AGV视觉导航技术研究进展

朱训栋　张鑫

摘要：概述了AGV的主要导航方式，分析了目前国内外AGV固定路径视觉导航与柔性路径视觉导航技术的研究现状，并指出该领域在今后一段时期内的一些重要的研究方向。

关键词：AGV；视觉导航；研究进展

中图分类号：F253.9 文献标识码：A

0引言

自动导引小车（Automated Guided Vehicle，AGV）指装备有导引装置，能够按照规定路径行驶，并具有编程与停车选择、安全保护及各种移载功能的运输小车。AGV技术集机械、机电控制、传感器、无线通讯、计算机网络等学科的技术于一体，目前已广泛应用在工业、农业、军事、医疗等多个领域，是当前国际机器人应用研究领域的热点之一。

导航技术是AGV技术的研究核心，其主要解决车辆位姿获取、环境模型构建以及行驶路径规划等三方面问题，即要告诉小车“在何处”、“到何处去”，以及“如何走”。目前，国内外主流AGV导航方式可分为固定路径导航和柔性路径导航两类。其中，固定路径导航法需要在运行路径上预先设置引导物质，如轨道、黑白胶带、磁带或电磁导线等，通过传感器获取引导物质的位置来引导AGV，该类技术相对成熟，是国内AGV采用的主流导航方法，但该类技术无法满足运行路径需经常调整的情况。柔性路径导航法可根据需要实时规划导引路径并引导AGV运动，是AGV导航技术的发展趋势，目前应用较多的有激光引导技术、惯性导航技术、基于WIFI或ZigBee等无线信号定位的导引技术及视觉导航技术等。各种导航方法具有不同的优缺点，一般需要根據实际情况选择合适的方案。

近些年来，随着芯片性能和数字图像处理技术的不断提升，视觉导航技术发展更为迅速。视觉导航利用AGV车载摄像头动态获取环境图像，经过图像检测获取导航参数（小车位置、速度、姿态等），并规划所需路径、实现对小车的导航控制。目前，视觉导航技术在固定路径导航和柔性路径导航方面均有比较广泛的应用。

1 AGV固定路径视觉导航技术研究

AGV固定路径导航技术亦称结构化路径导航技术，指AGV在行驶过程中利用车载视觉传感器实时获取铺设在路面或工作空间内轨迹标志的图像，依据控制车体的图像特征点与导引轨迹轮廓中心线间的偏差，以及车体前进方向与轨迹中心线的角度偏差，引导车体在允许的误差范围内沿导引轨迹运动。该导航方式导引线易于铺设、视觉识别稳定性高，拥有广泛的应用空间。

欧美国家在该领域起步较早，研究成果较多，处于领先地位。日本在20世纪80年代研制的“Pochi”机器人可利用摄像机采集路面的白色标记线，作为路标信息进行作业。美国卡内基·梅隆大学（CMU）研制的RALPH，能够通过识别车道标识线和分析路面信息实现自主导航的功能，研制的NAVLAB利用了神经网络技术，进一步提高了其智能化程度。Saitoh T等研究了一种采用单目摄像头和笔记本电脑实现的轮式移动机器人走廊中线跟踪方法。Horswill I采用单目视觉提取地面纹理，实现了车体在固定环境下的视觉导航。D.L.Boley等利用车载摄像机和辅助传感器通过识别路标进行导航，并利用卡尔曼滤波器进行最优估计，有效抑制了噪声并具有较好的实时性。

我国在该领域起步较晚，但发展较快，近些年相继涌现出一大批相关研究成果。吉林大学研制的JUTIV-3型视觉导引AGV，可通过车载摄像头采集地面铺设的色线和标识符图像，经处理后获取导航参数，并通过模糊控制器使车体实时跟踪色线运行，同时具有识别工位标识符与分叉路等功能。南京航空航天大学研制的NHV-Ⅱ型视觉导航AGV，通过构建直线路径模型、圆弧拐弯路径模型和非圆弧拐弯路径模型等三种路径模型，实现了对AGV的精确控制。刘晶等设计的基于FPGA+ARM的轮式机器人，可通过识别道路中设置10cm宽的导航线以及转弯标志，实现自主导航行走。朱翔等设计的基于FPGA+FIFO的移动机器人视觉导航系统，可根据行走趋势的变化改变车体行进速度，提升了导航精度。

2 AGV柔性路径视觉导航技术研究

AGV柔性路径导航技术基于对场景中景物的理解获取导航参数，可称为非结构化路径导航技术。其需要预先构建路径周嗣环境的图像数据库，在车体运行过程中，系统实时地通过车载摄像头捕捉周同环境信息，并与前述图像数据库进行匹配，得出车体当前的位姿信息，进而进行路径规划并控制车体运行。该类视觉导航方式无需预先铺设路径、适用范围更广，但同时存在路径形状复杂、边界模糊、易受光照变化和路面阴影干扰等诸多问题，因而对硬件性能、图像处理算法和导航控制算法等提出了更高的要求。

美国Kiva公司的Kiva系统，可控制AGV通过视觉识别地面上的二维码贴片信息，实现路径规划与导航。Wooden D研制的LAGR机器人中采用了一种基于立体视觉的占栅格地图构建方法进行室外导航，系统中还集成了惯性导航单元、GPS接收器和前端防碰撞单元来进行外界感知。Ohta Y I等利用车载摄像机采集图像信息，并借助超声波传感器感知复杂路况信息，对导航信号进行了合理的滤波处理，解决了基于视觉导航系统中的避障问题。Hashima M等提出了一种自然地标导航算法，该算法使用相关性跟踪选定的地标，通过立体视觉信息计算车体位置，并在车体移动过程中逐步更新地标。Royer等提出了一种基于单目视觉训练导航方法，该方法在导航前先进行训练，训练过程中系统记录行进中图像信息并生成环境三维地图、标记有价值的地标用于导航阶段的定位；自主导航过程中，通过匹配当前图像与预先存储的关键帧图像进行定位、导航；该系统较适合用于有较多明显地标的环境。

国内在该领域起步较晚，但随着研究学者和商业公司的研究投入，该领域也得到了快速发展。付梦印等提出了一种以踢脚线为参考目标的移动机器人室内单目视觉导航方法，该方法采用阈值分割和以Hough变换为基础的直线提取方法，提高了视觉导航的实时性。周俊等针对非结构化的农田自然环境，提出了一种农业机器人视觉导航多分辨率路径识别算法。闵华松等提出了一种将IMU和体感摄像机相结合的地图构建算法，提高了地图的精度。龙超等利用增量平滑和优化建图的方法估算相机位姿，并获取最终的点云地图和运动轨迹。白明等利用立体视觉传感器构建了环境地图以用于机器人导航。李华等研制的THMR-V型AGV，通过机器视觉算法检测车体与行车道的相对位置与方向信息，并结合多种传感器融合检测实现在结构化道路环境中自主行驶。2015年12月首次进行公路测试的百度无人车采用激光雷达和视觉传感器相结合的方法，通过深度学习技术实现车辆的地图构建和导航。