作者：Jeff Shepard

投稿人：DigiKey 北美編輯

本系列關于內部物流的文章[ 第 1 部分 ]討論了如何在系統層面使用自主移動機器人 (AMR) 和自動引導車輛 (AGV) 來實施內部物流，并根據需要快速、安全地移動材料等相關問題。本文重點介紹使用案例，以及 AMR 和 AGV 如何利用傳感器識別和跟蹤物品，機器學習 (ML) 和人工智能 (AI) 如何在整個倉庫和生產設施中支持材料識別、移動和交付。

內部物流利用自主移動機器人 (AMR) 和自動引導車輛 (AGV) 在工業 4.0 倉庫和生產設施中高效移動材料。為了簡化和加快供應鏈運行，內部物流系統需要知道材料的當前位置、材料的預定目的地，以及材料到達目的地的最安全、最高效路徑。這種流線型導航需要多種傳感器。

在內部物流解決方案中，AGV 和 AMR 利用傳感器來增強情景感知能力。傳感器陣列可保障附近人員的安全、保護其他設備，并實現高效導航和定位。根據不同的應用需求，AMR 的傳感器技術可包括接觸式傳感器（如內置在保險杠中的限位開關）、2D 和 3D 光探測和測距 (LiDAR)、超聲波、2D 和立體相機、雷達、編碼器、慣性測量裝置 (IMU) 以及光電池。對于 AGV，傳感器可包括磁性、電感式或光學線路傳感器，以及內置在保險杠中的限位開關、2D LiDAR 和編碼器。

本系列的第一篇文章介紹了如何在系統層面使用 AMR 和 AGV 來實施內部物流并根據需要高效移動材料。

本文重點介紹傳感器融合，以及 AMR 和 AGV 如何將傳感器與 AI 和 ML 結合使用，以實現定位、導航和操作安全。文中首先簡要回顧了 AGV 中常見的傳感器，研究了使用傳感器融合的機器人姿態及同步定位和映射 (SLAM) 算法，探討了如何利用掃描到地圖匹配和掃描到掃描匹配技術改進 SLAM 估計值，最后介紹了傳感器融合如何促進 AMR 和 AGV 的安全運行。DigiKey 為設計人員提供各種[傳感器和開關]，適用于所有這些情況下的機器人和其他工業應用。

為支持 AMR 的自主運行和安全性，需要一系列傳感器和傳感器融合、AI、ML 及無線連接。雖然對 AGV 的性能要求不高，但 AGV 仍然依賴多個傳感器來支持安全和高效運行。傳感器分為兩大類：

• 本體感應傳感器，可測量機器人內部的數值，如輪速、負載、電池電量等。
• 外部感應傳感器，可提供有關機器人所處環境的信息，如距離測量、地標位置和障礙物識別（如進入機器人路徑的人員）。

AGV 和 AMR 中的傳感器融合依賴于本體感應和外部感應傳感器的組合。AMR 中傳感器的示例包括（圖 1）：

• 用于物體探測的激光掃描儀，探測距離超過 20 m
• 帶有 6 軸陀螺儀和加速計的 IMU，有時還包含磁力計
• 車輪上的編碼器，分辨率以 mm 計
• 接觸式傳感器，如保險杠上的微動開關，可在接觸到意外物體時立即停止運動
• 兩個前視 3D 攝像頭，拍攝范圍 4 m
• 下視傳感器，用于檢測平臺邊緣（稱為懸崖檢測）
• 用于提供連接的通信模塊，并可選擇提供用于實時定位服務 (RTLS) 的藍牙到達角 (AoA) 和出發角 (AoD) 感測，或 5G 發射點/接收點 (TRP)，以厘米級精度繪制網格圖
• 2D LiDAR，可計算車輛前方的障礙物距離
• 廣角 3D 深度視覺系統，適合物體識別和定位
• 板載高性能計算處理器，用于傳感器融合、AI 和 ML

圖 1：顯示嵌入式傳感器的多樣性和位置的示例 AMR。（圖片來源：Qualcomm）

機器人姿態和傳感器融合

AMR 導航是一個復雜的過程。第一步是讓 AMR 知道自己的位置和方向。這些數據的組合稱為機器人姿態。姿態的概念也適用于多軸固定式機器人的手臂和末端執行器。傳感器融合將來自 IMU、編碼器和其他傳感器的輸入相結合，以確定姿態。姿態算法可以估算出機器人的 (x, y) 位置以及相對于坐標軸的方位角 θ。函數 q = (x, y, θ) 定義了機器人的姿態。對于 AMR 而言，姿態信息有多種用途，包括：

• 入侵者（如靠近機器人的人員）相對于外部參照系或相對于機器人的姿態
• 機器人以給定速度運動一段時間后的估計姿態
• 計算機器人從當前姿態移動到下一姿態所需的速度曲線

在一些機器人軟件開發環境中，姿態是一種預定義功能。例如，機器人操作系統 (ROS) 中就包含了 robot_pose_ekf 軟件包，前者是一個開源開發平臺。Robot_pose_ekf 可用于根據來自各種傳感器的（部分）姿態測量值估算機器人的 3D 姿態。其使用擴展 Kalman 濾波器和 6D 模型（3D 位置和 3D 方向），將編碼器（用于車輪里程測量）、攝像頭（用于視覺里程測量）和 IMU 的測量結果相結合。由于各種傳感器的運行速度和延遲時間各不相同，因此 robot_pose_ekf 并不要求所有傳感器數據都能連續或同時提供。每個傳感器用于提供一個帶有協方差的姿態估計值。Robot_pose-ekf 可識別任何時間點的可用傳感器信息，并做出相應調整。

傳感器融合和 SLAM

運行 AMR 的許多環境中都有時常移動的可變障礙物。雖然設施的基礎地圖很有用，但還需要更多。在工業設施內移動時，AMR 需要的不僅僅是姿態信息，還需要利用 SLAM 來確保高效運行。SLAM 增加了實時環境映射功能，以支持導航。兩種基本 SLAM 方法是：

• 視覺 SLAM，將攝像頭與 IMU 配對
• LiDAR SLAM，將 2D 或 3D LiDAR 等激光傳感器與 IMU 相結合

LiDAR SLAM 比視覺 SLAM 更精確，但實施成本通常更高。另外，還可利用 5G 來提供定位信息，以改善視覺 SLAM 估計值。在倉庫和工廠中使用專用 5G 網絡可以增強 SLAM 的嵌入式傳感器。一些 AMR 利用 5G 發送點/接收點 (TRP) 實現室內精確定位，在 x、y 和 z 軸上繪制出厘米級精度的網格。

成功的導航依賴于 AMR 適應不斷變化的環境因素的能力。導航結合了視覺 SLAM 和/或 LiDAR SLAM、5G TRP 等疊加技術以及 ML，以檢測環境變化并提供持續的位置更新。傳感器融合從多個方面支持 SLAM：

• 利用 AI 和 ML，根據各種傳感器的輸入，持續更新環境的空間和語義模型
• 識別障礙物，從而使路徑規劃算法能夠進行必要的調整，并在環境中找到最有效的路徑
• 實施路徑計劃需要實時控制，以根據環境變化改變計劃路徑，包括 AMR 的速度和方向

當 SLAM 還不夠時

SLAM 是實現高效 AMR 導航的重要工具，但僅靠 SLAM 還不夠。與姿態算法一樣，SLAM 也是通過提供估計值的擴展 Kalman 濾波器來實現。SLAM 估計值擴展了姿態數據，增加了線性和旋轉速度以及線性加速度等。SLAM 估算過程分為兩步：第一步是根據物理運動規律，利用內部傳感器分析進行預測。SLAM 估算的第二步需要外部傳感器讀數來完善初步估計值。這兩步有助于消除和糾正小錯誤，否則這些小錯誤可能會隨著時間的推移而產生重大錯誤。

SLAM 依賴于傳感器輸入的可用性。在某些情況下，成本相對較低的 2D LiDAR 可能無法工作，例如在傳感器的直接視線范圍內沒有物體。在這種情況下，3D 立體相機或 3D LiDAR 可以提高系統性能。不過，3D 立體相機或 3D LiDAR 的成本較高，而且需要更強的計算能力才能實現。

另一種方法是使用導航系統，該系統將 SLAM 與掃描到地圖匹配和掃描到掃描匹配技術相結合，僅使用 2D LiDAR 傳感器即可實現（圖 2）：

• 掃描到地圖匹配使用 LiDAR 測距數據，通過將測距測量結果與存儲的地圖進行匹配來估計 AMR 的位置。這種方法的有效性取決于地圖的準確性。其不會隨時間的推移而發生漂移，但在重復性環境中，它可能會導致難以識別的錯誤，引起感知位置的不連續變化，并且難以消除。
• 掃描到掃描匹配利用連續的 LiDAR 測距數據來估計兩次掃描之間 AMR 的位置。這種方法可為 AMR 提供獨立于任何現有地圖的最新位置和姿態信息，在創建地圖時非常有用。然而，這是一種增量算法，隨著時間的推移可能會發生漂移，而且無法識別漂移帶來的不準確性。

圖 2：掃描到地圖和掃描到掃描匹配算法可用于補充和提高 SLAM 系統的性能。（圖片來源：Aethon）

安全性需要傳感器融合

安全性是 AGV 和 AMR 的關鍵問題，必須符合多項標準。例如，美國國家標準協會/工業車輛標準化發展基金會 (ANSI/ITSDF) B56.5-2019《無人駕駛、自動引導工業車輛和有人駕駛工業車輛自動功能安全標準》、美國國家標準協會/機器人工業協會 (RIA) R15.08-1-2020《工業移動機器人標準 – 安全要求》、若干國際標準化組織 (ISO) 標準等。

AGV 和 AMR 的安全運行需要傳感器融合，即將經過安全認證的 2D LiDAR 傳感器（有時稱為安全激光掃描儀）與車輪上的編碼器相結合。2D LiDAR 同時支持兩種探測距離，感應角可達 270°，并與編碼器報告的車速相協調。當在較遠的探測區域（根據傳感器的不同，最遠可達 20 m）檢測到物體時，車輛可根據需要減速。如果物體進入行進路線中較近的探測區域，車輛就會停止行駛。

安全激光掃描儀通常以 4 臺為一組，在車輛的每個角落各放置一臺。它們可以作為一個整體運行，并與車輛上的安全控制器直接通信。掃描儀經認證可用于安全類別 3、性能等級 d (PLd) 和安全完整性等級 2 (SIL2) 的應用，其封裝于 IP65 外殼中，適合大多數室外和室內應用（圖 3）。掃描儀包括來自車輪的增量式編碼器信息輸入，以支持傳感器融合。

圖 3：像這樣的 2D LiDAR 傳感器可與車輪上的編碼器相結合，組成一個傳感器融合系統，從而確保 AMR 和 AGV 的安全運行。（圖片來源：Idec）

總結

內部物流為工業 4.0 倉庫和工廠提供更快、更高效的供應鏈支持。AMR 和 AGV 是內部物流的重要工具，可及時、安全地將材料從一個地方運送到另一個地方。而支持各項 AMR 和 AGV 功能，包括確定姿態、計算 SLAM 數據、利用掃描到地圖匹配和掃描到掃描匹配技術提高導航性能，以及確保整個設施內人員和物體的安全，則必需傳感器融合。