多传感器融合AGV在仓储环境导航的应用研究

作     者：陈浩泽 

作者单位：北部湾大学 

学位级别：硕士

导师姓名：韦相贵;吴宁

授予年度：2024年

学科分类：080202[工学-机械电子工程] 08[工学] 0802[工学-机械工程] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 081102[工学-检测技术与自动化装置] 

主      题：AGV 多传感器融合 三维建图 导航算法 仓储环境 嵌入式 

摘      要：随着人工智能技术的不断发展与工业4.0的发展,制造业的重点已从工业自动化转向对智能工厂定制化大规模生产的要求,作为智能制造领域的关键设备,自动导引车(Automated Guided Vehicle,AGV)在生产制造、物流运输和家庭服务等多个领域得到了广泛的应用。它们有助于减少生产成本,提升生产效率,并推动工业自动化和智能化的发展。为了解决单一传感器的AGV在类似室内仓储的多障碍多遮挡环境下精度与鲁棒性较差等问题,提出一个多传感器融合的建图导航定位的AGV系统,该系统结合激光雷达、双目深度相机、惯性测量单元(IMU)、RGB-D相机四种传感器的优势,并带有柔性夹取装置的机械臂。本文主要研究内容如下: 首先在AGV配件的选择上,结合室内场景需求与嵌入式搭载条件,选择合适的配件以及视觉SLAM算法,并在此算法的基础上,将IMU、轮式编码器、视觉传感器通过扩展卡尔曼滤波数据融合改进AGV的定位精度进而优化地图构建效果,为后续的自主导航与避障实验提供地图精确性。 其次,在嵌入式构建环节,与主机电脑相比,嵌入式平台体量更小,但计算能力有限,本文利用英伟达公司的Jetson Nano(配备图形处理器和中央处理器计算功能),通过CUDA平台同时增强视觉SLAM算法的特征提取和匹配组件,这种方法旨在提高算法在嵌入式开发板上的实时性能。与原本的基于外观的实时建图算法相比,中央处理器的平均性能提升幅度为25.25%。 再次,在全局与局部路径规划算法选定中,在四种经典全局算法中进行比较,选定时间与路径皆优的A*算法并进行优化;选择TEB算法作为局部路径规划算法,再针对AGV硬件条件进行算法的相关参数调整,对计算量优化调整,在提高运行效率的情况下确保AGV的稳定行进。在稳定导航与避障的同时,结合机械臂上的柔性夹取装置进行物块夹取与放置。 最后在系统搭载方面,选择英伟达Jetson Nano作为ROS上位机,选用STM32F407VET6作为下位机对AGV进行驱动,使用Jetson Nano发送Wi-Fi对PC端的虚拟机进行连接,实现PC对AGV的通信与操控。 经过验证,我们构建的室内环境地图可以为导航避障提供可靠的地图信息,并且具有优秀的实时性。在导航过程中,AGV能够根据选取的路径规划算法规划出最短的路线,并沿路线稳定行驶,到达指定地点后抓取物块并放置。这是一套适用于室内仓储环境的AGV系统,具有一定的实际应用价值。