基于全局稀疏地图的AGV视觉定位技术-AGV吧

自动导引车(AutomatedGuidedVehicle，AGV)是一种用于搬运物料的无人驾驶导航车，目前已广泛应用于码头、仓库、车站等各种场所。定位系统是AGV的关键组成部分，为AGV的自动导航提供实时的位姿信息。目前AGV存在多种定位方式，采用不同定位方式的AGV的性能指标、成本及应用领域是不同的[1]。传统的定位方式有电磁定位、激光定位、GPS定位和惯导定位等。电磁定位方式预先埋设电线，通过感应高频交变电流的电磁场实现定位，成本低且易于实现但精度较低，且路径固定不易更改。采用激光定位AGV的定位精度高，有更高的测量距离，对外部光照的变化不敏感，但技术较为复杂，成本也比较高，容易受到环境中透明和反光物体的影响[2]。GPS定位能提供绝对坐标，但在室内场景中难以使用且定位误差较大。惯导定位通过积分计算状态，存在积累误差，同时存在静态漂移。近年来，利用低成本相机实现导航定位的技术受到了越来越多的关注，机器视觉的飞速发展为工业AGV的自动导航提供了新的可能。视觉定位方式通过视觉传感器动态感知四周环境，采用图像处理、立体视觉等相关技术，实现AGV的定位。

为了实现AGV的视觉定位，需要事先给AGV提供一张三维“地图”，供AGV搜索匹配，以此完成位姿的求解任务。地图是一种包含环境空间几何信息的结构，有多种表示方法[3]。其中，基于路标的稀疏地图是常用的一种表示法。稀疏地图将环境抽象为一些表示空间三维坐标的3D路标，利用“描述子”对这些3D路标进行区分。视觉传感器根据这些独一无二的描述子对检测到的图像特征点和地图进行匹配，从而实现数据关联，实现位姿的求解。对于3D路标的表示，点特征是最常用的描述方法，如OＲB(OrientedfastandＲotabedBrief)特征[4]和SIFT(Scale-InvariantFeatureTransform)特征[5]等，另外一些更复杂几何特征也被用于描述3D路标，如线特征、平面和灭点[6]。

全局定位算法要求在任何位置，都能根据传感器的数据，唯一地、重复地解算出AGV的位姿。这极大地简化了定位策略，然而这通常是困难的[7]。基于视觉的全局定位方式面临噪声和混淆两大问题的挑战。视觉传感器的噪声来自于光照变化、图像抖动和模糊、遮挡等多个方面，极大地影响到3D特征的检测和匹配。混淆即通过视觉无法分辨相似场景(如走廊)[8]。在AGV作业的工业环境中，环境通常是动态变化的(如白天和夜晚光照的变化，托盘的移动等)，同时存在大量的相似场景(如货架等)，使得采用自然特征构建地图的策略变得困难。一方面动态环境使得难以建立稳定不变的3D路标，另一方面是大量重复的场景给数据关联带来挑战。Wulf等[9]为了克服动态场景的影响，使用仓库天花板的结构和特征作为导航定位依据。但是在智能泊车的应用场景中，AGV需要在上方放置托盘运送汽车，同时AGV自身高度也极低(30cm左右)，很难看到工业环境的天花板。在环境中铺设位置已知、易于识别、不会变化的人工路标，可以辅助机器人的定位，如在激光定位中使用的反光板。然而，在工业应用中，为了能覆盖AGV行驶的所有路径，往往需要设置大量的人工路标，如何准确无误地匹配这些路标是具有挑战性的问题[10]。

本文针对以上问题，考虑AGV车身高度低，上方运载货物的限制，提出了一种新的二维编码点作为人工路标，并以此为基础实现鲁棒的特征匹配，构建了一种稀疏地图，供AGV搜索匹配，实现AGV精确的全局定位。二维编码点设计为方形棋盘格样式，通过黑白色块编码ID信息，作为二维编码点的区分标志;二维编码点作为人工路标铺设于地面，使用单反相机进行拍摄，通过一种分参数块的三维重建方法，实现厂房的大规模地图构建，生成一种稀疏电子地图。实验结果表明，使用本文方法，AGV视觉传感器能准确识别每个编码点的编码信息，并和提供的电子地图鲁棒匹配，完成定位任务，速度和精度都能满足工业应用要求。

1.二维编码点的设计、检测及解码

1.1二维编码点的设计

工业环境中使用的人工路标要求能够易于识别，同时，如果每个编码点都有自己独一无二的编码信息，可大大简化多幅图像之间的匹配[11]。常用的人工编码点为环状编码点，如图1(a)所示[12]。此种编码点利用环带编码信息。由于圆形的周期性，解码时需要以每一位为起点进行解码，然后进行选择;同时周期性使得编码容量较小。本文设计一种新的大容量二维编码点，如图1(b)所示。编码点设计为底色为黑色的正方形，使用时印刷在白色背景上。方形二维编码点仅有4种可能的解码方向，提高了解码效率。编码区域划分为7×7的棋盘格，每一格可为黑色或者白色，分别对应二进制编码0和1。49位二进制数字作为二维编码点的编码结果，为了方便起见，二进制编码结果会映射到从0开始编码的十进制数字。理论上可以有249种编码方式，容量满足工业大规模应用的需求。