本申请涉及物流技术领域，特别地，涉及一种基于智能机器人的物流分拣系统。
背景技术：
在相关技术中，发展出一种基于智能机器人的物流分拣系统。在现代化的大型物流分拣系统中，采用了大量的自行走智能机器人在仓储现场快速穿梭移动，将大量的物品自动分拣到指定的货架，或从指定的货架分拣到指定的转载点。
在仓储物品分拣过程中，经常需要多机器人协同分拣货品。多机器人系统应用的难点在于多机器人之间的任务协作，尤其是如何避免几百甚至上千台智能机器人在快速移动中发生碰撞。
技术实现要素：
本申请提供一种基于智能机器人的物流分拣系统，用于解决现有的多个机器人协作防碰撞问题。
本申请还提供了一种基于智能机器人的物流分拣系统，其特征在于，包括多台自行走的智能机器人，用于分拣物品，其包括：地磁感应模块、测速模块、寻轨模块和防碰撞控制模块；
地磁感应模块用于获取机器人检测数据；
测速模块用于对机器人速度进行检测；
寻轨模块用于根据机器人检测数据和机器人速度估算机器人轨迹；
防碰撞控制模块用于根据估算的机器人轨迹控制机器人的速度，以防止机器人之间发生碰撞。
本发明通过检测机器人的运行状况来预测机器人的轨迹，并进而控制机器人的速度，以防止机器人之间发生碰撞，实现了提前就能控制和避免机器人的碰撞，并且节省了复杂的摄像头和图像识别分析设备。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1为本申请基于智能机器人的物流分拣系统的一实施例的示意图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。
图1为本申请基于智能机器人的物流分拣系统的一实施例的示意图，包括多台自行走的智能机器人，用于分拣物品，其包括：地磁感应模块10、测速模块20、寻轨模块30和防碰撞控制模块40；
地磁感应模块10用于获取机器人检测数据；
测速模块20用于对机器人速度进行检测；
寻轨模块30用于根据机器人检测数据和机器人速度估算机器人轨迹；
防碰撞控制模块40用于根据估算的机器人轨迹控制机器人的速度，以防止机器人之间发生碰撞。
在现有技术中，通过给机器人安装摄像头，并进行图像识别来识别机器人，从而避免机器人相互碰撞。这种方案有几个缺陷：一是需要较高端的摄像头、处理芯片、存储器和软件算法等，增加了成本；二是只有机器人相互很靠近时才能进行识别和相互规避，在高速情况下可能来不及规避，从而不利于提高机器人速度，降低了分拣效率。
而本发明通过检测机器人的运行状况来预测机器人的轨迹，并进而控制机器人的速度，以防止机器人之间发生碰撞，实现了提前就能控制和避免机器人的碰撞，并且节省了复杂的摄像头和图像识别分析设备。
优选的，地磁感应模块采用地磁传感器对机器人进行检测，用于在地磁传感器的检测区域内，通过检测磁力线的扰动以确定机器人的进入和离开。
基于地磁信号的检测准确率超过了感应线圈和视频摄像头等传统设备，采用地磁传感器对机器人进行检测，提高了机器人检测准确度，并且还降低了成本。
优选的，地磁感应模块包括：
采集模块，用于设地磁传感器检测到的原始数据为a(k)，对原始数据进行低通和带通滤波器去噪、降低采样频率、求能量谱处理，得到时刻k的信号b(k)；
加工模块，用于采用滑动加权对信号进行处理，滑动加权后的信号可表示为：
式中，w表示滑动窗口长度，i表示时刻k之前的第i个信号。
数据处理采用滑动加权对信号进行处理，能够消除突发噪声的影响，提高了信号采集与分析的准确率。
优选的，测速模块包括：
阈值模块，用于设定一个信号幅值阈值g(k)，若当前信号采样连续超过阈值则认为有机器人存在，当信号连续低于阈值则认为机器人不存在，其中，g(k)根据b′(k)的变化进行迭代更新，假设阈值初始值为g0，g(k)采用下式进行更新：
式中，α和β为更新因子，t为阈值更新延迟，0＜α＜1，β＞1；
速度模块，用于根据幅值阈值获取检测信号的开始时间tstart和截止时间tend，速度采用下式求取：
式中，δtb和δta分别表示地磁传感器b和地磁传感器a的时钟和标准时钟的差值，tb,start和ta,start分别表示地磁传感器b和地磁传感器a的检测到机器人的开始时间，tb,end和ta,end分别表示地磁传感器b和地磁传感器a的检测到机器人的截止时间，da,b表示两个地磁传感器之间的距离。
本优选实施例能够适应实际检测环境中背景噪声的变化，提高了机器人检测的鲁棒性，保证了机器人检测的准确性和可靠性；对机器人速度进行求取时，考虑了地磁传感器的时钟同步问题，获取了更为准确的时间，从而得到了更为准确的机器人速度检测。
优选的，寻轨模块包括模型建立模块和模型简化模块，模型建立模块用于建立机器人轨迹检测一般模型，模型简化模块用于建立与车道平行的机器人轨迹检测模型。
机器人轨迹检测一般模型为：假设地磁传感器网络由n个节点组成，在固定的时间间隔内对机器人进行周期性的检测并上报汇聚节点，得到一个n维向量集s＝(+1,0,-1)n,其中，+1表示机器人向着地磁传感器的检测范围方向移动，0表示空闲没有发现机器人，-1表示机器人往远离地磁传感器检测范围的方向移动，根据向量集s以及对应的时间戳对机器人轨迹进行估算；
与车道平行的机器人轨迹检测模型为：机器人的运行轨迹是与车道平行的直线，汇聚节点在固定的时间间隔t内对机器人数据以一定的频率采样，则采样结果表示为一个二元检测序列o(tj)：
式中，tj表示采样时刻，s(tj)为根据幅值阈值检测到的机器人存在性状态输出。
寻轨模块实现了对机器人轨迹的估算，一般模型能够对于各种轨迹进行估算，当机器人运行于车道平行时，采用简化模型能够对机器人轨迹进行估算，提高了计算效率，节省了计算时间，从而能提前预判，提前将机器人减速或加速。
优选的，设在某一时刻地磁传感器q检测到尾部离开事件，地磁传感器p检测到头部进入，机器人长度检测模块确定机器人的长度为：
式中，r表示误差调整参数，
在对机器人长度进行检测的过程中，引入误差调整参数，能够减少经机器人的磁扰动特征信号计算得到的磁性长度与实际长度的误差，由于磁信号受到环境因素的影响，将温湿度和气压作为依据对误差调整参数进行计算，获得的机器人长度更为准确。
需要说明的是，上述装置或系统实施例属于优选实施例，所涉及的模块和模块并不一定是本申请所必须的。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于本申请的装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上对本申请所提供的一种基于智能机器人的物流分拣系统，进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。