基于視覺和RFID復(fù)合導(dǎo)航的AGV設(shè)計與研究

王輝，袁斌，王偉博，吳瑞明

(浙江科技學(xué)院機械與能源工程學(xué)院，浙江杭州 310023)

0 前言

隨著中國制造2025計劃的深度推進，對智能設(shè)備的需求也不斷提高。自動引導(dǎo)小車(Automated Guided Vehicle，AGV)作為智能制造中的重要組成部分，在智能車間、物流倉儲、醫(yī)療等領(lǐng)域發(fā)揮越來越重要的作用。但是，目前AGV在實際應(yīng)用過程中往往存在導(dǎo)航精度和軌跡柔性難兼顧的現(xiàn)象，這也是AGV在很多領(lǐng)域推廣應(yīng)用的難點。

根據(jù)導(dǎo)航方式對AGV進行分類，可以分為磁導(dǎo)航、色帶導(dǎo)航、激光導(dǎo)航、慣性導(dǎo)航、即時定位與地圖構(gòu)建(Simultaneous Localization and Mapping，SLAM)導(dǎo)航、復(fù)合導(dǎo)航等。不同的導(dǎo)航方式對應(yīng)不同的需求，其中磁導(dǎo)航和色帶導(dǎo)航應(yīng)用最廣泛，具有精度高、運行穩(wěn)定、成本低等優(yōu)點，但軌跡柔性較差；激光導(dǎo)航可以滿足生產(chǎn)需求，但需要安裝發(fā)射板，成本相對較高；慣性導(dǎo)航在導(dǎo)航過程中存在累計誤差，因此需要定期進行矯正，且精度高的慣性元件價格較高；SLAM導(dǎo)航分為激光雷達和雙目視覺兩種，對于實現(xiàn)高精度的導(dǎo)航在技術(shù)上還存在難點，數(shù)據(jù)計算量大且算法復(fù)雜；復(fù)合導(dǎo)航是結(jié)合兩種以上方法，優(yōu)勢互補完成定位導(dǎo)航。肖獻強等提出一種利用二維碼與慣性導(dǎo)航組合的方式進行定位導(dǎo)航，取得了較好成果，但存在視覺識別二維碼效率低的問題，不利于AGV高效運行。

針對上述情況，提出一種基于視覺和RFID復(fù)合導(dǎo)航的方式。采用地標(biāo)圖像中嵌入射頻卡的策略建立網(wǎng)格型地圖，當(dāng)AGV處于兩個站點之間時，通過識別AGV前方站點的位置來評估當(dāng)前是否偏離預(yù)期軌跡；當(dāng)AGV接近拐點時，RFID傳感器讀取到站點信息后AGV進入低速模式，為轉(zhuǎn)彎糾偏做準(zhǔn)備；當(dāng)AGV到達站點時，由AGV正下方的視覺傳感器評估AGV相對于站點的橫向、縱向、角度誤差，并進行補償。為提高轉(zhuǎn)角的準(zhǔn)確性，先根據(jù)運動模型得到的轉(zhuǎn)角進行初步轉(zhuǎn)彎，再利用安裝在AGV前方的視覺傳感器獲得的偏角進行角度調(diào)整。在傳感器捕捉位置信息時引入卡爾曼濾波來降低抖動產(chǎn)生的干擾。

1 AGV結(jié)構(gòu)與運動模型

基于視覺和RFID復(fù)合導(dǎo)航的AGV主要結(jié)構(gòu)如圖1所示。

圖1 AGV主要結(jié)構(gòu)示意

AGV采用兩輪差速方式驅(qū)動行駛，并在前后分別安裝兩個萬向輪做支撐。AGV上安裝兩個視覺傳感器，分別用于捕捉AGV正下方圖像信息和正前方地面的圖像信息。RFID傳感器安裝在底盤前方位置，用于檢測是否即將到達站點和讀取坐標(biāo)信息。

在運動過程中，由控制器發(fā)送指令給伺服驅(qū)動器，從而控制電機轉(zhuǎn)速并調(diào)整AGV姿勢。根據(jù)兩輪差速原理建立運動學(xué)模型如圖2所示。AGV在某時刻的位姿可以表示為=[,,]，其中：、為AGV所在的二維平面坐標(biāo)點；為AGV的偏轉(zhuǎn)角。

圖2 AGV運動學(xué)模型

假設(shè)時刻左輪速度為，右輪速度為，AGV質(zhì)心的移動速度和角速度可以表示為

(1)

式中：為兩驅(qū)動輪之間的距離。

根據(jù)式(1)，軌跡曲率圓半徑和瞬時轉(zhuǎn)角Δ可以表示為

(2)

根據(jù)上述公式將速度和角速度離散化可以得到AGV任何時刻的姿勢，如式(3)所示：

(3)

式中：為采樣周期；、、為控制量。

根據(jù)式(2)可建立直線行駛時角度誤差和軌跡誤差模型：

(4)

根據(jù)AGV的運動模型建立Simulink仿真模型，結(jié)果表明:AGV在直行時軌跡誤差較小，但經(jīng)過轉(zhuǎn)彎后，轉(zhuǎn)角存在誤差使得軌跡出現(xiàn)較大誤差。因此,提高AGV轉(zhuǎn)角的精度對AGV定位導(dǎo)航具有重要意義。

2 AGV總體框架與導(dǎo)航方法

2.1 AGV總體框架

圖3所示為AGV的框架，AGV總控制器為PC，主要負責(zé)處理攝像頭數(shù)據(jù)、與云端Socket通信、與STM32控制器串口通信；STM32控制器主要用于接收RFID傳感器的數(shù)據(jù)，并解碼和控制電機驅(qū)動器。

圖3 AGV總體框架示意

2.2 AGV路徑構(gòu)建

采用地標(biāo)圖像中嵌入射頻卡的形式構(gòu)建地圖，射頻卡中的信息為00000000～99999999，前四位為橫坐標(biāo)，后四位為縱坐標(biāo)，AGV路徑地圖如圖4所示。

圖4 AGV路徑地圖示意

已知AGV起始姿勢為[0001,0001,90]，終點姿勢為[0003,0003,0]，可以通過遺傳算法等路徑規(guī)劃算法得出最優(yōu)路徑，然后將最優(yōu)路徑寫入控制器。如圖3所示的路徑轉(zhuǎn)化為自定義控制指令，可以表示為(10000)、(12090,10000)、(11045,10000)、(12045)，其中：10000為直行指令；12090為右轉(zhuǎn)90°；11045為左轉(zhuǎn)45°；12045為右轉(zhuǎn)45°。

2.3 視覺圖像檢測

攝像頭在使用前需要進行畸變矯正處理，因此利用MATLAB視覺工具箱進行標(biāo)定。

中間攝像頭安裝在距離地面18 cm高的位置，主要用于檢測AGV經(jīng)過站點時的軌跡誤差。為方便計算軌跡誤差，將圖像坐標(biāo)進行平移旋轉(zhuǎn)變化，圖像中心為坐標(biāo)原點。圖像變換公式如下：

(5)

式中：、為原圖像坐標(biāo)；、為變化后的坐標(biāo)。

站點上的圓形圖案采用霍夫變換進行檢測。根據(jù)霍夫原理，將笛卡爾坐標(biāo)轉(zhuǎn)化為霍夫坐標(biāo)，圓上的點在霍夫空間為三維曲線，并且同一個圓上的點在三維空間中交于一點，如下所示：

(-)+(-)=

(6)

將式(6)所示的笛卡爾坐標(biāo)轉(zhuǎn)為霍夫坐標(biāo)：

(7)

根據(jù)原理設(shè)定半徑和重合點數(shù)量的閾值，檢測結(jié)果如圖5所示。

圖5 霍夫變換圓檢測結(jié)果

檢測AGV前方站點時，首先，將攝像頭采集的 RGB圖像轉(zhuǎn)換為HSV圖像并設(shè)置紅色閾值；然后進行二值化和輪廓檢測，為增加檢測的抗干擾能力，在輪廓檢測時引入輪廓面積、輪廓周長來篩選圖案輪廓；最后，作最小外接矩形并計算中心像素坐標(biāo)。檢測結(jié)果如圖6所示。

圖6 地標(biāo)檢測結(jié)果

AGV在運動過程中存在不可避免的抖動和攝像頭采集數(shù)據(jù)不穩(wěn)定的問題，所產(chǎn)生的隨機誤差可以看作白噪聲，因此在圖像采集過程中引入卡爾曼濾波。通過攝像頭獲取地標(biāo)相對于AGV的位置，對位置坐標(biāo)(，)進行濾波處理，減少隨機誤差的干擾。參數(shù)狀態(tài)方程和觀測方程分別如式(8)、式(9)所示：

(8)

()=()+()

(9)

式中：(+1)為+1時刻的狀態(tài)；+1、+1為+1時刻地標(biāo)相對于AGV的坐標(biāo)；為像素坐標(biāo)與世界坐標(biāo)的比例關(guān)系；Δ、Δ為時刻的坐標(biāo)增量；()為過程噪聲；()為時刻的觀測值；()為觀測噪聲。

2.4 軌跡控制方法

為降低打滑、抖動等因素對軌跡產(chǎn)生的影響，對不同運動階段采用不同的控制速度，在轉(zhuǎn)彎和檢測地標(biāo)時采用較低速度，直線行走時采用較快速度。

圖7為AGV從啟動到轉(zhuǎn)彎的各階段控制示意?？芍篈GV在0～時，加速度為；在～時，AGV處于兩個站點之間,速度保持在行駛；在～時，RFID傳感器檢測到下一站點坐標(biāo)，并判斷是否需要轉(zhuǎn)彎，需要轉(zhuǎn)彎時AGV開始減速；在～時，保持低速行駛，并等待AGV正中間的攝像頭檢測到地標(biāo)圖案；在～時，速度降低至0，計算并補償軌跡誤差；在～時，開始轉(zhuǎn)向并補償轉(zhuǎn)角誤差；在～時，AGV開始加速往下一站點行駛。

圖7 各階段控制示意

在經(jīng)過轉(zhuǎn)彎或終點站時，AGV會進行位置和角度的補償。如圖8所示,矯正由狀態(tài)(1)～狀態(tài)(5)組成，首先由正中間的攝像頭檢測到地標(biāo)圖像位置，然后進行像素坐標(biāo)與世界坐標(biāo)之間的轉(zhuǎn)化，得到角度和位置誤差。

圖8 糾偏控制方法示意

當(dāng)前AGV姿勢下，誤差可由式(10)表示：

(10)

式中：為位置誤差；、為站點相對于AGV的位置坐標(biāo)；為角度誤差。

根據(jù)差動輪驅(qū)動原理，將偏角轉(zhuǎn)化為輪子移動距離：

=(×)2

(11)

調(diào)整角度后，向前行駛距離到達狀態(tài)(3)的位置，然后向反方向旋轉(zhuǎn)，最后根據(jù)AGV前方攝像頭計算出AGV轉(zhuǎn)彎后偏離的并矯正誤差。

在運行過程中，將攝像頭觀測到的軌跡誤差和角度誤差輸入PID控制器中進行調(diào)整，加快系統(tǒng)響應(yīng)。增量式PID表示如下：

Δ()=[()-(-1)]+()+[()-(-1)+(-2)]

(12)

式中：、、為PID中的3個參數(shù)；為期望與觀測之間的差值。

3 實驗與分析

采用自主設(shè)計的AGV小車作為實驗設(shè)備，如圖9所示。AGV主要參數(shù)：車身大小700 mm×450 mm×350 mm;兩輪間距435 mm；最大移動速度1 m/s；地標(biāo)間距1 m。對AGV進行原地旋轉(zhuǎn)測試、正方形路徑測試、8字形路徑測試。

圖9 AGV實物

3.1 原地轉(zhuǎn)彎測試及分析

原地轉(zhuǎn)彎測試主要是檢測AGV轉(zhuǎn)彎時，轉(zhuǎn)角大小對位置精度的影響。AGV在轉(zhuǎn)彎時處于低速狀態(tài)，因此測試時輪子速度為0.2 m/s。旋轉(zhuǎn)過程分為兩部分：左轉(zhuǎn)彎360°、右轉(zhuǎn)彎360°，誤差如圖10所示。可知：原地轉(zhuǎn)彎時，前360°轉(zhuǎn)彎的、向誤差基本在3 mm內(nèi)，后360°轉(zhuǎn)彎誤差在5.5 mm內(nèi)。

圖10 原地轉(zhuǎn)彎 位置誤差

3.2 正方形和8字形路徑測試及分析

正方形路徑測試和8字形路徑測試分別是為了檢測AGV連續(xù)拐彎情況和拐彎帶直線行駛情況的路徑和角度精度，兩者的路徑如圖11所示。圖12、圖13所示分別為測試路徑的軌跡誤差和角度誤差。可知：正方形路徑的軌跡誤差最大值為24.5 mm,平均誤差為4.6 mm,角度誤差最大值為1.4°，平均誤差為0.7°；8字形路徑的軌跡誤差最大值為25.0 mm,平均誤差為7.1 mm,角度誤差最大值為1.2°，平均誤差為0.6°。在測試過程中，AGV可以自動完成糾偏，并將誤差保持在一定值內(nèi)，與文獻[16]中的導(dǎo)航方式得到的平均軌跡誤差12 mm、角度誤差1°相比，有所提升。

圖11 測試路徑示意

圖12 測試路徑的軌 圖13 測試路徑的角

4 結(jié)論

本文作者提出一種基于視覺和RFID技術(shù)相結(jié)合的AGV復(fù)合導(dǎo)航方法。利用RFID技術(shù)快速識別地標(biāo)中的射頻卡信息，并得出AGV坐標(biāo)；利用視覺識別地標(biāo)與AGV的相對位置關(guān)系，并矯正軌跡、方向偏差，既能保證路徑柔性，又可兼顧導(dǎo)航精度。采取兩種路徑進行測試，結(jié)果表明：平均軌跡偏差為5.85 mm,平均角度偏差為0.65°，該AGV基本滿足實際生產(chǎn)需求。研究結(jié)果為解決AGV定位導(dǎo)航問題提供了參考。