你好,欢迎访问冀州区扬禹水工机械厂!厂家直销,支持定制,量大优惠,联系电话:13663289587 旧版首页

基于惯性导航、RFID 及图像识别的 AGV 融合导航系统

汪思迪 曹小华 周 勇武汉理工大学物流工程学院 武汉 430063摘要:提出一种新型的AGV 定位导航方案,通过RFID 与图像识别解决惯性导航误差累计的缺陷,以STM32为主控制器实现对平台的数据采集和姿态计算,由传感器得到平台的加速度、角速度,采用四元数法作为平台的姿态更新算法,经滤波后得到平台的姿态角。实验结果表明,该方法可靠性强,计算简单,且具有较好的定位精度,可以满足AGV 的定位系统要求。关键词:AGV; 惯性导航;图像识别;姿态解算中图分类号:TP391 文献标识码:A 文章编号:1001-0785(2018)08-0081-040 引言随着劳动力成本的上升和技术水平的提高,物流仓储行业的自动化程度不断提升。作为仓储物流的核心设备,自动导引小车(AGV)的应用范围与导航技术得到迅猛发展。目前AGV 主要有电磁导引、光学导引、激光导航、惯性导航、视觉导航和全球定位系统导航等方式[1]。多数AGV 采用激光导航和磁导航方式,虽然这些导航技术已是成熟技术,但其成本高,难以维护和改造,因此,新的导航方式越来越受到人们的关注。其中,惯性导航技术作为一种不依赖外界辅助的独立导航方式,在适用范围和布局上具有得天独厚的优势。另一方面,伴随着物联网的兴起,无线射频识别(RFID)技术被引入,该技术成本低,使用灵活,抗污染能力强。针对惯性导航方式中的误差累积和定位精度问题,本设计引入RFID 技术与图像识别技术,将位置信息存储在RFID 标签中,图像识别获取姿态信息,实现AGV的辅助定位,提高自动化效率。1 整体方案设计AGV 小车利用惯性导航作为导引技术,由于系统中所用数据都是采样得到的,而且是由前一状态量推到下一状态量,因此,在算法解算的过程中,所有误差都会随着时间被算法累积下来,可能造成很大的累积误差[2]。本设计通过RFID 定位来修正定位误差, 通过图像识别来修正角度误差,在地面每隔一段距离贴一个地标,利用AGV 小车上的摄像头扫描来确定当前AGV 小车的实时位置信息,然后基于这些信息直接对惯性导航系统进行纠正,重新调整初始参数。融合导航方案如图1 所示,该技术方案不仅可以保证惯性导航系统的精度及可靠性,同时还可以将RFID 标签作为站点识别的载体,使AGV 可以随时上线,避免了人工输入错误的情况[3]。采用栅格状RFID 标签进行导航和站点标识,栅格状标签设置示例如图2 所示( 图中为了路径清晰用灰框代替RFID 标签)。将具有坐标信息的RFID 标签铺设在仓库的相应位置上,每个标签都代表一个站点,可以用于AGV 定位;如果标签正上方设置了货架,则该标签代表一个货架站点;如果该标签上方目前已有小车停靠,则在动态地图上标记该栅格暂时被占用;如果标签上方存在障碍物,则在地图上标记该栅格不可通行。图1 融合导航方案图2 栅格状标签设置示例AGV 在上述栅格地图中行驶时,每隔固定距离就会从标签上方通过,通过有源标签的识别来获取离散的坐标信息。为保证AGV 不脱离栅格轨道,只要保持AGV 小车实现准确的停靠、直行、旋转90°的控制动作,就可以始终保持在相邻标签的轴线上行驶。运行时,服务器结合AGV 的自定位信息和地图信息,以标签为站点,为每辆AGV 进行动态路径规划。在该栅格地图下,每个标签都可以用于标识站点,任意两个相邻标签连线就形成一条短路径,站点密集,还可进行动态规划路径。2 传感器信号采集与处理为了设计体积小、质量轻、功耗低的姿态导航参考系统,选择集成度高的嵌入式处理器STM32F103ZET6 作为导航核心处理器,实现姿态和导航解算以及输出。使用集成加速度计和陀螺仪的MPU9255 测量加速度和机体的角速度。由于载体的姿态方位角速率较大,对姿态矩阵的实时计算提出了更高的要求。确定载体的姿态矩阵即为研究载体坐标系b 和导航坐标系n 的空间转换关系,一般用载体坐标系相对导航坐标系的三次转动角确定,即俯仰角θ 、航向角ψ 、滚转角γ 。目前主要的研究方法为欧拉法、方向余弦法和四元数法[4]。欧拉法求解姿态角时,求解速度缓慢,姿态求解方程中会出现“奇点”,而且不能进行全姿态解算。方向余弦法在求解过程中计算量过大,不能快速得到计算结果,很难实现实际工作中的目标。四元数法不仅求解方程无奇性,而且线性程度高,方程解算时间大大减少,因此,本文姿态测量系统中选用四元数法作为姿态更新算法[5]。2.1 四元数法四元数法姿态矩阵计算步骤如下[6]:初始四元数的确定,输入四元数方程在求解过程中初始姿态角更新四元数,需要这个周期经过补偿后的角速度gx、gy、gz,该计算过程中采用二阶龙格库塔法,有3)姿态角计算,实时计算出四元数后,再由式(3)完成姿态矩阵的更新计算,通过式(4)获得载体的姿态角信息2.2 卡尔曼滤波在实际测试中,上位机接收到角姿态的数据仍然存在少许噪声干扰,为了滤除噪声干扰,引入卡尔曼滤波算法。设姿态角为α ,对其离散化并构造状态方程和观测方程1)通过第k -1 时刻的α 值,预测第k 时刻的α 值:k k -1 k α =α 2)根据第k -1 时刻的系统误差估计第k 时刻的系统预测误差:3)滤波增益:4)系统最优估算值:5)误差更新:2.3 图像识别当AGV 小车从标签上方通过时,需要用图像识别的方法对惯性导航的累积误差进行修正,调整角度,使小车在正确的方向上行驶。具体流程:获取图像→颜色空间转换→阈值分割→边缘提取→ Hough 变换→得到角度。其中,Hough 变换是检测图像中直线和其角度的关键。它通过将图像坐标空间变换到参数空间来实现直线与曲线的拟合[7]。使用极坐标方程来表示直线,其方程为Hough 变换的具体实现步骤如下[8]:1)建立一个参数( )空间的二维数组,该数组相当于一个累加器;2)顺序搜索图像中所有目标像素,对于每一个目标像素,在参数空间中根据式(5)找到对应位置,然后在累加器的对应位置加1;3)求出参数空间(累加器)中峰值,其位置为(ρ ′,θ ′);4)通过参数空间位置(ρ ′,θ ′),根据式(5)找到图像空间中相对应的直线参数。3 实验与结果分析为了验证本文算法的精度,设计了AGV 定位实验。采用上述十轴惯性导航元件,让AGV 在栅格地图中沿直线行走,测得的加速度与角速度经过四元数算法解算出姿态角,经过卡尔曼滤波处理后得到估计值。如图3 所示,在30 s 中1 200 个数据采样过程中,由于陀螺仪随机漂移的影响,姿态角有较大的累计误差,滤波后明显收敛,误差在±2°以内。(a)俯仰角 (b)航向角 (c)滚转角图3 滤波后的姿态角当小车停靠在地图标签上方时,图像识别当前行驶角度,见图4。将小车原地旋转10°,再次识别当前角度,如图5。可见,图像识别测量的精度较高,每当小车经过一个标签时,都可以通过图像识别的方法测出小车的偏移量,重新调整角度。图4 原始图像(左)与变换图像(右)测得ψ =0.9°图5 原始图像(左)与变换图像(右)测得ψ =-9.1°4 结论本文提出的算法结合惯性导航AGV 小车,解决了传统惯性导航中误差累积的缺陷,采用图像识别解决小车定位与纠偏。基于四元数的姿态解算方法运算量小的特点满足了在实际应用中实时姿态估计的要求。对陀螺仪输出角速度的随机漂移误差,应用滤波器得到了姿态测量模块稳定准确的姿态信息。实验结果表明,该方法简单可行,对室内AGV 的路径导航有一定的实用价值,为解决机器的定位、测量问题提供了一种新思路。参考文献[1] 张正义.AGV 技术发展综述[J].物流技术与应用,2005(7):67-73.[2] 刘智平,毕开波.惯性导航与组合导航基础[M].北京:国防工业出版社,2013.[3] 张永泽, 艾长胜, 张尉. 惯导与视觉相结合的AGV 小车控制系统设计[J]. 山东工业技术,2015(20):236.[4] 朱荣,周兆英. 基于MEMS 的姿态测量系统[J]. 测控技术,2002(10).[5] 李楠, 高云峰. 基于ARM 处理器AGV 用微小型捷联惯导系统的研究[J]. 传感器与微系统,2008.[6] 秦永元. 惯性导航[M]. 北京:科学出版社, 2006.[7] 秦丽娟,王挺,刘庆涛. 计算机单目视觉定位[M]. 北京:国防工业出版社,2016.[8] 马颂德, 张正友. 计算机视觉: 计算理论与算法基础[M].北京:科学出版社, 1998.end举报/反馈发表评论发表作者最新文章高定位精度的第三代核环行起重机运行系统 刚柔耦合动力学仿真01-2014:40液压挖掘机转台有限元分析与疲劳强度评估01-2014:33SPMT 液压平板车车板变形有限元计算与仿真模拟01-2014:31相关文章易行机器人:掌握AGV核心控制技术是关键要想获得成功创业,离不开创新,离不开市场需求RFID等技术助力物流管理实现从“人找货”到“货找人”深兰科技赛道|ICPR2020大规模商品图像识别挑战赛冠军方案分享智能AGV小车防撞参数设置策略

本文来源于程序自动整理,版权争议与本站无关,如有侵权,请联系我们。
冀州区扬禹水工机械厂
厂家直销,支持定制,量大优惠
手机:13663289587
地址:河北省冀州区高田工业区