0 引 言
无人搬运车( Automated Guided Vehicle， AGV) ， 也叫做自动导引运输车，是指装备有电磁或光学传感 器装置，能够沿规定好的路径行驶，具有安全保护以 及各种移载功能的运输车。
传统的工厂和仓库中的货物搬运需要大量人力， 效率低下，容易出错。货物储存位置、不同货物大小 和重量，对机器和人都是一种挑战。
目前国内自动导引车普遍使用在地面上的标线 对小车进行导航，或者在规定区域的地面，贴上标志 图形［1］，其缺点在于需要在地面上铺设大量标志线 和图形，其活动范围受到限制，且标志线被污染容易 造成导航精度降低甚至失效的后果。或者采用全局摄像头定位小车在室内的位置［2］，其缺点是定位精 度差，成本高。
在 AGV 的相关技术研究中，导航技术是其核心 技术，也是其实现真正的智能化和完全的自主移动的 关键技术。导航研究的目标是在没有人工干预的情 况下使机器人有目的地移动并完成特定任务。而路 径轨迹计算又是导航的核心技术之一，只有知道了机 器人自身移动的轨迹，才能完成导航任务。
本文利用机器视觉技术检测地面，使用块匹配算 法计算 AGV 轨迹。其优点是无需在地面铺设大量标 志线和图形，精度高，成本低。在运行较长轨迹后，只 需用极少坐标作为误差矫正即可完成 AGV 的长期导 航任务。
1 直线行驶图像匹配
图像匹配是通过计算相似性度量来判断图像间 的变换参数，从不同传感器、不同方位、不同时间采集 同一场景的2 幅或多幅图像，将其变换到同一坐标系 下，并在像素层上实现最佳匹配的效果。图像匹配的 方法可以划分为4 类: 基于灰度的匹配、基于模板的 匹配、基于变换域的匹配和基于特征的匹配。
本文利用 CCD 拍摄地面，从地面的图像的移动 来判断小车移动的距离，由于地面特征变化很多，特 征有时明显有时不明显，所以采用基于模板的匹配的 方法来计算小车移动的距离，简单实用。
1.1 基于模板的匹配
基于模板的匹配是在图像已知的重叠区域里选 择一块矩形区域作为模板，与扫描被匹配图像中同样 大小的区域进行对比，计算其相似性度量，确定最佳 的匹配位置，所以此方法也被称为块匹配过程。其匹 配过程包括4 个步骤，如图1 所示。
图1 基于模板的匹配算法流程图
暂无评论内容