[发明专利]一种基于云边协同的两阶段机器人运动决策技术框架

说明书

本发明涉及涉及一种基于云边协同的两阶段机器人运动决策技术框架，发明利用两阶段决策方法，将地图模型放在云端环节，生成巡逻路径坐标的过程在云服务器上运行，利用快速随机搜索树算法，形成轨迹之后发送给机器人底盘，机器人利用运动控制和避障决策算法执行巡逻任务。建立起一套机器人控制系统的工作流程与决策机制，确定了基于云边协同实现两阶段混合决策的基本技术框架，降低对单一机器人的存储与计算要求，从而在整体上降低搭建成本并且提高设备效率，对企业基于云边协同优化机器人控制性能与算力分配有参考价值。

技术领域

本发明属于云边协同领域机器人集群计算性能优化领域，涉及到一种面向云边协同系统简化机器人运动控制过程并提高系统计算资源利用效率的方法，尤其涉及到一种基于云边协同的两阶段机器人运动决策技术框架。

背景技术

随着智慧仓储与智慧工厂场景的广泛研究，如何对现有的任务处理过程进行优化并降低重复性计算导致的浪费是一个重要的问题。2019年以后，边缘计算的兴起更是引发了如何利用云边协同的理念提高现有的智慧工厂方法的实际运行效果并降低其能耗成本的研究热潮，其中尤其是在重复性的机器人运动控制环节有很大的改进需求。目前在机器人运动控制领域存在着以下几点不足：

1、运动轨迹由机器人自己生成，中央计算机给定任务指令之后机器人根据机载地图和机载雷达自动的寻找最优路径造成重复性计算。N台计算机需要重复N次地图加载、地图扫描、地图建模、地图存储、地图更新的工作，严重浪费了能源与算力。

2、严重依赖于中央计算机的处理能力，部分企业的实际设备将所有的环节都放在计算机上面，以云计算的形式作业，导致大量的数据在云边之间流动形成庞大的数据负载，机器人延迟高，运行效果不好。

机器人通常的采用IMU(惯性导航单元)里程计算法，其信号处理过程极其粗糙，缺乏基于优化的数值积分方法进行的数据处理，在运行过程不论是采集时间还是采集精度都严重不足，因此需要多个雷达的辅助校准，导致额外成本。

发明内容

本发明主要涉及几种关键的技术，主要包括路径规划、机器人动力学建模、给定路径下的运动控制、用于运动控制的传感器信息读取与处理技术。为实现智慧工厂机器人集群的计算性能优化，本发明提供了一种两阶段运动决策技术框架。

包括以下几个步骤：

步骤1：用一台计算性能更好地PC作为云端，云端运行运动规划阶段的决策任务。采用Python编写基于RRT算法的路径搜索程序，并且根据任务向其输入目的点和起始点坐标。

步骤2：云端采用RRT脚本根据预先输入的只存储在云端的地图，计算出从起始点到终点的最优路径的坐标。

步骤3：云端将这一条任务路径上所有坐标点的坐标以列表的形式发送给车间中的一台机器人，以机器人作为边缘端执行运动控制阶段决策任务。

步骤4：根据机器人物理模型建立起机器人运动学模型。

步骤5：根据机器人电气元件建立起机器人电控特性测试曲线，以明确控制指令的实际效果。

步骤6：根据机器人主控板确定机器人采用的IMU应当怎样读取其实时数据。

步骤7：根据机器人IMU实时数据和改进的数值积分方法建立起机器人位移表达式。

步骤8：根据机器人电控特性、动力特性、感知特性建立起PID控制系统与控制流程。

步骤9：将步骤3发送给机器人的列表拆分成一系列待访问坐标，并根据起始点和列表中前后两个坐标的关系确定机器人运动指令。

步骤10：机器人根据运动指令，采取PID算法实现预期的运动效果并返回步骤9 以访问下一个坐标，直到到达终点。机器人至此完成运动控制决策阶段的任务，整个云边系统就完成了一次完整的两阶段运动决策。