廣 告 | 點(diǎn)擊 查 看

摘要：為解決AGV（Automated Guided Vehicle）在非結(jié)構(gòu)化場(chǎng)景下對(duì)偏移托盤(pán)的精確定位與自主叉取問(wèn)題，本文提出一種基于低成本深度相機(jī)傳感器的視覺(jué)高精度位姿計(jì)算方法。該方法依賴(lài)于前序感知模塊輸出的托盤(pán)插孔像素坐標(biāo)。首先，通過(guò)張正友標(biāo)定法獲取相機(jī)內(nèi)參，并結(jié)合深度圖像，將插孔的2D像素坐標(biāo)映射到3D相機(jī)坐標(biāo)系。繼而，根據(jù)三個(gè)托盤(pán)支撐柱中心的3D空間坐標(biāo)，構(gòu)建坐標(biāo)系轉(zhuǎn)換和姿態(tài)計(jì)算，以實(shí)現(xiàn)對(duì)末端作業(yè)載具端面中心點(diǎn)相對(duì)于貨叉上平面的高度進(jìn)行精準(zhǔn)測(cè)量，計(jì)算托盤(pán)相對(duì)于AGV的精確位置（X,Z）、偏航角（θ）和高度。實(shí)車(chē)實(shí)驗(yàn)表明，在1.2m至1.7m距離、±30°偏角、±600mm偏移的多種工況下，該系統(tǒng)最終叉取的位置誤差能穩(wěn)定在10mm以?xún)?nèi)，角度誤差小于1°，顯著提升了AGV末端作業(yè)的精度與成功率；對(duì)于各類(lèi)不同高度的載具，其測(cè)量誤差能夠控制在±10毫米以?xún)?nèi)，有效解決了AGV在無(wú)固定高度智能物流應(yīng)用場(chǎng)景中的關(guān)鍵問(wèn)題。

關(guān)鍵詞：AGV；托盤(pán)定位；位姿估計(jì)；深度視覺(jué)；路徑規(guī)劃；貝塞爾曲線

作者：張玉1 袁正1,2

1安徽合力股份有限公司

2合力工業(yè)車(chē)輛（上海）有限公司

題眼廣 告 | 點(diǎn)擊查看

一

引言

自動(dòng)導(dǎo)引運(yùn)輸車(chē)（Automated Guided Vehicle,AGV）作為一類(lèi)智能工業(yè)機(jī)器人，廣泛應(yīng)用于倉(cāng)儲(chǔ)物流中的裝卸搬運(yùn)作業(yè)[1-3]。其具備自動(dòng)化任務(wù)調(diào)度、自主導(dǎo)航控制、路徑動(dòng)態(tài)規(guī)劃以及實(shí)時(shí)安全避障等優(yōu)勢(shì)功能[4-5]。隨著技術(shù)的持續(xù)演進(jìn)，AGV系統(tǒng)進(jìn)一步引入了末端作業(yè)精確定位、實(shí)時(shí)動(dòng)態(tài)避障與路徑智能優(yōu)化等新技術(shù)[6]，

不斷拓展其應(yīng)用場(chǎng)景邊界。其中，對(duì)AGV末端作業(yè)載具的精準(zhǔn)定位尤為關(guān)鍵，需在復(fù)雜場(chǎng)景中實(shí)時(shí)檢測(cè)載具的位置、偏航角及高度信息，從而實(shí)現(xiàn)AGV在高難度、非結(jié)構(gòu)化場(chǎng)景中的可靠應(yīng)用。

在AGV末端作業(yè)定位技術(shù)方面，現(xiàn)有研究多集中于標(biāo)準(zhǔn)化、結(jié)構(gòu)化地面環(huán)境下的托盤(pán)識(shí)別問(wèn)題，常采用深度視覺(jué)、激光雷達(dá)或毫米波雷達(dá)等傳感器方案，能夠在限定作業(yè)范圍內(nèi)實(shí)現(xiàn)對(duì)托盤(pán)的識(shí)別與定位[7]?；趥鹘y(tǒng)方法的托盤(pán)位姿估計(jì)技術(shù)主要依賴(lài)特征提取與幾何建模，通過(guò)分析圖像或點(diǎn)云中的托盤(pán)形狀特征來(lái)實(shí)現(xiàn)位姿估計(jì)[8-10]。隨著深度相機(jī)與視覺(jué)成像技術(shù)的發(fā)展，基于視覺(jué)的托盤(pán)檢測(cè)方法逐漸普及。該方法利用深度相機(jī)采集環(huán)境數(shù)據(jù)，并依據(jù)托盤(pán)的結(jié)構(gòu)特征實(shí)現(xiàn)目標(biāo)與背景的有效分離。例如，武文漢[11]采用TOF相機(jī)設(shè)計(jì)了倉(cāng)儲(chǔ)托盤(pán)相似度匹配算法，借助多相機(jī)系統(tǒng)檢測(cè)AprilTag標(biāo)簽以實(shí)現(xiàn)托盤(pán)位姿定位，但該方法存在點(diǎn)云處理耗時(shí)較長(zhǎng)、標(biāo)簽易損壞且維護(hù)復(fù)雜等問(wèn)題；Bellomo等人[12]提出了激光雷達(dá)與視覺(jué)數(shù)據(jù)融合的算法，通過(guò)實(shí)時(shí)生成高連續(xù)性路徑提升目標(biāo)識(shí)別精度，不僅顯著提高了識(shí)別準(zhǔn)確率，也增強(qiáng)了系統(tǒng)在動(dòng)態(tài)環(huán)境中的穩(wěn)定性；Kato等人[13]構(gòu)建了一種基于主動(dòng)雙目視覺(jué)傳感器的三維姿態(tài)估計(jì)算法，該方法融合了點(diǎn)云預(yù)處理與自適應(yīng)高斯加權(quán)特征提取等技術(shù)，能夠在復(fù)雜多變場(chǎng)景下實(shí)現(xiàn)精準(zhǔn)的托盤(pán)姿態(tài)估計(jì)；王明俊等人[14]則提出一種融合二維碼標(biāo)識(shí)、RGB-D數(shù)據(jù)與自適應(yīng)位姿鎮(zhèn)定算法的系統(tǒng)，有效提升了叉車(chē)AGV在自動(dòng)運(yùn)輸過(guò)程中的檢測(cè)精度、魯棒性與搬運(yùn)效率。

隨著AGV叉車(chē)應(yīng)用場(chǎng)景逐漸向混合、復(fù)雜的搬運(yùn)環(huán)境拓展，其末端作業(yè)面臨更高要求，尤其是在軟包多層堆疊場(chǎng)景中，常出現(xiàn)位置偏移、姿態(tài)傾斜等不確定狀態(tài)。現(xiàn)有方法多需預(yù)設(shè)堆疊高度或依賴(lài)輔助標(biāo)簽進(jìn)行定位，作業(yè)時(shí)AGV按固定高度抬升取貨，適應(yīng)性有限，難以應(yīng)對(duì)高度動(dòng)態(tài)變化的實(shí)際場(chǎng)景。因此，實(shí)現(xiàn)托盤(pán)高度的實(shí)時(shí)精準(zhǔn)測(cè)量，已成為推動(dòng)多層堆疊智能物流系統(tǒng)落地的關(guān)鍵技術(shù)挑戰(zhàn)。

為此，本文基于低成本深度相機(jī)，提出一種視覺(jué)高精度位姿計(jì)算方法，旨在解決托盤(pán)相對(duì)于AGV的精確定位與姿態(tài)估計(jì)問(wèn)題。該方法首先通過(guò)張正友標(biāo)定法獲取相機(jī)內(nèi)參，并依據(jù)深度圖像信息將托盤(pán)插孔的二維像素坐標(biāo)映射至三維相機(jī)坐標(biāo)系。進(jìn)而，根據(jù)三個(gè)托盤(pán)支撐柱中心在三維空間中的坐標(biāo)，構(gòu)建坐標(biāo)系變換與姿態(tài)解算模型，最終實(shí)現(xiàn)末端作業(yè)載具端面中心點(diǎn)相對(duì)于貨叉上平面的高度精確測(cè)量。

二

AGV末端作業(yè)流程

為解決多層堆疊末端作業(yè)應(yīng)用場(chǎng)景，本文采用低成本深度相機(jī)作為傳感器，安裝于貨叉的根部。如圖1所示，采用低成本深度相機(jī)方案獲取RGB圖像和深度數(shù)據(jù)D數(shù)據(jù)，實(shí)現(xiàn)復(fù)雜場(chǎng)景下的多融合處理方案定位末端作業(yè)對(duì)象，形成統(tǒng)一的姿態(tài)計(jì)算和局部路徑規(guī)劃方法，控制車(chē)體運(yùn)動(dòng)完成復(fù)雜末端作業(yè)過(guò)程。

圖1 末端作業(yè)對(duì)象識(shí)別、定位與路徑規(guī)劃系統(tǒng)流程

首先，在離線階段完成模型的訓(xùn)練與數(shù)據(jù)準(zhǔn)備工作，包括數(shù)據(jù)集的構(gòu)建與標(biāo)注、模型設(shè)計(jì)，并將訓(xùn)練完成的識(shí)別模型與分割模型分別部署至國(guó)產(chǎn)芯片RK3568的識(shí)別模塊與分割模塊中。同時(shí)，設(shè)計(jì)相機(jī)自動(dòng)標(biāo)定算法，預(yù)先完成相機(jī)安裝后相對(duì)于車(chē)體的外參標(biāo)定。

其次，當(dāng)AGV叉車(chē)行駛至取貨或放貨作業(yè)的前置位置時(shí)，通過(guò)深度相機(jī)采集待操作托盤(pán)所在區(qū)域的RGB圖像及深度數(shù)據(jù)；對(duì)RGB圖像進(jìn)行托盤(pán)識(shí)別與區(qū)域分割，提取圖像中托盤(pán)支撐柱區(qū)域的中心點(diǎn)像素坐標(biāo)。

最后，基于中心點(diǎn)像素坐標(biāo)及其對(duì)應(yīng)深度信息，計(jì)算托盤(pán)相對(duì)于相機(jī)光心水平面的高度；結(jié)合貨叉與相機(jī)的相對(duì)安裝高度，準(zhǔn)確計(jì)算多層堆疊場(chǎng)景下托盤(pán)插孔中心相對(duì)于地面的實(shí)際高度；依據(jù)AGV車(chē)體叉尖的實(shí)時(shí)高度，動(dòng)態(tài)計(jì)算貨叉需舉升或下降的位移量，從而在叉取貨物過(guò)程中實(shí)時(shí)調(diào)整叉尖高度，完成貨物拾取。該方法通過(guò)多模態(tài)數(shù)據(jù)融合與場(chǎng)景理解，實(shí)現(xiàn)對(duì)末端作業(yè)對(duì)象的精準(zhǔn)定位，并結(jié)合姿態(tài)計(jì)算與局部路徑規(guī)劃形成統(tǒng)一控制策略，指導(dǎo)車(chē)體運(yùn)動(dòng)以完成復(fù)雜環(huán)境下的末端作業(yè)任務(wù)。

三

高精度位姿計(jì)算

1.相機(jī)外參標(biāo)定

以車(chē)體中心為參照物，標(biāo)定深度相機(jī)的外參，包含相機(jī)相對(duì)車(chē)體中心的水平偏移dx、高度偏移dy（又稱(chēng)h）、垂直偏移dz、俯仰角(pitch)、滾動(dòng)角(roll)、偏航角(yaw)。相機(jī)外參表現(xiàn)為計(jì)算相機(jī)坐標(biāo)與車(chē)體中心坐標(biāo)系變換關(guān)系，即求解兩個(gè)三維坐標(biāo)系間的變換為剛體運(yùn)動(dòng)，另一種表示為外參用旋轉(zhuǎn)矩陣R和平移矩陣T表示。

為保證無(wú)人叉車(chē)在取貨點(diǎn)時(shí)能夠采集到末端作業(yè)對(duì)象插孔區(qū)域的全部畫(huà)面，深度相機(jī)盡可能安裝于叉車(chē)叉尖中心和車(chē)體交點(diǎn)位置，高度也盡可能與叉尖同高。考慮不同AGV車(chē)體結(jié)構(gòu)的差異，相機(jī)安裝到AGV固定位置，需要進(jìn)行相關(guān)參數(shù)標(biāo)定，外參數(shù)標(biāo)定是求解相機(jī)坐標(biāo)系間變換關(guān)系的過(guò)程。包括相機(jī)相對(duì)車(chē)體中心的6個(gè)自由度變量。本文采用棋盤(pán)格標(biāo)定裝置，放置在貨叉之間的車(chē)體中心位置，標(biāo)定板平面與中心對(duì)齊并垂直于貨叉。

考慮不同AGV車(chē)體結(jié)構(gòu)的差異，相機(jī)安裝到AGV固定位置，需要進(jìn)行相關(guān)參數(shù)標(biāo)定，包含以下步驟：

（1）構(gòu)造棋盤(pán)格標(biāo)定板，標(biāo)定板放于車(chē)體貨叉垂直，與車(chē)體中心位置系重合或者平行（平行時(shí)需要測(cè)量偏移量?z，重合時(shí)為0）；

（2）采集棋盤(pán)格圖像，根據(jù)圖像處理方法完成棋盤(pán)格角點(diǎn)檢測(cè)，得到多個(gè)棋盤(pán)格角點(diǎn)坐標(biāo)（采集12個(gè)棋盤(pán)格角點(diǎn)，如圖2所示）；考慮深度相機(jī)測(cè)量誤差，每個(gè)點(diǎn)取周?chē)ㄗ陨?個(gè)點(diǎn)深度平均值作為當(dāng)前棋盤(pán)格點(diǎn)的深度，并根據(jù)相機(jī)內(nèi)參，轉(zhuǎn)化為相機(jī)坐標(biāo)系下的坐標(biāo)；

圖2 黑白棋盤(pán)標(biāo)定板示意圖

（3）選取棋盤(pán)格在同一高度的點(diǎn)A和B的坐標(biāo)，通過(guò)深度信息計(jì)算兩點(diǎn)在垂直地面方向的高度差?H，結(jié)合A與B點(diǎn)測(cè)量物理距離L，即可計(jì)算相機(jī)滾動(dòng)角(roll)，公式如下：

其中dA和dB分別表征已知A點(diǎn)和B點(diǎn)標(biāo)定位置的像素深度值，通過(guò)相機(jī)深度信息獲?。籶xA和pxB分別表征已知A點(diǎn)和B點(diǎn)標(biāo)定位置的水平方向的像素坐標(biāo)。fx表征深度相機(jī)的水平像素焦距，Cx表征深度相機(jī)光心在像素坐標(biāo)系中的坐標(biāo)。

（4）選取棋盤(pán)格在同一垂直的點(diǎn)A和C的坐標(biāo)，計(jì)算相機(jī)相對(duì)車(chē)體中心的俯仰角(pitch)、偏航角(yaw)，公式如下：

dA和dC分別表征已知A點(diǎn)和C點(diǎn)標(biāo)定位置的像素深度值（標(biāo)定位置和相機(jī)平面的距離），pxA和pxC分別表征已知A點(diǎn)和C點(diǎn)標(biāo)定位置的水平方向的像素坐標(biāo)，pyA和pyC分別表征已知A點(diǎn)和C點(diǎn)標(biāo)定位置的垂直方向的像素坐標(biāo)，fx和fy分別表征深度相機(jī)的水平和垂直方向的像素焦距，Cx和Cy分別表征深度相機(jī)光心在像素坐標(biāo)系中的坐標(biāo)。

（5）根據(jù)測(cè)定俯仰角(pitch)、滾動(dòng)角(roll)、偏航角(yaw)，選取棋盤(pán)格中的任意一點(diǎn)計(jì)算水平偏移（dx）、相對(duì)高度h（dy）和dz，利用公式（4）～公式（6）。

為減少外參標(biāo)定時(shí)存在的誤差，重復(fù)以上步驟多次，通過(guò)求取平均值等方式得到最終外參。

2.載具位姿計(jì)算

深度相機(jī)中數(shù)據(jù)包含圖像RGB數(shù)據(jù)和每個(gè)像素的深度數(shù)據(jù)。設(shè)P為三維空間內(nèi)任意一點(diǎn)，在深度相機(jī)下的像素坐標(biāo)為（u，v）其深度值為d。由于物體在圖像中的坐標(biāo)位置以像素為單位，需要將點(diǎn)P的相機(jī)坐標(biāo)值轉(zhuǎn)換為像素坐標(biāo)值，這個(gè)過(guò)程采用小孔成像模型來(lái)描述。

在相機(jī)坐標(biāo)系下，設(shè)P點(diǎn)三維空間坐標(biāo)為(Xc，Yc，Zc)，

其中，u和v分別為P點(diǎn)在相機(jī)圖像像素橫坐標(biāo)和縱坐標(biāo)，d為P點(diǎn)在相機(jī)坐標(biāo)系測(cè)量的深度值；fx和fy分別表征深度相機(jī)的水平和垂直方向的像素焦距，Cx和Cy分別表征深度相機(jī)光心在像素坐標(biāo)系中的坐標(biāo)。按照矩陣方法表示：

即為相機(jī)內(nèi)參矩陣，是相機(jī)自身固有系數(shù)，論文直接使用相機(jī)廠家給定，也可以通過(guò)張正友標(biāo)定方法進(jìn)行標(biāo)定獲取。

在車(chē)體坐標(biāo)下，設(shè)P點(diǎn)三維坐標(biāo)為（XA，YA，ZA），則在相機(jī)坐標(biāo)系和車(chē)體坐標(biāo)系下P點(diǎn)的兩個(gè)三維坐標(biāo)系間的變換為剛體運(yùn)動(dòng)，用旋轉(zhuǎn)矩陣和平移矩陣表示：

其中，R是3×3矩陣，表示車(chē)體坐標(biāo)系相對(duì)于相機(jī)坐標(biāo)系下選擇矩陣；T是三維向量，表示車(chē)體坐標(biāo)系相對(duì)于相機(jī)坐標(biāo)系的平移關(guān)系；[R|T]表示車(chē)體與相機(jī)間的外參矩陣。

根據(jù)上一節(jié)中深度相機(jī)外參標(biāo)定的6個(gè)參數(shù)，轉(zhuǎn)化為旋轉(zhuǎn)矩陣和平移矩陣，具體計(jì)算方法如下：

設(shè)相機(jī)相對(duì)車(chē)體中心的空間三個(gè)軸x，y，z的歐拉角分別為θx(roll)、θy(pitch)、θz(yaw)，采用內(nèi)旋的方式沿著z-y-x的順序旋轉(zhuǎn)，正弦值、余弦值分別為sx、cx、sy、cy、sz、cz那么旋轉(zhuǎn)矩陣為：

根據(jù)相機(jī)相對(duì)車(chē)體中心的水平偏移（dx）、相對(duì)高度h（dy）和垂直偏移（dz+?z，?z為標(biāo)定板中心與車(chē)體中心距離，標(biāo)定時(shí)測(cè)量得到），得到平移矩陣為

由公式（4）和（6）計(jì)算三維空間中P點(diǎn)的像素坐標(biāo)和深度信息與車(chē)體坐標(biāo)轉(zhuǎn)化關(guān)系如下：

綜合已知的相機(jī)內(nèi)參K、相機(jī)相對(duì)車(chē)體中心的旋轉(zhuǎn)矩陣R和平移矩陣T，將托盤(pán)中心點(diǎn)像素坐標(biāo)O(u,v)及深度d，通過(guò)代入公式（17），得到該點(diǎn)在車(chē)體坐標(biāo)系下的3D坐標(biāo)，得到托盤(pán)腿中心點(diǎn)O在車(chē)體坐標(biāo)下的坐標(biāo)O(XA,YA, ZA)。

在實(shí)際工程場(chǎng)景，根據(jù)導(dǎo)航控制技術(shù)，AGV車(chē)體實(shí)時(shí)定位在世界坐標(biāo)系下位姿信息，考慮車(chē)體行駛水平面情況，通常只考慮車(chē)體的二維平面的位置和航向角，即（x,y,θ）三個(gè)信息，即車(chē)體中心相對(duì)世界坐標(biāo)的計(jì)算簡(jiǎn)單計(jì)算為二維平面的旋轉(zhuǎn)和平移問(wèn)題。當(dāng)AGV車(chē)體到達(dá)取放貨的前置點(diǎn)時(shí)，末端作業(yè)系統(tǒng)根據(jù)車(chē)體當(dāng)前在世界坐標(biāo)下的（x,y,θ），計(jì)算車(chē)體坐標(biāo)下的托盤(pán)坐標(biāo)O(XA,YA,ZA)中二維坐標(biāo)O(XA,YA)在世界坐標(biāo)下位置O(Xw,Yw)；ZA表示在車(chē)體坐標(biāo)系下，托盤(pán)中心點(diǎn)相對(duì)地面高度，與世界坐標(biāo)系的高度相同。

在相機(jī)坐標(biāo)系下，托盤(pán)中心點(diǎn)相對(duì)于相機(jī)中心的高度（?H）受相機(jī)俯仰角(pitch)、滾動(dòng)角(roll)的影響，測(cè)量：

表1 末端作業(yè)AGV插入托盤(pán)目標(biāo)檢測(cè)結(jié)果

其中，d為托盤(pán)中間腿的中心O點(diǎn)深度值；pitch和roll分別為相機(jī)相對(duì)車(chē)體的俯仰角和標(biāo)定滾動(dòng)角，在安裝標(biāo)定時(shí)確定；px和py是托盤(pán)中間腿的中心O點(diǎn)的像素坐標(biāo)，fx和fy分別表征深度相機(jī)的水平和垂直方向的像素焦距，Cx和Cy分別表征深度相機(jī)光心在像素坐。

四

實(shí)驗(yàn)測(cè)試

1.實(shí)驗(yàn)設(shè)置

實(shí)驗(yàn)平臺(tái)選用國(guó)產(chǎn)低成本邊緣計(jì)算終端RK3568，通過(guò)RKNN模型轉(zhuǎn)換工具實(shí)現(xiàn)算法驗(yàn)證、測(cè)試和實(shí)測(cè)搭載。選用Eagle-M4深度相機(jī)，分辨率為960×540，幀率為15，深度數(shù)據(jù)測(cè)量有效范圍為500mm至4500mm。如圖3所示，為驗(yàn)證所提算法的適用性，本實(shí)驗(yàn)構(gòu)建了貼合實(shí)際物流場(chǎng)景特征、具備高度不確定性與多偏轉(zhuǎn)角度的托盤(pán)多層堆疊工況。

圖3 無(wú)固定高度與多偏轉(zhuǎn)角度堆疊實(shí)驗(yàn)場(chǎng)景

2.載具位姿計(jì)算

為驗(yàn)證末端作業(yè)中，所測(cè)量的托盤(pán)相對(duì)車(chē)體的位姿的精度，托盤(pán)中心與車(chē)體中心之間的距離設(shè)置1.2m、1.5m和1.7m三種位點(diǎn)，在每一個(gè)位點(diǎn)托盤(pán)偏轉(zhuǎn)角度設(shè)置-30°、-20°、-10°、0°、10°、20°、30°共7種情形。如表2，在不同距離和托盤(pán)偏轉(zhuǎn)角度的場(chǎng)景下，AGV末端作業(yè)系統(tǒng)通過(guò)多項(xiàng)實(shí)驗(yàn)測(cè)試。當(dāng)AGV完成末端作業(yè)、貨叉進(jìn)入托盤(pán)后，測(cè)量貨叉相對(duì)托盤(pán)中心點(diǎn)左右偏差以及貨叉垂直進(jìn)叉的角度誤差。通過(guò)表2可以看出，基于深度學(xué)習(xí)與圖像處理分割設(shè)計(jì)的托盤(pán)識(shí)別和定位方法，能夠控制左右距離誤差10mm之內(nèi)，角度誤差控制在1°之內(nèi)，滿(mǎn)足各類(lèi)復(fù)雜AGV末端作業(yè)精度。

3.載具高度測(cè)量

考慮相機(jī)傳感器本身隨著距離增加，深度值測(cè)量誤差也增大?？紤]到相機(jī)的測(cè)量范圍，實(shí)驗(yàn)選取標(biāo)準(zhǔn)托盤(pán)作為載具，在三種常用距離環(huán)境下進(jìn)行測(cè)試，分別選取測(cè)試托盤(pán)中心與相機(jī)中心的距離為1.8m、2.4m和2.8m。

為排除其他誤差干擾，實(shí)驗(yàn)將托載具于相機(jī)正前方進(jìn)行測(cè)試，即載具無(wú)偏轉(zhuǎn)角度、無(wú)左右偏移距離。載具高度在100mm至1500mm范圍內(nèi)，以100mm為間隔進(jìn)行高度誤差測(cè)量?？紤]相機(jī)單幀數(shù)據(jù)測(cè)量存在較大誤差，如圖4所示，實(shí)驗(yàn)中分別通過(guò)單幀深度數(shù)據(jù)與融合10幀深度數(shù)據(jù)的分布對(duì)比進(jìn)行驗(yàn)證。在圖4中，d表示單幀深度數(shù)據(jù)高度測(cè)量誤差情況；optimize d表示融合10幀深度數(shù)據(jù)的高度測(cè)量誤差情況。

圖4 單幀和多幀融合的載具高度測(cè)量誤差

（1）單幀深度數(shù)據(jù)情況：當(dāng)距離為2800mm時(shí)，高度測(cè)量誤差較大，誤差絕對(duì)值集中在12～20mm；當(dāng)距離為2400mm（實(shí)際AGV末端作業(yè)常見(jiàn)距離）時(shí)，誤差絕對(duì)值集中在10mm以?xún)?nèi)；當(dāng)距離為1800mm時(shí)，誤差絕對(duì)值集中在5mm以?xún)?nèi)。

（2）融合10幀深度數(shù)據(jù)：通過(guò)多幀數(shù)據(jù)融合優(yōu)化后的試驗(yàn)，能夠大大降低高度測(cè)量誤差，從圖4中可以看出各個(gè)距離段高度測(cè)量誤差能夠控制在5mm以?xún)?nèi)。

考慮到實(shí)際作業(yè)中托盤(pán)相對(duì)于車(chē)體中心存在位置偏移與旋轉(zhuǎn)角度，實(shí)驗(yàn)選取常見(jiàn)AGV作業(yè)距離范圍，即d=2400mm，并在該距離下對(duì)不同高度的托盤(pán)進(jìn)行高度測(cè)量。由于相機(jī)安裝于貨叉根部中間位置，與車(chē)體中心線對(duì)齊，托盤(pán)相對(duì)車(chē)體中心線左右對(duì)稱(chēng)偏移。實(shí)驗(yàn)選取一側(cè)偏移600mm、300mm和0mm三個(gè)位置點(diǎn)，在每個(gè)位置點(diǎn)進(jìn)行托盤(pán)偏轉(zhuǎn)角度為-30°、-20°、-10°、0°、10°、20°和30°的實(shí)驗(yàn)驗(yàn)證，測(cè)試結(jié)果如圖5所示。

圖5 各種偏移量和旋轉(zhuǎn)角度載具的高度測(cè)量誤差

從圖5（a）可知，當(dāng)載具相對(duì)車(chē)體中心的水平偏移距離為600mm時(shí)，旋轉(zhuǎn)角度的絕對(duì)值越大，高度測(cè)量誤差越大，最大誤差在20mm之內(nèi)；旋轉(zhuǎn)角度在±10°和0°，測(cè)量高度誤差較小。從圖5（b）可知，當(dāng)載具相對(duì)車(chē)體中心的水平偏移距離為300mm時(shí)，旋轉(zhuǎn)角度的絕對(duì)值越大，高度測(cè)量誤差越大，最大誤差在15mm之內(nèi)；旋轉(zhuǎn)角度在±10°和0°，測(cè)量高度誤差在10mm之內(nèi)；從圖5（c）可知，當(dāng)載具相對(duì)車(chē)體中心的水平無(wú)偏移時(shí)，旋轉(zhuǎn)角度的絕對(duì)值越大，高度測(cè)量誤差越大，最大誤差在15mm之內(nèi)；旋轉(zhuǎn)角度在±10°和0°，測(cè)量高度誤差在5mm之內(nèi)。

實(shí)際AGV作業(yè)場(chǎng)景上，AGV在末端作業(yè)的前置點(diǎn)，載具的水平偏移距離在300mm之內(nèi)，旋轉(zhuǎn)角度在±10°之內(nèi)，從各項(xiàng)試驗(yàn)表面，測(cè)量誤差能夠控制在10mm之內(nèi)，滿(mǎn)足各項(xiàng)無(wú)固定載具的高度測(cè)量要求。

五

結(jié)論

本文針對(duì)非結(jié)構(gòu)化場(chǎng)景下AGV對(duì)偏移托盤(pán)的定位與自主叉取問(wèn)題，提出了一種基于低成本深度相機(jī)的視覺(jué)高精度位姿計(jì)算方法。實(shí)驗(yàn)結(jié)果表明，在1.2m至1.7m距離、±30°偏角及±600mm偏移等多種工況下，該系統(tǒng)叉取位置誤差穩(wěn)定在10mm以?xún)?nèi)，角度誤差小于1°，能夠適應(yīng)不同高度的載具，測(cè)量誤差控制在±10mm以?xún)?nèi)。該方法有效提升了AGV在復(fù)雜場(chǎng)景下的作業(yè)精度與成功率，解決了AGV在非標(biāo)準(zhǔn)庫(kù)位下的叉取難題，為無(wú)固定高度智能物流應(yīng)用提供了可行的技術(shù)解決方案，提升AGV在柔性化物流場(chǎng)景中的適應(yīng)性具有重要價(jià)值。

參考文獻(xiàn):

[1] 陳凱,陳韋志.智能倉(cāng)儲(chǔ)認(rèn)證引領(lǐng)物流行業(yè)高質(zhì)量發(fā)展[J].質(zhì)量與認(rèn)證,2024, (05):30-31.

[2] 郝艷莉.面向“工業(yè) 4.0”智慧園區(qū)智能倉(cāng)儲(chǔ)物流建設(shè)的發(fā)展對(duì)策[J].電氣時(shí)代,2022, (08):95-97.

[3] 張紅瓊,白國(guó)星.基于非線性模型預(yù)測(cè)控制的無(wú)人叉車(chē)路徑跟蹤[J].現(xiàn)代制造工程,2025,(04):45-52.

[4] 程樂(lè)平,李歡.智能倉(cāng)儲(chǔ)物流中機(jī)器人技術(shù)的應(yīng)用與發(fā)展[J].信息系統(tǒng)工程, 2023, (07):43-46.

[5] 白斌.基于數(shù)字孿生智慧電表倉(cāng)儲(chǔ)系統(tǒng)設(shè)計(jì)與AGV路徑規(guī)劃的研究[D].浙江:杭州電子科技大學(xué),2025.

[6] Qian Libing,XU Jinbao,XU Hongli,et al. A method for measuring the height of AGV end vehicle based on depth vision[J].High Technology Letters,2025,31(02):204-210.

[7] 呂盛強(qiáng).基于視覺(jué)的叉車(chē)托盤(pán)定位與取放應(yīng)用研究[D].成都:西華大學(xué), 2022:13-29.

[8] de Morais M V B, dos Santos S D, Pires R. A computer vision system for pallets verification in quality control[J]. International Journal of Precision Engineering and Manufacturing, 2023, 24(7): 1221-1234.

[9] Shen K, Qiu Q, Wu Q, et al. Research on the development status of AGV parking robot based on patent analysis[C]//Journal of Physics: Conference Series. IOP Publishing, 2021, 1905(1): 012018.

[10] Mohamed, Alessio Capitanelli, Fulvio Mastrogiovanni, et al. Detection, localisation and tracking of pallets using machine learning techniques and 2D range data[J]. Neural Computing and Applications,2019,32(13).

[11] 武文漢.基于視覺(jué)的倉(cāng)儲(chǔ)托盤(pán)檢測(cè)方法研究[D].上海交通大學(xué),2018.

[12] Bellomo N, Marcuzzi E, Baglivo L, et al. Pallet pose estimation with LIDAR and vision for autonomous forklifts[J]. IFAC Proceedings Volumes, 2009, 42(4): 612-617.

[13] Kato T, Morisawa M. ICP-Based Pallet Tracking for Unloading on Inclined Surfaces by Autonomous Forklifts[C]//2024 IEEE/SICE International Symposium on System Integration (SII). IEEE, 2024: 1504-1510.

[14] 王明俊.基于視覺(jué)的倉(cāng)儲(chǔ)托盤(pán)檢測(cè)與移動(dòng)機(jī)器人自適應(yīng)位姿鎮(zhèn)定[D].浙江:杭州電子科技大學(xué),2022.

———— 物流技術(shù)與應(yīng)用融媒 ————

編輯、排版：王茜

本文內(nèi)容源自

歡迎文末分享、點(diǎn)贊、在看！轉(zhuǎn)載請(qǐng)聯(lián)系后臺(tái)。

廣告宣傳