黃偉溪 李麗麗 李文威 周磊 江淑玲

開發(fā)設計

基于openTCS的移動機器人集群調度系統(tǒng)*

黃偉溪1李麗麗2李文威3周磊1江淑玲1

（1.華南智能機器人創(chuàng)新研究院，廣東 佛山 528300 2.順德職業(yè)技術學院，廣東 佛山 528300 3.佛山智優(yōu)人科技有限公司，廣東 佛山 528300）

針對工業(yè)搬運過程中多移動機器人協(xié)同作業(yè)的需求，提出基于openTCS的移動機器人集群調度系統(tǒng)。首先，介紹系統(tǒng)整體架構和組成；然后，詳細闡述移動機器人運動控制、多機協(xié)同的即時定位與地圖構建（SLAM）以及移動機器人與調度系統(tǒng)的通訊關鍵問題；最后，以工業(yè)物料搬運為例，完成系統(tǒng)搭建并進行運行測試。測試結果表明，該系統(tǒng)能夠同時控制多臺移動機器人高效地完成物料搬運任務。

移動機器人；集群調度；多機協(xié)同；即時定位與地圖構建

0 引言

隨著智能制造對小批量、多品種、個性化生產需求的增加，多移動機器人協(xié)同完成復雜任務變得越來越重要。通過多移動機器人協(xié)同作業(yè)，使一些單機器人無法實現的任務變得可行[1]。在過去十年中，多機器人系統(tǒng)在制造業(yè)、倉庫管理、農業(yè)和環(huán)境監(jiān)測等領域的應用越來越廣泛[2]。

集群調度是多移動機器人領域的難點，具有NP-hard復雜度。分布式智能算法（多智能體算法、遺傳算法、模糊算法、智能優(yōu)化算法等）為集群調度提供了有效的解決方案。文獻[3]給出兩級分布多智能體系統(tǒng)框架的解決方案，設計了二維遺傳算法，并結合秩最小啟發(fā)式算法給出了一種精英策略。文獻[4]提出利用二維遺傳算法解決耦合任務分配與調度問題，并通過仿真實驗對該算法的有效性和運行效率進行了驗證。文獻[5]提出一種基于多準則模糊控制器的自動導引運輸車（auto- mated guided vehicle, AGV）智能調度方法，并利用MATLAB及模糊推理引擎實現了調度系統(tǒng)。文獻[6]利用生物啟發(fā)的鯨魚優(yōu)化算法尋找調度問題的最優(yōu)解，并在Khepera II移動機器人的調度過程中進行了有效性驗證。

目前，移動機器人調度軟件主要分為3類：1）開源機器人調度軟件，針對不同類型的機器人具有良好的兼容性，但需要根據實際應用場景進行二次開發(fā)，如開源交通控制系統(tǒng)（open traffic controller system, openTCS）[7]；2）商用機器人調度軟件，由移動機器人廠商開發(fā)，一般僅適用于某一品牌的移動機器人；3）專用機器人調度軟件，由機器人企業(yè)或科研機構定制化開發(fā)，一般適用于特定類型的移動機器人，應用范圍較窄。

針對移動機器人集群調度中常見的運行效率低、系統(tǒng)兼容性差等問題，本文提出一種基于openTCS的移動機器人集群調度系統(tǒng)，可滿足智能工業(yè)搬運對系統(tǒng)兼容性的要求。

1 系統(tǒng)架構

基于openTCS的移動機器人集群調度系統(tǒng)主要包括openTCS、調度服務器、云服務器、數據庫、5G通訊裝置、機器人等，其架構如圖1所示。

圖1 基于openTCS的移動機器人集群調度系統(tǒng)架構

1.1 openTCS開源軟件

openTCS開源軟件主要包含內核、終端與內核控制中心3個模塊。其中，內核負責路徑規(guī)劃與任務調度；終端提供可視化界面；內核控制中心監(jiān)管移動機器人。

1.2 調度服務器

調度服務器接收openTCS內核的任務指令，并將任務指令通過5G網絡發(fā)送給移動機器人；同時也接收移動機器人的狀態(tài)反饋數據，并將狀態(tài)反饋數據輸入openTCS內核，用于決策。

1.3 云服務器

云服務器接收調度服務器下達的計算任務。云服務器基于Hadoop架構構建，內部存儲了點對線迭代最近點（point-to-line iterative closest point, PL-ICP）算法、Cartographer算法等，可利用云端計算資源完成多張局部地圖融合，生成環(huán)境場景的全局地圖。

1.4 數據庫

數據庫用于存儲歷史調度數據、機器人的歷史運行數據和歷史全局地圖等。

1.5 5G通訊裝置

5G通訊裝置包括5G交換機和移動機器人上搭載的5G信號接收裝置，可基于現有5G網絡實現調度數據的低時延、高可靠性傳輸。

1.6 移動機器人

移動機器人可以是同種類、同型號或不同種類、不同型號的機器人，但要求每臺移動機器人均配備工控機、激光雷達和5G信號接收裝置。

2 移動機器人的運動控制

移動機器人的驅動方式不同，如雙輪差速式驅動、三輪車式驅動、阿克曼式驅動等，其運動學模型也不盡相同。運動學算法一般內置于移動機器人的工控機內，供調度系統(tǒng)調用。當移動機器人收到5G通訊裝置發(fā)送的運動速度指令時，通過運動學算法將運動速度指令轉化為控制機器人伺服電機左右輪的輪速信號，并將輪速信號輸入電機驅動器用于執(zhí)行。

以雙輪差速式驅動為例，移動機器人運動學模型如圖2所示。

圖2 雙輪差速式移動機器人的運動學模型

假設機器人的輪系在平坦地面上運動，輪系上方部分為一個剛體。為確定機器人在平面中的位置，在圖2中建立平面全局參考坐標系-和機器人局部參考坐標系-XY。-的原點為地面上任意一點，-XY的原點位于機器人底盤形心處。記(,)為移動機器人旋轉中心的全局參考坐標；為移動機器人局部參考坐標系相對全局參考坐標系的旋轉角度；2為驅動輪輪距；為驅動輪半徑；θ和θ分別為左、右驅動輪的轉角；v和v分別為左、右驅動輪的運動速度。

雙輪差速式驅動機器人的線速度在機器人局部參考坐標系中可表示為兩輪的平均線速度：

機器人的角速度取決于兩輪的線性速度差和兩輪之間的距離2：

通過機器人局部參考坐標系下的平均線速度和角速度，機器人的運動學方程可以表示為

根據公式(3)設計相應的運動學算法，即可將運動速度指令轉化為移動機器人的輪速信號。

3 多機器人協(xié)同的SLAM

即時定位與地圖構建（simultaneous localization and mapping, SLAM）是指移動機器人在陌生環(huán)境中，能夠完成環(huán)境地圖構建并確定自身在地圖中的相對位置。目前，移動機器人SLAM通常為單機模式，主要利用機載的激光雷達、里程計、慣性測量單元（inertial measurement unit, IMU）等傳感器完成前端數據采集；機載的工控機完成后端數據處理。這種單機SLAM模式在小范圍場景下具有良好的應用效果，但在多機、大范圍場景時，由于視野范圍狹窄，易出現計算耗時長、建圖質量差、定位不準確等問題。

考慮到多機器人具有空間覆蓋范圍廣的優(yōu)勢，本文利用多臺移動機器人搭載的激光雷達同步掃描周圍環(huán)境，采用5G網絡作為中繼，利用云服務器的計算資源進行點云數據的融合處理，可快速生成大范圍場景的輕量級全局地圖，并完成多機器人精確定位。多機器人協(xié)同定位與建圖流程如圖3所示。

圖3 多機器人協(xié)同定位與建圖流程

多機器人協(xié)同定位與建圖步驟包括：

1）系統(tǒng)運行之前進行里程計和IMU校準、激光雷達運動畸變去除、臺移動機器人系統(tǒng)時鐘同步等準備工作；

2）調度服務器啟動SLAM系統(tǒng)，SLAM系統(tǒng)同步啟動臺移動機器人；

3）調度服務器根據精確位姿刷新臺移動機器人的里程計數據（初始里程計數據全部歸零）；

4）調度服務器延時Δ（即采樣頻率為1/Δ）后，向移動機器人下發(fā)數據采集指令；

5）每臺移動機器人利用里程計采集其行駛里程，利用IMU采集其加速度和角速度，各個數據用附加的時間戳和標號進行區(qū)分；

6）每臺移動機器人利用運動學算法將里程計采集的行駛里程轉化為移動機器人的整體位移；分別對IMU采集的加速度和角速度進行積分，計算出移動機器人的線速度和轉角；利用擴展卡爾曼濾波器（EKF）將線速度、位移、角速度、轉角進行融合，產生機器人的粗略位姿矩陣(,,)T(=1,…,)；

7）在執(zhí)行步驟5的同時，臺移動機器人同步掃描周圍環(huán)境，生成各自的激光輪廓點云；

8）激光輪廓點云經去噪處理后（去除孤立點、噪聲點）生成張局部點云地圖M(=1,…,)，并附加時間戳和標號進行區(qū)分；

9）張局部點云地圖M(=1,…,)與個位姿矩陣(,,)T(=1,…,)通過5G網絡無線發(fā)送至調度服務器；再由調度服務器上傳至云服務器；

10）在云服務器內，采用時間戳對齊的方式進行數據匹配，利用PL-ICP算法對張局部點云地圖M(=1,…,)進行融合計算，拼成全局點云地圖M；

11）云服務器利用圖優(yōu)化算法Cartographer對全局點云地圖M進行優(yōu)化，獲得最優(yōu)的全局點云地圖，同時生成臺移動機器人的精確位姿矩陣’(,,)T(=1,…,)；

12）將全局點云地圖M轉換為輕量化的全局柵格概率地圖M，并在柵格地圖M上標示臺移動機器人的位置(=1,…,)；柵格地圖中每個柵格取值范圍為[0,1]，其中，0表示柵格未被占據；1表示柵格被占據，0～1之間的數值表示柵格被占據的概率；

13）循環(huán)反復執(zhí)行步驟3）～13），不斷地進行新一輪全局定位和建圖；

14）當臺移動機器人全部停機時，SLAM系統(tǒng)停止運行。

4 調度系統(tǒng)與AGV的通訊

openTCS調度系統(tǒng)通過5G網絡與移動機器人進行小容量的數據傳輸。本文采用基于IP地址的通訊方式，通過設定的IP與Port，利用Socket接口與移動機器人通訊，實現同一局域網內不同設備之間的通訊。Socket技術是實現網絡上2個應用進程間雙向數據交換的通訊連接技術，主要由協(xié)議、本地地址、本地端口號、遠地地址、遠地端口號5個信息構成。Socket之間的連接過程分為3個步驟：

1）服務器監(jiān)聽，服務器端開啟一個端口，并處于等待客戶端連接、實時監(jiān)控網絡的狀態(tài)；

2）客戶端請求，客戶端Socket向服務器端Socket提出連接請求，發(fā)起請求時需描述它要連接的服務器Socket的地址和端口號；

3）連接確認，服務器端Socket監(jiān)聽或接收到客戶端Socket的連接請求時，響應其請求并建立一個線程連接。

本文的openTCS調度系統(tǒng)為服務器端，各移動機器人為客戶端。openTCS調度系統(tǒng)通過Socket通訊實時獲取移動機器人上傳的位置、電量、任務執(zhí)行狀態(tài)等，同時對相應的移動機器人下達任務命令和遠程調度命令等信息。

5 實例研究

以工業(yè)物料搬運為例，介紹基于openTCS的移動機器人集群調度系統(tǒng)的應用。某加工車間的平面布局如圖4所示。

圖4 某加工車間的平面布局示意圖

圖4中，成品倉庫和物料倉庫分別布置于車間左右兩側，車間中部對稱布置了6臺加工設備（A～F），每臺加工設備前方分別設有上料位和下料位。物料從物料倉庫取出，依次經過6臺加工設備的加工，成品送入成品倉庫存放。虛線為移動機器人的運行路線，移動機器人在此路線上往復穿梭，運送物料和成品。

本文采用8臺雙輪差速驅動移動機器人（2臺復合移動機器人、6臺AGV）來完成物料和成品搬運。

基于openTCS的移動機器人集群調度系統(tǒng)的設計步驟如下：

1）啟動openTCS內核；

2）打開openTCS終端，在終端上完成步驟3）～6），建立如圖5所示路網；

3）添加若干路徑點（Point），并將各路徑點連接起來；

4）設置位置點對應的動作（Action），如Transport；

5）設置若干位置點（Location），屬性為Transport，并用虛線將位置點與對應的路徑點相連；

6）添加8臺移動機器人并啟用；

7）打開內核控制中心，配置8臺移動機器人；

8）為每臺移動機器人設置對應的IP與Port，以建立Socket連接。

圖5 在openTCS終端上設計的路網

完成以上步驟后，8臺移動機器人在訂單的驅動下自動完成運輸任務。移動機器人運行示意圖如圖6所示；運行中的機器人列表如圖7所示；多機器人協(xié)同建立的2D柵格地圖如圖8所示。

需要說明的是，本文采用的任務分配、路徑規(guī)劃、交通管制等智能調度算法均為openTCS內置的算法。

圖6 基于openTCS的移動機器人集群調度系統(tǒng)控制移動機器人運行示意圖

圖7 運行中的移動機器人列表

圖8 多機器人協(xié)同建立的2D柵格地圖

由圖5可知，openTCS調度系統(tǒng)可建立與圖4一致的等比例車間布局。

由圖6可知，多臺移動機器人在調度系統(tǒng)的控制下有序運行。

由圖7可知，調度系統(tǒng)可實時顯示被調度機器人的當前狀態(tài)信息。

由圖8可知，通過多機器人協(xié)同建立的2D柵格地圖較為精確，可在機器人集群調度情況下使用。

基于openTCS的移動機器人集群調度系統(tǒng)運行結果如表1所示。

表1 運行結果統(tǒng)計表

由表1可知，從訂單報文最大響應時間、機器人阻塞最長等待時間、訂單執(zhí)行成功率等指標來看，基于openTCS的移動機器人集群調度系統(tǒng)運行狀態(tài)良好，可滿足工業(yè)物料搬運對多臺移動機器人集中調度的要求。

6 結論

機器人調度系統(tǒng)是實現智能工廠的關鍵要素之一。本文針對工業(yè)搬運對多移動機器人協(xié)同作業(yè)的需求，構建基于openTCS的移動機器人集群調度系統(tǒng)，并對系統(tǒng)的控制、通訊、SLAM等進行了詳細論述。為驗證該系統(tǒng)的可行性，以工業(yè)物料搬運場景為例，進行了系統(tǒng)運行測試，驗證該系統(tǒng)的有效性和可靠性。

[1] KHAMIS A, HUSSEIN A, ELMOGY A. Multi-robot task allocation: a review of the state-of-the-art[J]. Cooperative Robots and Sensor Networks, 2015:31-51.

[2] ZHOU L, TOKEKAR P. Multi-robot coordination and planning in uncertain and adversarial environments[J]. Current Robotics Reports, 2021,2:147-157.

[3] GIORDANI S, LUJAK M, MARTINELLI F. A distributed multi-agent production planning and scheduling framework for mobile robots[J]. Computers & Industrial Engineering, 2013, 64(1):19-30.

[4] WANG X, XING Z, WU W, et al. Research on Coupled Task Allocation and Scheduling of Multi-type Robots[C]//2021 IEEE International Conference on Networking, Sensing and Control (ICNSC), 2021:1-6, doi: 10.1109/ICNSC52481.2021.9702203.

[5] UMASHANKAR N, KARTHIK V N. Multi-criteria Intelligent Dispatching Control of Automated Guided Vehicles in FMS [C]//2006 IEEE Conference on Automated Guided Vehicles Cybernetics and Intelligent Systems, 2006:1-6, doi: 10.1109 / ICCIS. 2006.252292.

[6] PETROVI? M, MILJKOVI? Z, JOKI? A. A novel methodo- logy for optimal single mobile robot scheduling using whale opti- mization algorithm[J]. Applied Soft Computing, 2019,81:1-25.

[7] 吳若,蘇宇,劉勝,等.基于openTCS的多種AGV通信適配與實時監(jiān)控管理系統(tǒng)設計與實現[J].制造業(yè)自動化,2022,44(2): 87-92.

Mobile Robot Scheduling System Based on openTCS

HUANG Weixi1LI Lili2LI Wenwei3ZHOU Lei1JIANG Shuling1

(1.South China Robotics Innovation Research Institute, Foshan 528300, China 2.Shunde Ploytechinc, Foshan 528300, China 3.Foshan Zhiyouren Technology Co., Ltd., Foshan 528300, China)

In order to meet the requirements of multi mobile robots working together in the industrial handling process, a mobile robot cluster scheduling system based on openTCS is proposed. First, introduce the overall architecture and components of the system; Then, the key problems of mobile robot motion control, real-time location and map building (SLAM) of multi machine cooperation, and communication between mobile robot and scheduling system are described in detail; Finally, taking industrial material handling as an example, the system is built and tested. The test results show that the system can control multiple mobile robots to carry materials efficiently.

mobile robot; cluster scheduling; multi-machine collaboration; simultaneous localization and mapping(SLAM)

TP242;TN965.8

A

1674-2605(2022)06-0005-07

10.3969/j.issn.1674-2605.2022.06.005

黃偉溪,李麗麗,李文威,等.基于openTCS的移動機器人集群調度系統(tǒng)[J].自動化與信息工程,2022,43(6):27-33.

HUANG Weixi, LI Lili, LI Wenwei, et al. Mobile robot scheduling system based on openTCS[J]. Automation & Information Engineering, 2022,43(6):27-33.

佛山市順德區(qū)核心技術攻關項目（2130218003022）

黃偉溪，男，1983年生，碩士，主要研究方向：智能機器人工業(yè)應用、智能制造、傳感及檢測。E-mail: wx.huang@scri.ac.cn

李麗麗，女，1981年生，碩士，工程師，主要研究方向：機器視覺，移動機器人，智能制造。

李文威，男，1981年生，博士，高級工程師，主要研究方向：智能機器人、CAD/CAE數字化仿真、機械動力學、制造業(yè)信息化。

周磊，男，1982年生，博士，高級工程師，主要研究方向：機器人智能控制、智能制造、傳感及檢測等。

江淑玲，女，1999年生，本科，主要研究方向：通信工程。