AGV视觉导航技术研究进展

自动导航车（AGV）的激光引导技术研究

浙江大学城市学院 自动化1003班 蔡刚刚

摘要：本文主要介绍了AGV引导的方式，尤其是激光引导AGV系统原理及控制原理。通过对系统功能的介绍和突出特点的归纳，不仅可以看出技术上的先进性，更重要的是能看到系统管理思想的科学性，系统构成的周密性，系统运行的协调性。

关键词： AGV; 激光引导; AGV控制原理

AGV laser guidance technology research

CAI Gang-gang

Abstract: This paper mainly introduces the AGV lead the way, especially the laser

guide AGV system theory and control theory. Through analyzing the system function

and the prominent characteristics of induction, we can see not only the advanced

nature of technology, more important is to see the system management of scientific

thinking, system structure thorough, system coordination.

Key words: AGV; laser system; AGV control theory

引言：自动导航小车（AGV）是指装备有电磁或光学等自动导引装置，能够沿规定的导引路径行驶，具有小车编程与停车装置、安全保护以及各种移载功能的运输小车。近年来随着现代物流以及相关技术在我国高速发展，AGV已广泛应用于物流系统和柔性制造系统中，其高效、快捷、灵活，大大提高了生产自动化程度和生产效率。

·　２１２　·　计算机测量与控制．２０ｌ　６．２　４（１）　Ｃｏｍｐｕｔｅｒ　Ｍｅａｓｕｒｅｍｅｎｔ＆Ｃｏｎｔｒｏｌ　文章编号：１６７１—４５９８ｆ　２０１６）０　Ｊ一０２１２—０４　ＤＯＩ：】０．１　６５２６／ｊ．ｃｎｋｉ．１１—４７６２／ｔｐ．２０１　６．０１．０５８　中图分类号：ＴＰ３　文献标识码：Ａ　复杂工况下视觉ＡＧＶ导航标识带　中心线的提取研究　余宏杰，赵燕伟，冷龙龙　（浙江工业大学特种装备制造与先进加工技术教育部重点实验室，杭州　３１００１４）　摘要：针对光照不均匀、导航标识带破损、少量杂物干扰的复杂工况条件下，对视觉ＡＧＶ采集到的路面导航标识带图片进行特征　提取，采用灰度化、中值滤波进行了图像预处理，研究了Ｏｔｓｕ法和迭代法等动态阈值分割算法以及形态学在图像分割中的应用，并对预　处理图像作了分割对比实验；然后对分割后的图像进行边缘提取，分析了基于最小二乘法和Ｈｏｕｇｈ变换算法的直线拟合原原理，提出了　Ｈｏｕｇｈ算法下基于边缘线的中心线拟合算法，并作了直线拟合对比试验；实验表明，复杂工况下，采用基于形态学和Ｏｔｓｕ算法相结合　的方法对图像进行分割，得到的二值图像边界更完整，效果更好，基于Ｈｏｕｇｈ变换算法较最小二乘法能更精确有效地提取出导航标识带　中心线及其方程。　关键词：视觉ＡＧＶ；数学形态学；阈值分割；Ｈｏｕｇｈ变换　Ｓｔｕｄｙ　ｏｎ　Ｃｅｎｔｅｒ　Ｌｉｎｅ　Ｅｘｔｒａｃｔｉｏｎ　ｆｏｒ　ＡＧＶ’Ｓ　Ｇｕｉｄｅ　Ｒｉｂｂｏｎ　Ｕｎｄｅｒ　Ｃｏｍｐｌｅｘ　Ｃｏｎｄｉｔｉｏｎｓ　Ｏ　引言　自动引导车ＡＧＶ（ａｕｔｏｍａｔｉｃ　ｇｕｉｄｅｄ　ｖｅｈｉｃｌｅ）是指装有电　磁或者光学等智能导引装置，能够沿着导引路径自动行驶，具　有智能避障以及各种预警和移载功能的无人运输车。近年来，　随着自动化水平的提高，Ａ（ｊＶ的应用范同不断扩展，广泛地　应用于工业、军事、交通等领域。　基于视觉导引的ＡＧＶ是利用摄像头采集行驶路面的图片　信息，通过计算机进行数字图像处理，识别出路径信息，继而　控制车辆的运行。主要有两种方式，一种是标识带图像识别方　法，它是在ＡＧＶ行走路径的地面上贴上明显的导向色带，利　用摄像头动态摄取标识带图像并计算出ＡＧＶ中　ｆｌ，相对于标识　带中心线的方向和距离偏差，以控制车辆沿着中心线运行。另　一种是利用摄像头动态摄取ＡＧＶ路径周围环境的图像信息，　与设定的路径周围环境数据库中的图像信息进行比较，从而确　定当前ＡＧＶ位置并对继行路线做出决策，这种方法不需设置　收稿日期：２０１　５—０７—０７；修回日期：２Ｏ１５—０９一Ｏ６。　基金项目：国家自然科学基金项目（５１２７５４７７）。　作者简介：余宏杰（１９９１），男，安徽合肥人，硕士研究生，主要从事　ＡＧＶ视觉导航及避障方向的研究。　物理路径，在理论上具有最佳的柔性，但实际虚用还存在问　题，主要是实时性差和路径周围环境信息库建立比较困难。利　用机器视觉，通过识别路径上的条带状标实现自主导航仍是现　阶段智能ＡＧＶ车辆研究的导向方法［１］。相较传统的电磁导　航、磁带导航等导引方式，这种视觉导航具有导引精度高、路　径设置和变更简单灵活、智能化程度高等优点。视觉系统对于　视觉ＡＧＶ而言就如同眼睛对于人一样，是非常重要的组成部　分，其中图像处理环节更是至关重要，能否正确有效地提取出　标识带的中心线直接关系到ＡＧＶ导航的精度，对车体控制的　准确性和稳定性具有决定性的作用。视觉信息的处理技术是自　动引导车研究中的关键技术之一［＝２］。　１图像预处理　ＡＧＶ的导航标识带是一条贴在地面上的有色色带，安装　在车体上的摄像头拍摄采集路面图片，然后进行图像处理。首　先，要将图片灰度化，因为彩色图片数据量大，处理所需时间　较长。灰度化之后如图ｌ（ａ）所示。　采集图像过程中由于受光照强度、镜头清洁度、摄像机的　抖动等因素影响，不可避免地会含有噪声。为了使图像更有利　于提取特征信息，需要对图像进行滤波去噪处理。因为标识线　的边缘信息准确与否对图像的识别结果有着较大的影响，所以　銎　爰　～～一～～一～～～。一～～一一 ＿墨ｍ　一一一一一一一～～

AGV视觉导航技术研究进展

一、AGV视觉导航技术的基本原理

AGV视觉导航技术是利用摄像头、激光雷达等设备采集环境信息，并通过对信息的处理和分析，确定AGV在空间中的位置和姿态，从而实现对AGV的导航控制。其基本原理可以分为三个步骤：环境感知、定位与建图、路径规划与控制。

环境感知是AGV视觉导航的第一步，通过摄像头和激光雷达等设备对周围环境进行感知，获取地标、障碍物等信息。在此过程中，需要实时采集环境的数据，并对数据进行处理和分析，以实时更新环境地图和障碍物信息。

定位与建图是AGV视觉导航的核心步骤，通过对环境的感知数据进行处理和分析，确定AGV当前的位置和姿态。在此过程中，需要建立环境地图，并将AGV的位置信息与地图进行匹配，从而实现对AGV的定位和建图。

1. 视觉SLAM技术的发展

SLAM（Simultaneous Localization and Mapping）即同时定位与地图构建技术，是AGV视觉导航技术的核心之一。随着计算机视觉和机器人技术的不断发展，视觉SLAM技术在AGV导航中得到了广泛应用。通过视觉SLAM技术，AGV可以在未知环境下进行自主导航，并实时构建环境地图，并实时对自身位置进行定位，从而实现对环境的感知与理解。

2. 深度学习在AGV视觉导航中的应用

深度学习作为人工智能领域的热点之一，已经在AGV视觉导航技术中得到了广泛应用。通过深度学习技术，AGV可以从传感器获取的数据中学习环境特征，并进行环境识别、目标检测等任务，从而实现对环境的感知和理解。深度学习还可以用于AGV的路径规划与控制，通过深度学习算法对环境数据进行分析和处理，从而确定最优的运动路径和控制策略。

多传感器融合技术是AGV视觉导航中的关键技术之一，通过将不同传感器获取的数据进行融合处理，可以提高导航系统的鲁棒性和精度。在AGV视觉导航中，常用的传感器包括摄像头、激光雷达、惯性导航等，通过融合多传感器信息，可以实现对环境的高精度感知和对AGV位置的精确定位。

AGV搬运机器人视觉导航方案

AGV（Automated Guided Vehicle，AGV）作为现代制造系统中的物料传送设备已经得到了广泛应用。从理论上看，视觉导引 AGV 具有较好的技术应用前景，然而其却没能像电磁导引和激光导引 AGV 那样广泛使用，主要问题在于视觉导引技术在实时性、鲁棒性和测量精度方面还有待进一步突破。

由多个 AGV 单元组成的 AGV 系统（ Automated Guided Vehicle System，AGVS）配有系统集成控制平台，对 AGV 的作业过程进行监管和优化，例如，创建任务、地图生成、发出搬运指令、控制 AGV 的运行路线、跟踪传送中的零件以及多 AGV 的任务规划和调度。将 AGV 与外部自动化物流系统、生产管理系统有机结合，对系统内每台 AGV 合理地分配当前任务、选择最佳路径、实时图形监控、管理运行安全，实现信息化的管理和生产，方便地构成由调配中心计算机控制的自动化生产线、自动仓库和全自动物流系统。

目前视觉导引方式主要方法有基于局部视觉和全局视觉两种方法。基于视觉导引的 AGV 还没有大规模产业化，但其潜在的市场前景使其成为近几年来国内外 AGV 研究的热点。

全局视觉导引方法是将摄像机安装在天花板或者墙上，以整个工作环境为目标，对包括 AGV、导引路径、障碍物等进行对象识别，对各个摄像机获取的图像进行基于特征的图像融合，得到全局地图。在生成的全局地图中，每个 AGV 单元，导引线，障碍物的绝对坐标都能够实时获取。全局视觉方法相对于将摄像机安装在车体上的局部视觉方法，在多 AGV 调度、障碍物检测（固定和移动）、避障、全局监测方面更具优势。尤其是可以对AGV 和障碍物的特征进行分类，通过增强型的卡尔曼滤波方法进行运动估计，动态跟踪每一个目标的位置、速度。但是这种方法要根据不同的现场环境，按照视野不被遮挡并覆盖整个工作空间的原则，根据摄像机放置算法决定摄像机的数目、安装位姿。因此这张全局视觉方法仅仅适用于室内且空间较大的场合，而且导引精度较低。