低计算量高精度半结构化环境视觉/惯性紧组合的AGV定位导航方法研究

AGV’s Location and navigation is the technology that can let AGV move along a certain path, and provide information about AGV's position posture to AGV, and that is an important method of AGV perception environment. The current, AGV’s location and navigation need outside pre-installed devices, this way can't achieve a semi-structured environment free path navigation. At the same time, navigation precision of the electromagnetic and inertial guidance are low, accuracy and real-time performance of Laser and visual navigation are mutually conditioning. Therefore, under the existing conditions, based on the integrated navigation semi-structured environment AGV navigation is a worth studying problem. This project is driving demand of manufacturing, logistics industry to the AGV’s free path navigation. The project used integrated navigation technology, and explores the semi-structured environment visual/inertial tight integrated navigation of AGV’s navigation related theory and method. The key research of the project as following: Firstly, IMU pre-integration based on Riemannian manifold theory. Secondly, Key frame selection based on structured features gravity direction matching. Thirdly, Based on key frame visual/inertial tightly coupled. Through the space iteration and optimization method, the IMU reset fast, the key frame selection precision, and the objective function to solve the optimal low-computation high-precision AGV positioning navigation. This project will provide real-time, high precision for Semi-structured environment free path AGV’s navigation method, and will enhance applicability of AGV, and has important research significance and theoretical value to promote industrial intelligent.

AGV定位导航能使AGV沿一定路径移动，提供AGV位置姿态信息，是AGV感知环境的重要手段。当前AGV定位导航需车外预装装置，无法实现半结构化环境自由路径导航，同时电磁和惯性引导存在导航精度低，激光和视觉导航面临精度和实时性的博弈。因此，在现有条件下，基于组合导航实现半结构化环境AGV定位导航是一个值得研究的问题。本项目以制造业、物流产业对AGV自由路径行驶需求为导向，采用组合导航技术，探索半结构化环境下视觉/惯导紧组合AGV导航相关的理论和方法，重点研究：基于黎曼流形IMU预集成、基于结构化特征重力方向匹配关键帧选择、基于关键帧的视觉/惯性紧组合，通过迭代和优化实现IMU重置快速、关键帧选择精确、目标函数求解最优的低计算量高精度AGV定位导航。本项目将为半结构化环境AGV提供实时、高精度的自由路径导航方法，从而提升AGV的应用性，对推动工业制造智能化具有重要研究意义和理论价值。

AGV是一种无人驾驶搬运车，已成为物流和工业领域的重要设备。定位导航技术作为AGV的核心和关键制约着AGV的发展和应用。随着制造业、物流的发展AGV的工作环境已经由固定路径结构化环境变为自由路径半结构化环境。视觉/惯导组合突破了GPS/惯导组合受环境限制的不足，融合视觉信息和惯导信息发挥了两者各自优势。. 本项目针对半结构化环境下AGV自由路径定位导航的需求，完成了以下四方面研究。（1）根据惯性测量原理依据流形和群的相关概念描述了IMU旋转不确定性；参考Allan方差分析惯性器件误差，完成偏差模型建模；将高斯-牛顿迭代法引入拓扑空间求解偏差模型，并采用六自由度惯性传感器进行了实验验证。（2）分析了仓储货架的结构化特征，利用数据扩增方式对图像进行处理，利用ICP对结构化特征进行匹配；采用ICNET模型利用轻量级子网络计算高分辨率图像、重量级子网络计算低分辨率图像，之后联合三个子网络的输入，自低向高逐级融合子网络的输出实现了非结构化特征实时语义分割和祛除；利用结构化特征和非结构化特征的处理结果完成关键帧选择和匹配。（3）基于时间戳判断左右相机采集图像的匹配情况后，分别对同一时间的图像对进行ORB特征提取，并进行关键特征匹配，由特征匹配得到的空间点，利用PnP算法求解相机位姿，构建了一个以ORB特征为主的半结构化环境双目视觉/IMU定位导航系统。（4）以labelme为标注工具，构建一个基于仓库环境的语义分割数据集。. 本项目建立和优化了在半结构化环境下AGV视觉/惯性紧组合导航，有效保证了半结构化环境中结构化和非结构化信息获取的完整性，使得在正常光源半结构化环境下完成定位导航成为可能。这对提升半结构化环境 AGV 导航的实时性和精度，能够满足 AGV 服务制造业、物流等产业路径自由化的需求，具有重要的理论意义和广泛的应用价值。