[发明专利]一种融合无人机牵引的智能车辆及机器人室外运载方法

说明书

技术领域

本发明属于机器人控制领域，特别涉及一种融合无人机牵引的智能车辆及机器人室外运载方法

背景技术

机器人从诞生至今已有50多年历史，已经越来越广泛地介入工业生产，医疗服务等社会生活各个方面。当前大部分的机器人是工业机器人，与工业机器人相比，运载机器人成本低，控制简单，体型小巧，能够灵活的完成运输任务。因此，近年来，越来越多的运载机器人被用于复杂室内环境中的运输任务。事实证明，运载机器人在执行多楼层运输，提供精准的运输服务上是可行和高效的。能够有效节省人员执行重复任务时间，确保运输的安全性，减少员工培训需求，减少人为错误，提高生产力和实验精度。

为了使运载机器人有更加广泛的前景，运载机器人除了须在楼层之间执行运输任务外，还须在楼栋之间移动，如能提出一套合理，实用的机器人跨楼栋运输方法，将实现运载机器人更加高效的利用。

中国专利CN104181926A公开了一种基于地面标志的机器人导航控制方法，包括以下步骤：1.周期性地获取位于运载机器人前方的路面图像；2.在每一次获取到所述路面图像后，检测所述路面图像中是否存在地面标志。如果存在所述地面标志，则根据以路面图像建立的坐标系，计算所述运载机器人的位置和方向；如果不存在所述地面标志，则根据航位推测法计算所述机器人的位置和方向；3.所述运载机器人根据所述计算的位置和方向，控制所述机器人的行走方向和速度。

该专利存在着如下问题：1.在复杂环境下，路面上的标志可能被遮挡，也可能由于雨雪，导致标志无法识别，运载机器人的导航实用性将大大下降。2.由于没有实时避障，遇到突发情况运载机器人无法应对，可能有碰撞毁坏的危险。

发明内容

本发明提供了一种融合无人机牵引的智能车辆及机器人室外运载方法，其目的在于，克服上述现有技术中存在的问题。通过将无人机作为单独的导航模块，充分利用了无人机机动性和灵活性特点，可以有效的进行障碍区域检测，重新规划导航路线，保证牵引过程的安全性；

一种融合无人机的智能车辆及机器人跨楼栋运载方法，包括以下步骤：

步骤1：将运输任务指令发送至指定的运载机器人和匹配的无人机；

所述运载机器人和与之匹配的无人机之间采用灯色序列密码协议进行匹配通信；

每个运载机器人和与之匹配的无人机之间存在唯一的灯色密码通信协议；

无人机和运载机器人识别问题上，可采用灯色密码的方式完成二者锁定。具体特征：在运载机器人正前方和无人机尾部分别设置一组色灯，每组色灯由K个三原色小灯构成，即可形成3^k种灯色组合，形成一组灯色密码，同一系统下的无人机和运载机器人须使用同一组灯色密码，通过图像传感器相互匹配，完成识别。具有识别效率高，实施性强的特点。

步骤2：依据接收到的运输任务指令获得运输起点和终点坐标，运载机器人按照定位片运动至运输任务起点对应的楼栋门口处，无人机依据GPS导航飞行至运输任务起点对应的楼栋门口处；

步骤3：运载机器人识别并匹配无人机；

到达运输任务起点对应的楼栋门口处的无人机按照设定的通信协议发出不同颜色的灯光信号，运载机器人对无人机发出的不同颜色的灯光信号进行识别，若与预先存储的灯色序列相同，则认为两者匹配成功，两者进行通信；

步骤4：当运载机器人与无人机成功匹配后，令无人机与运载机器人保持相对静止的稳定运动形态；

步骤5：判断无人机与运载机器人两者之间的运动形态是否稳定，若稳定，则无人机依据运输任务生成导航路径，指引运载机器人前行；

所述稳定运动形态是指无人机和运载机器人以固定的距离和固定的姿态角运行，保持相对静止前行；

步骤6：当无人机运行至运输任务终点位置时，利用栋楼栋外的定位片识别楼栋信息，当识别的楼栋信息与运输任务终点匹配时，运载机器人与无人机之间的形态稳定解除，运载机器人按照楼栋定位片前行至运输任务终点位置，完成运输任务。

进一步地，所述无人机和运载机器人的姿态角通过两者自带的Kinect传感器测量获得。

进一步地，采用基于深度学习神经网络的运动形态稳定模型判断运载机器人和无人机两者的运动形态；

所述基于深度学习神经网络的运动形态稳定模型是以运载机器人和无人机的相对位姿时间序列作为深度学习神经网络的输入数据，运动形态稳定结果作为深度学习神经网络的输出数据，进行训练获得。