1.一种多机械臂协同的多目标分拣方法,其特征在于:该方法包括如下步骤:
步骤1、搭建流水线多机械臂分拣系统,机械臂为视觉柔性机械臂,每个机械臂在流水线上的指定协作分拣区执行协同或非协同的分拣任务,仅在完成当前所有分拣任务后,流水线继续传送下一批分拣目标,为每个机械臂安装RGB-D相机,进行相机标定和手眼标定,相机标定调用opencv的calibrateCamera函数实现,手眼标定调用opencv的calibrateHandEye函数实现;ROS驱动相机获取流水线上协作分拣区的RGB-D图像;
步骤2、通过Yolov8算法对视觉机械臂所拍摄的RGB图像分别进行目标检测,输出目标物体边界框中心在图像中的位置(x步骤3、通过步骤1-3得到Yolov8检测出的物体边界框后,结合其对应的深度图像,使用K-means++算法将深度值迅速聚类成三类,将收敛后的3个聚类中心值按大小排序后,取排序第二的中心值作为目标到相机的距离z步骤4、对分拣场景进行仿真,收集机械臂的仿真分拣数据作为训练集,每个数据点包括:目标位置坐标(x步骤5、构建LightGBM回归模型,设置学习率、树的深度和数量,并基于网格搜索优化超参数,使用步骤4进行训练;LightGBM基于梯度提升法最优化以下损失函数:步骤6、训练并验证模型性能后,将LightGBM回归模型部署到多机械臂系统中,将步骤2、3所得的边界框中心位置、边界框长宽、深度信息和物体类型作为输入,分别预测每个机械臂对协作分拣区域内每个目标的预期分拣时间;
步骤7、基于步骤6中的机械臂的预期分拣时间,对各机械臂进行任务分配和调度顺序优化,并最小化总分拣时间;
步骤8、使用粒子群算法优化步骤1-7中机械臂调度过程;
步骤9、各机械臂获取抓取任务序列后,基于APF-RRT算法进行多臂路径规划与避障;
步骤10、每个机械臂完成各自分拣任务后基于ROS发布完成信息,任务分配节点收到全部机械臂的完成信息后,向传送带控制单元发送信息,将预备分拣区中的下一批分拣目标传送至协作分拣区。
2.如权利要求1所述的一种多机械臂协同的多目标分拣方法,其特征在于:所述步骤7建立的优化的模型目标函数为:其中C
约束条件一:
其中n为等待抓取的物体数量,m为可用的机械臂数量,K为所有可能的机械臂组合数量,D约束条件二:
其中T
约束条件三:
约束条件三确保同一组机械臂k在同一时间内只被分配给一个任务;
约束条件四:
约束条件四确保在任何给定时间,被分配给所有物体的机械臂数量总和不会超过可用的机械臂数量m。
3.如权利要求1所述的一种多机械臂协同的多目标分拣方法,其特征在于:所述步骤8具体过程包括:a定义机械臂调度问题的具体参数,包括机械臂的数量、物体的数量、每个物体的抓取要求,初始化PSO算法的参数,包括粒子群的大小、最大迭代次数、学习因子,b为每个粒子生成一个初始位置,即随机生成一个抓取序列,这个序列包含了所有待抓取物体的抓取表示,每个抓取表示的物体编号、抓取时间和机械臂组合随机生成,c对每个粒子,计算其表示的抓取序列完成任务所需的总时间,作为该粒子的适应度值,比较其当前适应度值与个人最佳适应度值,如果当前值更优,则更新个人最佳位置,在所有粒子中,找出具有最优适应度值的粒子,更新全局最佳位置,d根据粒子的个人最佳位置和全局最佳位置来调整粒子的速度,在该机械臂调度过程中,速度的更新通过修改抓取序列来实现,包括交换两个抓取操作的位置、删除或添加抓取操作、修改抓取时间和机械臂组合,位置更新基于更新后的速度,即对抓取序列进行的修改,更新粒子的位置,e遍历序列,按照序列中的顺序,从第二个抓取操作开始,对每个操作的抓取时间进行时间优化,f对于违反约束的个体,进行基于禁忌搜索的修复不可行个体处理,尝试修复个体使其满足约束,g判断是否达到最大迭代次数或适应度值满足预设标准,如果满足,则停止迭代并输出最优抓取序列;否则继续迭代。
4.如权利要求1所述的一种多机械臂协同的多目标分拣方法,其特征在于:所述步骤9中的路径规划与避障具体包括:S1确定每个机械臂的起始位置、目标分拣位置和障碍物位置,其中障碍分为环境障碍和其余机械臂已规划的期望轨迹,对于每个机械臂,将起始位置作为RRT树的根节点,S2独立RRT扩展,对每个机械臂独立进行以下步骤:在工作空间中随机采样一个点作为探索目标点,在RRT树中找到距离采样点最近的节点,以最近节点为基础,向采样点的方向扩展一定步长,生成新的节点,S3计算APF引力与斥力:对每一个新生成的节点,根据其与目标位置的相对距离计算引力,以促进路径朝向目标方向前进,同时,计算新节点与障碍物之间的斥力,以避免路径与障碍物发生碰撞,对每个机械臂的RRT树中的每个节点计算APF的斥力和引力,以引导机械臂朝向目标位置移动,具体过程如下:首先,根据每个节点位置和目标位置之间的距离,计算机械臂受到的目标吸引力,然后,根据周围机械臂的位置,计算该机械臂受到附近机械臂的排斥力,将目标吸引力和附近机械臂排斥力矢量叠加,得到机械臂所受的合力,以此确定该机械臂下一步的移动方向,重复该过程,根据APF的势场信息,调整每个机械臂在RRT树中的运动方向,S4更新RRT树:根据每个机械臂的当前位置和移动路径,通过随机采样和树的扩展,生成新的路径节点,如果新节点有效且无碰撞,则将新节点添加至上述机械臂各自的RRT树中,检查新节点是否足够接近目标位置,如果是,则尝试直接连接到目标位置,同时检查新生成的路径节点是否与障碍物发生碰撞,如果碰撞则进行路径调整,直到找到一条可行路径,S5对于每个机械臂,如果其能够成功连接到目标位置,则认为找到了一条有效路径,基于ROS发布该路径信息,由其余机械臂节点订阅,如果在有限迭代次数内未能找到有效路径,则重新进行随机采样和路径扩展。
5.如权利要求1所述的一种多机械臂协同的多目标分拣方法,其特征在于:所述分拣区包括输送带(1),输送带(1)外侧安装有多个机械臂(2),其特征在于:所述输送带(1)上方倾斜安装有导向挡板(4),导向挡板(4)底部固定安装有多个毛刷(11),导向挡板(4)底部开设有多个第三通孔(12),第三通孔(12)顶部连通安装有负压机构。
6.如权利要求5所述的一种多机械臂协同的多目标分拣方法,其特征在于:所述导向挡板(4)露出输送带(1)的端部固定安装有回流槽(3),回流槽(3)倾斜安装,且远离导向挡板(4)的一端为低端。
7.如权利要求6所述的一种多机械臂协同的多目标分拣方法,其特征在于:所述回流槽(3)底部固定安装有限位杆(6),限位杆(6)外侧滑动贯穿安装有安装板(5),安装板(5)固定安装在输送带(1)外侧。
8.如权利要求7所述的一种多机械臂协同的多目标分拣方法,其特征在于:所述负压机构包括联动杆(13),联动杆(13)固定安装在回流槽(3)底部,联动杆(13)底部固定安装有活塞板(14),活塞板(14)外侧滑动安装有挤压仓(15),活塞板(14)顶部与挤压仓(15)内侧顶部之间固定安装有弹簧(16)。
9.如权利要求8所述的一种多机械臂协同的多目标分拣方法,其特征在于:所述导向挡板(4)外侧固定安装有收集仓(7),收集仓(7)外侧贯通开设有第一通孔(9),收集仓(7)顶部贯通开设有第二通孔(10),第三通孔(12)顶部与第一通孔(9)通过软管相连通。
10.如权利要求9所述的一种多机械臂协同的多目标分拣方法,其特征在于:所述挤压仓(15)顶部连通固定安装有出气单向阀(17)、进气单向阀(18),第二通孔(10)与进气单向阀(18)通过软管相连通,收集仓(7)内侧固定安装有过滤板(8)。