[发明专利]一种agv小车混合视觉导航方法

说明书

本发明公开了一种agv小车混合视觉导航方法，包括以下步骤：步骤1：障碍物检测，构建环境三维地图；步骤2：基于三维空间的导航路径规划；步骤3：利用特征点导航，进行小车沿路径导航；步骤4：agv小车检测到特征点，进行精确定位，完成预定任务，本发明是一种agv小车混合视觉导航方法，目的是提供一种无标识、无固定线路工作环境agv小车混合视觉导航方法，提供一个与时间和尺度无关的基于外观的定位与构图解决方案，取代有标识的二维码或地面铺设磁铁等需要外置标记物的导航方法，降低了成本，提高了效率。

技术领域：

本发明属于agv小车的导航技术领域，特别涉及一种agv小车混合视觉导航方法。

背景技术：

现有的agv小车在工作时，大都是利用有标识的二维码或地面铺设磁铁等需要外置标记物进行导航的，成本较高，效率较低。

发明内容：

本发明的目的就在于为了解决上述问题而提供一种agv小车混合视觉导航方法，解决了现有的agv小车在工作时，大都是利用有标识的二维码或地面铺设磁铁等需要外置标记物进行导航的，成本较高，效率较低的缺点。

为了解决上述问题，本发明提供了一种技术方案：

一种agv小车混合视觉导航方法，包括以下步骤：

步骤1：障碍物检测，构建环境三维地图；

步骤2：基于三维空间的导航路径规划；

步骤3：利用特征点导航，进行小车沿路径导航；

步骤4：agv小车检测到特征点，进行精确定位，完成预定任务。

所述步骤1包括：

步骤11：控制AGV小车运动，围绕场地一周；

步骤12：通过红外线传感器采集数据，再基于采集到的摄像头图像数据构建三维地图；

步骤13：将环境三维地图导入AGV导航地图数据库。

所述步骤12提供一个与时间和尺度无关的基于外观的定位与构图解决方案Donkey，包括：

步骤12-1：特征提取和匹配，优化PnP结果，生成局部地图即相对全局地图；

步骤12-2：通过算法提取定位点，将定位点被连续访问的次数用来衡量形成闭环的权重，当需要从WorkingMemory转移定位点到Long-TermMemory中时，优先选择具有最低权重的定位点，如果具有最低权重的定位点又有多个时，通过算法对存储时间最长的那一个进行运动状态估计，提取位姿数据；

步骤12-3：回环检测，使用词袋法创建图像的签名，一幅图像的签名由视觉词典中的词的集合表示，是在线增量式创建的，用离散贝叶斯过滤器来估计形成闭环的概率，将新的定位点与存储在WorkingMemory中的定位点进行比较，当发现新旧定位点之间有高概率形成闭环时，一个闭环就被检测到了，新旧定位点也就被连接在一起。

所述步骤2包括：

步骤21：导入环境三维地图；

步骤22：从起始点开始，以一定的步长为单位，进行节点扩展，选取代价值最小的节点作为扩展节点，扩展过程中需要考虑一些约束，比如转弯半径的限制以及对风险障碍的规避等等，如此一步步扩展，直到当某个扩展节点到达目标终点时，再从终点倒过来回溯到起点，这样，把过程中的各个节点串起来，形成一条规划的路径。然后在环境三维地图中描绘AGV小车初步导航路径；

步骤23：根据初步导航路径的特征以及AGV小车的基础运动方式，采用ORB方法提取初步导航路径上的特征点；