1. 项目概述
在工业自动化检测领域,机械臂与视觉系统的协同作业已成为提升生产效率的关键技术。传统方案通常采用集中式控制架构,存在单点故障风险高、系统扩展性差等问题。我们基于ROS1设计了一套分布式机械臂-多YOLO节点协同检测系统,实现了"到达即检测"的智能化流水线作业。
这个系统最显著的特点是采用了完全去中心化的架构设计。每个YOLO检测节点都是独立运行的ROS节点,它们通过订阅机械臂的状态反馈来自主决定是否启动检测任务。这种设计不仅提高了系统的可靠性(单个节点故障不会影响整体运行),还使得新增检测工位变得非常简单——只需部署新的YOLO节点并配置其负责的工位编号即可。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 系统架构设计
2.1 整体架构解析
系统采用典型的发布-订阅模式构建,主要包含三大核心组件:
-
机械臂控制节点(Action Server)
- 接收并执行检测任务序列
- 控制机械臂运动到各个检测工位
- 发布当前状态和位置信息
- 接收并处理YOLO节点的检测结果
-
YOLO检测节点集群
- 每个节点负责特定工位的目标检测
- 独立订阅机械臂状态话题
- 当机械臂到达负责的工位时自动触发检测
- 将检测结果发布到专属话题
-
客户端节点
- 发送任务启动指令
- 监控任务执行状态
2.2 关键设计决策
2.2.1 无中心调度器的优势
传统方案通常会设计一个中央视觉调度节点来协调所有检测任务。我们摒弃了这种设计,主要基于以下考虑:
- 降低系统复杂度:省去了中心节点与各检测节点间的复杂通信逻辑
- 提高可靠性:中心节点故障会导致整个系统瘫痪,而分布式架构无此风险
- 增强扩展性:新增检测工位只需添加对应YOLO节点,无需修改中心调度逻辑
2.2.2 动态触发机制
每个YOLO节点通过检查机械臂发布的current_task和current_part字段来判断是否需要进行检测。这种设计实现了:
- 精准触发:只有当机械臂确实到达指定工位时才启动检测
- 资源节约:避免不必要的计算资源消耗
- 灵活配置:通过修改参数即可调整各节点负责的工位范围
2.2.3 独立结果发布
每个YOLO节点将检测结果发布到独立的话题(如/yolo_gap31/result),这种设计解决了:
- 消息混淆问题:机械臂只需订阅当前工位对应的结果话题
- 调试便利性:可以单独监控每个检测节点的输出
- 性能隔离:某个节点的高延迟不会阻塞其他节点的消息传递
3. 核心实现细节
3.1 消息接口设计
3.1.1 Action接口定义
我们设计了专门的Action消息类型`robot_detection.
