登录

  • 登录
  • 忘记密码?点击找回

注册

  • 获取手机验证码 60
  • 注册

找回密码

  • 获取手机验证码60
  • 找回
毕业论文网 > 文献综述 > 物流管理与工程类 > 物流工程 > 正文

基于机器视觉的自动分拣机器人系统分析和虚拟设计文献综述

 2020-04-15 09:43:28  

1.目的及意义

1.1. 研究背景



随着电子商务和连锁零售业的快速发展,商业企业物流配送中心需要处理的多品种、小批量和高时效性的订单日益增多,订单拣选已成为配送中心的关键业务环节。

毋庸置疑,我国电子商务大发展直接带动快递包裹量快速增长。在2018年“双11”期间,主要电商企业全天共产生快递物流订单13.52亿件,全天各邮政、快递企业共处理包裹4.16亿件,创下了新的物流记录和交付速度。数据显示,近5年来中国快递量进入增长快车道,从2013年的92亿件到2018年突破500亿件。仅2018年天猫“双11”后的一周时间,菜鸟智能骨干网就送达了超过11亿个包裹。中国的物流配送时效已经从以天为单位,向以小时和分钟为单位迈进。

1.2. 研究意义

在大规模物流企业中,企业常常采用自动化分拣系统来完成相应的分拣作业。自动化分拣系统的优势在于拣选效率快、准确度高和人力成本低,但并不是所有品项货物都适合自动化分拣。首先,外包装不规则或易碎的品项不适合自动化分拣,因为设备分拣机构无法对其实施有效作业;另外,部分品项采用自动化分拣产生的人工补货成本大于其采用人工分拣产生的人工成本,该类产品也不适合通过自动化系统进行分拣。人工与自动化双分拣区系统是配送中心现场常见的订单拣选作业模式,系统设计人员不仅需要根据货物品项的包装形式区分其适合的分拣区,同时还应分析不同货物品项在不同分拣区内的人工成本,在人工与自动化双分拣区中进行合理品项分配,充分发挥自动化分拣设备节省人工成本的能力。

常见的物流分拣系统分为两种流派:一种为一个是以输送线、分拣机构成的传统自动化分拣系统,尽管在产品细节设计、性能等方面还不断发展,如结合最新的信息技术、物联网技术,向智能化方向发展,但其工作原理和模式并未产生大的变化。而另一个流派就是自KIVA机器人开始兴起的AGV分拣系统,因其柔性化程度高而越来越受到市场关注;当然,每种设备和技术都有其最适用的领域,针对自动分拣系统可处理货物的重量,简单划分了不同类型设备的应用范围,如表1。

自动化分拣设备类别(以大小件划分)

类别

劣势

小件

(5Kg以下)

环形交叉、小型AGV

中大件

(6~35Kg)

圆柱式分拣、摆臂式分拣、摆轮式分拣、直线交叉带、滑块式分拣、滚珠模组带分拣

大件

(35Kg以下)

以人工分拣为主

表1:自动化分拣设备类别

随着国家经济大幅发展,人民生活质量迅速提高。以往物流系统主要针对的以“量”为核心指标的评估体系,时至今日,我们常常面对的是物流客户对于“质”的日益增长的要求。以往客户关心物流企业经营产品能否按时到货、产品是否完好、物流途中有无变质现象发生。在市场经济的条件下,物流企业面临着来自客户日益增长的对产品种类的需求。物流企业如何在运营成本有限的前提下,提高自身经营产品的种类数目,提高生产柔性已成为部分物流企业的发展瓶颈。如果能设计出一款机器人能像逛超市一样的选择货物代替人类完成“购物”,那么就能实现物流企业的高柔性与高效率的运营要求。

1.3. 研究现状

物流搬运机器人,又称仓储搬运 AGV,其英文缩写是 Automatic Guided Vehicle,是一种以蓄电池作为动力源,装有非接触控制导向装置的无人驾驶自动化搬运小车,它的本体是一种自动导向的小车。它的主要特征表现在能够通过上位机来根据传感器反馈的信息或根据上层控制系统控制小车并植入控制程序,最终能够通过其内部的计算机发布指令,并在其监控之下实现无人驾驶,自动沿着上位机规划的路径行驶,到达指定的地点,完成一系列的如搬运装卸等作业任务。此种技术的应用,可以极大地降低人工成本、提高生产自动化程度和生产效率。

1.3.1. 国内研究现状

根据高工产研机器人研究所(GGII)数据显示,近年来,AGV的需求进一步扩大,GGII预计,2017年,中国市场AGV销量有望突破10200台,同比增速超38%。不过,国内AGV市场两极分化较为明显,中高端市场以新松、昆船、机科等为代表,产品价格一般在20-50万元/台,甚至有高达100万元/台,中低端市场以远能、佳顺智能、嘉腾等为代表,其轻负载AGV产品价格普遍在5-8万元/台区间,最低价格可至2-3万元/台

目前国内的各种物流配送虽然大都跨越了简单送货上门的阶段,但在层次上仍是传统意义上的物流配送,因此在经营中存在着传统物流配送无法克服的种种弊端和问题,尚不具备或基本不具备信息化、现代化、社会化的新型物流配送的特征。在我国的机器人行业中,沈阳新松、云南昆船、机科发展科技股份有限公司等较为老牌的机器人公司仍占有着庞大的市场份额。但随着近些年互联网技术的快速发展,许多后起之秀如京东、菜鸟驿站在物流分拣行业的投入使其已成为了一股难以忽视的力量。其中已京东的分拣机器人为例,其近几年对于适应于自身特点的物流技术的研发投入加上它互联网公司的背景,它已成为了物流设备行业之中一支举足轻重的势力。

针对京东的物流特点,从商品存储策略管理到出入库排序管理等多方面进行系统优化,配合高速分拣机器人可完成高速出库。京东研制的SHUTTLE货架穿梭车是典型的货到人系统,拣货人员无需行走,货物通过输送系统到达拣货人员身边进行拣选作业,配合电子标签指示系统,每人每小时可完成1000件拣选,相比传统人工拣货效率可提高4~5倍。 天狼系统由多层货架、穿梭车、输送系统组成,每层每巷道有一台小车可完成入库和出库任务,巷道一端的货物提升机将货物送至输送系统,立体库采用双伸位设计,一次处理两箱,可以满足大流量的需求。天狼系统具有高吞吐量的作业特点,占用面积小高集成度,吞吐量大,储品种类多,员工动线短,拣货效率高,尤其适用于3C、电商、文具、休闲食品、医药和生鲜食品等行业的需求。

机器人视觉技术是赋予机器人人眼的功能,通过图像采集系统将图像输送到控制器由核心控制器完成图像的判断,进而指导机器人做出一系列的操作和行动。随着国家经济实力的增强,需要应用机器视觉的场合逐渐增多,机器视觉也得到了长足的发展。

机器视觉技术已在我国众多邻域例如电网巡查、远程监控、质量检测等均有应用。我国的机器视觉技术的应用开始于90 年代。由于机器视觉是一个新兴领域,加之在中国的普及较晚,我国在机器视觉方面的发展与世界先进水平相比还有一定差距。但随着中国加工工业的发展,众多先进的生产线逐渐迁移至中国,随之带来了先进的机器视觉系统,中国正成为当今机器视觉发展最为活跃的地区之一。2010 年我国机器视觉市场迎来了爆发式增长。

1.3.2. 国外研究现状

第一台自动引导车是美国一家公司于1953年开发成功,其动力设备是由一辆牵引式拖拉机改造而成的,根据空中导线指引搬送运输货物。目前世界上有各种各样的AGV活跃在世界上各个角落的现代化运营场所。而AGV 真正意义上的使用是在 1973 年瑞典的 Volvo Kalmar 轿车装配厂,AGV的投入使用立刻体现了它的自身优势整体上提高运输系统的灵活性:减少了20%装配时间,39%装配故障,57%投资回收时间,同时劳动力占用率减少了5%。20 世纪 80 年代末期,无线式导引技术被引入到AGV系统中,例如利用激光和惯性进行导引,大大提高了AGV 系统的灵活性和准确性。计算机技术的引入,使得AGV几乎可以处理所有由人工控制的物料搬运过程。

目前,AGV 在世界的主要汽车制造业,例如在通用、丰田生产车间的制造和装配线上。另外,AGV自动驾驶为基础集成其他探测和拆卸设备,在危险场所中也发挥着难以替代的作用。其中以Swisslog公司为例,它所提供的一个技术方案中包含数千个的静态存储位置,要求员工遍历通道,手工从多个地点挑选商品。这些手工流程费时,是劳动密集型、低效的并且会导致代价高昂的选择错误。通过自动化技术将货物送到拣选机,自动仓库减少周转时间,节省空间,提高作业效率提高整个供应链的利润率和吞吐量。AutoStore是一个独特的仓库自动化解决方案储存及取回医疗及外科用品,清洁用品和小部件在较低的单位衡量。这个节省空间的系统支持统一服务中心优化物料搬运效率加速订单执行到a中的多个位置医院系统。

作为AGV的眼睛,视觉技术的发展同样是限制AGV技术发展的关键技术之一。如何更快更高质量的识别分拣对象,从而实现快速高效的分拣作业已成为AGV行业的研究热门。视觉技术作为AI技术的一大分支,它也是AGV技术的瓶颈之一。

自20 世纪70 年代,其研究已经有几十年的历史,一直都受到人们的高度重视,至今借助于各种理论提出了数以千计的分割算法,而且这方面的研究仍然在积极地进行着。现有的图像分割的方法有许多种,有阈值分割方法,边缘检测方法,区域提取方法,结合特定理论工具的分割方法等。从图像的类型来分有:灰度图像分割、彩色图像分割和纹理图像分割等。早在1965 年就有人提出了检测边缘算子,使得边缘检测产生了不少经典算法。在近二十年间,因为基于直方图和小波变换的图像分割方法的研究计算技术、VLSI技术(超大规模集成电路)的迅速发展,有关图像处理方面的研究取得了很大的进展。图像分割方法结合了一些特定理论、方法和工具,如基于小波变换的分割、基于遗传算法的分割、基于数学形态学的图像分割等。而较为常见的边缘检测算法有Roberts 边缘检测算子、Sobel 边缘检测算子、Prewitt 边缘检测算子、Robinson 边缘检测算子和Mallat 小波边缘检测算子等。其中Mallat小波边缘检测算子是Mallat在1992 年基于Canny检测算子提出的,是一种多尺度小波变换极大值的方法,可以用于信号奇异性的分析和图像的边缘检测。传统算法都是单一尺度的边缘检测算子, 不可能正确与准确的检测出所有的边缘, 同时在滤除噪声时影响边缘检测的正确性, 因此用多尺度方法检测边缘越来越引起人们的重视。在各种多尺度边缘检测算法中, 利用小波进行多尺度边缘检测是比较常用的方法之一。

1.3.3. 现状综述

在物流应用领域,电子商务在各个发展国家发展非常迅速,电子商务所产生的营业额基本上占商务总额的 1/4,其中以美国为例,电子商务已高达 1/3 以上,欧美国家先进的技术主要体现在物流配送上,DHL、UPS 等都是大型物流公司的典范,主要负责为商家把产品送到顾客手中,具有庞大的、完善的物流配送体系以及高效的物流技术,电子商务的物流配送问题也就随着解决了。面对巨大的市场需求,国外英国富凯物流自动化系统(FKI)、德国西门子、荷兰的范德兰德(VANDERLANDE)、德马泰克、丹麦克瑞斯普兰公司(crisplant)、德国的伯曼机械制造(BEUMER Machine fabrik)等公司以及国内帝欧、今天国际、中邮科技、昆船等多家企业纷纷涌入国内电商市场。

国际上仓储自动化的最新成果体现为Dematuiic amp; Fraunhofer 实现了机器人批量应用以及三维空间的灵活调度。Swisslog将AGV运营空间放在了货架顶部,通过小型机器人批量应用实现了高密度

自动存取。美国电子商务公司亚马逊采用了一种新型的物流搬运系统,主要应用于电子商务物流配送中心,实现物到人的自动化,极大提高了大型物流配送中心业务处理能力。

国内各个企业也开展了相关的研究,但是因为此类技术引进时间较晚,此方面的研究多以应用国外先进技术为主,国内企业所研制的AGV存在问题主要集中在其柔性化、智能化程度不高,因此很难满足电子商务物流业务小批量、多频次的业务特点,核心技术未完全掌握,即核心设备国产化水平较低。总之,国内AGV的研究和应用和国外相比相对落后,特别是面向物流领域大规模多机器人应用研究还处于理论探索研究阶段,没有较为成熟的实际产品。

{title}

2. 研究的基本内容与方案

{title}

2、研究(设计)的基本内容、目标、拟采用的技术方案及措施

本课题基于单片机和视觉识别技术,要求学习基础的单片机应用,并且设计合理的机械结构和控制系统,使之能够精准的模拟完成对于目标物的识别、抓取、搬运和装卸动作。视觉技术的实现语言选用Python,开发平台使用基于OpenCV。

机器视觉(Machine Vision)主要利用计算机来模拟人或再现与人类视觉有关的某些智能行为。从客观事物的图像中提取信息进行处理,对客观世界的三维场景的感知、识别和理解,最终用于实际检测和控制。图像的大部分信息都存在于图像的边缘中,主要表现为图像局部特征的不连续性,即图像中灰度变化比较剧烈的地方。边缘检测的步骤边缘检测主要包括以下四个步骤:图像滤波、图形增强、图像检测和图像定位。

本项目主要是针对于超市场景下拣选作业流程的问题,设计一种用于超市场景的物流仓储搬运机器人,提高此类环境下的物流效率,能够实现从货物到人的自动化。拟采取技术方案如下图1所示,

图1:研究路线

本文在研究方法上,以实际研究为基础,主要采用文献数据收集整理、实地调研以及进行仿真验证等。

  1. 文献研究法

    通过对所获取的文献资料进行归纳和整理,掌握目前国内外有关 AGV 系统的各种举升行走方式,参考国外的 AGV 设计研究用于超市场景的物流仓储机器人。

  2. 数据分析法

    通过运用科学的数据分析方法对所获取的数据资料进行汇总分类和整理,以使得后文的设计更具有依据,同时使得论文研究更有事实依据和现实意义。

  3. 实地调研法

    实地调研各种 AGV 设计方案,了解各自设计研发的优缺点,为本文的设计研究奠定基础。

  4. 模型法

    进行运动仿真分析小车的速度和位置的关系,在不进行实际投资操作的情况下该方法可以得到高可靠性的分析结论,同时还能够对系统设计的各相关因素进行逐项计算分析,以达到找到问题所在,逐步改进机器人现场的运用情况

    本课题主要从用于超市场景下的仓储拣选(AGV)作业模式出发,研究机器人机械结构设计、差速转向技术、多传感器融合定位导航技术、视觉识别控制系统研究方案。整体方案示意图如下图所示:




图2:机构整体示意图

  1. 考虑设计的物流搬运机器人应用场景,物流搬运机器人尺寸采用结构小巧、具有灵活转向,具有通过狭窄通道能力。物流搬运机器人的行走模块采用六轮布置,在中部布置有两套直流调速电机系统,实现两驱动轮独立调速驱动,满足在小转弯半径工况下车辆的转弯行驶甚至原地转向的要求,为了保证其承载能力,在底盘四周布置有四个万向支撑轮。

  2. 考虑物流机器人室内定位应用,定位技术采用磁感应定位方法,采用地标定位数据修正定位数据,保证其室内定位精度。

  3. 物流机器人控制单元采用 PID 控制算法,完成对驱动与转向电机及机械臂电机的控制。

  4. 考虑设计的物流搬运机器人对货架或桌子前的底盘定位精度有所要求,物流搬运机器人的行走模块采用可旋转机械臂腰身设计,进而使得在拣选定位平面的旋转自由度可以得到控制,回转电机通过齿轮带动回转托盘进行回转,使回转托盘保持在合适位置为抓取作业提高定位精度。

  5. 考虑设计的物流搬运机器人的机械臂需求适应300mm、600mm和900mm的高度变化,因而物流搬运机器人的机械臂底座采用叉架升降设计。

  6. 物流机器人采用视觉识别技术,在目标桌面和货架上布置有广角摄像头。在机械臂第三关节处布置有一普通摄像头,前者识别桌面上的目标物体的色彩和轮廓信息通过wifi

    模块与上位机通信,进而完成与上位机存放的目标物特征对比完成识别动作,后者为上位机提供目标位置的末端校准。

    图1:研究路线



3. 参考文献

4、参考文献

[1]蔡自兴 编著,机器人学(第三版),清华大学出版社,北京,2015

[2]陆鑫盛,周 洪,气动自动化系统的优化设计,上海,上海科学文献出版社,2002

[3]SMC中国有限公司,现代实用气动技术,北京,机械工业出版社,2010年

[4]Bruno Siciliano,LorenzoSciavicco,Robotics,Springer,2010

[5]Peter Corke,Robotics,Vision and Control, Springer,2017

[6]郭静. 机器视觉与应用 [A].航天科技集团9 院第16 研究所机器人事业部,2014.

[7]Eric Brown, Nicholas Rodenberg, John Amend.Universalrobotic gripper based on the jamming of granular material. Editorial Board,2010.

[8] Günter Ullrich,Automated Guided Vehicle Systems,Springer,2017

[9]袁欢,包晓敏,汪亚明.基于计算机视觉的零件方位朝向自动分拣系统[A].浙江理工大学信息学院,2015.

[10] Héctor M. Becerra Carlos Sagüés. Visual Control of Wheeled Mobile Robots. Springer,2014

[11]陈桂,王建红,汤玉东.KUKA机器人运动学仿真与实验研究[J].南京工程学院自动化学院,2014.

[12]阴法明,基于OpenCV的图像处理[J]. 南京信息职业技术学院,2009.
剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

微信号:bysjorg

Copyright © 2010-2022 毕业论文网 站点地图