──────────────────────────────────────────────────────────┐
│ 清洁机器人系统 │
├──────────────────────────────────────────────────────────┤
│ │
│ ┌────────────────────────────────────────────────┐ │
│ │ Step 1:底盘自动校准模块 │ │
│ │ 传感器感知位置 → 微调底盘 → 达到目标位姿 │ │
│ └────────────────────┬───────────────────────────┘ │
│ │ 校准完成信号 │
│ ▼ │
│ ┌────────────────────────────────────────────────┐ │
│ │ Step 2:精确位姿识别 │ │
│ │ 3D扫描 → 识别型号 → 获取精确6D位姿 │ │
│ └────────────────────┬───────────────────────────┘ │
│ │ 位姿数据 │
│ ▼ │
│ ┌────────────────────────────────────────────────┐ │
│ │ Step 3:机械臂清洁执行 │ │
│ │ 轨迹规划 → 力控清洁 → 质量验证 │ │
│ └────────────────────────────────────────────────┘ │
└──────────────────────────────────────────────────────────┘
这是方案核心的创新点,决定了后续机械臂能否精确工作。
目标(底盘相对的目标位姿):
├─ 前后距离:底盘前沿距前沿 300±20mm
├─ 左右偏移:底盘中心线与中心线偏差 ≤ ±15mm
├─ 旋转角度:底盘朝向与朝向偏差 ≤ ±3°
└─ 校准时间目标:≤ 15秒
这是校准模块的第一个核心技术选择:用什么传感器感知位置?
传感器方案 | 原理 | 精度 | 成本 | 抗干扰 | 安装难度 | 推荐度 |
|---|---|---|---|---|---|---|
RGB-D深度相机 | 结构光/ToF测距 | ±5–10mm | 中(500–3000元) | 中(受光照影响) | 低 | 首选 |
2D激光雷达 | 激光测距 | ±10mm | 中(1000–5000元) | 高 | 低 | 辅助 |
超声波传感器阵列 | 声波测距 | ±20–30mm | 低(50–200元/个) | 低(多路干扰) | 中 | 精度不足 |
红外测距传感器 | 红外反射 | ±10–20mm | 低(20–100元/个) | 低(受颜色影响) | 低 | 辅助用 |
视觉标记(ArUco) | 图像识别标记 | ±2–5mm | 极低(仅需摄像头) | 高 | 需在贴标记 | 改造场景 |
结构光3D扫描 | 主动投影+相机 | ±1–3mm | 高(5000元+) | 高 | 中 | 高精度需求 |
ToF相机阵列 | 飞行时间测距 | ±5mm | 中高 | 高 | 中 | ✅ 推荐备选 |
推荐组合:RGB-D深度相机(主) + 2D激光雷达(辅)
这是校准模块的第二个核心技术选择:用什么驱动实现小范围精确移动?
驱动方案 | 运动能力 | 定位精度 | 结构复杂度 | 成本 | 推荐度 |
|---|---|---|---|---|---|
全向轮(麦克纳姆轮) | X/Y/旋转全向 | ±5–10mm | 中 | 中 | 首选 |
差速驱动 + 横移机构 | 前后+旋转,横移需机构 | ±10mm | 高 | 中高 | 结构复杂 |
三轮全向(120°布局) | X/Y/旋转全向 | ±8mm | 低 | 低 | 备选 |
差速驱动(仅前后+旋转) | 前后+旋转,无横移 | ±15mm | 低 | 低 | 自由度不足 |
直线导轨 + 旋转台 | 高精度,但运动范围小 | ±1–2mm | 高 | 高 | 过于复杂 |
Stewart平台(并联) | 6DOF微调 | ±0.5mm | 极高 | 极高 | 过度设计 |
推荐:麦克纳姆轮全向底盘
选型理由:
麦克纳姆轮运动分解(4轮布局):
┌─────────────────────────────────────────┐
│ FL(↗) FR(↘) │
│ │
│ RL(↘) RR(↗) │
└─────────────────────────────────────────┘
运动合成:
├─ 前进:FL+ FR+ RL+ RR+(四轮同向)
├─ 横移:FL+ FR- RL- RR+(对角同向)
├─ 旋转:FL+ FR- RL+ RR-(左右反向)
└─ 任意方向:以上三种叠加
校准控制回路:
传感器测量偏差 → PID控制器 → 轮速指令 → 编码器反馈 → 闭环
算法方案 | 原理 | 精度 | 收敛速度 | 实现难度 | 推荐度 |
|---|---|---|---|---|---|
PID控制(三轴独立) | 偏差→比例积分微分 | ±10mm | 快(2–5s) | 低 | 基础方案 |
视觉伺服(IBVS) | 图像特征直接控制 | ±3–5mm | 中(5–10s) | 中 | 推荐 |
模型预测控制(MPC) | 预测未来状态优化 | ±5mm | 中 | 高 | 高精度场景 |
粒子滤波定位 | 概率估计位姿 | ±8mm | 慢 | 高 | 过于复杂 |
点云配准(ICP) | 3D点云匹配 | ±2–5mm | 慢(10–20s) | 高 | 精度优先 |
推荐:两阶段校准策略
两阶段校准策略:
─────────────────────────────────────────────────────
阶段1:粗校准(目标:±30mm,±5°)
├─ 传感器:2D激光雷达扫描轮廓
├─ 算法:PID控制,快速收敛
├─ 时间:≤ 5秒
└─ 结果:底盘进入精校准工作范围
阶段2:精校准(目标:±10mm,±2°)
├─ 传感器:RGB-D深度相机,3D点云
├─ 算法:视觉伺服(IBVS)
│ ├─ 提取特征点(边缘、中心轴)
│ ├─ 计算图像特征误差
│ └─ 直接映射到底盘速度指令
├─ 时间:≤ 10秒
└─ 结果:达到机械臂工作精度要求
总校准时间:≤ 15秒
精度传递链分析:
─────────────────────────────────────────────────────
底盘校准精度(±10mm, ±2°)
│
▼ 机械臂基坐标系偏差
机械臂运动学误差(±0.5mm,可忽略)
│
▼
末端执行器位置误差(±10–15mm)
│
▼ 是否满足清洁需求?
内壁清洁:需要 ±20mm → 满足
座圈擦拭:需要 ±10mm → 勉强满足
精细死角清洁:需要 ±5mm → 需力控补偿
结论:底盘校准 ±10mm 配合力控补偿,可满足所有清洁任务
需要识别的信息:
├─ 中心位置(X, Y, Z):精度 ±5mm
├─ 朝向(Yaw角):精度 ±2°
├─ 型号/尺寸:用于选择清洁轨迹
├─ 座圈状态:开/关
└─ 污渍分布:用于规划清洁优先级
方案 | 技术路线 | 精度 | 适应性 | 计算量 | 推荐度 |
|---|---|---|---|---|---|
点云配准(ICP) | 深度相机点云 vs 模型库 | ±3–5mm | 需预建模型库 | 高 | 推荐 |
深度学习6D位姿估计 | RGB-D + 神经网络 | ±5–10mm | 强(泛化好) | 高 | 推荐 |
边缘检测+几何拟合 | 提取轮廓,拟合几何体 | ±10–15mm | 中 | 低 | 轻量方案 |
ArUco标记 | 在贴二维码标记 | ±1–2mm | 弱(需改造) | 极低 | 改造场景 |
激光雷达轮廓匹配 | 2D轮廓 vs 模板 | ±15mm | 中 | 低 | 精度不足 |
推荐:点云配准(ICP)+ 深度学习双路融合
双路融合位姿识别流程:
─────────────────────────────────────────────────────
输入:RGB-D相机采集的彩色图 + 深度图
路线A(快速粗估计):
RGB图 → YOLOv8检测 → 估计大致位置和型号
时间:~50ms,精度:±30mm
路线B(精确位姿):
深度图 → 点云生成 → 预处理(去噪/下采样) → ICP配准(与模型库匹配)→ 精确6D位姿
时间:~200ms,精度:±3–5mm
融合策略:
路线A结果作为ICP初始值 → 加速ICP收敛
最终输出:精确6D位姿(X,Y,Z,Roll,Pitch,Yaw)
机械臂 | 自由度 | 工作半径 | 末端负载 | 力控 | 防水 | 价格区间 | 推荐度 |
|---|---|---|---|---|---|---|---|
UR5e / UR3e | 6 | 850/500mm | 5/3kg | 内置F/T | IP54 | 20–35万 | 成熟首选 |
AUBO i5 | 6 | 886mm | 5kg | 关节力矩 | IP54 | 15–25万 | 国产推荐 |
遨博 i5 | 6 | 886mm | 5kg | IP54 | 15–20万 | 国产推荐 | |
Franka Emika | 7 | 855mm | 3kg | 优秀 | IP40 | 30–50万 | 防水不足 |
JAKA Zu 5 | 6 | 800mm | 5kg | IP54 | 12–18万 | 性价比高 | |
定制轻量臂 | 4–5 | 600mm | 3kg | 需外加 | 可定制 | 8–15万 | 自由度受限 |
推荐:AUBO i5 或 JAKA Zu 5(国产6DOF协作臂)
这个决策影响整机尺寸和清洁能力:
安装方案 | 示意 | 优点 | 缺点 | 推荐度 |
|---|---|---|---|---|
底盘正前方顶部安装 | 臂从顶部向前伸出 | 工作空间大,视野好 | 整机高度增加 | 推荐 |
底盘侧面安装 | 臂从侧面伸出 | 机身紧凑 | 工作空间受限,不对称 | |
底盘中央立柱安装 | 臂从中央升降柱伸出 | 灵活,可升降 | 结构复杂,成本高 | |
底盘后方安装(臂向前) | 臂从后向前伸 | 稳定性好 | 需要更大进深 |
推荐安装方案(底盘正前方顶部):
─────────────────────────────────────────────────────
[机械臂]
│
┌────┴────┐
│ 顶部安装 │ ← 机械臂基座高度约 800mm
│ 平台 │
├─────────┤
│ 控制柜 │ ← 电控、清洁液箱
│ 清洁液 │
├─────────┤
│ 底盘 │ ← 麦克纳姆轮,校准驱动
└─────────┘
优势:
├─ 机械臂基座抬高,工作空间向下覆盖全区域
├─ 机械臂展开时不受底盘遮挡
└─ 重心较高,需底盘配重设计
规划方案 | 原理 | 适应性 | 实时性 | 推荐度 |
|---|---|---|---|---|
预定义轨迹库 | 按型号预存轨迹,识别后调用 | 中(需覆盖主流型号) | 高 | 近期推荐 |
在线轨迹生成 | 根据实时点云动态规划 | 高(适应任意型号) | 低(计算量大) | 中期方案 |
示教再现 | 人工示教一次,机器人重复 | 低(固定场景) | 高 | 灵活性差 |
强化学习策略 | 端到端学习清洁策略 | 高 | 高(推理快) | 远期方案 |
推荐:预定义轨迹库 + 在线偏差补偿
轨迹执行策略:
─────────────────────────────────────────────────────
Step 1:识别型号(YOLOv8分类)
Step 2:从轨迹库调用对应型号的标准清洁轨迹
Step 3:根据实际位姿(ICP结果)对轨迹进行坐标变换
Step 4:执行轨迹,力控模块实时补偿位置偏差
Step 5:清洁完成后视觉验证,对遗漏区域补充清洁
轨迹库建设:
├─ 覆盖国内主流型号(前20种覆盖约80%市场)
├─ 每种型号包含:内壁轨迹、座圈轨迹、外壁轨迹
└─ 轨迹格式:关节空间 + 笛卡尔空间双存储
末端执行器系统(快换接口,自动切换):
│
├─ 工具1:内壁清洁头 ← 核心工具
├─ 工具2:座圈双面擦拭头
├─ 工具3:消毒液喷洒头
└─ 工具4:外壁平面擦拭头
快换接口要求:
├─ 切换时间:≤ 5秒(自动)
├─ 重复定位精度:±0.5mm
├─ 防水等级:IP65
└─ 传递能力:电气信号 + 清洁液管路
这是最关键的末端执行器,方案选择直接决定清洁效果。
结构设计:
├─ 刷头:螺旋形尼龙刷毛,直径 80–100mm
├─ 驱动:无刷电机,转速 200–800rpm 可调
├─ 安装:通过6DOF臂末端快换接口
└─ 清洁液:内置喷嘴,刷洗同时喷液
工作原理:
机械臂引导刷头沿内壁曲面运动
+ 刷头旋转提供切向清洁力
+ 力控保持法向接触力 5–10N
= 全面覆盖内壁清洁
优点:
清洁力强,对顽固污渍效果好
技术成熟,类似电动刷
成本低(核心部件 500–2000元)
缺点:
刷毛磨损,需定期更换(约每月)
旋转时有水花飞溅
对曲面贴合依赖力控精度
结构设计:
├─ 擦拭面:多层硅胶叶片,被动变形贴合曲面
├─ 清洁介质:可更换擦拭布(一次性无纺布)
├─ 驱动:无(被动柔顺,靠机械臂推压)
└─ 清洁液:独立喷嘴预喷
工作原理:
机械臂引导擦拭头沿内壁运动
+ 硅胶叶片被动变形贴合曲面
+ 擦拭布吸附污渍
= 面接触擦拭清洁
优点:
无旋转部件,结构简单可靠
硅胶被动适应曲面,对力控精度要求低
无水花飞溅
缺点:
清洁力弱,对顽固污渍效果差
擦拭布需频繁更换(每个换一次)
覆盖面积小,清洁时间长
结构设计:
├─ 喷嘴:扇形喷嘴,覆盖角度 60°
├─ 水压:5–15 bar(可调)
├─ 防溅:外置密封罩(套在口)
└─ 污水:通过自身排水
工作原理:
密封罩套住口
+ 高压水射流冲刷内壁
+ 机械臂调整喷嘴角度覆盖全区域
= 无接触高效清洁
优点:
无机械磨损,免维护
清洁效果最好(高压冲刷)
无需贴合曲面,对位姿精度要求低
缺点:
需要密封罩(增加机构复杂度)
用水量大(约2–3L/次)
需要稳定水压供给
密封罩与不同型号的适配问题
维度 | 旋转刷头 | 仿形硅胶头 | 高压水射流 |
|---|---|---|---|
清洁效果 | 4 | 3 | 5 |
结构复杂度 | 中 | 低 | 高 |
维护频率 | 月换刷毛 | 每次换布 | 极低 |
对力控依赖 | 高 | 低 | 低 |
用水量 | 少(0.3L) | 极少(0.1L) | 多(2–3L) |
适应不同型号 | 需力控补偿 | 被动适应 | 需密封罩适配 |
近期可行性 | 高 | 高 | 中 |
推荐度 | 首选 | 辅助 | 中期 |
推荐:近期采用旋转刷头(主)+ 仿形硅胶头(辅)组合
清洁中力控的必要性:
─────────────────────────────────────────────────────
问题1:底盘校准误差(±10mm)→ 末端位置误差(±15mm)
如果纯位置控制,刷头可能压入内壁或悬空
力控解决:实时感知接触力,自动补偿位置误差
问题2:内壁曲面不规则
预定义轨迹无法完美贴合每个的曲面
力控解决:保持恒定接触力,自动适应曲面起伏
问题3:不同污渍需要不同清洁力
顽固污渍需要更大压力,普通污渍轻擦即可
力控解决:根据污渍程度动态调整接触力
力控方案 | 控制原理 | 适用场景 | 实现难度 | 推荐度 |
|---|---|---|---|---|
阻抗控制 | 定义末端力-位移弹簧阻尼关系 | 接触刚性表面,需要稳定接触力 | 中 | 内壁清洁推荐 |
导纳控制 | 力输入→位置修正输出 | 柔性接触,力传感器精度高 | 中 | 座圈擦拭推荐 |
力/位混合控制 | 不同方向分别控制力和位置 | 复杂接触任务 | 高 | 高级场景 |
被动柔顺(弹簧机构) | 机械弹簧吸收位置误差 | 简单接触,精度要求低 | 低 | 辅助用 |
零力矩控制 | 末端力矩为零,自由跟随 | 示教/拖动 | 低 | 不适合清洁 |
阻抗控制模型:
F = M_d(ẍ_d - ẍ) + B_d(ẋ_d - ẋ) + K_d(x_d - x)
参数设定(内壁清洁场景):
├─ 期望接触力 F_d:5–10N(法向,垂直内壁)
├─ 虚拟刚度 K_d:500–1000 N/m(适中,不过硬)
├─ 虚拟阻尼 B_d:50–100 N·s/m(防振荡)
└─ 虚拟质量 M_d:0.5–1 kg(响应速度)
控制效果:
├─ 当刷头接触内壁:力反馈调整位置,保持 5–10N 接触力
├─ 当遇到凸起:自动退让,不损坏
└─ 当遇到凹陷:自动跟进,不脱离接触
导纳控制模型:
ẍ = M_a⁻¹(F_ext - B_a·ẋ - K_a·(x - x_d))
参数设定(座圈擦拭场景):
├─ 期望接触力 F_d:3–5N(轻柔擦拭)
├─ 导纳刚度 K_a:200–500 N/m(柔软响应)
├─ 导纳阻尼 B_a:30–60 N·s/m
└─ 导纳质量 M_a:0.3–0.5 kg
控制效果:
├─ 感知到接触力 → 修正位置跟随座圈曲面
├─ 力过大 → 自动退让,保护座圈
└─ 适合平面/微曲面的轻柔擦拭传感器类型 | 测量维度 | 精度 | 量程 | 价格 | 推荐度 |
|---|---|---|---|---|---|
六维力/力矩传感器(末端) | Fx,Fy,Fz,Mx,My,Mz | ±0.1N | 50–200N | 1–5万 | 推荐 |
关节力矩传感器(内置) | 各关节力矩 | ±0.1N·m | — | 含在臂价格中 | 必须有 |
单轴力传感器 | 单方向力 | ±0.05N | 10–100N | 0.1–0.5万 | 简化方案 |
触觉传感器阵列 | 分布式压力 | ±0.5N | 0–50N | 0.5–2万 | 未来方向 |
推荐:末端六维力/力矩传感器 + 关节力矩传感器双重感知
完整作业时序(目标:单个 ≤ 5分钟)
─────────────────────────────────────────────────────
T=0s 人工推送机器人到前,按下启动按钮
T=0–5s [底盘粗校准]
激光雷达扫描 → PID控制 → 底盘粗对准
目标:±30mm, ±5°
T=5–15s [底盘精校准]
RGB-D扫描 → 视觉伺服 → 底盘精对准
目标:±10mm, ±2°
✅ 校准完成,底盘锁定(制动器锁死)
T=15–20s [精确位姿识别]
点云采集 → ICP配准 → 获取6D位姿
同时:YOLOv8识别型号 → 调用轨迹库
T=20–25s [消毒液预喷]
机械臂展开 → 喷洒头喷洒消毒液(内壁+座圈)
等待消毒液作用(30s,与后续步骤并行)
T=25–120s [内壁清洁]
旋转刷头 → 按预定轨迹清洁内壁
力控:5–10N 恒力接触
覆盖:内壁全区域(约95秒)
T=120–150s [座圈清洁]
换装仿形硅胶头 → 擦拭座圈上下表面
力控:3–5N 轻柔擦拭
T=150–170s [外壁清洁]
平面擦拭头 → 擦拭外壁和底座
T=170–180s [冲水 + 质量验证]
机械臂按压冲水按钮 → 冲洗内壁
RGB-D相机拍摄 → AI对比清洁前后图像
✅ 合格:完成;❌ 不合格:补充清洁
T=180–200s [复位 + 提示]
机械臂收回 → 底盘解锁 → 提示人工推走
─────────────────────────────────────────────────────
总时间:约 200秒(3分20秒)
异常场景处理:
├─ 校准失败(超时/超范围)
│ → 声光报警 → 提示人工重新推送 → 重试
│
├─ 识别失败(未知型号)
│ → 切换为通用轨迹(保守策略)
│ → 或提示人工干预
│
├─ 力控异常(接触力超限)
│ → 立即停止 → 退回安全位置 → 报警
│
├─ 清洁质量不合格
│ → 自动补充清洁(最多2次)
│ → 仍不合格则报警,记录日志
│
└─ 电量/清洁液不足
→ 完成当前任务后提示补充
→ 不中断正在进行的清洁
模块 | 推荐方案 | 理由 |
|---|---|---|
底盘驱动 | 麦克纳姆轮全向底盘 | 三自由度校准,原地全向移动,无需转向 |
校准传感器 | RGB-D深度相机 + 2D激光雷达 | 精度与安全兼顾,成本合理 |
校准算法 | 两阶段:PID粗校准 + 视觉伺服精校准 | 速度与精度平衡,≤15秒完成 |
位姿识别 | ICP点云配准 + YOLOv8双路融合 | 精度±3–5mm,适应主流型号 |
机械臂 | 6DOF协作臂(AUBO/JAKA) | 国产成熟,力控完善,性价比高 |
内壁清洁头 | 旋转刷头(近期)→ 高压水射流(中期) | 近期可行,中期升级 |
座圈清洁头 | 仿形硅胶双面擦拭头 | 被动柔顺,无飞溅,结构简单 |
力控方案 | 阻抗控制(内壁)+ 导纳控制(座圈) | 针对不同接触场景分别优化 |
力传感器 | 末端六维F/T + 关节力矩双重 | 精度与安全双保障 |
Phase 1(0–12个月):验证核心技术
├─ 重点:底盘校准系统 + 机械臂力控
├─ 目标:实验室环境验证,校准精度达标
└─ 里程碑:完成10种主流型号的清洁验证
Phase 2(12–24个月):工程化与小批量
├─ 重点:防水防腐集成 + 可靠性提升
├─ 目标:在真实卫生间环境连续运行1000小时
└─ 里程碑:完成5台样机,在3个试点场所部署
Phase 3(24–36个月):规模化与迭代
├─ 重点:高压水射流升级 + AI清洁质量验收
├─ 目标:单台机器人日均清洁 100+ 个
└─ 里程碑:商业化量产,成本降至 10–15万/台