0 引言

無人搬運車（Automated Guided Vehicle，AGV），也叫做自動導(dǎo)引運輸車，是指裝備有電磁或光學(xué)傳感器裝置，能夠沿規(guī)定好的路徑行駛，具有安全保護以及各種移載功能的運輸車。

傳統(tǒng)的工廠和倉庫中的貨物搬運需要大量人力，效率低下，容易出錯。貨物儲存位置、不同貨物大小和重量，對機器和人都是一種挑戰(zhàn)。

目前國內(nèi)自動導(dǎo)引車普遍使用在地面上的標(biāo)線對小車進行導(dǎo)航，或者在規(guī)定區(qū)域的地面，貼上標(biāo)志圖形，其缺點在于需要在地面上鋪設(shè)大量標(biāo)志線和圖形，其活動范圍受到限制，且標(biāo)志線被污染容易造成導(dǎo)航精度降低甚至失效的后果。或者采用全局?jǐn)z像頭定位小車在室內(nèi)的位置，其缺點是定位精度差，成本高。

在AGV的相關(guān)技術(shù)研究中，導(dǎo)航技術(shù)是其核心技術(shù)，也是其實現(xiàn)真正的智能化和完全的自主移動的關(guān)鍵技術(shù)。導(dǎo)航研究的目標(biāo)是在沒有人工干預(yù)的情況下使機器人有目的地移動并完成特定任務(wù)。而路徑軌跡計算又是導(dǎo)航的核心技術(shù)之一，只有知道了機器人自身移動的軌跡，才能完成導(dǎo)航任務(wù)。

本文利用機器視覺技術(shù)檢測地面，使用塊匹配算法計算AGV軌跡。其優(yōu)點是無需在地面鋪設(shè)大量標(biāo)志線和圖形，精度高，成本低。在運行較長軌跡后，只需用極少坐標(biāo)作為誤差矯正即可完成AGV的長期導(dǎo)航任務(wù)。

1 直線行駛圖像匹配

圖像匹配是通過計算相似性度量來判斷圖像間的變換參數(shù)，從不同傳感器、不同方位、不同時間采集同一場景的2幅或多幅圖像，將其變換到同一坐標(biāo)系下，并在像素層上實現(xiàn)最佳匹配的效果。圖像匹配的方法可以劃分為4類：基于灰度的匹配、基于模板的匹配、基于變換域的匹配和基于特征的匹配。

本文利用CCD拍攝地面，從地面的圖像的移動來判斷小車移動的距離，由于地面特征變化很多，特征有時明顯有時不明顯，所以采用基于模板的匹配的方法來計算小車移動的距離，簡單實用。

1.1 基于模板的匹配

基于模板的匹配是在圖像已知的重疊區(qū)域里選擇一塊矩形區(qū)域作為模板，與掃描被匹配圖像中同樣大小的區(qū)域進行對比，計算其相似性度量，確定最佳的匹配位置，所以此方法也被稱為塊匹配過程。其匹配過程包括4個步驟，如圖1所示。

圖1 基于模板的匹配算法流程圖

1.2 基于塊匹配過程

CCD攝像頭拍攝地面，以幀的方式傳輸?shù)?a target="_blank">處理器中，圖2是相鄰2幀可能的相對位置情況。

圖2 相鄰2幀相對位置情況

如圖3所示，假設(shè)每2幀的圖像有部分重疊，重疊部分用陰影表示，此重疊區(qū)域即為塊匹配的基準(zhǔn)模板，相鄰2幀重疊區(qū)域與前一幀圖像面積的比值定義為重疊系數(shù)β。

圖3相鄰2幀圖像重疊的位置情況

模板的大小和坐標(biāo)定義如下：前一幀的坐標(biāo)系是x - y，每一像素點的灰度值為f（x，y），后一幀的坐標(biāo)系是X - Y，每一像素點的灰度值為g（X，Y），坐標(biāo)系變換是x = X + ΔX，y = Y + ΔY。

重疊區(qū)域S的比對采用差值法，重疊區(qū)域相似性度量計算公式如下：

模板掃描策略從β ~ 1，每次掃描都會有一個A值，取所有A值中的最小值：min（A1，A2，A3，…）

此時的ΔX是AGV在2幀時間內(nèi)行駛前進方向的路程，ΔY是AGV行駛方向的垂直方向的偏移。在時間t內(nèi)前進方向行駛的距離為∑ΔX，垂直方向為∑ΔY。

1.3 CCD攝像頭與AGV移動速度關(guān)系

CCD攝像頭拍攝面積、傳輸幀數(shù)與AGV行駛速度之間的關(guān)系如下：

其中，v是AGV移動速度，β是重疊區(qū)域重疊系數(shù)，LONG是CCD攝像頭窗口拍攝矩形長度大小，COLUMN是CCD攝像頭分辨率列數(shù)，F(xiàn)PS是幀率。

1.4 拍攝條件

1）消除拖影。運動物體如果速度過快，在每一幀的圖像中會有拖影出現(xiàn)，所以在選擇CCD攝像頭時，最好選擇120 FPS的CCD攝像頭，快門速度>=1/50 s，小車行駛越快，需要快門速度越快。這樣可以有效消除拖影對算法的影響。

2）消除曝光瑕疵。照射地面的光線可能由于外在原因，導(dǎo)致不同幀的圖像的不同位置的光強度有變化對算法的結(jié)果有一定影響。所以需要在AGV底部增加主動光源，如圖4所示。

圖4 光源與CCD攝像頭位置示意圖

試驗選擇日常的瓷磚地面，瓷磚地面普遍比較光滑，顏色趨于一致。但是如果近距離用攝像頭拍攝，會發(fā)現(xiàn)瓷磚表面會有大小不一的孔洞，有光源照射時，與瓷磚背景形成鮮明對比，如圖5 ~ 圖6所示，CCD攝像頭鏡頭角度為30.4°，距離地面距離100mm。

圖5 光源以30°角照射地面

圖6 光源垂直照射地面

根據(jù)地面狀況不同，光源入射角度也不同，此試驗選擇光源垂直照射地面，使得特征孔洞與地面整體有更大的對比反差。

2 轉(zhuǎn)彎行駛圖像匹配

試驗使用的AGV是由2個無刷電機帶主動輪和一個萬向輪被動輪構(gòu)成的樣車即小車，如圖7所示。

圖7 小車示意圖

CCD攝像頭安裝在小車下方，2個主動輪中心位置，向右轉(zhuǎn)彎時，小車右輪不動，左輪轉(zhuǎn)動，向左轉(zhuǎn)彎時，小車左輪不動，右輪轉(zhuǎn)動。

2.1 轉(zhuǎn)彎塊匹配算法

小車轉(zhuǎn)彎的過程也是CCD攝像頭繞固定輪旋轉(zhuǎn)的過程，以向左轉(zhuǎn)彎為例，示意圖如8所示。

圖8 相鄰2幀的位置

模板的大小和坐標(biāo)定義如下：前一幀的坐標(biāo)系是ρ - θ，每一像素點的灰度值為f（ρ，θ），后一幀的坐標(biāo)系是r - φ，每一像素點的灰度值為g（r，φ），坐標(biāo)系變換是φ = θ + Δθ，r = ρ + Δρ。在此采用極坐標(biāo)系。

重疊區(qū)域S的比對采用差值法，重疊區(qū)域相似性度量計算公式如下：

板掃描策略從β ~ 1，每次掃描都會有一個B值，取所有B值中的最小值：min（B1，B2，B3，…）

此時的Δρ值是小車在2幀時間轉(zhuǎn)動瞬心的偏移，直角坐標(biāo)系內(nèi)的值是（Δρ × cosθ，Δρ × sinθ），Δθ是小車行轉(zhuǎn)彎時的瞬時轉(zhuǎn)角。在時間t內(nèi)轉(zhuǎn)彎的偏移量為（∑Δρ × cosθ，∑Δρ × sinθ）和轉(zhuǎn)彎角度為∑Δθ。

3 試驗驗證和結(jié)果分析

3.1 其中2幀對比的計算結(jié)果

試驗用CCD攝像頭設(shè)定為320 x 240像素，β系數(shù)設(shè)定為0.9，用Matlab仿真，圖9為其中2幀掃描結(jié)果。

圖9 4個方向Matlab計算結(jié)果

分析從4個方向計算結(jié)果，在右上方有最小值，所以判斷第2幀圖像在第1幀圖像的右上方，將4個方向的計算結(jié)果合成在一個坐標(biāo)系下，結(jié)果如圖10所示。

圖10 4個方向坐標(biāo)系合成Matlab計算結(jié)果

由坐標(biāo)系換算得到，第2幀圖像在第1幀圖像右上方，橫坐標(biāo)偏離21個像素點，縱坐標(biāo)偏離23個像素點。

3.2 小車直線行駛計算結(jié)果

試驗用CCD攝像頭設(shè)定為320 x 240像素，β系數(shù)設(shè)定為0.9，幀率120 FPS。小車直線向前行駛距離，其中約1 s的數(shù)據(jù)如圖11所示。

圖11 小車約1 s內(nèi)行駛前方和側(cè)方每幀像素個數(shù)

小車在約1 s時間內(nèi)，向右移動了206個像素點，向下方偏移了32個像素點。換算成距離約向前移動了34.9788 mm，偏移5.4336 mm。

使用基恩士激光位移傳感器（型號LK-G150，精度0.01 um）測量小車，將小車移動200 mm的距離，重復(fù)試驗30次。CCD攝像頭拍下的圖像，用基于塊匹配算法，實際計算結(jié)果如表1所示。

表1 小車直線行駛200mm時算法誤差

3.3 小車轉(zhuǎn)彎2幀對比結(jié)果

以左轉(zhuǎn)彎為例，圖12為小車左轉(zhuǎn)彎時，2幀圖像基于塊掃描的匹配結(jié)果。

圖12 小車左轉(zhuǎn)彎2幀圖像塊掃描結(jié)果

表2 小車左轉(zhuǎn)彎時的轉(zhuǎn)角計算誤差

使用精度為0.05°的陀螺儀芯片，使小車向左轉(zhuǎn)彎30°，CCD攝像頭拍下圖像，用基于塊匹配算法，四舍五入精度到小數(shù)點后一位。實際計算結(jié)果如表2所示。

經(jīng)計算，計算值與實際值存在一定誤差，直線行駛，計算值的誤差率比較低，轉(zhuǎn)彎行駛誤差比較高，分析其原因如下：

1）直線行駛。

①實際移動不完全是像素點的整數(shù)倍，而算法中沒有考慮不是完整像素的情況。

②實際CCD攝像頭安裝位置和鏡頭角度導(dǎo)致攝像頭可照射范圍不是整數(shù)倍，本身鏡頭覆蓋面有一定誤差。

2）轉(zhuǎn)彎行駛。

①由于轉(zhuǎn)彎行駛是按照極坐標(biāo)系來計算的，而像素點本身是直角坐標(biāo)系，在相互轉(zhuǎn)換計算中，會有一定誤差。

②由于轉(zhuǎn)彎時會考慮轉(zhuǎn)動瞬息的移動情況，在算法消除瞬心移動時，也會造成一定誤差。

所以整體轉(zhuǎn)彎行駛的算法的誤差會比直線行駛誤差要大。

4 結(jié)束語

本文介紹了使用CCD攝像頭，根據(jù)地面圖像，配合本文提出的算法，可以用于平整地面AGV的軌跡計算。其優(yōu)點是與全局?jǐn)z像頭相比成本低，精度高。

與傳統(tǒng)方法相比，無需在地面鋪設(shè)大量標(biāo)志線，適用范圍廣，AGV行駛更加自由。但本算法在長期運行時，其誤差的累積還是比較大。為此筆者將對以下幾種解決方法進行研究：

1）選取像素更低、曝光時間更短的CCD攝像頭來提高精度。

2）選擇2個或者3個CCD攝像頭，采用數(shù)據(jù)融合技術(shù)來降低誤差。

3）在地面鋪設(shè)少許RFID標(biāo)簽，在導(dǎo)航路徑規(guī)劃時，行駛一定距離時，導(dǎo)航到RFID標(biāo)簽范圍內(nèi)，對其累積誤差進行校正。