基于视觉导航AGV的定位技术与路径规划研究

摘要

随着工业自动化产业的快速发展，传统人力化工厂物流方式已经不能适应当代自动化生产环境，因此越来越多的研究人员加入了智能物流系统的研究。自动引导车(AGV)因其具有较高智能性和环境适应性、可靠安全性等特点在智能物流系统中获得了广泛的应用。与其它导航AGV相比，视觉引导AGV在道路规划、安全避障、高精度定位等方面具有较大的优势。视觉导航AGV中定位技术和路径规划技术是提升效率的关键，因此，本文分别对视觉定位技术和路径规划技术开展研究工作，主要内容如下: (1)分析视觉导航AGV国内外发展现状与视觉导航的关键技术，从而确定本文的研究重点，视觉定位技术和路径规划技术。 (2)建立AGV的系统结构和双轮差速的运动学模型，为视觉定位奠定了数学基础，并且根据视觉导航的工作原理来对视觉传感器进行选型和调试。 (3)对比匹配算法的优劣势，选出ORB作为最适合本文的视觉匹配算法。利用卷积神经网络算法来对图像进行分割处理，提取出图像中的感兴趣区域，只留下属于场景的纯图像，通过视觉词典算法对图像进行特征提取，从而提高匹配速度，在使用TF-IDF算法来计算相似度，并结合PNP算法和ICP算法来计算匹配图像之间的相对位姿，最后用RANSCA和非线性最小二乘法对估算的相对位姿进行优化。通过实验验证了算法可行性。 (4)从全局路径规划和局部路径规划两个方面来分析。在局部路径规划中，分析人工势场算法的优缺点，引入速度斥力场来躲避动态障碍物，改进引力函数和斥力函数来解决目标不可到达问题，并且加入虚拟目标点来引导AGV走出极小值区域。在全局规划中，提出一种改进的势场蚁群算法，该算法解决点蚁群盲目搜索和耗时长等问题，根据改进的人工势场算法来提供蚁群算法中蚁群的搜索方向，在一定程度上加强了对障碍物的躲避能力，并通过Matlab进行仿真实验。结果表明，相对于单一的人工势场法和蚁群算法，改进的势场蚁群算法在自动化车间环境下具有较好的路径规划效果。 本文提出了视觉定位算法和路径规划算法两种算法，并通过实验对比论证，得出结果表明两者均具有较高的稳定性和准确性。