基于單目視覺和模糊控制的叉車式AGV設(shè)計*

張向鴻， 楊海馬， 李曉東， 劉 瑾, 方 剛， 丁大民

(1.上海理工大學(xué) 光電信息與計算機工程學(xué)院,上海 200093； 2.上海工程技術(shù)大學(xué) 電子電氣工程學(xué)院,上海 201620；3.上海航天衛(wèi)星應(yīng)用有限公司,上海 200439)

0 引 言

近年來，隨著各國經(jīng)濟的發(fā)展與世界貿(mào)易的興起，物流產(chǎn)業(yè)配套技術(shù)也獲得了巨大的進步，自動導(dǎo)引車(automatic guided vehicle,AGV)物流運輸車作為物流環(huán)節(jié)重要組成，是現(xiàn)代倉儲服務(wù)的關(guān)鍵部分之一，其具有工作效率高，可靠性好，自動化程度高等優(yōu)點，在港口集裝區(qū)和貨場堆棧出棧等領(lǐng)域獲得了廣泛應(yīng)用。

實現(xiàn)貨物標(biāo)識的自動識別與制定相應(yīng)策略實現(xiàn)科學(xué)搬運是AGV系統(tǒng)的核心技術(shù)，采用視覺導(dǎo)引的方式可以方便快捷、科學(xué)高效的完成目標(biāo)識別，同時也可以提升AGV在復(fù)雜工作環(huán)境下的適應(yīng)性，對于相關(guān)技術(shù)的研究廣闊的應(yīng)用價值。陳顯寶等人將圖像算法引入AGV控制領(lǐng)域[1]，梁禮明等人將YOLOv3算法應(yīng)用到AGV圖像識別領(lǐng)域[2，3]，孔繁望、任彧對AGV的識別算法和路徑規(guī)劃進行改進[4，5]。

本文采用單目視覺算法進行目標(biāo)識別，同時作為AGV的導(dǎo)航信號，實時導(dǎo)引AGV進行工作。在近距離失去圖像信號時，利用激光雷達信號通過模糊控制算法精準(zhǔn)定位，完成貨物的插取和放置，根據(jù)上述研究思路設(shè)計的控制系統(tǒng)，可以快捷高效地運用于AGV的工作目標(biāo)識別、精準(zhǔn)插取和科學(xué)運輸問題。

1 叉車式AGV結(jié)構(gòu)介紹

1.1 五輪式叉車結(jié)構(gòu)

現(xiàn)階段在物流運輸工作環(huán)境中，五輪式叉車的使用最為廣泛，在驅(qū)動輪兩側(cè)添加萬向輪后，使得叉車支撐能力增強，載重量提升，運行時狀態(tài)平穩(wěn)，平衡性能優(yōu)異，同時五輪式叉車轉(zhuǎn)彎半徑小，因此適用于多種環(huán)境復(fù)雜的工作場景。此次所研究的五輪式叉車結(jié)構(gòu)尺寸圖如圖1所示。

圖1 五輪式叉車結(jié)構(gòu)

1.2 運動姿態(tài)分析

五輪式叉車AGV由于驅(qū)動輪在車體后方的特殊構(gòu)造，可以以左右前叉頂點連線的中點為圓心，以自身長度為半徑原地旋轉(zhuǎn)完成轉(zhuǎn)向，但原地轉(zhuǎn)向時不產(chǎn)生橫向位移，無法改變車體橫向位置。對于與車體姿態(tài)平行的目標(biāo)先轉(zhuǎn)向90°與目標(biāo)垂直后，運動到與目標(biāo)處于同一條直線的位置上，再次旋轉(zhuǎn)90°回到初始角度，即可對準(zhǔn)目標(biāo)。在車體與目標(biāo)的位置關(guān)系不能直接完成工作時，也可以通過上述方法調(diào)整車體姿態(tài)。

2 AGV導(dǎo)引控制系統(tǒng)設(shè)計

2.1 導(dǎo)引方式

本設(shè)計使用單目相機采用視覺導(dǎo)引方式控制AGV運動，方案硬件成本可控，軟件算法價值高，通過單目相機實時獲取現(xiàn)場圖像，利用深度學(xué)習(xí)模型匹配現(xiàn)場環(huán)境中的目標(biāo)，實時跟蹤捕捉目標(biāo)，控制叉車進行準(zhǔn)確位移和貨物取放，完成工作要求，該方式具有識別準(zhǔn)確度高，應(yīng)用環(huán)境廣，定位精確的優(yōu)點，工程應(yīng)用前景廣泛，具有良好的應(yīng)用價值。

2.2 硬件組成

控制系統(tǒng)主要由三部分構(gòu)成，即信息采集單元、決策運算單元和接收執(zhí)行單元。信息采集單元選擇單目相機采集圖像信息，利用激光雷達測量AGV與目標(biāo)之間的實際距離，車身安裝超聲波傳感器防止碰撞和判斷是否完成插取動作。運算決策單元選擇工控機進行圖像處理，同時接收激光雷達和超聲波傳感器的數(shù)據(jù)，制定適當(dāng)?shù)目刂撇呗?，控制AGV運動和工作。接收執(zhí)行單元接收運算決策單元下發(fā)的控制指令，驅(qū)動AGV運動完成工作，控制電路與驅(qū)動電路之間選用繼電器做隔離輸出。

2.3 軟件結(jié)構(gòu)

為實現(xiàn)對AGV的完全控制保障測試安全，在完善自動控制功能基礎(chǔ)上，保留手動控制功能，輔助調(diào)試工作進行。在實際工程應(yīng)用中除了編寫AGV的轉(zhuǎn)彎程序、加減速程序和高速運行程序外，還需要編寫制動程序、取放托盤工作程序和防碰撞安全程序[6,7]。

3 路徑規(guī)劃與目標(biāo)插取

3.1 目標(biāo)識別

本文所探討的基于深度學(xué)習(xí)的托盤的目標(biāo)識別是利用YOLOv5深度卷積神經(jīng)網(wǎng)絡(luò)模型，搭建基于PyTorch 深度學(xué)習(xí)框架下的多場景插盤目標(biāo)檢測實驗環(huán)境，通過數(shù)據(jù)集制取，樣本標(biāo)注、模型訓(xùn)練、系統(tǒng)評估等步驟完成對復(fù)雜場景中的托盤目標(biāo)識別和坐標(biāo)定位。通過選取數(shù)據(jù)樣本對檢測模型進行驗證，并根據(jù)訓(xùn)練結(jié)果不斷改進，引入一些適用于托盤識別的優(yōu)化方法和網(wǎng)絡(luò)結(jié)構(gòu)。

本文的圖像檢測部分利用YOLOv5深度學(xué)習(xí)目標(biāo)檢測算法對目標(biāo)進行實時檢測識別,其中YOLOv5網(wǎng)絡(luò)模型結(jié)構(gòu)，主要由以下三個主要組件組成：1)Backbone：在不同圖像細粒度上聚合并形成圖像特征的卷積神經(jīng)網(wǎng)絡(luò)；2)Neck：一系列混合和組合圖像特征的網(wǎng)絡(luò)層，并將圖像特征傳遞到預(yù)測層；3)Head(檢測)：對圖像特征進行預(yù)測，生成邊界框和預(yù)測類別。

識別模型學(xué)習(xí)數(shù)據(jù)集為現(xiàn)場獲取的目標(biāo)圖像，數(shù)據(jù)集大小為1 500張，分辨率為1 280×720，數(shù)據(jù)集部分內(nèi)容如圖2所示。

圖2 目標(biāo)樣本數(shù)據(jù)集

實驗采用Labelimg對圖像進行標(biāo)注，對樣本數(shù)據(jù)集進行分類，訓(xùn)練集、驗證集和測試集按照0.8︰0.16︰0.04的比例進行劃分。YOLOv5模型采用單階段檢測結(jié)構(gòu)，其主要分為五個階段：1)Input：圖像輸入端并且進行了數(shù)據(jù)處理，進行Mosaic、Cutout或矩陣訓(xùn)練操作；2)Backbone：提取出高中低層的特征，使用了CSP、Fcous、Leaky ReLU等；3)Neck：將各層次的特征進行融合提取出大中小的特征圖；4)Head：進行最終檢測部分，在特征圖上應(yīng)用錨定框，并生成帶有類概率、對象得分和包圍框的最終輸出向量；5)Loss：計算預(yù)測結(jié)果與Ground truth的Loss，反向傳播更新模型的參數(shù)。通過上述算法原理編寫目標(biāo)識別程序，對學(xué)習(xí)模型進行訓(xùn)練，直到識別準(zhǔn)確率達到98 %后，將目標(biāo)識別程序封裝為模塊使用。

將實驗用托盤放置于AGV前方，實地測試目標(biāo)識別準(zhǔn)確率，識別效果如圖3所示。經(jīng)過測試，實驗?zāi)Ｐ湍軌驕?zhǔn)確地對復(fù)雜場景的托盤目標(biāo)進行高精度的分類識別與定位，識別準(zhǔn)確率高于95 %，滿足實驗測試要求，相機視線被遮擋失去目標(biāo)后，遮擋物離開視線過程中，工作目標(biāo)遮擋部分小于50 %時可以重新識別捕捉目標(biāo)，模型抗干擾性能強。

圖3 目標(biāo)識別效果

3.2 路徑規(guī)劃

當(dāng)上位機通過圖像信息識別到目標(biāo)時，AGV需要運動到目標(biāo)正前方1m固定位置，方便后續(xù)完成插取動作，此時AGV與目標(biāo)位置之間的位置關(guān)系可以近似為一個直角三角形，運動路線有以下三種策略，如圖4所示[8,9]。當(dāng)目標(biāo)位于AGV正前方時，近似簡化為三角形的一條直角邊。

圖4 路徑規(guī)劃示意

3.3 目標(biāo)插取

當(dāng)AGV行進到理想插取位置時，視覺算法識別失去圖像信息，同時在實驗過程中，由于AGV沒有與地面產(chǎn)生強關(guān)聯(lián)，因此,AGV的實際運動軌跡與理論計算軌跡會產(chǎn)生一定量的偏差，此時需要通過激光雷達精準(zhǔn)限位，完成近距離插取目標(biāo)工作[10,11]。

模糊邏輯控制簡稱模糊控制，是以模糊集合論、模糊語言變量和模糊邏輯推理為基礎(chǔ)的一種計算機數(shù)字控制技術(shù)，具有較好的魯棒性、適應(yīng)性和容錯性，在本控制系統(tǒng)設(shè)計中可以將復(fù)雜的控制算法轉(zhuǎn)化為簡單的執(zhí)行指令，控制AGV運動[12,13]。

將超聲波傳感器測得的距離值與判斷是否完成插取的設(shè)定距離值進行比較，達到設(shè)定距離值，L0指示燈亮起插取完成，反之指示燈L0不亮AGV繼續(xù)工作[14]。將激光雷達1和2測得的距離值進行比較，1大于2時指示燈L1亮起，AGV左轉(zhuǎn)，反之L2亮起，AGV右轉(zhuǎn)，若1和2的差值小于設(shè)定要求值，則L1和L2熄滅，AGV直行，運動關(guān)系如表1所示。

表1 傳感器狀態(tài)與運動關(guān)系

4 實驗結(jié)果與分析

4.1 遠距離接近測試

以AGV前叉端點正對托盤孔洞中點為基點，AGV中軸線與托盤中軸線夾角等于0°作為基準(zhǔn)，評價AGV由原點位置運動到理想插取位置的誤差。選取前方4 m、右方3 m處，作為測試位置放置目標(biāo)，完成識別后，分別利用上述三種策略運動到理想插取位置，記錄重復(fù)100次的距離值偏差和角度值偏差，結(jié)果如圖5所示[15,16]。

圖5 距離和角度偏差

根據(jù)測試結(jié)果，通過計算不同策略的距離值偏差和角度值偏差的均值與方差，分析距二者之間的影響關(guān)系，由于運動過程受到控制策略和系統(tǒng)延遲影響，距離值和角度值的偏差均為正值，通過路徑1和路徑2運動到指定位置時，距離值和角度值的偏差較為離散相關(guān)性弱，通過路徑3運動時，偏差值相對收斂相關(guān)性強。同時在行進過程中實時記錄運動速度值，通過積分計算距離值定位AGV位置，根據(jù)剩余行進距離調(diào)整接近速度，提高控制精度。

4.2 近距離插取測試

在AGV運動到目標(biāo)正前方理想工作位置時，通過表1的控制方式，調(diào)整AGV完成插取工作，設(shè)置距離和角度的偏差值不同，記錄插取階段AGV調(diào)整的次數(shù)與完成調(diào)整所需時間，如表2所示。

表2 調(diào)整時間與預(yù)設(shè)偏差值關(guān)系

由表2分析偏差值與調(diào)整次數(shù)之間的關(guān)系，可以得到設(shè)置距離和角度的偏差值越小，調(diào)整次數(shù)越多;反之，調(diào)整次數(shù)減小。同時，調(diào)整次數(shù)與調(diào)整時間具有一定的正相關(guān)性，在滿足實驗條件的前提下，選定距離角度的偏差值分別為3 cm和5°。

4.3 整體實驗測試

放置目標(biāo)托盤在AGV前方4 m、右方3 m的位置，進行整體實驗。當(dāng)AGV進入自動工作狀態(tài)時首先進入遠距離識別階段，根據(jù)單目相機采集的圖像信息，通過目標(biāo)識別捕獲程序識別目標(biāo)托盤，然后控制AGV運動到理想插取位置，此時AGV位于托盤正前方1 m處位置，控制程序切換為近距離插取階段，在調(diào)整姿態(tài)正對托盤的過程中，修正距離值誤差，直到距離和角度參數(shù)值滿足誤差要求時直行完成插取。

記錄AGV插取目標(biāo)托盤時距離值和角度值的偏差，采取路徑1、路徑2和路徑3各自連續(xù)進行50次重復(fù)實驗，記錄實驗結(jié)果，由小到大排序，分析所得到實驗值與要求值的偏差程度，結(jié)果如圖6所示。

圖6 距離和角度誤差

由圖6可見，AGV在進行一次完整的插取實驗中，最終的橫向距離值誤差與角度值誤差在一定程度上正相關(guān)，距離偏差值越小，角度偏差值越小，距離偏差值越大，角度偏差值越大。由實驗結(jié)果可見，實驗要求的AGV距離值偏差范圍為±3 cm，角度偏差范圍為±5°，實驗結(jié)果滿足要求，兼顧運行時間和插取成功率，選取路徑3進行實驗時，距離和角度的偏差值較為收斂，保證了系統(tǒng)穩(wěn)定性。

5 結(jié) 論

針對叉車式AGV的運動特點和單目視覺導(dǎo)引的優(yōu)點，本文所設(shè)計的AGV控制系統(tǒng)，通過YOLOv5算法模型進行目標(biāo)匹配識別，對傳感器數(shù)據(jù)進行分析制定策略，利用模糊控制策略控制AGV運動，精準(zhǔn)高效完成工作任務(wù)[17]。通過定位距離值和角度值的偏差評價工作是否成功及其精準(zhǔn)度，未來應(yīng)該考慮目標(biāo)搭載貨物時的精確識別，如何更好地利用傳感器信息，優(yōu)化路徑規(guī)劃時的運動控制，以及控制系統(tǒng)的遲滯帶來的偏差如何修正，使其可以在實際的工程應(yīng)用中，適應(yīng)復(fù)雜的工作環(huán)境，高速高效完成工作任務(wù)[18]。