医用配送机器人自主识别与抓取的研究与实现*

任工昌，张 冉，刘 朋，尚亚东

(陕西科技大学机电工程学院，陕西 西安 710021)

0 引言

在疫情的催化之下以及近几年机器人产业的持续高速增长的基础上，中国服务机器人产业未来将迅速扩张且潜力巨大[1]。同时疫情也刺激了智能配送机器人的市场需求，加速了配送机器人应用的落地[2]。

医用配送机器人可在医院、隔离区等多场景开展物资配送工作，可减少医护人员交叉感染的风险，提高医护人员工作效率，降低劳动强度。目前，配送机器人大都采用移动底盘加车厢的方式，需要人工将物品从药箱取出或放置，无法完全避免与人接触[3]。

本文在拖车式移动底盘的结构上，优化确定了机械臂和摄像头的安装位置，设计了一种循环式车厢搭配机械臂，通过对视觉识别与定位、机械臂轨迹规划等关键技术的研究，完成机器人自主抓取的任务。同时将导航功能与自主抓取功能相结合，实现了配送过程全程无人化。

1 总体设计方案

医用配送机器人自主配送分为自主导航和自主抓取两大功能，导航功能利用移动平台实现，自主抓取采用机械臂加深度摄像头来完成[4]，总体方案的示意图如图1所示，总体方案框架如图2所示。

图1 总体方案示意图

图2 总体方案框架图

1.1 循环式车厢

图3 循环式车厢

循环式车厢采用链轮带动链条传动，如图3所示。利用平行四杆机构的原理，配合平衡机构，保证了循环机构在运行中不会产生过大的晃动，提高了运行的平稳性。同时每个存储箱循环运动，存储箱到达位置相同，相较于传统车厢，箱门开口朝上方便摄像头的识别与定位，简化了机械臂的抓取轨迹，大大提升了机械臂抓取的成功率。

1.2 机械臂安装位置的确定

由于机器人移动底盘为拖车型，机械臂的安装位置可选择牵引车头或车厢上，车箱安装在拖车型移动底盘上，机械臂安装在循环车箱的前侧，如图4(b)方案所示，将机械臂的位置安装在车厢前侧，其机械臂的基坐标系难以确定，因为拖车型移动底盘的动力源在牵引车头上，拖车坐标是根据牵引车坐标系和编码器侧的角度转换得到，存在误差。安装在车厢上影响机械臂抓取的成功率。将机械臂安装在牵引车车头更加容易确定机械臂的基坐标系，对抓取成功率的影响较小，且随着车厢的更换而机械臂无需拆装，故最终选择方案(a)。最终确定机器人整体结构方案如图5所示。

图4 机械臂安装示意图

图5 整体结构示意图

1.3 控制系统设计

医用配送机器人采用上、下位机的结构，上位机采用ROS系统(机器人操作系统)实现对传感器信息的处理和机械臂抓取轨迹的规划。下位机采用STM32F103和Arduino将雷达、摄像头等传感器的信息发送给上位机，并接收上位机的指令，分别驱动移动底盘和机械臂运动。控制系统框架如图6所示。

图6 控制系统总体框架

在Ubuntu16.04中安装Kinetic版本的ROS系统，作为操作系统层的核心，安装各种需要的功能包，其中，move_base包根据传感器反馈的信息进行路径规划，amcl包在已知地图中进行自主定位与导航，Cartographer包实现建图功能[5-6]，find_object_2d功能包是实现摄像头目标识别，camera_calibration功能包和easy_handeye实现对相机的内外参的标定以及各种依赖的功能包等，快速的完成上位机ROS系统框架搭建。

2 机械臂轨迹规划

MoveIt！含有开源运动规划库OMPL(Open Motion Planning Library)，RRT算法是其中比较经典的算法[7]。在使用MoveIt！配置机械臂时，从OMPL库中选择合适的算法，RRT算法不需要对空间进行建模，搜索效率高，选择RRT算法对三维空间中的机械臂进行路径规划。

在二维平面上RRT算法基本思路：

图7 RRT基本原理图

1)从初始位置Pinit开始，以树的形式进行探索；

2)生成随机采样节点Prandom；

3)Pnearest是最接近该随机生成的节点，将两点相连判断否满足障碍物约束；

4)如果满足障碍物约束，则判断两点间距与q搜索步长的大小关系，小于q，则Prandom作为新的节点；

5)两点间距如果大于q，在Pnearest和Prandom连接线上选择距离Pnearest距离为q的点作为新节点Pnew，如此往复进行，如图8所示。

在二维空间中随机采样，对路径进行随机扩展，直到“树枝”覆盖目标区域，选取一条路径作为最终结果。

3 视觉识别

ROS有大量可以在应用程序中重用的软件包。find_object_2d包是一种基于模板匹配的物体识别和检测的功能包。通过它提供的GUI，可以标记待检测的物体，建立模板库后可用来进行特征检测。功能包提供的检测器节点可检测摄像头图像中的物体，并通过ROS话题、服务通信机制发布物体的位置消息，还可通过深度摄像头估计物体的深度信息和姿态信息，机器臂通过订阅该功能包发布的位姿消息实现对物体的抓取。

3.1 Kinect V2摄像头标定

在ROS系统中对Kinect V2进行标定，采用camera_calibration功能包，基本原理为张正友标定法，获取摄像头的内参和外参矩阵，消除图像畸变[8]。标定过程如图8。

图8 相机标定过程

3.2 图像识别

采用基于模板匹配的find_object算法功能包对目标进行识别，该算法首先建立模板，提取待测物品的特征点，通过与摄像头传回的图像对比识别待测物品，以三维空间坐标和四元数的方式输出目标的位置和姿态信息。识别效果如图9所示。

图9 视觉识别效果图

4 机械臂视觉抓取实验与分析

安装有ROS系统的Mini PC固定在医用配送机器人牵引车车头上，与远程计算机连接在同一WIFI下，远程计算机通过ssh方式访问Mini PC实现远程监控。启动KinectV2相机和find_object_3d识别算法，物品被Kinect V2识别和定位成功后，可在rviz中看到待抓物品相对于Kinect V2的坐标，机械臂需要让夹爪中心到达该位置夹取物体，通过TF坐标变换和ROS通信机制，将待抓物品位姿信息发布并使机械臂订阅到位姿信息，调用OMPL库的RRT算法自主规划从初始位姿到目标位姿的多组关节位置，再通过ros_lib和arduino通信，使机械臂末端执行机构到达抓取目标物的最终姿态，抓取过程如图10中(a)至(d)所示。

图10 机械臂抓取过程图

5 结束语

本文在拖车式移动底盘的结构上，优化确定了机械臂和摄像头的安装位置，设计了一种循环式车厢搭配机械臂，搭建了配送机器人的控制框架。同时对视觉识别与定位、机械臂轨迹规划等关键技术的研究，将移动机器人定位、导航功能与自主抓取功能相结合，实验验证实现了移动机器人自主抓取及配送过程全程无人化。