基于麦克纳姆轮全向移动平台的自主跟随系统

  • 基于麦克纳姆轮全向移动平台的自主跟随系统已关闭评论
  • 64 views
  • A+
所属分类:AGV设计资料
摘要

全向移动平台具有灵活、转向空间小和x方向与y方向独立运动的优势,广泛应用于船舶、航天、仓库工业移动运输等领域,但大部分都是传统物料运载方式,在搬运效率、劳动力的利用率和精准度上面具有很大缺陷,所以我们设计了可以识别目标并接受引导、能精准地在一些要求较高的地方满足人们的需求的全向移动平台自主跟随系统来打破这种方式,提供更为智能的全向移动方案。本设计基于麦克纳姆轮的全向智能移动平台技术,结合了OpenMV智能摄像头的图像识别分析功能,实现了捕捉和识别到目标图像并进行动态跟随,以达到高精度的轨迹跟踪功能。

引言:随着科学技术的不断发展,全向移动平台技术在航天、军事、建筑、交通、工业及服务业等领域已取得广泛的应用和发展,主要是航天器产品的总装对接和工序流转、军队后勤物资运送、工业厂区的移动运输等应用,但都是传统物料运载方式。有感于军队里的大狗机器人(在军队后勤中担负着物资运输的任务,可以通过单兵引导进行携带成吨武器弹药和食物等补给品到前线)的设计,我们希望设计一个可以识别目标并接受引导、能精准地在一些要求较高的地方满足人们的需求的智能机器人。因此,基于麦克纳姆轮的全向移动平台技术,我们设计了可以进行图像识别的自主跟随系统来打破了传统物料运载方式,提供了更为智能的全向移动方案。

本设计由于加入了OpenMV智能摄像头,可以对目标事物进行识别和标记,进而进行自主跟随,还可以达到一人多控,小队自主跟随相互协调并结合全向底座灵活地完成任务,不但提高了工作效率而且在某种程度上解放了相应的劳动力,这在工厂节约生产成本上具有重要意义。而在生活应用方面,该系统可延伸的功能例如自主跟随的移动背包、医院病历及资料的自主传递等具有更简便的实际操作性,这将给人们的生活品质带来飞跃性变化。

1.前景预测

麦克纳姆轮全向移动平台具有非常好的灵活性,随着科技的进步和智能化的世界潮流,“智能”必然是全向移动平台的大势所趋。本设计符合科技发展方向,也跟得上智能化的世界潮流,那么我们设计的自主跟随系统的应用前景必然广阔。

在航空、航天、武器装备或大型物流领域,它能够大幅度提高产品装配的工作效率,具有定位精度高,人员操作便利等优点,根据现在发展的不足和新技术、新市场的推动情况,我们的自主跟随系统还表现出以下的应用需求和发展趋势。

·在军队中,该产品可以识别自己的主人而免除遥控操作,进一步解放士兵甚至达到一个士兵可以管理多个机器人的目的。

·在工业上能完成复杂的高精度操作,进行小队自主跟随,相互协调并通过全向底座灵活的完成任务,在提高工业运输效率的同时减少劳动力成本以获取最大利润。

·生活中,它可以为出行的人们充当移动背包,可以进行医院病历及资料的传递,还可以满足某些家庭及社区服务,为人们提供便利。

2.设计创新点

·本设计结合了OpenMV摄像头的图像识别分析功能实现了自主跟随目标事物的功能。

·本设计以麦克纳姆全向移动平台技术为基础实现了能沿平面上任意连续轨迹行走(如横行、斜行、以零回转半径的方式原地旋转任意角度的运动)并且可进行点动式位置微调,满足精确定位和高精度轨迹跟踪的要求。

·本设计可编译基于microPython机器视觉算法,OpenMV摄像头可以通过Python语言调用OpenMV库进行图像识别算法进行编程。

·本设计在做模型时使用的是大容量聚合物电池,实际应用中选用太阳能电池。

3.系统关键设计

3.1系统硬件设计

(1)系统核心控制部分采用STM32单片机处理器。

(2)系统信息采集硬件部分采用OpenMV智能摄像头。

(3)使用了L298N驱动模块进行驱动。

(4)使用LCD扩展屏实时显示摄像头观测图像。

3.2系统设计要点

(1)运用STM32单片机结合L298N驱动实现控制麦克纳姆全向移动平台的移动和姿态调整。

(2)通过Openmv摄像头对信息进行初步采集和处理为MCU提供指定目标的信息,并将初步处理的信息反馈给MCU。

(3)运用Python设计图像处理算法和对于特定目标的自动跟随算法。

3.3系统软件设计

(l)应用Python语言对OpenMV智能摄像头进行编程,使其能正确处理捕捉到的图像信息从中提取出关键目标的图像坐标位置,并通过所设计的算法对它进行处理并将所得初步结果由接口反馈给STM32主控MCU。

(2)应用c语言和keil软件对STM32单片机进行编程,设计算法使其能够对来自OpenMV摄像头的反馈信息进行进一步处理,并将处理结果应用于控制电机带动麦克纳姆轮全向平台调整自身姿态和进行自动跟随等特定的运动的控制。

4.理论和技术原理

4.1核心控制部分

STM32系列是基于专为要求高性能、低成本、低功耗的嵌入式应用专门设计的ARM Cortex-M3内核,目前提供10大产品线。由于加入图像处理的设计,所以我们的设计对核心控制单元性能要求较高,故我们选用了ARM Cortex-M7高性能MCU即STM32F7系列。本设计使用STM32F7程控制驱动L298N来实现全向移动。

4.2反馈检测传感器

对于用于检测和反馈的图像传感器我们使用OpenMV智能摄像头。OpenMV是低成本,可扩展的,基于Python的机器视觉模块,旨在成为“机器视觉Arduino”。OpenMV上使用了720P分辨率的型号为OV7725的摄像头,I0口扩展使用的是2mm的接插件,图像帧以通过SPI通信串口到LCD进行查看,此外它还可以自主编程控制,可以调用OpenMV的图像处理函数库对它进行图像检测和初步处理。

4.3运动单元

本设计选用麦克纳姆全向轮和l2V大功率直流电机以及耐高压的电机驱动L298N作为运动单元,这样不但可以保留足够的性能,还能减少发热延长机器寿命,并同时保留了一定的拓展能力。麦克纳姆轮是瑞典麦克纳姆公司的专利。这种全方位移动方式是基于一个有许多位于机轮周边的轮轴的中心轮的原理上,这些成角度的周边轮轴把一部分的机轮转向力转化到一个机轮法向力上面。依靠各自机轮的方向和速度,这些力的最终合成在任何要求的方向上产生一个合力矢量从而保证了这个平台在最终的合力矢量的方向上能自由地移动,而不改变机轮自身的方向。麦克纳姆轮结构紧凑,运动灵活,是很成功的一种全方位轮。有4个这种新型轮子进行组合,可以更灵活方便的实现全方位移动功能。
基于麦克纳姆轮全向移动平台的自主跟随系统
4.4控制算法部分

使用C语言和Python语言对STM32单片机和OpenMV摄像头进行编程,并且调用OpenMV图像视觉算法来完成图像处理以及运动轨迹的控制。

5.结束语

针对麦克纳姆轮的相关技术研究在我国起步较晚,目前在全向移动领域的研究主要集中在机器人应用中的麦克纳姆轮结构与机理分析,大部分工业的运输需求还局限于传统移动运输技术(例如普通轮式机器人),更先进一些的全向移动平台技术也是采用遥控和GPS导航的方式来实现对装备的控制,这虽然解决了普通轮式机器人在厂区内空间利用率低的问题,但在智能搬运方面以及劳动力的充分利用方面还是略有不足。随着科技进步和“智能化”的世界潮流,对图像处理智能识别来实现对目标的自主跟随必然是未来一个重要研究方向。

抱歉,此资源仅限赞助会员下载,请先
注意:本站资源多为网络收集,如涉及版权问题请及时与站长联系QQ:2766242327,我们会在第一时间内与您协商解决。如非特殊说明,本站所有资源解压密码均为:agvba.com。
weinxin
微信公众号
agvba是一个分享AGV知识和agv案例视频的网站。