摘要：本项目的LEO机器人主要利用雷达传感与摄像头识别配合ROS数据处理,完成对工作场景的模式识别。获取激光雷达数据,结合里程计数据,用gmapping算法构建地图。在机器人工作场景下,对于移动较快的物体,采用激光雷达传感器进行位置标定,并配合kinetc-RGB摄像头对周围三维物体进行感知。运行navigation导航避障算法,结合雷达、超声波、深度摄像头的数据,在路径规划过程中有效提高避障精度,到达指定目标点,实现取件过程的智能化、无人化操作,提高快件的投递效率,满足客户送货到手的需求。

　　关键词：LEO机器人；校园快递；地图导航；ROS

　　0引言

　　在信息技术与互联网技术快速普及与发展的背景下,智能机器人技术作为融合机械工程、人工智能、传感器技术等多学科交叉的前沿技术,其教学强调实践导向,通过项目式学习、跨学科整合等模式,系统培养学生的技术应用能力与创新思维。本项目聚焦学生熟悉的校园场景开发智能代取机器人,旨在构建“需求分析—方案设计—原型开发—迭代优化”的完整工程实践链条。该项目整合ROS机器人操作系统、gmapping算法地图构建、机械臂控制等核心技术模块,实现了从传感器数据采集到路径规划的全流程开发[1-3]。

　　1系统总体设计

　　1.1系统架构设计

　　系统采用分层设计,核心软件模块分为交互层、功能层、数据层、硬件层,总体框架如图1所示。

　　交互层作为用户与系统交互的接口,通过手机App或网页端实现用户指令的接收、系统状态的展示以及操作界面的提供；功能层是系统的核心,集成了地图构建、自主导航、目标识别和智能分拣等关键功能,利用gmapping算法构建校园环境地图,结合激光雷达、超声波传感器和深度摄像头的数据,运行navigation导航避障算法实现路径规划和立体避障；硬件层则是系统的物理基础,包括机器人本体、激光雷达、超声波传感器、深度摄像头、陀螺仪以及机械臂等硬件设备,这些组件共同协作,支撑系统的稳定运行和各项功能的实现。各层之间通过清晰的接口进行通信和数据交换,确保系统的模块化、可扩展性和可维护性。

　　1.2系统运行流程设计

　　本文设计了一种可以自动化搬运、配送物料的机器人。利用互联网进行ROS及LEO机器人的对接,依靠传统的多传感器协同与新兴的人工智能算法的结合,为快递代取这一流程提供了新思路,其算法的流程如图2。

　　2系统程序设计与算法优化

　　快递机器人系统的程序设计主要包括小车驱动控制、传感器控制、小车运动轨迹控制和省份识别等子程序,算法流程见图3。在分拣过程中,如果目标区识别正确,则将该目标区域的快递送至对应的目标区,然后小车进行下一个分拣任务,直至目标区物料全部完成分拣,返回出发区[4]。

　　2.1定位坐标与地图构建的统一

　　采用基于MCL的概率定位算法,实现具备自适应特性（或采用KLD采样）的蒙特卡罗定位方法。该方法能够针对已有地图,利用粒子滤波器跟踪并确定机器人的位姿信息,从而实现精准定位,在已知机器人坐标和静态地图加载好的情况下,使用costmap_2d功能包生成代价地图,用于后面的路径规划。

　　2.2 STM32与导航模块(工控机)通讯

　　采集陀螺仪、超声波、左右轮电机编码器等传感器数据,并且控制电机的转动。首先,将采集到的数据通过串口传递给导航模块(工控机）,将传感器数据转换成相应的ROS消息；其次,使用gmapping slam算法构建地图,在地图上用dijk算法规划全局路径图,并将深度摄像头数据融合到move_base导航中,实现立体避障；再次,采用teb_local_planner算法重新规划局部路径；最后,根据路径生成速度控制机器人移动[5]。

　　2.3目标识别的实现

　　对摄像头传回的图像数据进行处理。PaddleOCR是基于飞桨开源的深度学习框架PaddlePaddle的一个文字识别系统。本项目利用该系统提取图片中文字,并与目标信息进行匹配,以实现目标的识别。

　　2.4辅助功能的添加与算法优化

　　在机械臂中添加辅助灯光,以满足机器人在夜间工作时对图片的捕捉；配置语音功能,以提醒机器人出现故障或出现无法逾越的障碍物,提高工作的稳定性和安全性。对前面工作中的成果和算法进行优化,提升程序运行效率和工作质量。

　　3核心软件模块设计与实现

　　本文设计的校园快递代取机器人实现主要在ROS开源操作系统的基础上,利用gmapping slam算法（构建地图）、dijk算法(规划全局路径图)、深度摄线头与move_base导航（实现立体避障）、PaddleOCR（目标物料的识别）、RosStudio客户端（实现机械臂的抓取）,最终通过App应用实现地图构建、自主导航、目标识别、智能分拣等功能,机器人通过摄像头与导航系统的结合,可以躲避障碍物并且重新规划路线。

　　3.1地图构建与自主导航系统

　　（1）SLAM建图模块。在App中点击“启动建图”,机器将进入建图状态,使用机器人底部的控制按键来控制机器行走,当建图区域已成功扫出需要的地图,可以保存地图。通过gmapping算法基于采集到的数据实时构建校园环境地图,支持手动标注禁行区域。使用MCL的概率定位算法,实现自适应（或kld采样）的蒙特卡罗定位方法,可以针对已有的地图使用粒子滤波器跟踪确定一个机器人的位姿信息来定位好位置,在已知机器人坐标和静态地图加载好的情况下,使用costmap_2d功能包生成代价地图,用于路径规划。（2）自主导航模块。通过手机App可以实现任务资源管理,如图4所示。在已构建的地图基础上添加资源,点击“任务执行”,此刻App即下发目标点。系统自动规划路径并显示实时导航画面,采用navigation算法实现在已构建好的地图上自主规划路线,并通过将深度摄像头数据融合到move_ base导航中,实现立体避障。通过STM32与导航模块实现路径的识别行走。

　　3.2快递智能分拣系统

　　（1）目标识别模块。该模块主要为二维码解析模块,机器人通过机械臂末端集成的摄像头扫描二维码读取信息并领取任务,识别快件,确定物料的配送区域以及夹取顺序。实验中利用飞桨开源的深度学习框架PaddlePaddle,运用其文字识别系统PaddleOCR进行代码构建,将识别的二维码图像转化为文字,从而达到将快递区分开的效果,见图5。（2）智能分拣模块。系统通过RosStudio模块控制机器人的机械臂,实现物料的抓取与放置。安装rosStudio,并将PC的WiFi连接到ROS机器人上,通过ROS控制台创建移动抓取任务,对相关算法进行模拟仿真,学习相对位置和实际位置的转换,实现对目标物品的抓取和放置,如图6所示。（3)App端应用模块。系统通过用户端软件App实现启动建图、校准位置、保存地图等地图管理功能；实现任务资源和任务动作管理；设置回充参数,实现机器人的自动回充,保障续航延续性,并查看传感器状态和机器人运行日志[6]。

　　4应用效果测试

　　4.1系统实现与集成

　　（1）系统的开发环境。1）硬件环境。机器人本体：配备有激光雷达、超声波传感器、深度摄像头、陀螺仪、机械臂等硬件设备,用于环境感知、定位、导航和执行抓取任务。工控机：作为机器人的核心计算单元,运行ROS操作系统,处理传感器数据,执行路径规划和导航算法。2）软件环境。操作系统：机器人端运行Ubuntu或其他基于Linux的操作系统,作为ROS的底层平台。ROS（Robot Operating System）：机器人操作系统,提供硬件抽象、设备控制、常用函数实现、进程间消息传递和软件包管理等功能。

　　（2）软件部署。1）ROS环境搭建：在机器人端和开发机上分别安装ROS,并配置好网络环境,确保两者能够相互通信。2）数据库部署：如果需要存储地图数据、任务数据等,可以部署数据库服务器,并配置好数据库连接参数。

　　（3）集成挑战与解决方案。不同传感器的数据格式、采样频率和精度存在差异,如何有效融合这些数据以提高环境感知的准确性是一个挑战。采用传感器数据融合算法,如卡尔曼滤波或粒子滤波,对多传感器数据进行融合处理,提高环境感知的准确性和鲁棒性。

　　4.2效果测试

　　（1）分拣功能检测。将机器人置于启动区,启动机器人,运行程序,机器人开始构建地图。手动指定机器人目标点,不断完成地图的构建。完成地图构建后,提前设置好机器人多个工作位置的目标点坐标,启动机器人,运行程序。机器人将按顺序从启动区依次运动到抓取区、仓库区、启动区,并且通过识别二维码完成相应的抓取分拣工作、物料放置工作。测试结果表明,机器人可以依次运动到指定位置完成相应的抓取、分拣、放置工作,并且实现导航、抓取的自动进行。（2）静态避障效果测试。在机器人工作环境中设置多个静态障碍物,设定好机器人的初始和目标位置,运行算法,记录机器人穿过障碍物的次数。测试结果表明,机器人可以正常避开静态障碍物到达目标点。（3）执行效率测试。计时十分钟,记录机器人抓取物料的个数以及放置是否正确。测试结果表明,机器人具有较高的执行效率。

　　5结语

　　该校园快递代取机器人系统通过算法优化实现了动态路径规划等智能能力,有效打破了传统末端配送的时空限制,不仅为取件用户提供了24小时无人值守服务,提升了末端收件便利性,还依托智能调度系统提高了仓储物流效率,减少了人力配送环节中的资源浪费,实现了科技赋能物流创新、设计服务社会民生的双重价值。

参考文献

　　[1]耿冬妮,赵定坤,周颖婷,等.智能物流机器人设计与测试[J].实验技术与管理,2024,41(12):156-161.

　　[2]王茹,牟维哲,刘敏,等.基于校园最后一公里的物流配送问题研究[J].北方经贸,2018(12):74-77.

　　[3]熊海东,邓人球,李肖龙,等.基于ROS的物流终端智能分拣机器人系统[J].中国储运,2023(11):205.

　　[4]孙婷婷.基于ROS的移动机器人混合路径规划研究[J].物联网技术,2024,14(10):134-138.

　　[5]杨海军,侯永琪,王利祥,等.一种基于ROS的蓝牙定位快递配送机器人设计[J].科技创新与应用,2021,11(27):65-69+72.

　　[6]沈皖,杨陈娟,朱添麟,等.基于移动机器人的校园快递配送系统设计[J].电脑知识与技术,2024,20(24):113-115+119.