基于贝塞尔轨迹的视觉导引AGV路径跟踪研究

　　摘要：为提高视觉导引自动导引车（automatic guided vehicle，AGV）路径跟踪精度，提出一种基于贝塞尔轨迹的精确路径跟踪算法。该算法首先将采集的多种路径特征图像进行预处理得到形状信息，训练SVM多层路径形状特征分类器；然后根据命令，改变AGV采集到的分支路径图像的权重，迭代计算所选择路径的若干最小内接圆；最后，利用最小二乘规则，将最小内接圆的圆心拟合成贝塞尔轨迹，实现AGV的精确路径跟踪。将该算法应用于视觉引导AGV中，并进行路径特征的在线识别和轨迹跟踪实验。结果表明：路径特征的识别准确率为99.7%以上，识别时间约为22 ms，弯道轨迹跟踪准确度为20 mm和20°；与传统方法相比，该方法显著提高路径特征识别和轨迹跟踪的准确率，更能满足工业现场需求。
　　关键词：视觉导引；自动导引车；贝塞尔轨迹；轨迹跟踪；支持向量机
　　文献标志码：A 文章编号：1674-5124（2017）08-0113-06
　　Abstract： To increase path tracking accuracy of visual navigation AGV（automatic guided vehicle）， a precise path tracking algorithm based on Bessel trajectory is proposed. Firstly， the algorithm will pre-process the collected feature images of various paths to obtain shape information， and train the SVM multi-path shape feature classifier， and then change the weight of the branch paths of the collected images and iteratively calculate the minimum inscribed circles of the selected paths according to the order. Finally， based on the least squares rule， the centre of the minimum inscribed circle will be fitted into the Bessel trajectory to realizing the precise path tracking of AGV. The algorithm was applied in visual navigation AGV and on-line recognition and trajectory tracking test of path features were carried out and the results shown that the recognition accuracy of path features is up to 99.7%， and the recognition time is about 22 ms， curve trajectory tracking accuracy is 20 mm and 20°. Comparing with the traditional method， the method can improve the accuracy rate of path recognition and path tracking， which meets industrial field applications.
　　Keywords： visual navigation； AGV； Bessel trajectory； path tracking； SVM
　　0 引言
　　自动导引车（automated guided vehicle，AGV）是自动化生产线、柔性制造、智能仓储物流系统的关键设备之一[1-4]。其中，通过配置视觉测量系统的视觉导引AGV因其具备更高的导引精度和信息获取能力，已在近年来获得了更广泛的工程应用。
　　目前，视觉导引AGV一般使用RFID或其他标志物来识别不同种类的路径[5-6]。为了改善柔性识别水平，喻俊等[7]使用支持向量机完成了对L型、T型和十字型的识别。但在工程上，L型导引路径效率较低，不适用于圆弧等特征模糊的路径识别。为了改善识别效率，张建鹏等[8]使用KPCA方法对路径特征进行降维，并通过神经网络法对降维的路径特征进行识别。然而，实际上，降维后的路径识别率较低。高国琴等[9]使用K-means算法识别温室移动机器人的路径，但是在多分支路径的识别问题上，其鲁棒性较差。
　　为了提高视觉导引AGV对不同种类路径的轨迹跟踪精度，本文提出一种基于贝塞尔轨迹的精确路径跟踪方法。首先，利用AGV视觉系统采集6类路径的训练样本，预处理后得到形状信息，训练CART决策树SVM路径分类器；其次，创建两个线程，一个用于路径的在线识别和跟踪，另一个用来在线训练SVM分类器。然后，AGV根据命令需要选择不同的动作时，改变需要选择的路径的权重，迭代计算所选择路径的所有最小内接圆。因为贝塞尔曲线具有连续及光滑等良好的几何属性，使用贝塞尔曲线规划AGV的导引轨迹能够满足曲率连续和最大曲率限制的约束，可以保证AGV满足运动学约束、为了满足运动学约束、初始状态约束、目标状态约束以及曲率连续约束，可以在AGV跟踪多分支路径时，实时优化平滑轨迹，可以提高AGV工作的稳定性，以及降低不确定延时[10-11]。所以在最小二乘規则的基础上，将最小内接圆的圆心拟合为一条贝塞尔轨迹，通过运动控制算法实现AGV的准确轨迹跟踪。最后通过自制的视觉引导AGV验证了本文算法的有效性。