论文部分内容阅读
随着科学技术的不断进步和工业化程度的提升,生产搬运中的自动化水平也更加的智能。AGV（Automated Guided Vehicle,自动导引车）是集环境感知、规划决策和智能控制于一体的智能化搬运车辆。AGV小车在复杂环境下高效地规划出到达目的地的路径是其重要的研究内容之一。本文针对复杂车间环境下的AGV小车路径规划问题,基于Turtlebot实验平台,并搭载RGB-D相机Kinect完成AGV小车三维环境重建和路径规划方法研究。具体内容如下:（1）Kinect相机三维环境实时重建。首先,在前端视觉里程计的特征点提取与匹配部分,通过对几种常用的特征点提取算法的实时性和提取特征点的数量进行实验对比研究,采用实时性更好的ORB算法来提取特征点。其次,针对特征匹配中存在的误匹配,提出了一种KNN-RANSAC相结合的方法来剔除误匹配。然后,为了消除前端视觉里程计产生的累计误差,提出了一种基于局部回环和随机回环相结合的回环检测方法。最后,在后端优化环节将视觉里程计和回环检测得到的机器人的位姿估计数据送入后端,采用G2O算法实现对位姿的全局优化。（2）移动机器人的路径规划算法。首先,对全局路径规划算法中的Dijkstra算法、BFS算法和A*算法进行了仿真对比研究,采用效率更高的A*算法。其次,对局部路径规划算法中的DWA算法进行研究,并对影响DWA算法效率的评价函数权重系数进行仿真实验分析,结果表明选择合适的权重系数能提高机器人在局部规划路径时的效率,为其在实际应用中选择合适的评价函数权重系数提供了参考。最后,提出了A*算法和DWA算法相融合的路径规划算法。（3）移动机器人实体场景中的三维环境重建和路径规划实验结果与分析。首先,通过搭建的实验平台,基于公开数据集,通过与传统的三维环境实时重建算法进行实验对比研究,结果表明本文算法在定位精度和实时性上均有所提高。其次,在实体环境中进行三维重建实验,验证整个三维环境重建系统的可行性。最后,基于ROS机器人操作系统上,对本文融合A*算法和DWA算法的路径规划方法进行实验,实验结果验证了该算法的可行性。