采摘機器人AGV控制系統研究
——基于云平臺分布式遠程監控技術

馮亞麗,李 敏,張玉華

(漯河食品職業學院 信息工程系,河南 漯河 462300)

0 引言

云計算是基于互聯網的相關服務的增加、使用和交付模式,通常涉及通過互聯網來提供動態易擴展且虛擬化的資源。隨著云計算、 物聯網等新一代信息技術的發展,云平臺技術被應用到各種領域。云平臺采用分布式存儲方式和并行計算,可以有效提高計算資源的利用率,通過資源的共享降低計算和存儲資源的成本。在采摘機器人自主作業的過程中,為了提高遠程監測視頻采集和處理的效率、提高定位導航的效率和精度,可以將云平臺分布式技術引入到控制系統中,對于提高采摘機器人的自動化作業水平具有重要的意義。

1 基于云平臺和AGV控制的定位導航和遠程監測系統

采摘機器人作業過程中屬于無人化作業,其自主定位導航過程需要對大量的環境信息進行采集和識別,這就離不開實時監控系統。實時監測系統基于云平臺可以對海量的信息進行存儲,并進行實時處理,包括目標的智能識別和追蹤,以實現采摘機器人的自主定位和導航,最終完成路徑的規劃。在視頻處理方面,云平臺技術可以實時進行轉碼,保證了低寬帶下的圖像質量和傳輸的實時性,對于采摘機器人的遠程監測具有重要的作用。

自動導引車(Automated Guided Vehicle)是一種使用在先進生產線的一種引導設備,如將其使用在采摘機器人引導設備上,可以有效提高采摘機器人的定位導航效率和精度。

為了提高采摘機器人的自動定位和導航效率,采用自動引導裝置AGV系統對采摘機器人的自主行走系統進行設計,如圖1所示。具體流程如下:首先,對采摘環境進行采集,采集過程采用前端攝像設備;然后,將視頻傳送到云平臺系統進行實時存儲和處理,將處理信息傳送給AGV調度控制器;AGV設備通過無線接入點收到控制信息后,執行定位導航任務。

圖1 基于云平臺和AGV調度的自動引導車控制系統Fig.1 The Automatic Guided Vehicle Control System Based on Cloud Platform and AGV Scheduling。

2 基于云平臺分布式遠程監控技術的采摘機器人AGV控制系統

為了實現采摘機器人的遠程監控,前端視頻采集設備的設計非常重要,視頻采集設備按照功能和用途大致可以分為3種類型,包括模擬攝像機、RTSP協議的網絡攝像機及第三方平臺。為了實現不同采集設備接入系統的兼容性,在設計接入端口時應該采取不同的措施,使前端方便接入本地平臺,實現前端采集設備的管理和控制,如圖2所示。

圖2 遠程監控視頻采集模塊Fig.2 The Video Acquisition Module of Remote Monitoring。

采用不同的協議方式可以將3種不同的采集設備接入系統,其中模擬攝像機和網絡攝像機均采用RTSP協議,其他第三方平臺采用SDK協議。視頻采集完成后需要對視頻進行處理,為了實現海量視頻數據的存儲,采用了基于云平臺的分布式計算和存儲服務器,并在Jobkeeper的綜合調度下完成視頻的實時處理,其基本框架結構如圖3所示。

圖3 基于云平臺的分布式存儲模塊Fig.3 The Distributed Storage Module Based on Cloud Platform。

基于云平臺的分布式模塊可以實現存儲服務器集群和處理服務器并行處理采集到的信息,視頻信息可以實時保存到存儲節點上,分布式服務器集群具有海量視頻數據的存儲能力,可以將采集和處理后的視頻進行長期保存,并輸出視頻。基于云平臺的分布式遠程系統輸出的視頻為RTSP視頻流,利用流媒體服務器對外提供服務,其框架如圖4所示。

圖4 視頻數據輸出系統Fig.4 The Output System of Video Data。

圖4中,將采用流媒體分發系統可以對視頻進行輸出,輸出網絡一般分為兩種:一是專用網絡;二是公共網絡。專用網絡包括PC客戶端、移動手機店和電視墻,對于PC機和電視墻,此類需求一般為高清碼流,因此可以采用專用的局域網來布設網絡。

云平臺邏輯架構示意圖如圖5所示。圖5中,采摘機器人AGV系統采用基于云計算的模式,利用海量分布式JobKeeper云調度架構,以集群的形式共同對外服務,最后將采集或者處理后的信息以流媒體的形式發放到應用終端。

圖5 云平臺邏輯架構示意圖Fig.5 The Logical Architecture Diagram of Cloud Platform。

1)資源層:資源層主要是由前端設備構成,包括各種視頻采集設備,還包括采集得到的原始視頻數據信息等。

2)接入層:接入層主要是對視頻數據業務進行整合,將不同的采集設備和視頻資源,按照統一的標準接入平臺。

3)數據存儲層:數據存儲層利用分布式存儲原理,可以提供海量的存儲空間,支持視頻的回放和處理。

4)數據處理層:數據處理層利用分布式計算原理,可以提供高效的視頻內容識別、轉碼和壓縮處理等。

5)數據分發:視頻數據處理完成后可以按照流媒體的形式進行分發,以供客戶進行瀏覽和查閱,云平臺提供高并發訪問。

6)API層:提供API接口,支持各層次資源的相互訪問,提供業務技術支持和開發。

7)調度控制層:主要負責整個平臺的調度任務,以實現各層次之間協同工作。

8)應用層:應用層為用戶提供可視化界面,可以方便地讓用戶進行視頻的瀏覽、查閱和識別等操作。

3 采摘機器人遠程監測AGV控制系統測試

為了實現采摘機器人自動引導車的自主行走,最重要的是前端采集設備對采摘環境進行識別,以規劃自主行走路線,接入服務器中的視頻信息,按照功能的不同可以劃分為數據流和信息流,如圖6所示。

圖6 視頻采集系統框架圖Fig.6 The Framework of Video Acquisition System。

為了降低前端攝像機的負擔,視頻流不會直接發送到流媒體服務器,而是先接入平臺,以方便不同的客戶對同一路流的訪問。通過采摘環境的采集和云平臺服務器的路線識別,采摘機器人自動引導AGV系統可以進行路徑規劃,從而實現自主行走,行走路線還可以在GIS地圖上實時顯示,遠程監控系統根據采摘機器人的作業情況進行合理的調度。

AGV采摘機器人有引導車作為載體,在進行編隊和調度時,可以由引導車進行自主導航,遠程系統根據引導車設備的實時位置,進行合理的調度和規劃,如圖7所示。為了驗證遠程監控系統和AGV控制系統對采摘機器人的作業效果的影響,并測試監測和控制系統的可靠性,分別對監測控制系統的通信誤差和控制精度進行了測算,并將使用和不適用監測控制系統的作業情況進行了對比。通信誤差和控制精度的測試結果如表1所示。

圖7 AGV采摘機器人自動引導設備監控調度系統Fig.7 The monitoring and dispatching system of AGV Picking robot automatic guidance equipment。

表1 通信誤差和控制精度統計結果Table 1 Statistical results of communication error and control accuracy。

通過多次測試的統計結果可以看出:采用遠程監測和控制系統的通信誤差較低,最大誤差按丟包率計算不超過0.5%,采摘機器人自動引導車的導航精度在95%以上,滿足采摘機器人自動引導設備的設計需求。

表2為使用和不使用遠程監測和AGV控制系統得到的采摘機器人定位導航效率的對比結果。由表2可以看出:采用遠程監測和控制系統的采摘機器人導航效率較高,從而驗證了方案的可行性。

表2 定位導航效率對比Table 2 The efficiency comparison of location and navigation。

4 結論

為了提高采摘機器人自動定位導航效率和精度,提高遠程監測視頻采集、處理和傳輸的效率,將云平臺分布式技術和AGV控制系統引入到了采摘機器人的設計上,通過提高視頻的轉碼、識別效率,有效提高了監測和控制系統的效率,解決了流媒體服務器負載過重、容災能力弱及擴展能力弱等缺點。對系統的通信誤差和控制精度進行了測試,結果表明:系統的通信誤差較小,控制精度較高,可以滿足采摘機器人遠程系統的設計需求。最后,對定位導航效率進行了測試,結果表明:基于云平臺分布式技術的AGV控制系統定位導航效率較高,對于采摘機器人自動控制系統的設計具有重要的作用。