基于多傳感器數據融合的AGV定位方法研究

楊惠，周小燕

（蘭州文理學院傳媒工程學，甘肅蘭州，730000）

關鍵字：傳感器；AGV定位；數據融合

0 引言

AGV（Automated Guided Vehicles）是一種集環境感知，路徑規劃，智能決策等多種技術的智能工業用移動機器人[1]，具有承重，自動導航，避障等功能，因功能靈活，運行穩定，高度智能化等優勢，具有良好的應用前景。

定位導航技術是AGV實現自動化智能化的前提條件，傳統的AGV以光學和電磁導航為代表，這類定位導航智能在預設好的路徑上運行，無法實現實時的位姿調整，無法自適應環境地圖。隨著激光雷達和攝像頭定位導航技術[2]的逐步應用，使得AGV具備了定位精度高，運行智能化等優點，但也出現了一些亟待解決的問題，如視覺導航技術魯棒性不足，激光導航定位精度較低等問題。

為了解決上述問題，提出了基于循環神經網絡的AGV定位方法，以激光雷達，攝像頭和IMU傳感器數據為輸入，以AGV的位置為輸出，將多傳感器的數據進行融合處理，訓練傳感器數據與AGV位置信息的關系。針對AGV運動軌跡連續的特點，將前序輸入結果作為后續計算的輸入，實現AGV的持續定位計算。

1 多傳感器數據融合定位方法

在實際AGV定位過程中，激光雷達獲取AGV周圍障礙的距離，然而激光雷達獲取的數據缺乏對運動過程中傳感數據的校準，導致AGV定位不準。攝像頭容易受到光線的影響，一般出現劇烈光線變化，如進出隧道時的忽明忽暗[3]。IMU姿態傳感器獲取的三軸角速度和三軸加速度具有一定的噪聲，需要對該數據進行降噪[4]。為了實現AGV通過環境數據的感知實現準確定位，采用多傳感器數據融合的方式，利用多傳感器數據相互校正，提高系統定位的穩定性和精確性。融合攝像頭，激光雷達，IMU姿態傳感器的AGV方法如圖1所示。

圖1 多傳感器數據融合定位方法結構圖

多傳感器數據融合定位方面的數據主要包括三部分：

（1）姿態估計值的獲取

IMU傳感器獲取到加/角速度數據后，通過重力加速度在加速度計各軸上的分布情況獲取AGV的加速度，通過角速度累積獲得AGV的角速度。由于AGV運動過程中加速度數據受震動的干擾[5]，所以其高頻段的數據不可靠，但重力加速度在一定海拔范圍內基本保持穩定，因此低頻數據比較可靠。而AGV的角速度是通過累積的方式獲得，所以高頻數據較為可靠，而低頻數據不可靠。

在利用加速度和角速度獲取AGV姿態估計的過程中，通過互補濾波器去除獲取加速度中的高頻噪聲，通過互補濾波器去除獲取角速度中的低頻噪聲，假設高通濾波器為FH（s），低通濾波器為FL（s），其中FH（s）+FL（s）=1，因此AGV的姿態測量值m可表示為

其中e1，e2分別表示高低頻噪聲的測量誤差。

（2）高精度位姿的獲取

高精度位姿的獲取依賴于攝像頭的標志識別和激光雷達掃描匹配的結果[6]。在攝像頭的標志識別中，首先奧將攝像頭中的像素坐標xpixyOpixyypixy轉換為以攝像頭視野中心為坐標系xsignOsignysign的實際坐標。若當前攝像頭監測的目標像素坐標為（xpixy,ypixy,wpixy），其中wpixy為標志物的旋轉角度，因此轉換后的實際坐標為

在本方案中，攝像頭的定位結果需要激光雷達傳感器的數據進行修正。假設激光雷達獲取的位姿坐標向量為Pscan=（xscan,yscan,wscan）。假設第一個標志處于世界坐標原點，且每個標志與世界坐標系的x軸同方向，相鄰標志之間縱橫坐標的間隔為Sy和Sx，則攝像頭視野中標志的全局坐標系的精確位姿坐標為：

其中round（）為四舍五入取整函數。設（xms,yms）是經過Pscan和Psign聯合計算的粗略坐標，計算方法如下：

L是AGV坐標在攝像頭坐標系上水平的投影距離，θ表示AGV的全局坐標系的角度姿態，因此攝像頭全局地圖的坐標為：

因此AGV在全局坐標系中的位姿坐標為：

（3）AGV位姿動態加權融合

在動態加權位姿融合過程中，需要考慮標志位姿的可靠程度，從而判斷兩個位姿的權重值。為了使定位系統能夠實時調整上述權重，在攝像頭捕獲目標時，系統會獲取該目標的尺寸信息，由于標志固定，因此當檢測的標志尺寸接近于期望尺寸，則攝像頭的定位輸出區中就越高。假設標志面積為Ss，期望輸出面積為Sq，則位姿輸出坐標為：

如果檢測的尺寸超出期望尺寸的容忍范圍后，則攝像頭獲取的位姿信息失效，此時可以采用激光雷達的定位結果，有

2 定位效果測試和分析

由于實驗環境受限，在測試過程中只提供了圓形，方形，橢圓三種地面標志，但結果足以反映多傳感器數據融合AGV定位的實際效果。在AGV運行過程中，引入Pixy攝像頭前后的定位數據[7]，同時用一條曲線擬合動態定位數據作為動態測量值的期望值[8]，對比有無攝像頭與期望值的擬合狀態，實驗結果如圖2所示。

圖2 AGV定位效果對比

從圖2中可以看出，融合了攝像頭數據之后的x軸坐標數據波動范圍更小，定位數據也相對穩定。為了更清楚的展示在融合攝像頭數據后的定位數據與期望數據之間的差值，可以通過對比有無攝像頭x軸位置數據的波動情況，結果如圖3所示。

圖3展示了100組數據分為兩部分，前50組為AGV做勻速運動時的波動情況，后50組為靜止狀態是定位數據的波動情況。從圖中可以看出，無攝像頭數據時AGV定位的波動明顯比有攝像頭時更明顯。相對來說，靜態定位時融合了攝像頭數據的定位非常穩定，而無攝像頭數據時定位波動性依然很大。

圖3 AGV定位數據波動情況

3 結束語

高精度的AGV定位方法是實現AGV自動化智能化的前提條件，針對當前激光雷達定位不精確的問題，提出了融合激光雷達，IMU和攝像頭多種傳感器數據融合的定位方法，使用激光雷達的掃描結果輔助攝像頭標識定位的準確位姿，然后采用動態加權的方法融合兩部分數據，從而實現AGV的高精度定位。