AGV 导航方法总体设计与分析

本文主要是介绍AGV 导航方法总体设计与分析，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

导航方案设计导航方法分为三个部分——路径规划、实时定位、轨迹纠正。

视觉定位模块

主要有三个工作任务：利用二维码定位对 AGV 初始位姿进行矫正，保证 AGV 初始运动时其运动轨迹能够与道路平行；利用 ORBSLAM 定位能够实时的获得 AGV 在车库中的位姿；当 AGV 接近车位时，利用二维码再次对 AGV 的位姿进行矫正，保证 AGV 能够准确的进入车位。定位模块按照内容分一共分为两部分，二维码视觉定位和 ORB-SLAM 定位。二维码视觉定位模块中，使用 ARToolKitPlus 库提供的二维码。在二维码识别的过程中，利用模板匹配提高了 ID 识别的速度，在定位计算中利用 RPP 算法消除了局部最小值带来的错误解。ORB-SLAM 系统构建的是稀疏点云，具有良好的实时性。在系统搭建的过程中使用跟踪法、局部地图、词袋法等，多次优化保证了定位精度。同时系统加入了闭环检测，保证系统在大场景、长时间建图定位的鲁棒性。

路径规划模块

为了提高定位模块的实时性，我们采用构建 ORB 特征的稀疏点云地图。但稀疏点云地图不具备几个特征，不能像传统栅格地图可以进行路径规划。为了解决这个问题，我们采用后台通信模式。后台根据施工图纸等信息建立车库的全局栅格地图，在全局栅格地图中进行路径规划，将路径信息通过通信的方式下发给定位导航层，对路径信息进行动作解析，得到相应的运动控制命令。底层对运控命令的解析，得到电机转速从而实现动作反应。这种路径规划模式存在一个新问题，全局地图要与 ORB 稀疏点云地图之间建立准确的联系，确保定位信息、路径信息坐标系之间转换的正确性。所以在 AGV 执行导航任务前，借助二维码辅助信息完成建立坐标系关系的建立。对已知世界坐标的二维码识别，获得 AGV 的初始位姿并对其进行矫正。确保 AGV 初始行走的初始轨迹平行坐标轴。在 SLAM 系统初始化完成时，通过记录当帧中相机在二维码坐标系中的位姿，从而获得世界坐标系到稀疏点云坐标系的变换矩阵。二维码在世界坐标系之中的姿态通过人工示教法获得。

轨迹纠正模块

将后台发过来的全局路径以坐标点对序列的形式下发过来，根据我们应用场景及相关算法。对这些点对进行划分，将全局路径划分为各段直线的局部路径，并根据局部路径信息进行动作解析得到速度控制命令。由于机械误差、路面不平等多方面原因，小车不能严格的按我们预期的轨迹行进，会发生偏离。为了保证 AGV 在运动过程中不偏离预期的轨迹路线，需要对轨迹进行纠正。利用 ORB-SLAM 视觉的实时定位信息与理想预期轨迹对比，根据理想位置和当前位置可以得到 AGV 的轨迹偏离误差值，针对误差设计控制律使误差值收敛，最终求解出小车的线速度和角速度使小车向理想轨迹靠拢。由于底层的一个响应周期内可能完不成 AGV 轨迹跟踪控制预期的动作，在 AGV 运动的过程中轨迹偏离误差值一直都存在并且随时间的成收敛趋势，所以理论上讲 AGV 在运动的过程中在不断逼近预期轨迹，其收敛效果与底层硬件反应，算法参数的选择有直接关系。在真实应用场景里，AGV 行进的路径都为直线，且在运动前通过二维码对 AGV 的姿态进行矫正，所以真实轨迹与理想轨迹之间的误差值不会太大。