AGV(Automated Guided Vehicle)簡介：

美國供應(yīng)鏈管理專業(yè)協(xié)會對AGV的定義：自動導(dǎo)引小車，是指裝備有電磁或光學(xué)等自動導(dǎo)引裝置，可以在規(guī)定的導(dǎo)航路徑上行駛，是具有安全保護(hù)以及各種移載功能的運(yùn)輸小車。

伴隨自動化程度的提高，傳統(tǒng)制造業(yè)的生產(chǎn)方式發(fā)生了深刻的變化，倉儲物流的自動化己是大勢所趨，生產(chǎn)由單一固定方式向具有較強(qiáng)適應(yīng)性的柔性生產(chǎn)線過度。為了節(jié)約成本、提高經(jīng)濟(jì)效益，柔性制造系統(tǒng)和自動化倉儲系統(tǒng)等先進(jìn)的生產(chǎn)方式得到廣泛應(yīng)用，它們是以高智能化系統(tǒng)為決策中心，以機(jī)器人、自動化立體倉庫、無人搬運(yùn)車等為主要設(shè)備。其中，無人搬運(yùn)設(shè)備以自動導(dǎo)引小車為標(biāo)志，它將電子計(jì)算機(jī)科學(xué)、圖像信號處理、自動控制等先進(jìn)技術(shù)融合,是現(xiàn)代物流系統(tǒng)、柔性生產(chǎn)組織系統(tǒng)的關(guān)鍵設(shè)備。

目前AGV的工作環(huán)境可分為室內(nèi)環(huán)境和室外環(huán)境，更多的系統(tǒng)是工作于室內(nèi)或以室內(nèi)為主要工作場所。因?yàn)槭覂?nèi)具有普遍性，能為各種場合使用的移動機(jī)器人研制提供理論和技術(shù)支持。室內(nèi)環(huán)境視作結(jié)構(gòu)化環(huán)境，光線較穩(wěn)定且環(huán)境復(fù)雜程度有限，結(jié)構(gòu)化道路上的標(biāo)識往往具有明顯的特征,比如顏色、寬度、邊界等，使得道路識別時可以用較簡單的方法進(jìn)行特征提取，進(jìn)而恢復(fù)道路場景。

AGV應(yīng)用范圍有：制造業(yè)、倉儲業(yè)、郵局、港口、機(jī)場、煙草、醫(yī)藥、食品、化工、核材料、感光材料特種行業(yè)等領(lǐng)域。

AGV導(dǎo)航方式：

移動機(jī)器人的導(dǎo)航問題主要涉及三個問題：“現(xiàn)在在何處?”，“要往何處去?”，“要如何去?”。其中第一個問題是導(dǎo)航系統(tǒng)中的定位問題，確定移動機(jī)器人在工作環(huán)境中相對于全局坐標(biāo)的位置及其本身的姿態(tài)；第二、三個問題是導(dǎo)航系統(tǒng)的路徑規(guī)劃及跟蹤。

研究導(dǎo)航是為了使機(jī)器在沒有人為干預(yù)的情況下有目的地移動，并完成特定任務(wù)，因此物流系統(tǒng)的柔性取決于的導(dǎo)引導(dǎo)航方式，在不同應(yīng)用場合的系統(tǒng)中采用的導(dǎo)引導(dǎo)航方式也是多元化的。

導(dǎo)引與導(dǎo)航是有差別的，導(dǎo)引是根據(jù)當(dāng)前狀態(tài)數(shù)據(jù)計(jì)算下一周期的運(yùn)行參數(shù)，只需相對位置，與全局坐標(biāo)無關(guān)，導(dǎo)航是指確定自身的位置及航向。AGV的主要導(dǎo)引和導(dǎo)航方式有：

（1）坐標(biāo)導(dǎo)引AGV

直接坐標(biāo)導(dǎo)引的原理是：首先把行駛區(qū)域用定位塊分成若干個標(biāo)準(zhǔn)統(tǒng)一的坐標(biāo)小區(qū)域，然后在行駛時統(tǒng)計(jì)經(jīng)過的小區(qū)域的個數(shù)，以此來實(shí)現(xiàn)導(dǎo)引。常用的有兩種形式：光電式和電磁式。前者是通過不同顏色來劃分坐標(biāo)小區(qū)域，然后用對顏色敏感的光電器件來計(jì)數(shù)；后者是用磁塊或者金屬塊來劃分坐標(biāo)，然后使用對金屬敏感的電磁感應(yīng)器件來計(jì)數(shù)。

這種導(dǎo)引方式的優(yōu)點(diǎn)是：路徑修改簡單，導(dǎo)引的可靠性好，不受環(huán)境背景的影響。缺點(diǎn)是：安裝定位塊復(fù)雜，導(dǎo)引定位完全由定位塊的大小和個數(shù)決定，工作量大，精度較低。

（2）電磁導(dǎo)引AGV

電磁導(dǎo)引是使用較多的導(dǎo)引方式之一，埋在地下的導(dǎo)線帶有電磁頻率，通過一個叫做“地面控制器”的設(shè)備打開或關(guān)閉導(dǎo)線中的頻率，電磁導(dǎo)引靠感應(yīng)產(chǎn)生的電磁頻率引導(dǎo)沿著埋設(shè)的路線行駛。該導(dǎo)引方式技術(shù)成熟，經(jīng)濟(jì)可靠、引線隱蔽、不易污損和被破壞、導(dǎo)引原理簡單而且便于通訊、不受聲光干擾；但靈活性差、對地面的平整度要求高，路徑難以更改擴(kuò)展。

（3）光學(xué)導(dǎo)引AGV

光學(xué)導(dǎo)引是根據(jù)單一光源傳播過程不會改變的原理，在的行駛路徑上鋪設(shè)一條反光率穩(wěn)定的色帶，同時在車上裝配能發(fā)射和接收光源的光電傳感器，通過實(shí)時比較發(fā)射與檢測到的信號來調(diào)整車輛的運(yùn)行方向`。它的優(yōu)點(diǎn)是導(dǎo)向線鋪設(shè)費(fèi)用較低，靈活性較好，但對色帶的污染和機(jī)械磨損十分敏感，對環(huán)境要求過高，導(dǎo)引可靠性較差。

（4）激光紅外導(dǎo)航AGV

激光紅外導(dǎo)航是在上裝備可發(fā)射和接收激光紅外線的掃描器，導(dǎo)向區(qū)域的四周安裝數(shù)量足夠的激光反射板，通過激光掃描器發(fā)射激光束，同時采集由反射板反射的激光束，通過三角幾何運(yùn)算確定其當(dāng)前的位置和航向來實(shí)現(xiàn)的導(dǎo)引。該導(dǎo)航方式的優(yōu)點(diǎn)是定位精確，行駛路徑可靈活多變，能夠適合多種現(xiàn)場環(huán)境；缺點(diǎn)是制造成本高，位置計(jì)算復(fù)雜，抗光干擾的糾錯能力有限。

（5）視覺導(dǎo)航AGV

視覺導(dǎo)航，又稱圖像識別導(dǎo)引。工作原理為攝像機(jī)動態(tài)攝取路徑信息，通過圖像處理技術(shù)識別出欲跟蹤的路徑，引導(dǎo)運(yùn)行。視覺導(dǎo)航式既能獲取大信息量，又具備路徑設(shè)置和變更簡單，還有系統(tǒng)柔性好等特點(diǎn)。此外，慣性導(dǎo)航方式和GPS導(dǎo)航方式多用于軍方。

AGV的多種導(dǎo)引/導(dǎo)航方式根據(jù)導(dǎo)引信息的來源，可分為外導(dǎo)式和內(nèi)導(dǎo)式。按導(dǎo)引有無預(yù)定路徑的形式，主要分為預(yù)定路徑導(dǎo)引和自由路徑導(dǎo)引兩大類。

導(dǎo)航標(biāo)示線檢測算法研究：

以車道標(biāo)示線為道路邊緣的視覺檢測是AGV路徑識別需要實(shí)現(xiàn)的基本功能。視覺導(dǎo)航式AGV是利用ccd攝像機(jī)采集地面鋪設(shè)的條帶狀標(biāo)示線，采用圖像處理和分析的方式來獲取導(dǎo)引車周圍環(huán)境信息，這種方式是AGV識別系統(tǒng)中的核心技術(shù)。

涉及內(nèi)容：坐標(biāo)系建立，車道模型分析，圖像預(yù)處理等。下面重點(diǎn)對圖像處理方面進(jìn)行介紹 ：

人們對車用機(jī)器視覺研究有一個基本共識：圖像在獲取、轉(zhuǎn)換和傳送中都會產(chǎn)生污染，不可避免的造成圖像質(zhì)量的降低，因此，首先應(yīng)對視頻圖像進(jìn)行預(yù)處理，然后進(jìn)行閾值分割，再對路徑進(jìn)行識別與跟蹤。

視覺導(dǎo)航式AGV上車載攝像機(jī)獲取的原始圖像中除了包含可用信息外,由于受到環(huán)境限制以及加入的隨機(jī)干擾，使得冗余信息多，可識別性較差，首先必須對原始圖像進(jìn)行預(yù)處理，流程如下：

圖像平滑是一種低通濾波技術(shù)，可以分別在頻率域和空間域進(jìn)行。

（1）模板操作。

模板操作實(shí)現(xiàn)一種鄰域運(yùn)算，即某個像素點(diǎn)的結(jié)果不僅和本像素灰度有關(guān)，而且和其鄰域點(diǎn)的值有關(guān)。模板運(yùn)算在數(shù)學(xué)中的描述稱之為卷積。

（2）中值濾波。

中值濾波是將鄰域中的圖像像素按灰度級排序，取中間值為輸出像素，屬于非線性的空域?yàn)V波技術(shù)，是一種能去除噪聲的同時又能保護(hù)目標(biāo)邊界不使其變得模糊的濾波方法。其原理是選取一個含有奇數(shù)個數(shù)像素點(diǎn)的移動窗口,將窗口的中心像素的灰度值用窗口內(nèi)灰度的中值代替，從而消除孤立的噪聲點(diǎn)，其數(shù)學(xué)表達(dá)式如下：

其中，f(x,y),g(x,y)分別為原始圖像和處理后圖像，φ為二維模板，通常為2*2，3*3區(qū)域。

（3）形態(tài)學(xué)修正。

上述處理后的二值化圖像中可能仍有少量零散點(diǎn)，而且黑色部分的邊緣不是很清晰，存在毛刺和漏洞。對二值化后的圖像進(jìn)行數(shù)學(xué)形態(tài)學(xué)濾波實(shí)現(xiàn)局部背景平滑。數(shù)學(xué)形態(tài)學(xué)主要運(yùn)算有形態(tài)和膨脹、形態(tài)差腐蝕、開運(yùn)算、閉運(yùn)算。

腐蝕運(yùn)算的作用是用來消除圖像中小于結(jié)構(gòu)元素的無意義邊界點(diǎn)，使目標(biāo)物體的邊界向內(nèi)部收縮；膨脹運(yùn)算的作用是用來填補(bǔ)圖像中目標(biāo)物體的空洞點(diǎn)，使物體的邊界向外部擴(kuò)張；腐蝕和膨脹的復(fù)合運(yùn)算即成為開運(yùn)算和閉運(yùn)算：開運(yùn)算是對圖像進(jìn)行先腐蝕后膨脹的處理過程，能夠消除圖像中的邊緣毛刺和孤立斑點(diǎn)；閉運(yùn)算與開運(yùn)算過程相反，填補(bǔ)圖像中的漏洞以及裂縫。它們能對圖像進(jìn)行簡單的平滑處理，并檢測出圖像中的奇異點(diǎn)。根據(jù)二值化的處理結(jié)果，我們需要把圖像中的漏洞和毛刺去掉，并且保持原圖像特征不變，因此可以對圖像進(jìn)行開運(yùn)算以使黑色邊緣清晰便于邊緣檢測。

（4）導(dǎo)航標(biāo)示線邊緣檢測算法

邊緣是指圖像局部亮度變化顯著的部分，是圖像內(nèi)像素灰度不連續(xù)，或灰度變化劇烈的點(diǎn)的集合。邊緣檢測的目的是標(biāo)識數(shù)字圖像中亮度變化明顯的點(diǎn)，計(jì)算機(jī)視覺處理方法雖然不明顯依賴于邊緣檢測作為預(yù)處理，但邊緣檢測仍是圖像分割所依賴的重要特征，是圖像分析的重要基礎(chǔ)。常用的邊緣檢測算子有：

（4.1）梯度算子：sobel算子，prewitt算子。

（4.2）基于圖像函數(shù)二階導(dǎo)數(shù)過零點(diǎn)的算子：LOG算子，canny算子。

障礙物識別研究：

對于障礙物的識別，方法的選取是取決于周圍環(huán)境以及對障礙物的定義。障礙物可以定義為在車輛前方行駛道路上具有一定體積的物體，道路上常見的障礙物包括車輛、貨物、雜物等。

障礙物識別技術(shù)中最關(guān)鍵的是檢測、跟蹤和定位技術(shù)。檢測是指確認(rèn)前方視野路徑上是否出現(xiàn)障礙物，跟蹤是指對選中的目標(biāo)進(jìn)行軌跡描述，定位是指計(jì)算出障礙物與自動導(dǎo)引車的實(shí)際距離。其中，檢測是基礎(chǔ)，跟蹤是過程，定位是最終目的。

空間目標(biāo)的跟蹤，是通過目標(biāo)的有效特征構(gòu)建模板，在圖像序列中尋找與目標(biāo)模板最相似的候選區(qū)域位置的過程，也就是確定目標(biāo)在序列圖像中的軌跡。在基于單目視覺的空間障礙物目標(biāo)跟蹤問題的研究上，一般有兩種思路：

（1）不依賴于任何先驗(yàn)知識，直接從圖像序列中檢測出障礙物，然后跟蹤其中感興趣的目標(biāo)。

（2）依賴于障礙物的先驗(yàn)知識，首先對可能出現(xiàn)的目標(biāo)建模，然后在圖像序列中實(shí)時檢測出與模型相匹配的目標(biāo)，然后進(jìn)行跟蹤。

最常用的是第二種思路，因?yàn)檎系K物存在于某一特定運(yùn)行環(huán)境中，可以用含有有限元的完備集合來表示。對于這種跟蹤方法，實(shí)現(xiàn)跟蹤的第一步是進(jìn)行目標(biāo)檢測，即從序列圖像中將感興趣區(qū)域從背景圖像中提取出來。

在目標(biāo)跟蹤過程中，往往需要采用搜索算法預(yù)計(jì)未來時刻某目標(biāo)的位置，以縮小搜索范圍。根據(jù)這個思路一般有兩類算法：

（一）預(yù)測目標(biāo)在下一幀圖像可能出現(xiàn)的位置，然后在這個相關(guān)區(qū)域內(nèi)尋找最優(yōu)點(diǎn)，常用的預(yù)測算法有kalman濾波、擴(kuò)展的kalman濾波，粒子濾波等。

（二）減小目標(biāo)搜索范圍的算法，通過優(yōu)化搜索方向，利用某些估計(jì)的方法優(yōu)化求取目標(biāo)模板和候選目標(biāo)之間距離的迭代收斂過程，縮小搜索范圍，如均值平移算法算法（MeanShift算法）、連續(xù)自適應(yīng)均值平移算法（Camshift）、置信區(qū)域算法。

對于空間目標(biāo)定位算法的研究，主要集中在獲取場景中目標(biāo)上的各點(diǎn)相對于攝像機(jī)的距離，這是機(jī)器視覺的主要任務(wù)之一，也是障礙物識別的最終目的。通過計(jì)算目標(biāo)與攝像機(jī)的距離參數(shù)，就能得到目標(biāo)相對于小車的速度，目標(biāo)物大小等參數(shù)，更好的為控制的運(yùn)行狀態(tài)提供決策數(shù)據(jù)。這里我搜集了關(guān)于基于視覺移動避障的幾種實(shí)現(xiàn)思路：

常用的計(jì)算機(jī)視覺方案有多種， 比如雙目視覺，基于TOF的深度相機(jī)，基于結(jié)構(gòu)光的深度相機(jī)等。深度相機(jī)可以同時獲得RGB圖和深度圖，不管是基于TOF還是結(jié)構(gòu)光，在室外強(qiáng)光環(huán)境下效果都不太理想，因?yàn)樗鼈冃枰鲃影l(fā)光，容易受到強(qiáng)光的干擾；基于結(jié)構(gòu)光的深度相機(jī)，發(fā)射出的光會生成相對隨機(jī)但又固定的斑點(diǎn)圖樣，這些光斑打在物體上后，因?yàn)榕c攝像頭距離不同，被攝像頭捕捉到的位置也不相同，之后先計(jì)算拍到的圖的斑點(diǎn)與標(biāo)定的標(biāo)準(zhǔn)圖案在不同位置的偏移，利用攝像頭位置、傳感器大小等參數(shù)就可以計(jì)算出物體與攝像頭的距離。對于AGV，雙目視覺更加合適：

雙目視覺的測距本質(zhì)上是三角測距法，由于兩個攝像頭的位置不同，就像人的兩只眼睛，看到的物體不一樣。兩個攝像頭看到的同一個點(diǎn)P，在成像的時候會有不同的像素位置，此時通過三角測距就可以測出這個點(diǎn)的距離。雙目算法計(jì)算的點(diǎn)一般是利用算法抓取到的圖像特征，如SIFT或SURF特征等，通過特征計(jì)算出來的是稀疏圖。

基于雙目立體視覺的障礙物檢測的關(guān)鍵在于兩點(diǎn)①障礙物目標(biāo)的提取,即識別出障礙物在圖像中的位置和大小；②障礙物目標(biāo)區(qū)域圖像對之間的立體匹配點(diǎn)，從而得到障礙物目標(biāo)的深度信息。前一步是后一步的基礎(chǔ)，識別出來的目標(biāo)可以是多個，在立體匹配得到視差之后才可以標(biāo)志出哪些目標(biāo)為障礙物目標(biāo)。

雙目體視技術(shù)的實(shí)現(xiàn)可分為：圖像獲取、攝像機(jī)標(biāo)定、特征提取、圖像匹配和三維重建。上圖中的光軸是近似平行的，在平行光軸系統(tǒng)中，雙目視覺測距將三維場景中求目標(biāo)深度的問題轉(zhuǎn)化為求二維投影圖像中求視差的問題。因此，像機(jī)模型就是將三維場景的點(diǎn)與二維圖像上的點(diǎn)建立一一對應(yīng)的映射關(guān)系。

審核編輯 ：李倩