论文部分内容阅读
AGV(Automated Guided Vehicle)是一种集机械、控制、光学、电子、计算机、物联网等技术为一体的综合型设备,以其智能化的运作方式、柔性化的路径管理、高效的空间利用率等诸多优势,被广泛应用于汽车工业、军工制造、仓储物流、家电生产等行业。定位技术是实现AGV自动化、智能化运行的前提条件,也是衡量AGV技术发展水平的重要标准之一。本论文主要内容如下:(1)对AGV定位领域的关键技术进行介绍,并完成定位系统研究平台的搭建,主要包括系统坐标系的定义、分布式网络架构的搭建、传感器数据的获取和处理几个方面的内容。(2)对现有的AGV定位方法进行研究和分析,明确多传感器数据融合进行AGV定位的基本思路,并提出了一种基于激光雷达、摄像头、IMU(Inertial measurement unit)姿态传感器的多数据融合定位方法。在该方法中,针对激光雷达定位精度不足的问题,引入了摄像头实现更高精度的环境感知,并采用摄像头标志识别进行定位,很好地控制了定位系统对计算资源的消耗;针对摄像头高精度的标志识别范围有限的情况,使用激光雷达扫描匹配得到的定位结果来辅助确定摄像头当前识别到的标志的准确位姿,进而获取高精度的AGV定位结果;并采用摄像头识别到的标志物尺寸大小判断摄像头标志识别定位结果的可靠性,然后通过动态加权的方式对摄像头标志识别定位结果与激光雷达扫描匹配定位结果进行数据融合得到最终位姿输出。分析测试结果表明:在一定条件下本文所提出的基于多传感器数据融合的AGV定位方法具有更好的定位效果。(3)探索性地尝试将神经网络应用到AGV定位系统中。设计了用于多传感器融合定位的BP神经网络模型,该模型以激光雷达、IMU传感器数据作为输入,以AGV的位姿作为输出,依靠BP神经网络的自学习能力实现多传感器融合定位。针对AGV运行轨迹连续的特点,提出了将循环神经网络应用到AGV定位系统中的具体方案。实验结果表明:BP神经网络能够实现一定的AGV定位效果,循环神经网络在定位过程中的位姿预测结果也比较准确。