自然導航在AGV中的應用

汪 威，吳耀華，陳云霞

（山東大學 現代物流研究中心，山東 濟南 250061）

自然導航在AGV中的應用

汪 威，吳耀華，陳云霞

（山東大學 現代物流研究中心，山東 濟南 250061）

介紹了自然導航在AGV中的應用，提出AGV適用于一些非結構性的未知環境中，即使無法預先獲知初始狀態下AGV的自身位姿和所在環境信息，也能夠實現同時定位與地圖創建，并在此基礎上實現自主導航，而且應用SLAM技術的AGV可在現有的工作環境下運行，無需改造已有基礎設施，滿足了市場針對特定工作場景以及針對高靈活性、短安裝AGV應用的需求。

AGV；自然導航；SLAM

1 引言

AGV（Automatic Guided Vehicle，自動導引車）是裝備有自動導引裝置，具有各種移載功能的運輸車[1]，屬于移動機器人范疇。定位與導航一直是AGV領域的研究熱點。Leonard和Durrant Whyte曾提出機器人在導航中需要解決的三個一般性的問題，即：（1）Where am I?（2）Where do I want to go?（3）How can I get there?[2]。

針對在已知環境地圖和AGV位姿的情況下的路徑規劃和尋跡追蹤等問題，目前已有較為成熟的解決方案。但傳統的AGV定位和導航方法，如通過人工設置路標的方式均需對既有車間進行改造，需要較長的安裝時間和車間改造成本。如何在環境地圖未知的情境下，實現基于自然環境特征的AGV自定位和導航，具有極大的研究意義。

本文主要介紹基于SLAM（Simultaneous localization and mapping，同時定位與地圖創建）技術實現AGV的自然導航，由于其不需要安裝標記或反射器的特點，降低了車間改造成本，縮短了安裝和投入使用的時間，提高了車間的柔性和設備的可移植性，因而能夠滿足市場對AGV高靈活性、短安裝和啟動時間的需求。

2 自然導航實現原理

自然導航是一種不需要對基礎設施進行任何調整的，無需地面標記的導航技術，是基于現有環境實現的導航，可應用于AGV領域。自然導航實現過程為：首先讓裝有環境感知傳感器的AGV在未知環境中從某一位置出發，根據其移動過程中內部與外部傳感器獲取的感知信息進行自定位，同時逐漸建立一個連續的環境地圖[3]，即SLAM過程。然后，在此地圖的基礎上可以實現AGV的精確定位與路徑規劃，完成導航任務。

2.1 自然導航發展現狀

近年來國內外關于自然導航的研究迅速發展，并將理論研究成果應用于機器人實際應用中。例如澳大利亞悉尼大學Australian Centre for Field Robotics實驗室研制出使用自然導航的越野車，可實現對現實環境的數據采集[4]；德國的科爾摩根團隊在NDC8系統提出使用自然導航技術，已成功應用于阿拉乳品公司及其他的工業領域的物流場景中；Irobot公司將自然導航的技術應用于掃地機器人中，并開發出Roomba980智能掃地機器人[5]。國內自然導航在AGV中也有實際應用的案例，包括工業和服務業領域，如浙江國自機器人公司開發的牽引式AGV使用自然導航可實現車間搬運作業；沈陽新松機器人發布的“松果”系列服務機器人可通過自然導航實現智能送餐、引領講解等功能；此外，國內很多高校實驗室正致力于實現自然導航SLAM技術的研究。但是總的來說，目前國內的研究仍然主要集中在對國外已有研究成果的復現上，尚無領先的研究成果。而且技術理論研究居多，在真實環境的成功應用案例比較少，在未來的研究中應該重視技術研究與實際應用彼此結合[6]。

2.2 SLAM基本原理

SLAM技術是自然導航的核心技術，成功實現SLAM是AGV實現自然導航的前提，SLAM過程中地圖建立的精度對后期定位與導航的精度有著重大的影響。

在SLAM過程中，移動機器人需要通過多種傳感器來計算其自身運動狀態和獲取未知環境的特征信息。用于計算自身運動狀態的傳感器稱為內部傳感器，用于感知環境信息的稱為外部傳感器[7]。移動機器人從初始位置出發，依靠內部傳感器來推算機器人移動的距離與位姿狀態，即相對定位。由于其自身的系統誤差以及機器人機械安裝、行走過程中打滑等產生的誤差，會導致機器人自身的相對定位有一定的不確定性，隨著時間的積累，這種不確定性則會導致SLAM過程失敗。因此，需要通過建立地圖以獲取機器人在地圖中的絕對定位，來修正其自身運動狀態的不確定性。在建圖過程中，外部傳感器在感知未知環境的特征時，也存在著一定的誤差，并且環境模型建立的準確性也需要精確的機器人定位來保障。因此，SLAM過程主要是采用概率統計的方法處理這些不確定性信息，尋求動態隨機系統的最優狀態估計。其過程簡化描述為“預測—匹配—校正—更新”。實現SLAM過程的整體系統結構如圖1所示。

圖1 SLAM過程系統結構圖

（1）相對定位。機器人相對定位即通過內部傳感器測量機器人位移與航向的偏移量來計算其位姿，主要有航跡推算與慣性導航法[8]。相對定位不需要借助對外界環境的測量，但是其無法避免隨著時間推移測量值的誤差累積問題，因此需要借助對環境信息的測量等輔助手段來修正其誤差。

（2）環境信息的獲取。目前環境信息的獲取主要依靠激光雷達和視覺兩類傳感器[9]。

目前來說，激光雷達用于實現SLAM的技術較為成熟。激光雷達基于一定的角度分辨率提供二維平面內的機器人本體與環境中物體的距離信息[10]。基于激光雷達實現SLAM的方式優點為精度高，計算量小，易于實現實時SLAM；其缺點為成本較高。

視覺傳感器是當前SLAM研究的熱點，視覺SLAM研究主要有單目視覺、雙目視覺和RGBD。由于視覺導航技術低成本，信息量大等特點，因而有著巨大的研究價值和潛在經濟效益，相關技術仍處于研究階段。

（3）環境特征提取。通過外部傳感器獲得環境信息的原始數據，需要進一步從中提取環境特征并保存，才可用于后續的環境地圖的匹配與系統狀態的校正。常用的環境特征提取方法有霍夫變換、聚類分析等。霍夫變換是一類基于灰度圖探察直線和其他曲線的方法，但是該方法要求已知被提取對象類別。聚類分析是另一種特征提取方法，將所針對對象分組成自然類別或基于相似性或距離的簇類，適用于被提取對象類別未知的情況。

（4）特征匹配。在SLAM過程中，機器人自定位與環境建模是兩個相互依賴的問題，并且機器人自身狀態計算與環境特征提取都有其不確定性[11]。利用機器人相對定位與環境特征的掃描匹配可以有效的減小系統的不確定性，實現精準SLAM。

當機器人到達下一個位置時，首先通過內部傳感器對自身狀態進行估計，即相對定位。同時，在新的位置觀測到的環境將會有所更新，也有與前一位置觀測的環境重合的部分，則利用對環境多次觀測具有高度相關性這一特點，通過對掃描數據預先處理和坐標系轉換來進行特征匹配，來減小SLAM過程中的不確定性。

首先，系統中包含機器人本體、外部傳感器等個體，因此會有多個坐標系[12]。需要建立一個完整的環境模型，來實現局部環境特征間的匹配和局部與全局環境之間的匹配，因此要進行坐標系轉換。

由于掃描數據中會存在一些環境噪聲與系統噪聲，例如臨時移動的物體，因此在進行數據關聯之前還要對掃描數據預先處理，能夠大大減小下一步數據關聯的復雜性，同時系統將獲得更好的魯棒性。

特征匹配是將機器人在新位置獲得的環境信息數據與以前的系統狀態進行關聯匹配的過程，特征匹配按照數據關聯方法可以為分為：點到點、點到特征、特征到特征的匹配，后兩種方法需要能夠提取環境中明確特征才能進行。基于點到點的數據關聯經常使用最近鄰算法、全局最近鄰算法。此外還有聯合相容分支定界法，該算法考慮每個測量值獨立關聯的同時考慮了全部關聯之間的相容性，有效減小了數據關聯中可能出現的錯誤匹配[13]。數據關聯過程將新觀測地標數據劃分為兩種，一種為傳感器在上一位置已觀測過的地標，另一種則為新的地標。利用重復觀測的地標的最終測量值作為系統的測量值，通過濾波算法可用于修正之前機器人位姿與地標位置的預測誤差，以此得到更精確的系統的狀態量。而新的地標測量的引入則可進行新一輪的系統狀態預測，如此循環進行預測，匹配，校正，更新，最終實現全局地圖的建立。

（5）環境地圖。環境模型目前主要有三種表達方式：柵格地圖、幾何地圖和拓撲地圖[14-18]。

柵格地圖是一種基于空間分解的方法，將環境劃分為一系列的大小相同的柵格，各柵格的值表示該柵格中有實物占據的概率。柵格地圖易于創建和維護，保留更全的原始信息。缺點為不適用于大規模環境的地圖建立。

幾何地圖利用從環境中提取的線段等幾何特征表示環境，這種表示方法更為緊湊，便于目標識別，基于幾何地圖的表示方法缺點為不適用于非結構化環境。

拓撲地圖把環境表示為帶結點和相關連接線的拓撲結構圖，結點表示環境中重要的位置點，邊則表示結點間的連接關系。基于拓撲地圖的環境建模有利于進一步的路徑規劃，并且其存儲和搜索空間較小，計算效率高。其缺點為難以識別相似的環境。

3 自然導航在AGV中的應用

3.1 自然導航AGV的應用方案

AGV應用自然導航的流程如圖2所示。SLAM過程是定位與導航的基礎，目前SLAM技術相對于傳統的人工設定路標或反射板等定位方式依然較為不成熟，處于研發階段，基于SLAM實現的自然導航的定位精度往往難以達到預期要求。因此，目前想要在某些對精度要求較高的環境中應用自然導航，通常可以考慮融合其他輔助定位方式來實現精準定位。以下提出三條自然導航在AGV中復合應用方案。

（1）可以在全局環境中使用自然導航，而在一些站臺對接的局部關鍵性區域則人工加入反射板進行輔助定位。

（2）可以在環境中地面加入二維碼定位信息，應用自然導航的AGV每掃描到新的二維碼可更新其位姿，消除長時間運行的累計誤差，在站臺等關鍵點也可利用二維碼地標糾正位姿實現精準對接。

（3）在一些工廠中，需要AGV可以切換為人工操作方式，這樣不僅可以應對臨時非正常作業與突發狀況，同時，在一些站臺對接等關鍵位置人工輔助取放貨更為安全、精準。因此，可以將自然導航與人工操作完美結合應用于AGV系統，增強系統的魯棒性與靈活性。

圖2 自然導航應用流程

3.2 應用SLAM的自然導航的優勢

（1）無需調整基礎設施，無需人工添加標記。采用自然導航的AGV小車，無需在環境中安裝其他輔助定位設施，小車基于現有環境進行SLAM并在此基礎上實現自主導航。大幅提升了工程實施的效率，具有更高的便捷性、靈活性，應用成本低，應用周期短。

（2）系統柔性高。應用自然導航方式的AGV，可以移除所有用于控制自動導引車行駛路徑的界限，后期進行路徑規劃更靈活。環境適應性強，更容易擴展AGV系統的應用方案。

（3）環境適應性強。在AGV中采用自然導航，使其能夠適用于未知的非結構性環境中，同時在一些難以進行人工添加航標的環境，如室外環境中更易于實現，環境適應性強。

3.3 目前存在的技術難點

（1）SLAM算法的復雜度。目前各種用于解決SLAM中不確定性問題的算法，主要有卡爾曼濾波(KF)，擴展卡爾曼濾波(EKF)，粒子濾波算法，Rao-Blackwellized粒子濾波(RBPF)[19-22]。

其中KF、EKF算法是基于狀態變量為高斯分布的假設，對于非高斯分布的估計存在界限；粒子濾波算法不需進行系統的線性以及傳感器的高斯噪聲假設，但其中尚需解決粒子退化現象和重采樣操作后引起的樣本貧乏問題，對高維估計問題不能有效應對；基于RBPF的SLAM算法對數據關聯錯誤不敏感，但RBPF系列方法的主要挑戰在于降低建立精確地圖所需的粒子數量，以及由重采樣造成的粒子多樣性喪失的問題，即粒子耗盡問題。

（2）如何從二維到三維。目前的基于SLAM實現的自然導航的研究和應用，只能在二維平面的模式下進行定位和建圖。但是在三維立體的運行環境，比如無人機的飛行環境，有x,y,z三個方向。要實現三維空間的高度智能化，需要更大程度上的理解環境信息，需要解決基于立體視覺的三維場景SLAM的應用問題。

（3）多機器人協作。對于單個機器人的SLAM問題，已有大量國內外學者提出了相關解決方案。但是在大環境下，單個機器人在構圖速度和精度方面都存在界限。如何進行大環境下多機器人的協作，是SLAM研究中的一個較新的研究領域。該領域的核心問題是多機器人之間的通信拓撲、任務規劃和地圖融合[23]。

4 總結

本文系統介紹了自然導航在AGV中的應用，從應用現狀、基本原理、自擾導航方式在AGV領域的優勢和技術難點等方面展開分析，重點介紹了SLAM技術。自然導航作為一種實現AGV自主定位與導航的一種較先進的解決方案，改變了傳統導航方式對人工設置導航地標方法的依賴，實現真正意義上的全自動化無人搬運。但是其核心方法-SLAM方法仍存在算法復雜度高、三維制圖和多機器人協作等技術難點，仍需要不斷探索和研究。

[1]楊奇.輪式機器人的實時障礙物識別和視覺導引[D].沈陽:沈陽理工大學,2011.

[2]Leonard J,Durrant-Whyte H F.Mobile Robot Localization by Tracking Geometric Beacons[J].IEEE Transactions on Robotics and Automation,1991,7(3):376-382.

[3]Durrantwhyte H,Bailey T.Simultaneous localization and mapping:part I[J].IEEE Robotics&Automation Magazine,2006,13 (2):99-110.

[4]Bailey T.Mobile robot localization and mapping in extensive outdoor environments[D].Sydney:Univer-sity of Sydney,2002．

[5]趙航,劉玉梅,卜春光,等.掃地機器人的發展現狀及展望[J].信息與電腦,2016,(12).

[6]宋春林.基于激光測距儀的移動機器人SLAM研究與實現[D].哈爾濱:哈爾濱工業大學,2014.

[7]宋婷.傳感器在農業采摘機器人中的應用[J].農機化研究, 2009,31(5):199-201.

[8]季宏.基于聲納和激光測距的移動機器人SLAM研究[D].南京：東南大學,2009.

[9]史鵬波.基于單線激光雷達的道路特征檢測[D].南京:南京理工大學,2013.

[10]侯學勇.基于二維激光測距的移動機器人道路可行區域提取[D].杭州:杭州電子科技大學,2012.

[11]趙黎明.智能移動機器人的定位與環境建模研究[D.重慶:重慶郵電大學,2011.

[12]高森.基于多傳感器信息的機器人運動目標檢測與跟蹤[D].大連:大連理工大學,2014.

[13]鐘鉅斌.基于多種導航技術混合的AGV系統設計[D].杭州:浙江大學,2016.

[14]伍舜喜.基于激光雷達的智能車定位技術研究[D].上海:上海交通大學,2008.

[15]張恒.基于不確定信息處理的移動機器人定位與地圖構建研究[M].長沙:中南大學,2007.

[16]伍舜喜.基于激光雷達的智能車定位技術研究[D].上海:上海交通大學,2008.

[17]樊征.面向雙臂移動機器人三維仿真的拓撲地圖自動創建研究[D].上海:上海交通大學,2010.

[18]賀偉,梁昔明.未知環境中移動機器人SLAM問題的研究進展[J].微計算機信息,2005,(3):179-180.

[19]武二永,項志宇,沈敏一,等.大規模環境下基于激光雷達的機器人SLAM算法[J].浙江大學學報(工學版),2007,41 (12):1 982-1 986.

[20]張淼,胡建旺,周云鋒,等.改進粒子濾波算法的比較[J].電光與控制,2009,16(2):30-32.

[21]駱云祥.非線性濾波在移動機器人SLAM中的應用[D].南京:南京理工大學,2009.

[22]王富.未知環境中移動機器人定位與建圖技術的研究[D].哈爾濱:哈爾濱工業大學,2013.

[23]呂強,林輝燦,張洋,等.基于視覺的多機器人協作SLAM問題[J].科技導報,2015,33(23):110-115.

Application of Natural Navigation in AGV

Wang Wei,Wu Yaohua,Chen Yunxia
(Modern Logistics Research Center,Shandong University,Ji'nan 250061,China)

In this paper,we introduced the application of natural navigation in AGV and proposed that when applied in some nonstructural unknown environment and even if advance knowledge of the initial pose and environmental information was unavailable,the AGV could realize simultaneous location and mapping and on such basis achieve independent navigation.Then we found that the SLAM-incorporated AGV could operate with current working environment and necessitate no modification of the current infrastructure,thus satisfying the demand in the market for flexibility and ease of installation.

AGV;natural navigation;simultaneous location and mapping

TP23

A

1005-152X(2016)12-0033-04

10.3969/j.issn.1005-152X.2016.12.008

2016-10-31

汪威，男，安徽安慶人，碩士研究生，主要研究方向：物流工程；吳耀華（1963-），男，山東濟南人，教授，博士生導師，主要研究方向：物流工程；陳云霞，女，新疆昌吉人，碩士研究生，主要研究方向：物流工程。