在線客服
微信客服
咨詢電話
021-80392549
傳統(tǒng)的自動導(dǎo)引車（AGV）系統(tǒng)在許多工業(yè)應(yīng)用中使用，其特點是以嵌入式磁鐵或?qū)Ь�、畫線或磁帶或其他電氣或機械路徑定義手段的形式進(jìn)行物理路徑引導(dǎo)。這些車輛通常沒有 "位置 "的概念，也不需要沿規(guī)定路徑的距離，可用于觸發(fā)速度變化、停止、裝載/卸載等，以實現(xiàn)預(yù)期的應(yīng)用。激光雷達(dá)通常用于檢測障礙物的存在，并使AGV在離其路徑上的物體的規(guī)定距離內(nèi)減速或停止。一些激光雷達(dá)產(chǎn)品具有監(jiān)測AGV的速度和方向的能力，它們可以動態(tài)地調(diào)整AGV前面或后面的保護(hù)區(qū)域的大小和形狀。
AGV的改進(jìn)
漸進(jìn)式的改進(jìn)使下一代AGV離開了由電線或膠帶建立的物理路徑，而使用內(nèi)部數(shù)字地圖和對其在該地圖上的位置的了解，遵循更靈活的預(yù)編程虛擬路徑。一種常見的方法是使用精心定位和測量的反射器和車載激光雷達(dá)的集合，通常具有360°的視野，根據(jù)與多個反射器的距離的三角測量來計算AGV的位置。
基于反射器的導(dǎo)航由于物體阻擋其放置而具有局限性
激光雷達(dá)是一種距離測量方法，它使用脈沖激光形式的光和一個高度敏感的探測器，使用飛行時間或相移測量來確定非常短的距離值。當(dāng)與在一個平面或其他模式中掃描激光的機制相結(jié)合時，用戶可以在連續(xù)的角度和/或方向上得到一系列的距離讀數(shù)。從這個二維或三維范圍的數(shù)據(jù)中，用戶可以從徑向坐標(biāo)轉(zhuǎn)換為笛卡爾坐標(biāo)，并由此創(chuàng)建一個場景的二維或三維輪廓圖。
激光雷達(dá)具有獨特的資格，可以以非常高的速度進(jìn)行掃描，因為它具有光的速度，而且它以激光的形式攜帶自己的定向照明。此外，與立體視覺或三角測量等結(jié)構(gòu)光技術(shù)相比，激光雷達(dá)可以讀取非常長的距離，而不需要在攝像機或發(fā)射器/探測器對之間有一個大的基線，這對較小的車輛來說可能很重要。
一些激光雷達(dá)具有專門檢測激光掃描中的反射器的額外能力，為定位提供了一個低計算量的三角測量系統(tǒng)。然而，使用反射器和三角測量有一個復(fù)雜的問題，即在AGV行駛過程中的任何一點都需要看到三個或更多的反射器，當(dāng)操作空間被貨架、機器和其他設(shè)備分割時，這有時是一個困難的要求。
自主移動機器人
隨著全世界對工業(yè)4.0倡議的關(guān)注，以及制造商希望降低成本，提高靈活性和生產(chǎn)力，AGV技術(shù)的繼任者已經(jīng)以自主移動機器人（AMR）的形式出現(xiàn)了。這些AMR系統(tǒng)對于AGV系統(tǒng)來說，就像過去幾年的協(xié)作機器人對于工業(yè)機器人一樣。AMR系統(tǒng)沒有電線、物理引導(dǎo)和額外的基礎(chǔ)設(shè)施，如反射器，它不僅在傳統(tǒng)的制造邊界內(nèi)，而且在它們之間運輸材料和用品。穿過隧道和走廊，在建筑物之間和內(nèi)部行駛，乘坐電梯進(jìn)入多個樓層，AMR在躲避叉車時就像巧妙地談判狹窄的通道和人類步行交通一樣自如。
自主移動機器人繞過障礙物
真實世界自主導(dǎo)航
為了實現(xiàn)這一壯舉，AMR 必須能夠在其深遠(yuǎn)的邊界內(nèi)進(jìn)行定位，并規(guī)劃穿過擁擠區(qū)域的路徑，這些區(qū)域在 AMR 每次通過時可能看起來都非常不同。在這種環(huán)境中，尤其是在人員中和人員之間工作時，障礙物檢測和避讓至關(guān)重要。幸運的是，賦予 AMR 自身定位能力的相同傳感器能夠檢測和報告 AMR 必須越過的障礙物的發(fā)生和位置。這些傳感器（通常是激光雷達(dá)）最近在功率和成本效益方面發(fā)生的變化使 AMR 變得可行，并迎來了一波進(jìn)入者進(jìn)入快速增長的產(chǎn)品領(lǐng)域的浪潮。競爭和不斷縮小的電子產(chǎn)品使得移動應(yīng)用中使用的典型激光雷達(dá)價格從 10 多美元起，000 和十年前的籃球大小，今天的比較模型成本低于 2,000 美元，和棒球一樣小。更高的掃描速率和更高的角度分辨率為現(xiàn)代定位算法提供了更多的數(shù)據(jù)饋送饑餓算法。
同時定位和映射
使用激光雷達(dá)的 AMR 如何在沒有反射器或標(biāo)記的情況下，通過隧道和大廳，在多個建筑物和多個樓層中定位自己的大小空間？AMR 使用一種稱為同步定位和映射 (SLAM) 的技術(shù)，該技術(shù)在 20 世紀(jì) 80 年代中期和 90 年代的學(xué)術(shù)實驗室中率先推出，解決了創(chuàng)建未知環(huán)境地圖同時在地圖中保持位置的問題。SLAM 算法仍然是一個活躍的研究領(lǐng)域，它們的各種版本被研究人員和商業(yè)用戶廣泛使用，例如開源機器人操作系統(tǒng) (ROS) 庫、卡內(nèi)基梅隆大學(xué)的機器人導(dǎo)航工具包 (CARMEN) 和 Mobile機器人編程工具包 (MRPT)，僅舉幾例。
SLAM 可以使用許多傳感器作為輸入，激光雷達(dá)是目前最常見和最容易獲得的。它通常使用多種不同類型的傳感器輸入，并根據(jù)各種傳感器類型的能力和限制定制算法。
每個傳感器都有一個與之相關(guān)聯(lián)的算法，用于根據(jù)該輸入確定運動或位置。例如，里程計或車輪轉(zhuǎn)數(shù)與移動機器人底座的數(shù)學(xué)運動學(xué)一起使用，以計算基于車輪旋轉(zhuǎn)的運動。聲納或超聲波傳感器可以根據(jù)與當(dāng)?shù)鼗A(chǔ)設(shè)施的距離來估計位置。激光雷達(dá)范圍掃描可用于多種方式來估計移動機器人的運動或位置。
作為一個迭代推理問題，SLAM 從一個已知條件開始，即 AMR 的位置和姿態(tài)，對未來條件的建模預(yù)測，即基于當(dāng)前速度和航向的位置和姿態(tài)估計，以及來自多個來源的傳感器數(shù)據(jù)誤差和噪聲量的估計。SLAM 使用包括卡爾曼或粒子濾波器在內(nèi)的統(tǒng)計技術(shù)來近似解決機器人的位置和迭代姿勢。
該圖表說明了擴展卡爾曼濾波器的結(jié)果。顯示的是來自 Aethon 的 TUG 自主移動機器人沿著制造工廠的過道行駛的結(jié)果。過道呈90度角對齊。掃描到掃描算法（綠色）雖然相對平滑，但由于累積誤差可能會漂移（如圖的后半部分所示）。掃描到地圖算法（藍(lán)色）給出了均值可能跳躍的噪聲數(shù)據(jù)。這些變化是由于材料移動導(dǎo)致地圖與當(dāng)前環(huán)境不匹配造成的。紅線是通過使用擴展卡爾曼濾波器結(jié)合所有定位技術(shù)計算出的 TUG 位置的估計值。跳躍是由使用絕對定位算法引起的。由 Aethon 提供。{#Content_Pages#}
結(jié)合擴展卡爾曼濾波器
在 SLAM 的典型實現(xiàn)中，擴展卡爾曼濾波器用于通過概率密度函數(shù)估計系統(tǒng)狀態(tài)。該估計包括 AMR 的位置和方向、其線速度和旋轉(zhuǎn)速度以及線加速度。過濾器以預(yù)測和校正的兩步方式進(jìn)行。在第一步中，當(dāng)前時間的估計狀態(tài)是根據(jù)先前的狀態(tài)和僅運動的物理定律預(yù)測的。在第二步中，來自傳感器讀數(shù)的觀察結(jié)果用于對某些估計狀態(tài)進(jìn)行修正。這是來自外部傳感器（包括激光雷達(dá)）的讀數(shù)提供輸入的地方。觀察結(jié)果包括一個不確定值，過濾器試圖維持一組狀態(tài)，由均值和協(xié)方差矩陣表示，符合運動定律和提供的觀察結(jié)果。使用激光雷達(dá)距離數(shù)據(jù)進(jìn)行校正步驟的兩種常見 SLAM 算法是掃描到掃描匹配和掃描到地圖匹配。
自主移動機器人 (AMR) 導(dǎo)航的集成方法
掃描到掃描匹配
在掃描到掃描匹配中，順序激光雷達(dá)距離數(shù)據(jù)用于估計掃描之間 AMR 的位置移動，從而產(chǎn)生更新和累積的 AMR 位置和姿態(tài)。該算法獨立于現(xiàn)有地圖，因此當(dāng)?shù)貓D不存在時，例如在初始地圖創(chuàng)建期間，或者當(dāng)當(dāng)前環(huán)境由于環(huán)境變化與存儲的地圖不緊密匹配時，它會受到嚴(yán)重依賴。作為一種增量算法，掃描到掃描的匹配會受到長期漂移的影響，并且無法隨時間糾正不準(zhǔn)確的更新。
克服局限——綜合方法
所有 SLAM 算法最終都基于環(huán)境的傳感器讀數(shù)。當(dāng)沒有物體處于適合傳感器讀取的位置時，如倉庫中的空架子和處于該精確高度的 2D 激光雷達(dá)所見，引入 3D 激光雷達(dá)或基于 3D 立體深度相機的傳感可以大大增加本地化性能。然而，這些傳感器的成本可能更高，而且計算要求也高得多。當(dāng)出現(xiàn)如此多的數(shù)據(jù)時，減少計算要求的一種方法是從掃描或圖像中提取特征，然后由 SLAM 算法處理這些特征，因此 SLAM 算法不會處理圖像中的每個單獨像素。
這種策略需要一個強大的算法來從掃描到掃描一致地提取特征，盡管在運動通過場景時視角、光照或反射率不同。這是一項不小的任務(wù)。此外，需要出門或在室內(nèi)和室外之間行駛的應(yīng)用可能會對傳感器及其處理明/暗、直射陽光等變化的能力提出額外要求。
AMR 目前使用的大多數(shù) SLAM 實現(xiàn)都是基于傳感器成本和計算要求以及移動車輛中增加計算的功率要求的能力折衷。隨著越來越多的功能被集成到高端機器視覺相機中以支持它們所使用的各種應(yīng)用——檢查、測量和缺陷檢測——也許基于 SLAM 的算法的需求也可以直接集成到機器視覺相機中未來。例如，這種集成可以提供特征提取和測距，從而減輕 AMR 的處理要求。
雖然這些 SLAM 算法本身都不能完全令人滿意，而且實際上可以提供相互矛盾的定位解決方案，但每種算法在不同情況下都有優(yōu)勢。通過里程計、掃描到掃描匹配、掃描到地圖匹配和其他技術(shù)（如特征提取和匹配）的組合，將這些方法中的每一種方法相互結(jié)合使用可以克服缺點，提供準(zhǔn)確和在現(xiàn)實世界的設(shè)置和應(yīng)用程序中具有可靠的性能。
