Details

Работа посвящена модернизации программно-аппаратного комплекса управления тяжёлой транспортной тележкой AGV производства KUKA с пе-реводом решения с монолитной программы на языке Python на платформу ROS 2 и расширением его до автономной навигации по напольным визуаль-ным маркерам. Проведён анализ объекта исследования — конструкции и системы управления тележки, а также существующего программного решения; изучены платформа ROS, методы навигации и локализации мобильных роботов, обоснован выбор навигации по визуальным маркерам и поэтапного перехода на новую платформу. Спроектирована и реализована архитектура комплекса в виде независимых узлов ROS 2: драйвер связи с контроллером, узел управления движением, узел распознавания напольных QR-кодов, узел построения маршрута по графу меток и узел локализации с коррекцией позы по меткам. Реализовано устойчивое распознавание напольных кодов, ранее работавшее неудовлетворительно, построение маршрута и автоведение тележки от метки к метке, а также программная имитация пульта и сигналов безопасности для отладки без вывода машины в рабочее пространство. Работоспособность комплекса подтверждена на отладочном стенде — в режиме программного имитатора контроллера и в среде трёхмерного моделирования Gazebo, где воспроизведён полный цикл «восприятие — распознавание — навигация».

The work is devoted to the modernization of the control system of a heavy KUKA AGV, migrating the solution from a monolithic Python program to the ROS 2 platform and extending it to autonomous navigation by floor visual markers. An analysis of the object of study — the vehicle structure and control system as well as the existing software — was carried out; the ROS platform and the methods of mobile-robot navigation and localization were studied, and the choice of marker-based navigation and of a stepwise migration was justified. A system architecture was designed and implemented as a set of independent ROS 2 nodes: a controller driver, a motion-control node, a floor QR-code recognition node, a route-planning node based on the marker graph, and a localization node that corrects the pose using the markers. Robust recognition of floor codes — previously unreliable — together with route planning, marker-to-marker guid-ance, and software emulation of the pendant and safety signals for vehicle-free debugging were implemented. The system was verified on a test bench, both with a software PLC simulator and in the Gazebo 3D simulation environment, where the full perception–recognition–navigation loop was reproduced.