一种基于云辅助的智能仓管机器人系统与方法技术领域
本发明涉及仓管机器人系统，尤其涉及一种基于云辅助的智能仓管机器人系统与
方法。
背景技术
当前，主流的仓储机器人都是通过磁导航的方式，AGV按照预先设定好的程序进行
道路的选择，壁障，搬运货物等。在这种AGV中，将很多的运算，分析工作交给自带的运算器
来计算，然后通过控制器来控制输出，但是由于机器本身的限制，很难实现大计算能力芯片
的嵌入，存储能力也很有限，无法实现快速精确的计算和控制，工作的复杂度受到了很大的
限制。于此同时，由于AGV自身的电池限制，很难实现长时间高强度的工作。另一方面，在现
有的AGV工作模式中，往往是单机作战，尽管引入了多机系统，由于机器之间缺少交互性，各
个机器都只是按照自己设定好的程序运行，无法适应环境的变化。另一方面，主流的机器人
都是通过预先编程的方式进行决策控制，由于物理空间等因素的限制，单体机器人的计算
和储存能力有限，故可操作任务的复杂度有限。随着亚马逊KIVA机器人系统的发明和应用
不断提升，使得仓库管理机器人的工作方式有了很大的改观，工作效率得到了极大的提升。
相比于现有的磁导航AGV机器人，KIVA系统机器人能够通过一方面通过摄像头和坐标节点
来确定自身的位置，二来能够通过可升降的摄像头来读取物品的二维码，从而识别货物实
现分拣工作。于此同时，Kiva MFS系统的两个摄像头利用Blackfin BF548单核汇聚式处理
器执行控制、信号与图像处理的独特能力，执行实时图像分析，并实现与机器人主控制器进
行交互配合的通信协议。此系统的摄像头传感器执行两个基本而独立的功能：朝上的摄像
头读取数据矩阵条形码，这些条形码能够识别独一无二的货架，并实现货架的接驳。朝下的
摄像头处理坐标点信息，以确定机器人的位置。Blackfin处理器执行用于图像采集、分段、
亚像素目标定位和数据矩阵代码读取的复杂图像处理算法。此处理器的性能、足够高的系
统带宽以及片上存储器可加快图像流水线处理，从而确保动态、快速和高效率的机器人导
航。另外，Kiva采用了ADI公司的VisualDSP++(R)C/C++编译器将这些算法从上一代平台移
植到Blackfin中。其它算法在VisualDSP++数据可视化工具的支持下进行开发，该工具支持
绘制图像直方图，能够在开发过程中检查、保存和装入测试图像。Kiva公司还采用了
Blackfin图像处理器工具箱，这是一组设计用于更快速地开发基于Blackfin的复杂图像或
视频处理解决方案的自包含图像处理原语。这个工具箱已针对在Blackfin处理器系列上的
运行进行了优化，Kiva采用其Sobel_fastasm函数对获得的图像应用经典的索贝尔运算子
边沿检测方法。Blackfin BF548的汇聚架构、处理能力以及大量外设使Kiva公司实现了外
形紧凑、高性价的产品设计。特别是它无需胶合逻辑的片上传感器接口、强大的DMA引擎、缓
存控制以及DDR DRAM控制器提供了大量功能和存储器配置能力，这些都是推出具有市场竞
争优势的产品所必需的。但是，我们也能够看到，在这个系统中存在的明显不足：
(1)机器人整体计算能力(CPU)和储存能力(内存及硬盘)依然受硬件的约束，任务
复杂度拓展性差；
(2)人机交互性很差。此机器人仅仅作为人分装工作的帮手，提供货物的运输和识
别，无法实现进一步的人机交互，例如缺货提醒，语音交互等等。；
(3)在多变的工业环境下，现有的机器人无法实时感知环境的变化，并且对于环境
的变化做出相应的应对策略。例如，如果货物传输的过程中，AGV车上的货物因外力因素掉
了下来，这时AGV很难感应到这一变化，因而会造成无用功。
(4)机器人之间的交互性很差。机器人之间的交互仅仅存在于彼此之间的相互躲
避，除此之外没有别的交互。往往机器人之间的调试需要分台进行，这样很难实现更大的资
源优化和提升工作效率。
(5)机器人由于电池的限制，加上各种计算控制集中于一身，因而耗电量很大，生
命周期很短。往往工作一段时间就得去充电，大大降低了工作效率。
(6)现有的机器人无法分工协作，共同完成任务和目标。
(7)机器人的智能性比较差。因为机器人仅仅依靠定为节点来定位，一旦环境发生
变化，虽然能够很好的躲避，但是无法快速自主的规划路径方案，智能化不足。
发明内容
本发明的目的在于克服上述现有技术的缺点和不足，为大、中型的仓库提供一种
基于云辅助的智能仓管机器人系统与方法，旨在提高仓储物流的管理效率，减轻工作人员
的负担。
本发明通过下述技术方案实现：
一种基于云辅助的智能仓管机器人系统，其特征在于，包括：
用于数据处理和分析的云平台；
用于对货物进行扫描识别的RFID设备；
用于货物搬运的仓储机器人；
用于保障系统数据传输的网络服务质量优化机制的SDN无线设备。SDN无线设备，
是基于SDN(软件定义网络)的思想，令数据转发面与数据控制面剥离，将遵循OpenFlow协议
的网络设备作为无线AP部署在仓库内，实现网络流量的负载均衡，并向后台维护人员提供
高柔性的网络服务优化接口，提升整体网络服务质量的实时性和鲁棒性。
所述云平台包括：
机器人交互模块；通过分析任务和仓储机器人状态下达调度指令，云端通过机器
人交互模块实现对仓储机器人的路径规划和操作控制；
知识储存模块；用于储存机器人任务实施过程所需的环境地图、待抓取货物信息、
控制方式、网络模式的数据，是实现技能共享的载体；
众包模块；用于将系统维护的部分代码开源，向技术爱好者提供接口用于代码版
本的优化，通过分析评估，向后台维护人员的系统优化提供参考；
仓库货架监控模块；用于实时监控货架状态信息，更新货物数量信息，保证货物存
储质量；
仓库环境监控模块；用于实时监控仓库环境信息，包括温度、光强、气压、特殊气体
等指标，并向后台维护人员提供可视化控制界面。
所述RFID设备用于货物信息的储存和识别；机器人通过携带的RFID阅读器扫描货
架上的RFID标签获取物品信息，从而确定目标货物信息以便下一步操作。
所述仓储机器人包括如下模块：
感知模块；包括RFID设备、智能摄像头等图像设备、视频采集设备等；
人机交互模块；人机交互模块包括语音交互模块、任务状态显示模块，用于现场工
作人员的现场控制；
控制模块；为机器人本体搭载的嵌入式控制设备及运行环境，用于接受感知信息、
下载云端信息以及向下发送执行信息；
运动执行模块；为各执行终端，通过接受来自控制模块的机器人执行动作；
无线通讯模块；用于仓储机器人间通信，以及与云平台通信；仓储机器人通过感知
模块获取运行信息，通过无线通信模块实时与云端通信接受指令，基于控制模块机器人对
感知数据和云端下载信息进行处理，发送执行信息给运动执行模块，并维护人机交互模块
工作状态，保证仓储机器人的稳定运行。
一种基于云辅助的智能仓管机器人系统的运行方法，包括如下步骤：
当仓储机器人在云平台的调度下移动到相应货架，仓储机器人本体所携带的RFID
阅读器会扫描货架上的RFID标签，进而得到货架的货物信息；在此基础上，仓储机器人通过
本地的运算以及同云端的交互，二次确定货物的种类、位置、数量等信息；确认无误后，仓储
机器人在云端机器人交互模块的调度下进行下一步操作；
仓储机器人根据订单信息，将货物抓取并运送至打包处的工作；
仓储机器人，通过感知模块获取周围环境信息、向云端提供数据参考数据，仓储机
器人在云端调度过程中，感知模块通过光学、温度和气体等传感装置的信号采集，通过本地
预处理，借助无线通信模块实时向云端发送反馈信息，为云端的调度规划提供实时的数值
依据；同时，感知模块在机器人运行过程中，将所感知到的环境信息通过云端机器人交互模
块与仓库环境监控模块交互，同步和校验仓库环境信息。
人机交互步骤：
人机交互步骤，是工作人员现场检测仓储机器人运行状态和下达指令的核心步
骤；由语音交互和状态显示组成；语音交互是以机器人交互模块作为依托，分为底层和云层
两部分：底层设备为安装在机器人本体的语音采集话筒，云端由前端处理模块、语音处理器
和语音库模块构成；工作人员的声音信号通过话筒在本地先进行预处理，随后上传至云端
的前端处理模块进行特征数据提取，通过特征数据和语音库模块中搜索图的匹配云端分析
出工作人员的指令意义，随后通过机器人交互模块将执行数据下载到机器人实时任务；
机器人搭载的显示设备，用于显示机器人的基本运行状态及当前订单任务，现场
工作人员通过观察显示设备确定机器人是否正常工作。
机器人控制步骤：
机器人控制步骤，由控制模块实现机器人与感知模块、人机交互模块、无线通讯模
块、运动执行模块进行信号交互和指令发送；控制模块通过收集感知模块的传感数据经过
本地预处理，协同无线通讯模块向云端反馈数据，接受来自云端的执行指令并编译为机器
级底层语言，发送给运动执行模块实施任务；
运动执行模块的运动控制器通过接受控制模块传递的底层指令控制各执行终端
的任务实施；同时通过感知模块的传感设备将运动信息发送给控制模块形成闭环控制；运
动执行模块为仓储机器人运动呈现载体，由仓储机器人本体的运动控制器及各执行终端组
成，执行终端包括货物叉车、驱动轮、升降设备、转动机构等。
无线通讯模块为仓储机器人本体上安装的信号发射装置，控制模块在对待发送数
据预处理后，无线通讯模块与云端交互。
网络服务质量优化机制基于SDN(软件定义网络)的思想：
1)较传统的软件编程设备，SDN从设备提供商可编程转变为用户可编程,降低了设
备厂商与通讯模式的耦合性，用户根据生产实际；
2)从设备可编程转变为网络可编程。SDN的可编程不仅是针对单个网络节点而言
的，而且是可以对整个网络进行编程，控制器具有全局的拓扑，可以计算任意端点之间的路
由，并控制转发路径。同样其也可以控制每个端点的接入权限，无论你从那个节点接入，转
发面设备完全没有感知。
SDN(软件定义网络)通过将网络设备的数据控制面与数据转发面剥离，将各网络
设备的数据控制器逻辑统一，并向上提供统一的管理配置接口供后台维护人员监控控制。
硬件层面，将多个遵循OpenFlow协议的网络无线设备部署在仓库中。当机器人与云端交互
时，将触发网络服务质量优化机制。网络服务质量优化机制通过全局评估各无线AP的负载
状态、与云端的通讯质量，找到此机器人当前数据传送的最佳目的SDN无线AP并规划数据包
传递路线，最终在全局上实现网络流量的负载均衡。此外，除了自适应的网络优化机制，后
台维护人员由于拥有更高的权限，可通过统一的配置界面对网络服务状态进行实时监控与
配置。
本发明相对于现有技术，具有如下的优点及效果：
(1)将机器人与云计算、大数据技术结合。由于机器人本体的计算、存储能力有限，
可拓展性不足，尽管算法的性能不断提升，机器人也难以胜任高复杂度的任务。将机器人无
法胜任的计算、存储任务交于云端处理，大幅减小了底层机器人的负载压力，且云端的海量
资源显著提升了机器人的功能拓展性；另一方面，通过共享相似任务的关键信息，机器人间
实现了群体学习；
(2)将RFID技术引入货架中物品信息的储存与识别，具有快速部署、可靠性强、维
护性好等优点；
(3)引入SDN(软件定义网络)的思想，将网络设备的数据控制面与数据转发面剥
离，实现自适应的网络服务质量优化机制；此外，通过向应用层提供统一的控制监测接口，
维护人员凭借更高的权限可以实现面向特定需求的网络服务配置。
附图说明
图1为智能仓管云机器人系统整体架构图；图中附图标记：客户终端1、云平台2、
SDN无线设备3、货架4、移动机器人5(仓储机器人)、机器人视觉传感器6。
图2为语音交互系统架构。
图3为云服务器模块；图中附图标记：机器人交互模块01、数据储存云模块02、众包
模块03、仓库货架监控模块04、仓库环境监控模块05。
图4为智能仓库云机器人示意图；图中附图标记：取货叉11、驱动轮22、图像模块
33、状态显示模块44、视频采集模块55、SDN信号发射器66、语音采集器77。
具体实施方式
下面结合图1至4及具体实施例对本发明作进一步具体详细描述。
本发明所述仓管机器人系统的云端由多个云计算服务器集群构成，包括机器人交
互模块、数据储存模块、众包模块、仓库货架监控模块、仓库环境监控模块。
机器人交互模块主要用于与底层仓储机器人的交互，由于仓储任务涉及路径规
划、环境感知、多操作协同作业等多步骤，计算复杂度大，本发明的仓储机器人将这些计算
任务交付云端的机器人交互模块处理。通过云计算技术，机器人交互模块能做到快速响应
机器人任务需求、及时下达实施指令，并在后台运行多个监控进程与机器人各模块交互，实
现对机器人的调度、监控、日志的生成与分析等功能。
知识存储模块，用于储存机器人任务实施过程所需的环境地图、待抓取货物信息、
控制方式、网络模式的数据。由于物流需求、轨迹规划的复杂性，假设机器人在接受云端的
新物流任务后的所有轨迹规划、感知信息处理、操作控制等步骤都由云端重新推导演算，必
然导致机器人交互模块的高计算负荷，也对网络的实时性提出较为严格的要求。基于此，知
识储存模块通过存储其他已完成相似任务机器人的环境地图、货物几何信息、控制方式等
数据，实现基于云辅助的群体学习。机器人交互模块在推导演算前会与知识存储模块交互，
寻找可能相似的已完成信息并进行模糊匹配，一旦匹配成功就直接调用以存储的知识信息
进行机器人控制，从而显著降低机器人交互模块和维护网络服务质量的压力。
众包模块引入“众包”思想，将仓储运维的部分代码开源，向开源论坛的技术爱好
者提供接口提供代码版本。在此基础上，后台通过模拟各版本代码的运行效果对代码进行
评估分析，最后将评估结果递交维护人员对系统优化升级；
仓库货架监控模块用于实时监控货架状态信息，由于仓库内多机器人并行取货，
货架上的货物信息处于高速的动态变化，仓库货架监控通过实时信息的同步保证物流过程
的效率。同时，由于不同货物的保存环境不同，仓库货架监控模块根据不同货物特征，实时
监控货物储存的温度、光照、密封度等指标，并向后台人员提供可视化界面用于监控维护。
货架环境监控模块，用于实时监控仓库环境信息，包括温度、光强、气压、特殊气体
等指标，并向后台维护人员提供可视化控制界面。
所述RFID设备主要用于货物信息的储存和识别，分别装配在各货架以及机器人本
体上。当机器人在云平台的调度下移动到相应货架，机器人本体所携带的RFID阅读器会扫
描货架上的RFID标签，进而得到货架的货物信息。在此基础上，机器人通过本地的运算以及
同云端的交互，二次确定货物的种类、位置、数量等信息。确认无误后，机器人在云端机器人
交互模块的调度下进行下一步操作。
仓管机器人承担根据订单信息，将货物抓取并运送至打包处的工作。仓管机器人
主要由感知模块、人机交互模块、控制模块、运动执行模块、无线通讯模块构成。
机器人感知模块主要包括机器人本体搭载的各类传感器、图像采集设备、RFID设
备、视频采集设备等，是机器人感知周围环境信息、向云端提供数据参考的核心部件。机器
人在云端调度过程中，感知模块通过光学、温度、气体等传感装置的信号采集，通过本地预
处理，借助无线通信模块实时向云端发送反馈信息，为云端的调度规划提供实时的数值依
据。同时，感知模块在机器人运行过程中，将所感知到的环境信息通过云端机器人交互模块
与仓库环境监控模块交互，同步和校验仓库环境信息。
人机交互模块是工作人员现场检测机器人运行状态和下达指令的核心模块，本发
明所述人机交互模块主要由语音交互模块和状态显示装置组成。语音交互模块以机器人交
互模块作为依托，分为底层和云层两部分：底层设备为安装在机器人本体的语音采集话筒，
云端由前端处理模块、语音处理器和语音库模块构成；工作人员的声音信号通过话筒在本
地先进行预处理，随后上传至云端的前端处理模块进行特征数据提取，通过特征数据和语
音库模块中搜索图的匹配云端分析出工作人员的指令意义，随后通过机器人交互模块将执
行数据下载到机器人实时任务。状态显示装置为机器人搭载的显示设备，用于显示机器人
的基本运行状态及当前订单任务，现场工作人员通过观察显示设备确定机器人是否正常工
作。
机器人的控制模块是机器人本体的控制中枢，作为整个机器人的核心模块直接与
感知模块、人机交互模块、无线通讯模块、运动执行模块进行信号交互和指令发送。控制模
块在硬件层面为机器人本身搭载的嵌入式控制处理器，软件平台为基于Linux内核的操作
系统(必要时可选择远程控制)。控制模块通过收集感知模块的传感数据经过本地预处理，
协同无线通讯模块向云端反馈数据，接受来自云端的执行指令并编译为机器级底层语言，
发送给运动执行模块实施任务。
运动执行模块为机器人运动呈现载体，由机器人本体的运动控制器及各执行终端
组成，执行终端包括货物叉车、驱动轮、升降设备、转动机构等。运动执行模块的运动控制器
通过接受控制模块传递的底层指令控制各执行终端的任务实施。同时，通过感知模块的传
感设备将运动信息发送给控制模块形成闭环控制。
无线通讯模块为机器人本体上安装的信号发射装置。控制模块在对待发送数据预
处理后，无线通讯模块与云端交互。
图1为智能仓管云机器人系统整体架构图，整个架构由云层与底层组成。云层如图
3所示，由多个云计算服务器集群构成，包括机器人交互模块、数据储存模块、众包模块、仓
库货架监控模块、仓库环境监控模块。底层为智能仓库，包括货架、仓管机器人、SDN网络无
线AP等。
云层的机器人交互模块负责与仓管机器人交互，实时规划路径、控制机器人操作、
分析机器人运行状态；云层仓库环境监控模块在机器人任务实施过程中，实时监控仓库的
温度、光照、特殊气体等指标；仓库货架监控模块用于实时监控货架状态信息，实时监控货
物储存的温度、光照、密封度等指标，实现实时信息的同步从而保证物流过程的效率；为了
减少网络延时、云端的机器人交互模块的计算负载，机器人交互模块在与机器人交互且接
受订单信息后，会通过与知识储存模块交互搜寻是否有相似的任务，一旦有匹配结果会在
曾经的运行方案基础上优化调度，并在任务过程中上传关键数据，实现群体学习的闭环；为
了不断优化维护智能仓管系统，云端的众包模块将仓储运维的部分代码开源，向开源论坛
的技术爱好者提供接口提供代码版本。在此基础上，后台通过模拟各版本代码的运行效果
对代码进行评估分析，最后将评估结果递交维护人员对系统优化升级；
仓管机器人如图4所示，机器人由感知模块、人机交互模块、控制模块、运动执行模
块、无线通讯模块构成。
机器人感知模块主要包括机器人本体搭载的各类传感器、图像采集设备、RFID设
备、视频采集设备等，用于感知周围环境信息。控制模块通过处理来自感知数据的信息，再
通过无线通信模块发送至云端实现对运动控制的反馈；除此之外，控制模块来负责将云端
的抽象指令编译为底层语言驱动运控运动执行模块，从而执行运动。为了实现现场控制，仓
管机器人集成了人机交互模块，包括状态显示模块和语音交互模块；状态显示模块为机器
人搭载的显示设备，用于显示机器人的基本运行状态及当前订单任务，现场工作人员通过
观察显示设备确定机器人是否正常工作。
仓管机器人的语音交互模块架构如图2所示，当工作人员和机器人距离较近时，可
以通过机器人前端的话筒，通过声音信号对机器人传达指令。机器人首先将语音信号采样
并上传云端。云端的前端处理模块对语音信号进行特征参数化，提取后续处理需要用到的
语音特征参数序列。然后，语音库模块通过储存在云端的字典模块提供的发音信息和声学
模块提供的语音结构信息，把标准的语言模型翻译成搜索图。随后，运行在云端的语音处理
器的智能识别模块将启动搜索匹配管理器，将工作人员的语音特征序列与搜索图进行匹
配，从而识别出指令信息。云端将指令信息后发送至机器人，机器人控制模块解析指令信
息，并驱动底层设备进行相应操作。此外，工作人员可以通过远程终端对云端的前端处理模
块、语音库模块进行参数的配置，校正语音识别模型。
如图1所示，为了实现后台自定义的网络配置和自适应的网络服务质量优化机制，
在仓库中部署多个基于OpenFlow协议的SDN设备。当机器人与云端交互时，将触发网络服务
质量优化机制。网络服务质量优化机制通过全局评估各无线AP的负载状态、与云端的通讯
质量，找到此机器人当前数据传送的最佳目的SDN无线AP并规划数据包传递路线，最终在全
局上实现网络流量的负载均衡。此外，除了自适应的网络优化机制，后台维护人员由于拥有
更高的权限，可通过统一的配置界面对网络服务状态进行实时监控与配置。
如上所述，便可较好地实现本发明。
本发明的实施方式并不受上述实施例的限制，其他任何未背离本发明的精神实质
与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的
保护范围之内。