CoppeliaSim 分拣机器人与寻迹小车仿真：码垛、颜色识别及随机物块处理

本文介绍了基于 CoppeliaSim（原 V-REP）平台的工业场景仿真方案，涵盖履带输送、分拣机器人视觉识别、动态码垛及寻迹小车控制。

履带输送模块实现

为了让物块随机生成并携带属性，在内置脚本中实现了属性注入器。该逻辑将高度和颜色属性绑定，高于特定阈值的自动标记为红色，矮的标记为蓝色。虽然实际项目中不建议如此耦合，但在仿真环境中可减少额外传感器配置。

function spawnObject()
    local height = math.random() > 0.5 and 0.1 or 0.2
    local color = (height > 0.15) and 1 or 2 -- 1 红色/2 蓝色
    local cubeHandle = sim.createPureShape(0,8,{0.1,0.1,height},0.05,nil)
    sim.setObjectProperty(cubeHandle, color)
end

视觉处理部分

分拣机器人的核心是视觉处理。使用 Python API 编写了颜色识别与坐标转换模块。采用 OpenCV 的 HSV 色彩空间比直接使用 RGB 更稳定。仿真环境的光照会影响颜色判断，可通过增加点光源解决。

def detect_color(obj_handle):
    _, color = sim.getVisionSensorImg(obj_handle)
    hsv = cv2.cvtColor(color, cv2.COLOR_RGB2HSV)
    lower_red = np.array([0,100,100])
    upper_red = np.array([10,255,255])
    mask = cv2.inRange(hsv, lower_red, upper_red)
    return np.any(mask)

码垛逻辑设计

高层只能放矮物体这一需求，需要实现动态层高管理系统。该逻辑包含三个关键点：倒序检查确保优先填充高层、颜色奇偶分层、物体计数限制防止溢出。测试时需处理矮物体堆满高层后的系统死锁情况。

local palletLayers = {{height=0, count=0}, {height=0.3, count=0}, {height=0.6, count=0}}
function findTargetLayer(objHeight, color)
    for i=3,1,-1 do
        local layer = palletLayers[i]
        if objHeight < 0.15 and layer.count < 4 then
            if (color == 1 and i%2==1) or (color ==2 and i%2==0) then
                layer.count = layer.count +1
                return layer.height + objHeight/2
            end
        end
    end
    return -1
end

寻迹小车控制

寻迹小车模拟真实 AGV 抖动时，需在控制算法中加入噪声因子。通过调整噪声标准差，找到既不失真又不会脱轨的平衡点。

def motionControl(sensor_values):
    base_speed = 2.0
    left = sensor_values[0] + np.random.normal(0,0.1)
    right = sensor_values[1] + np.random.normal(0,0.1)
    return (base_speed*(1+left), base_speed*(1+right))

系统集成

系统联调的主要挑战在于时序问题——履带生成速度、机械臂运动周期、小车运输节奏需精确配合。通过状态机重构控制流程，关键节点使用信号量控制可实现多模块协同工作。