1.一种模块化传输平台,其特征在于,包括平台(1),所述平台(1)上设有若干个呈正六边形的模块体(2),所述模块体(2)相互拼接构成蜂巢式结构,所述模块体(2)的顶面设有全向轮组(21),所述平台(1)的上方设有可移动的CCD相机(3),所述CCD相机(3)通过图像处理提取出目标传输物的位置信息并将信息反馈给控制所述模块体(2)的上位机,在目标传输物进入所述平台(1)前通过RFID读写器对其进行信息读取。
2.根据权利要求1所述的模块化传输平台,其特征在于,所述CCD相机(3)有若干个且多个所述CCD相机(3)共同配合对平台(1)以及目的传输物进行图像采集。
3.根据上述权利要求1至2任意一项所述的模块化传输平台的控制方法,其特征在于,包括以下步骤:
(1)根据传输平台工作区域调整相机位置,使平台工作区域在相机的有效区域内;
(2)在上位机界面中设定模块行列数及物料传输速度;
(3)由RFID读写器得到目标传输物出口位置信息;
(4)将相机采集的图片发送给上位机进行图像处理,提取目标传输物的尺寸、坐标位置及方位信息,并将目标映射在上位机界面;
(5)根据传输物起始点、终点位置以及是否存在故障模块进行全局路径规划:当传输平台无故障模块时,根据最短路径原则进行全局路径规划;当检测到故障模块时,采用全局A*算法实现路径避障,并在界面上高亮显示故障模块的相应位置;
(6)开始传输目标物,在传输过程中,相机映射更新上位机界面,并对映射图像进行实时解算,确定当前时刻参数传输目标的轮系;
(7)将当前工作的轮系协同方式与系统内部编写的运动学模型库进行匹配,确定对应的运动学模型,进而驱动传输货物的运动。
4.根据权利要求3所述的模块化传输平台的控制方法,其特征在于,在步骤(4)中,采集及提取信息的具体步骤为:
(4.1)根据相机序号,进行多图像采集与拼接,以降低视觉误差带来的位置片偏差,从而得出传输目标位置视图;
(4.2)将拼接的传输目标图片进行去噪、阈值等处理,得到预处理图像;
(4.3)将预处理的图像中每个像素经过梯度计算得到每个像素点X和Y方向的梯度,根据梯度通过非极大值抑制算法得到第一次边缘图像轮廓,基于轮廓周边像素个数设置区间,初步筛选出满足该区间的像素轮廓,并计算该区间内所有轮廓尺寸;
(4.4)以传输物阈值参数为模板,进行模型匹配,初步判断目标传输物的大致尺寸,以此定义尺寸筛选空间,对(4.2)中的轮廓尺寸进行筛选,最终得出目标传输物的大致轮廓。
位置及方位信息;
(4.5)由目标轮廓和位置信息建立ROI区域,对该区域进行膨胀腐蚀操作;
(4.6)再次对膨胀腐蚀的结果进行二次轮廓提取,得出最终传输目标的精确尺寸、位置及方位信息。
5.一种根据上述权利要求1至2任意一项所述的模块化传输平台的路径规划方法,其特征在于,全局A*算法的加权评价函数表达式为:式中,α和β分别表示为到达当前节点代价g(n)和当前节点到达目标节点代价h(n)的权重,N为总路径节点数,n是路径上的下一个点。
6.根据权利要求5所述的模块化传输平台的路径规划方法,其特征在于,在局部路径规划中,采用矩阵干涉检测用于故障和动态避障,设K(x1,y1)、L1为改进前路径的节点和拟合路径,D为传输物安全阈值,设障碍物中心P1(x0,y0)到节点的距离为d,则d满足:当d>D时,传输物不会干涉,当d≤D时,删除节点K,寻找节点K1,且K1节点满足P1K的直线方程,当障碍物到节点K1的距离大于安全阈值D时,替换节点K,重新进行拟合,得出改进的路径L2。
7.根据权利要求5所述的模块化传输平台的路径规划方法,其特征在于,在全局规划中,当检测到故障模块或动态障碍物时,系统启动避障流程,具体为:(1)首先对平台进行栅格处理,以平台的左下角为原点建立世界坐标系;
(2)通过本方案中的加权A*算法得出货物传输的全局路径点,将路径点储存在Path[]中;
(3)通过设置步长选取Path[]内部的路径节点得到路径数组Path2[];
(4)通过改进动态窗口评价函数,引入dist_d(u,w),表示传输物体和动态障碍物的评价函数,建立整体评价函数:
同时对全
局路径数组Path[]2采用三次Bezier曲线拟合进行平滑处理;
(5)选取路径数组Path[]中的关键节点作为动态窗口法的过渡目标点,对传输物体局部路径规划进行路径指引。
8.根据权利要求7所述的模块化传输平台路径规划方法,其特征在于,在步骤(4)中,改进动态窗口法得到整体评价函数的具体步骤为:(4.1)建立平台货物传输速度约束条件V={vm∩va∩vd};
(4.2)建立评价函数
其中,
heading(u,w)是方向角评价函数,velocity(u,w)是速度评价函数,dist_g(u,w)是静态障碍物距离评价函数,dist_d(u,w)为引入的动态障碍物评价函数,如果在这条轨迹上没有障碍物,则设定为一个常数,α、β、λ为权重参数,δ为归一化参数。