1.1 系统架构设计

CubeBraid 装卸柜机器人系统采用模块化分层架构设计,自底向上分为硬件抽象与通信层、底层 SDK 导出层、业务逻辑控制层以及应用层。各模块保持高内聚、低耦合,通过标准化接口交换数据。

  • 硬件抽象与通信层:封装 TCP/IP、Siemens S7、串口等底层设备通信协议。

  • 底层 SDK 导出层:统一采用 C++14 编写,并提供标准 C ABI,便于 Python 等上层业务逻辑调用。

  • 业务逻辑控制层:完成视觉定位、运动学求解、位姿补偿以及抓取装柜逻辑的调度。

  • 应用层:根据现场工艺编排装卸柜状态机、设备握手、异常恢复和人机交互。

每个模块拥有独立的头文件和库文件,应用可以只链接需要的部分。

分层模型

层级

模块

责任

设备连接层

AGV / Camera / Robot / PLC / Sensor

建立网络或串口连接,发送控制指令,读取设备状态。

数据与配置层

JsonSDK

读取标定、SKU、机器人状态、垛型和续码配置,并提供字段更新接口。

运动与视觉算法层

RobotSDK / CameraSDK / DlSegSDK / KawasakiSDK

计算基准点、箱体分割、抓取目标、姿态变换、正逆运动学和奇异点规避。

可观测性层

LoggerSDK

统一日志实例、格式化日志和紧急停止原因记录。

一次装卸柜任务

下面是根据现有 demo 和公开接口整理的典型顺序。实际设备的握手顺序应以现场 PLC 程序、机器人程序和安全规范为准:

  1. 通过 JsonSDK 读取手眼标定、SKU、机器人位姿、垛型和续码参数。

  2. 启动倾角仪,获取当前 X/Y 角度;必要时把角度同步到 PLC。

  3. 连接 AGV、相机、机器人和 PLC,并检查每个模块的状态。

  4. 使用 CameraSDK 计算集装箱基准点或航向角偏差。

  5. 根据任务需要,使用 DlSegSDK 对图像进行箱体识别,获取目标区域和掩膜。

  6. 使用 RobotSDK 将视觉基准点、SKU 尺寸、抓取模式和倾角转换为目标位姿。

  7. 通过 PLC_SDK 发送取料参数、摆台角度、箱数状态和吸盘/底托信号。

  8. 通过 RobotSDK 发送经过安全检查的运动指令,并持续读取实际位姿和关节状态。

  9. 每个动作完成后更新 JSON/PLC 状态,记录日志,并在异常时进入安全停止流程。

线程与资源

多个硬件模块内部使用后台线程:

  • AGVController 内部包含接收线程和心跳线程;

  • PLCController 内部包含读、写和监控线程;

  • Inclinometer 内部管理串口采集和自动重连;

  • 设备类在析构或显式断开时应停止后台工作并释放连接。

应用退出时应显式执行 stop/disconnect/Destroy 等清理步骤,不要依赖进程强制结束来回收设备资源。

接口与二进制

头文件使用平台相关的导出宏。C++ 应用需要匹配 C++14、编译器 ABI、x64 位数和库配置;Python 等 FFI 调用则需要严格映射 ctypes 类型及结构体对齐。PLC 的 PLCStatus 和 PickUpData 使用 #pragma pack(push, 1),Python 映射时也必须设置 _pack_ = 1。