤五，取货，收货人通过出示对应的二维码供机器人扫描识别，扫描二维码后配送机器人的仓门打开。
[0024]
在本发明中进一步地，所述的一种基于ros的配送机器人的操作系统，包括驱动系统、中枢处理系统、智能识别系统和存储系统；
[0025]
驱动系统包括电机和电源，电机用于带着驱动轮转动，电源用于对电机进行供电；
[0026]
中枢处理系统包括驱动板、控制板和上位机，上位机安装有ros系统负责与控制板通信，并进行传递信息，控制板与驱动板相连，用于检测电机和舵机的转速，同时上位机和驱动板通过电源供电，控制板通过上位机供电；
[0027]
智能识别系统包括摄像头、激光雷达和语音模块，摄像头通过一条十五芯的排线与上位机连接，激光雷达通过usb线与上位机连接，摄像头主要用于多模态输入的识别及扫描二维码提取并保存二维码信息，激光雷达用于自主slam建图输入，用于导航和实时检测周围障碍物，由于激光雷达需要扫描四周，机器人该区域不设置遮挡物，以保证激光雷达扫描的准确性，同时开放的设计可以让语音模块发出的声音更加清晰；
[0028]
存储系统包括舵机、连杆和仓门，其中仓门采用旋转开启的方式打开，仓门通过舵机旋转角度实现开闭，舵机与控制板相连。
[0029]
与现有技术相比，本发明的有益效果是：通过由安装在机器人骨架下端的驱动组
件，安装在机器人骨架中部的中枢处理组件和智能识别组件，且智能识别组件位于中枢处理组件的上方，以及位于机器人骨架上端的存储组件；增加了机器人结构的稳定性，同时电机与电源连接，便于电机通电后带着驱动轮转动，从而增加了机器人移动的便捷性，解决两地点间存在长期且频繁交易不便的问题，同时中枢处理组件和智能识别组件，便于对收发货信息以及行进路线进行识别，发货人先通过手机app与收货人确立交易关系，并在配送机器人的ros系统的地图中选择收货地点，编制好编号，同一台机器人可以保存多个收货点信息。当发货人需要发货时，通过手机app生成对应收货点的二维码，并扫描二维码。扫描二维码后配送机器人的仓门打开，放入货物并关上仓门后利用多模态神经网络算法，由激光雷达和slam及摄像头作为多模态输入信息，通过特征提取网络对多模态信息交叉对抗训练，使得神经网络学习不同模态间的特征，并由注意力机制引入特征融合实现结果分类及回归，通过大量训练集训练，神经网络自动对配送区域进行定位和建图，并实现自主规划、避障的功能。同时播报语音“开始前往x号目的地”。到达收货点后有语音提醒“收货点已到达，请出示二维码”，收货人需要扫描相同的二维码，该二维码可通过手机app发送到收货人的手机上。取出货物并关上仓门后配送机器人开始规划返回路径，并播报语音“收货完成，开始返回发货点”，返回发货点后在指定位置等待下一次的发货。
附图说明
[0030]
图1为本发明的主视结构示意图；
[0031]
图2为本发明的侧视结构示意图；
[0032]
图3为本发明的运行流程图；
[0033]
图中：1、电机；2、电源；3、驱动板；4、控制板；5、上位机；6、摄像头；7、激光雷达；8、语音模块；9、舵机；10、连杆；11、仓门。
具体实施方式
[0034]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0035]
实施例
[0036]
请参阅图1
‑
3，本发明提供以下技术方案：一种基于ros的配送机器人，包括机器人骨架，安装在机器人骨架下端的驱动组件，安装在机器人骨架中部的中枢处理组件和智能识别组件，且智能识别组件位于中枢处理组件的上方，以及位于机器人骨架上端的存储组件；
[0037]
驱动组件包括电机1和电源2，且电源2与电机1电连接，以及电机1输出轴固定的驱动轮，以及两个驱动轮前方的支撑轮；
[0038]
中枢处理组件包括驱动板3、控制板4和上位机5，上位机5与控制板4电连接，且上位机5和驱动板3与电机1电连接；
[0039]
智能识别组件包括摄像头6、激光雷达7和语音模块8，且摄像头6、激光雷达7和语音模块8均与上位机5电连接；
[0040]
存储组件包括舵机9，安装在舵机9输出轴端部的仓门11，以及仓门11和机器人骨架之间设置的连杆10。
[0041]
进一步地，电机1设置有两个，且两个电机1分别与两个驱动板3控制。
[0042]
进一步地，两个驱动轮与一个支撑轮形成等腰三角形。
[0043]
进一步地，上位机5内设置有树莓派控制系统，摄像头6内设置有用于二维码扫描的识别模块，激光雷达7内设置有用于地形扫描的建图模块，语音模块8内设置有用于语音播报发音模块。
[0044]
进一步地，树莓派控制系统为ros系统，主要用于数据处理和通信。
[0045]
进一步地，本发明所述的一种基于ros的配送机器人的操作步骤，包括以下步骤：
[0046]
步骤一，机器人构件地图，在交易前先在上位机5内树莓派控制系统系统中的ros系统载入openstreetmap开源地图或直接使用激光雷达7扫描构建地图；
[0047]
步骤二，发货人与收货人确立交易关系，发货人根据收货地点选择好一个或多个收货地点编制好编号载入ros中，同时手机app中收货人的编号也需要一样，也可以将上位机5与手机通信来同步信息；
[0048]
步骤三，确定交易信息，当发货人发货时，通过手机app生成对应收货点的二维码；
[0049]
步骤三，规划行进路线，机器人利用多模态神经网络算法，由激光雷达7和slam及摄像头6作为多模态输入信息，通过特征提取网络对多模态信息交叉对抗训练，使得神经网络学习不同模态间的特征，并由注意力机制引入特征融合实现结果分类及回归，通过大量训练集训练，神经网络自动对配送区域进行定位和建图，并实现自主规划、避障的功能；
[0050]
步骤四，语音播报，机器人行进开始时，播报语音“开始前往x号目的地”，到达收货点后有语音提醒“收货点已到达，请出示二维码”，收货结束后，播报语音“收货完成，开始返回发货点”；
[0051]
步骤五，取货，收货人通过出示对应的二维码供机器人扫描识别，扫描二维码后配送机器人的仓门11打开。
[0052]
进一步地，本发明所述的一种基于ros的配送机器人的操作系统，包括驱动系统、中枢处理系统、智能识别系统和存储系统；
[0053]
驱动系统包括电机1和电源2，电机1用于带着驱动轮转动，电源2用于对电机1进行供电；
[0054]
中枢处理系统包括驱动板3、控制板4和上位机5，上位机5安装有ros系统负责与控制板4通信，并进行传递信息，控制板4与驱动板3相连，用于检测电机1和舵机9的转速，同时上位机5和驱动板3通过电源2供电，控制板4通过上位机5供电；
[0055]
智能识别系统包括摄像头6、激光雷达7和语音模块8，摄像头6通过一条十五芯的排线与上位机5连接，激光雷达7通过usb线与上位机5连接，摄像头6主要用于多模态输入的识别及扫描二维码提取并保存二维码信息，激光雷达7用于自主slam建图输入，用于导航和实时检测周围障碍物，由于激光雷达7需要扫描四周，机器人该区域不设置遮挡物，以保证激光雷达7扫描的准确性，同时开放的设计可以让语音模块8发出的声音更加清晰；
[0056]
存储系统包括舵机9、连杆10和仓门11，其中仓门11采用旋转开启的方式打开，仓门11通过舵机9旋转角度实现开闭，舵机9与控制板4相连。
[0057]
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以
理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。