基于深度摄像和ARM的AGV避障技术研究

摘要

自动导航运输车是一类通过传感器探测地形，实现在物理空间中定向移动的自动机器人车辆。AGV避障为该领域的研究重点之一，其主要内容是在实际的生产环境中，AGV能够按照特定的避障策略，保证车辆能够无碰撞地从起点运行到终点。AGV避障方法中的一个核心技术就是障碍物识别：探测和分析空间环境，定位环境中的障碍物信息。环境探测是AGV进行障碍物识别的前提条件，机器人可以通过计算机视觉来获取实时环境数据。采用Kienct作为主传感器获取深度图，再运用梯度检测和DBSCAN聚类算法分析环境中的障碍物，然后将分类后的障碍信息映射到栅格图中，最后采用D*寻路算法完成AGV的路径规划。
　　本研究主要内容包括：⑴根据AGV车辆生产环境的特殊性，采用ARM架构的树莓派作为AGV的主控制器。由于Kinect摄像头缺乏在ARM平台上的设备驱动，先自主编写完成ARM平台上的Kinect设备驱动。⑵引入梯度检测算法作为地平面检测手段，结合深度图梯度检测算法和DBSCAN聚类算法，快速有效地解析深度数据。首先阐述了Kienct和其生成深度图的原理，再提出了深度图像的梯度概念，以地平面和物体间的三维空间关系作为参考信息，运用梯度检测算法快速区分可行驶区域和障碍⑶设计了基于Kinect深度摄像头和ARM架构树莓派主控制器的AGV系统的整体框架。AGV利用 Kienct探测运行环境，获取物体分布数据生成深度图。并利用经梯度检测和聚类算法处理后的深度图，生成描述 AGV与障碍间位置关系的栅格图，最后运用启发式的D*路径规划方法的辅助下，进行AGV的动态路径规划。

目录

声明

第1章 绪论

1.1 课题的研究背景和意义

1.2 国内外AGV研究现状

1.3 路径规划研究现状

1.4 论文章节内容安排

第2章 Kinect原理介绍

2.1 Kinect简介

2.2 Kinect深度图像获取

2.3 Kinect点云获取

2.4 深度数据误差分析

2.5 本章小结

第3章 基于ARM的AGV避障系统设计

3.1 主控制器

3.2 转向模块

3.3 电机驱动

3.4 Kinect设备驱动

3.5 本章小结

第4章 Kinect障碍物检测

4.1 可行区域检测

4.2 深度图像处理

4.3 障碍物聚类分析

4.4 障碍物轮廓查找

4.5 检测效果

4.6 本章小结

第5章 基于障碍物检测的D*路径规划

5.1 栅格图

5.2 路径规划

5.3 实验验证

5.4 实验结果分析

5.5 本章小结

第6章 论文总结和展望

6.1 论文总结

6.2 展望

致谢

参考文献

附录