1.AGV 的构成 AGV 行走控制系统由控制面板、导向传感器、方向电位器、状态指示灯、避障传感器、光电控制信号传感器、驱动单元、导引磁条、电源组成。 

2.AGV 的原理 

AGV 的导引（Guidance）是指根据 AGV 导向传感器（Navigation）所得到的位置信息，按 AGV 的路径所提供的目标值计算出 AGV 的实际控制命令值，即给出 AGV 的设定速度和转向角，这是 AGV 控制技术的关键。简而言之，AGV

的导引控制就是 AGV 轨迹跟踪。 

AGV 导引有多种方法，比如说利用导向传感器的中心点作为参考点，追踪引导磁条上的虚拟点就是其中的一种。AGV 的控制目标就是通过检测参考点与虚拟点的相对位置，修正驱动轮的转速以改变 AGV 的行进方向，尽力让参考点位于虚拟点的上方。这样 AGV 就能始终跟踪引导线运行。 

这是一种很常用的方法，其特点是控制比较简单。但是这种方法在某种情况下会导致 AGV 做频繁的小幅左右摆动，以至使 AGV 运行状态不稳定。 

本产品的控制方法是，以驱动轮轴的中心点（而不是导向传感器的中心点）作为参考点，追踪引导磁条上的虚拟点。AGV 的控制目标就是通过检测参考点与虚拟点的相对位置，修正驱动轮的转速以改变 AGV 的行进方向，尽力让参考点位于虚拟点的上方。这样 AGV 就能始终跟踪引导线运行。 

这种方法计算量较大，但是 AGV 运行比较平稳，即使驱动单元做频繁的小幅左右摆动，也不会导致 AGV 车体的摆动 

3.AGV 的基本用途 

纵观国内外 AGV 的应用实例，AGV 大体上用于以下三个方面： 

（1）物料搬运 

在工业现场 AGV 常用于工位间或自动仓库与工位间的物料搬运作业。例如在组装线上，AGV 从自动仓库取出机器零件并送到相应的组装工位。又如在柔性加工系统中，AGV 依照加工工序顺次将被加工工件送到相应自动机床进行加工，加工好的零件由 AGV 送到质检站测，最后合格品送到半成品库。 

（2）移动工作台 

在组装或柔性加工系统中 AGV 常作为移动工作台使用。以欧美一些汽车厂为例，在轿车组装过程中从汽车底盘焊装组立、安装悬挂系统、车轮和制动系统、安装发动机、变速箱、离合器、安装转向系统、安装汽车外壳、安装风档玻璃和座椅到整车配电等一系列组装过程都是在一台 AGV 上进行的。又如在欧美一些柴油机厂中，柴油机一系列的组装过程也都是在一台 AGV 上完成的。 

（3）与机器人或机器手配合在特殊工作环境下代替人工作业 

在 AGV 上可以安装机器人或机器手，在特殊工作环境下代替人工作业。例如在核电站中代替人在具有放射线的工作环境下进行遥控作业。 

AGV 系统技术说明 

AGV 小车简介 

(Automated Guided Vehicle，简称 AGV)，通常也称为 AGV 小车，指装备有电磁或光学等自动导引装置，能够沿规定的导引路径行驶，具有安全保护以及各种移载功能的运输车，工业应用中不需驾驶员的搬运车，以可充电之蓄电池为其动力来源。一般可通过电脑来控制其行进路线以及行为，或利用电磁轨道(electromagnetic path-following system)来设立其行进路线，电磁轨道黏贴於地板上，无人搬运车则依靠电磁轨道所带来的讯息进行移动与动作。 

2.AGV 在国外的发展历程 

世界上第一台AGV 是由美国Barrett 电子公司于 20世纪50年代初开发成功的，它是一种牵引式小车系统，可十分方便地与其他物流系统自动连接，显著地提高劳动生产率，极大地提高了装卸搬运的自动化程度。1954 年英国最早研制了电磁感应导向的 AGV，由于它的显著特点，迅速得到了应用和推广。 1960年欧洲就安装了各种形式、不同水平的AGVS 220套，使用了AGV 1300多台。到了 70 年代中期，由于微处理器及计算机技术的普及，伺服驱动技术的成熟促进了复杂控制器的改进，并设计出更为灵活的AGV。1973年，瑞典VOLVO公司在KALMAR轿车厂的装配线上大量采用了AGV进行计算机控制装配作业，扩大了 AGV 的使用范围。70 年代末，欧洲约装备了 520 个 AGV 系统，共有 4800台小车，1985 年发展到 10000 台左右。其应用领域分布为：汽车工业（57%），柔性制造系统 FMS(8%)和柔性装配系统 FAS(44%). 20 世纪 80 年代末，国外的 AGV 达到发展的成熟阶段，此时美国的 AGV 生产厂商从 1983 年的 23 家剧增至 1985 年的 74 家。1984 年，美国通用汽车公司完成了它的第一个柔性装配系统(FAS),从此该公司就成为当时AGV的最大用户。日本在 1963 年首次引进 AGV,其第一家 AGV 工厂于 1966 年由一家运输设备供应厂商与美国的 Webb 公司合资建成。1976 年后，日本对 AGV 的发展给予了高度重视，每年增加数十套 AGV 系统，有神钢电机、平田电机、住友重机等27 个主要生产厂商生产几十种不同类型的 AGV。 

3.AGV 小车的国内的背景 

我国 AGV 发展历程较短，但一直以来不断加大在这一领域的投入，以改变我国 AGV 长期依赖进口的局面。经过不懈地努力终于取得了一定的成效，北京起重运输机械研究所、清华大学、中国邮政科学院邮政科学研究规划院、中国科学院沈阳自动化所、大连组合机床研究所、国防科技大学和华东工学院都在进行不同类型的 AGV 的研制并小批投入生产。 在国内 AGV 的技术来源有两种模式：一种是引进技术；一种是自有知识产权的技术。两种模式目前都涵盖 AGV 的所有技术，技术水平并无多大差别。引进技术主要是瑞典 NDC 的 AGV 控制系统技术，据了解 NDC 目前在国内现有 3家合作伙伴。 

4.AGV 系统技术及功能特点 

根据自主程度划分，AGV 系统可分为智能型、普通型和半智能型三类；从用途和结构形式来分，AGV 系统主要分为承载型 AGV、牵引型 AGV 和自动叉车 AGV。在目前的技术水平条件下，AGV 系统具备以下主要特点：便于和各种工业机器设备、数控加工中心配合作业；实现对物流的一体化控制；使生产线的设备具有很大的灵活性，便于重新布置和调整；可方便地跨越故障工位或离线待命，保证生产线的连续运转；相对于固定的物料输送线，在占地最小的情况下，具有最大的交叉能力；灵活、及时的物料运输提高了设备的利用率；便于构成高精度的信息动态跟踪系统；低噪声、无污染且改善作业环境。 除去物料辅助装卸装置外，AGV 系统都具有以下几个子系统：AGV 车载控制系统、地面导航系统、无线通信系统、在线充电系统以及 AGV 管理调度系统。AGV 系统具有如下的主要技术特点：动态跟踪定位，控制器模块化结构，高速无线通信网络，基于高速无线通信和行驶路线的避碰调度、任务调度，高速、高效的智能充电设备。 

5.AGV 系统技术研究方向 

（1）导引技术：八十、九十年代，正当国内的一些院校厂所致力基于埋线电磁导引技术并刚开始应用，基于 CCD 的光学磁带识别、周边图像识别导引技术停滞不前之时，美国则以汽车行业为代表，应用推广了基于陀螺导航的定位技术；瑞典的 NDC 公司则推出了基于激光反射测角定位技术。近年来，出现了激光测角与测距相结合的导引技术，其导引头已经商品化。导引技术的进步，提高了行程路径的柔性化，同时提高了停位精度，由±10 毫米，缩小至±5 毫米，乃致±3 毫米。GPS 定位导航技术则在大型（最大可达 40t）AGV 上得到应用。 

（2）移载技术：针对不同应用需求，出现了背辊式，背链式，推挽式，牵引式，龙门式，侧叉式、前叉式、后叉式、三向叉式、升降伸缩叉式等。由于移载技术，驱动技术、电池技术的进步，促进了载重/自重比的大幅提高，由 1:4提高到 1:1.2，即同样载重量，先进车型自重下降为落后车型的 1/4。使车辆移动的能耗成倍降低，因而可以少装电池，使 AGV 的自重、功耗形成良性循环。 

（3）电池技术：由采用酸性电池，进步到高能酸性电池，近年来，又开始采用高能碱性电池，提高环保性能，大幅提高了充、放电比，由充电时间/放电时间为 1:1 提高到 1;12，大幅缩短了待机充电的时间。 

（4）智能化：在企业物流自动化技术中，现代 AGV 技术最具有智能化的特征，车载计算机的硬软件功能日益强大不断升级，使 AGV 及 AGV 系统具有从网络、无线或红外接收上位及客户指令，自动导引，自动行驶，优化路线，自动作业，交通管理，车辆调度，安全避碰，自动充电，自动诊断，实现了 AGV的智能化，信息化，数字化、网络化、柔性化、敏捷化、节能化、绿色化。现代AGV 是 24 小时不知疲倦的聪明小车（仅在任务间隙时随机进行短时充电），能主动、自序、有节拍。 自主定位导航是机器人实现智能化的前提之一，是赋予机器人感知和行动能力的关键因素。如果说机器人不会自主定位导航，不能对周围环境进行分析、判断和选择，规划路径，那么，这个机器人离智能还有一大截的差距。那么，在现有 SLAM 技术中，机器人常用的

定位导航技术有哪些呢？ 

1. 视觉定位导航 

视觉定位导航主要借助视觉传感器完成，机器人借助单目、双目摄像头、深度摄像机、视频信号数字化设备或基于 DSP 的快速信号处理器等其他外部设备获取图像，然后对周围的环境进行光学处理，将采集到的图像信息进行压缩，反馈到由神经网络和统计学方法构成的子系统，然后由子系统将采集到的图像信息与机器人的实际位置联系起来，完成定位。 

优点： 

应用领域广泛，主要应用于无人机、手术器械、交通运输、农业生产等领域。 

缺点： 受光线条件限制较大，无法在黑暗环境中工作。 

2. 超声波定位导航 

超声波定位导航的工作原理是由超声波传感器发射探头发射出超声波,超声波在介质中遇到障碍物而返回接收装置。通过接收自身发射的超声波反射信号，根据超声波发出及回波接收时间差及传播速度，计算出传播距离 S，就能得到障碍物到机器人的距离，即有公式： S=Tv/2 

T—超声波发射和接收的时间差； 

v—超声波在介质中传播的波速。

优点： 

成本低廉； 

可以识别红外传感器识别不了的物体，比如玻璃、镜子、黑体等障碍物。 

缺点： 

容易受天气、周围环境（镜面反射或者有限的波束角)等以及障碍物阴影，表面粗糙等外界环境的影响； 

由于超声波在空气中的传播距离比较短，所以适用范围较小，测距距离较短； 

采集速度慢，导航精度差。 

3. 红外线定位导航 

红外线定位导航的原理是红外线 IR 标识发射调制的红外射线，通过安装在室内的光学传感器接收进行定位。 

优点： 

远距离测量，在无反光板和反射率低的情况下能测量较远的距离；

有同步输入端，可多个传感器同步测量； 

测量范围广，响应时间短。 

缺点： 

检测的最小距离太大； 

红外线测距仪受环境的干扰较大，对于近似黑体、透明的物体无法检测距离，只适合短距离传播； 

有其他遮挡物的时候无法正常工作，需要每个房间、走廊安装接收天线，铺设导轨，造价比较高。 

4. iBeacon 定位导航 

iBeacon 是一项低耗能蓝牙技术，工作原理类似之前的蓝牙技术，由 Beacon 发射信号，蓝牙设备定位接受，反馈信号。当用户进入、退出或者在区域内徘徊时，Beacon 的广播有能力进行传播，可计算用户和 Beacon 的距离（可通过 RSSI 计算）。通过三个 iBeacon 设备，即可对其进行定位。

优点： 

定位精度比传统的 GPS 高，可从一米到几十米； 

功耗小、时延低、成本低、传输距离远。 

缺点： 

受环境干扰大，信号射频不太稳定； 

安装、开发和维护方面均存在需要克服的难点，使用时保证设备信号不被遮挡。 

5. 灯塔定位导航 

灯塔定位导航技术在扫地机器人领域使用的比较多。导航盒发射出三个不同角度的信号，能够模拟 GPS 卫星三点定位技术，让其精准定位起始位置和目前自身所在坐标，导航盒如同灯塔，其作用为发射信号，引导机器人进行移动和工作。 

优点： 

引擎稳定性高，路径规划可自动设置。 

缺点： 

灯塔定位没有地图，容易丢失导航； 

需要充电桩或者其他辅助装备； 

精度不高。 

6. 激光定位导航 

激光定位导航的原理和超声、红外线的原理类似，主要是发射出一个激光信号，根据收到从物体反射回来的信号的时间差来计算这段距离，然后根据发射激光的角度来确定物体和发射器的角度，从而得出物体与发射器的相对位置。 

优点： 

是目前最稳定、最可靠、最高性能的定位导航方法； 

连续使用寿命长，后期改造成本低。 

缺点： 

工业领域的激光雷达成本比较昂贵。 

在激光测距中，激光雷达凭借良好的指向性和高度聚焦性，使得激光雷达+SLAM 技术相结合的激光 SLAM 成为主流定位导航方式。

SLAMTEC—思岚科技的自主定位导航技术采用的就是激光+SLAM技术。 

RPLIDAR A2 采用三角测距原理，配合自主研发的 SLAMWARE核心算法，让机器人实现自主定位导航与路径规划。主要应用于服务机器人导航与定位、需要长时间连续工作的服务机器人、工业领域、环境扫描与 3D 重建等领域。 

RPLIDAR T1 采用的是时间飞行法（TOF）中的脉冲测距法，以满足高速度和远距离的测距要求。主要应用在工业 AGV、服务机器人或轻量级无人驾驶产品中。

7. SLAM 简介 

SLAM（及时定位与地图构建）技术是机器人在自身位置不确定的条件下，在完全未知环境中创建地图，同时利用地图进行自主定位和导航。并且，在实时定位中由于通过机器人运动估计得到的位置信息通常具有较大的误差，一般需要使用测距单元探测的周围环境信息来更正位置。 

由于应用场景的不同，SLAM 技术分为 VSLAM、Wifi-SLAM 和Lidar SLAM。Lidar SLAM 是目前实现机器人同步定位于地图构建最稳定、可靠和高性能的 SLAM 方式。 

移动机器人的导航技术总结 

1.移动机器人的关键技术分为以下三种： 

(1) 导航技术 

导航技术是移动机器人的一项核心技术之一，它是指移动机器人通过传感器感知环境信息和自身状态，实现在有障碍的环境中面向目标的自主运动。目前，移动机器人主要的导航方式包括：磁导航、惯性导航、视觉导航等。其中，视觉导航通过摄像头对障碍物和路标信息拍摄获取图像信息，然后对图像信息进行探测和识别实现导航，它具有信号探测范围广，获取信息完整等优点，是移动机器人导航的一个主要发展方向，而基于非结构化环境视觉导航是移动机器人导航的研究重点。 

(2)多传感器信息融合技术 

多传感器信息融合技术是移动机器人的关键技术之一，其研究始于 20 世纪 80 年代，信息融合是指将多个传感器所提供的环境信息进行集成处理，形成对外部环境的统一表示。它融合了信息的互补性，信息的冗余性，信息的实时性和信息的低成本性，因而能比较完整地，精确地反映环境特征，从而做出正确的判断和决策，保证了机器人系统快速性，准确性和稳定性。目前移动机器人的多传感器融合技术的研究方法主要有：加权平均法，卡尔曼滤波，贝叶斯估计，D-S 证据理论推，产生规则，模糊逻辑，人工神经网络。 

(3)机器人控制器 

机器人控制器是影响机器人性能的关键部分之一。目前，国内外机器人小车的控制系统的核心处理器，己经由 MCS-51、80C196 等 8位、16 位微控制器为主，逐渐演变为 DSP、高性能 32 位微控制器为核心构成。由于模块化系统具有良好的前景，开发具有开放式结构的模块化、标准化机器人控制器也成为当前机器人控制器的一个研究热点。近几年，日本、美国和欧洲一些国家都在开发具有开放式结构的机器人控制器,如日本安川公司基于 PC 开发的具有开放式结构网络功能的机器人控制器。我国 863 计划智能机器人主题也已对这方面的研究立项。 

2.视觉导航技术分类 

机器人视觉被认为是机器人重要的感觉能力，机器人视觉系统正如人的眼睛一样，是机器人感知局部环境的重要“器官”，同时依此感知的环境信息实现对机器人的导航。机器人视觉信息主要指二维彩色 CCD 摄像机信息，在有些系统中还包括三维激光雷达采集的信息。

视觉信息能否正确、实时地处理直接关系到机器人行驶速度、路径跟踪以及对障碍物的避碰,对系统的实时性和鲁棒性具有决定性的作用。

视觉信息处理技术是移动机器人研究中最为关键的技术之一。 

基于计算机视觉的自主机器人导航主要分为以下三种方法： 

（1）基于地图的机器人导航 

基于地图的导航就是提供给自主机器人其导航环境的模型，在一些早期的视觉系统中，自主机器人导航环境的知识都是以网格表征，把三维空间中物体按体积垂直投影到二维水平平面上，这种方式通常被引用为占用地图，后来,占用地图的思想被虚拟力场代替，改进虚拟力场也是一幅占用地图，不同的是在地图中每一个被占用的区域都对机器人施加斥力，而目的地图则对机器人施加引力，所有的这些力通过向量的加减运算的共同作用牵引机器人避开障碍物，向目的地运动。 

(2) 基于光流的机器人导航 

santos-Victo 等人研发了一个基于光流的视觉系统 robee，该系统模拟了蜜蜂的视觉行为。该系统认为昆虫的眼睛长在两侧的优势就在于它们的导航机制是基于运动产生的特征,而不是深度信息。 

在 robee 中，一个分开的双目视野被用于模仿蜜蜂的中心反射：如果机器人位于环境的中心位置，其左眼拍摄到的画面场景变化速度和右眼拍摄到的画面场景变化速度是一样的，相差几乎为 0，这时机器人就可以知道自己处于环境的中心位置，如果两侧眼睛的场景变化速度不同，机器人就朝向速度变化较慢的那一边运动。在自主机器人导航的实现中，基本的基本思想就是测量两侧眼睛(摄像机)拍摄到画面场景变化速度之差。该导航技术只能用于室内单一背景的直道环境中导航,无法指导机器人改变方向。 

(3) 基于地貌的机器人导航 

基于地貌的机器人导航一般多用于室外环境，该类导航的核心问题就是数字图像中的模式识别，更具体的说就是物体颜色和纹理的识别问题。然而，由于光照以及环境色的影响，具有相同本质色的物体在不同的环境下可以呈现出完全不同的颜色，因此就需要对颜色空间进行一定的转化。室外环境的导航涉及障碍物躲避、地标检测、位置估计等，由于很难预知先验知识，所以系统无法建立一幅卓为环境的完整地图，只能实时处理出现在视野中的对象，这对于导航算法的实时性要求很高。室外环境的自主机器人导航又可分为机构化环境中的导航和非结构化环境中的导航。 

3.国内外研究现状与发展趋势 

（1）研究现状 

由于受室内环境尤其是家庭环境的限制，很多导航方法在室内移动机器人上很难或根本无法应用，比如电磁导航、GPS 导航等等；另外，一些导航方法由于成本或精度等原因，亦很难应。 

用在商业化的室内移动机器人中，比如激光定位导航系统需要相当高的成本，而基于 RFID 的导航系统精度低是有待解决的问题。 从传感器的角度来看，室内移动机器人导航比较常用的方法主要有视觉导航、红外线导航以及多传感器融合导航等。视觉导航又可分为基于单目视觉的导航、基于立体视觉的导航以及基于全景摄像机导航等。由于全景相机具有较宽的视场，比较容易实现基于多路标三角或三边导航系统，因而应用比较广泛。基于单目视觉的导航系统相对比较简单且易于实现，在实际的系统中取得广泛应用，立体视觉一般用于基于自然路标的导航系统中。基于多传感器融合的机器人导航系统也是当前研究的热点，例如导航系统中融合声纳传感器以及视觉传感器实现室内机动机器人的导航。 

目前，根据已知地图的移动机器人导航研究己有许多成功实例，然而，在大多数情况下，机器人所处的环境是未知的和动态变化的，因而移动机器人在未知环境下的同步定位和地图构建(SimultaneouslocallzationandmaPping,SLAM)则成为机器人自定位领域的热点。常用的 SLAM 技术主要有基于激光传感器的 SLAM 和基于视觉传感器的 SLAM(简称 VSLAM)。由于视觉传感器的优点，VSLAM 具有更广泛的应用前景，VSLAM 技术一般基于自然路标实现，在国内外受到广泛的理论研究，但要想成功应用与实际系统中，还有很多问题有待解决。 

（2）发展趋势 

整体来说，随着机器人视觉系统硬件性能的提升和处理方法的不断丰富，基于视觉的导航技术将日益成熟与完善。结合室内移动机器人视觉导航技术的研究现状，其发展方向出要存在如下三种趋势： 实时、精确以及稳定的视觉导航方法。当前的视觉导航技术往往在对视觉数据进行简单处理后就用于导航任务,因而只能从图像中提取有限的信息,很容易导致导航任务的失败。因此在改善硬件设备的同时，可以考虑将并行处理技术、各种智能算法应用于具体导航任务； 

多传感器融合以及多种导航技术的综合使用。多传感器融合可以结合多种导航传感器的优点，取长补短，使导航系统的鲁棒性更强并且具有更高的精度； 

基于 VSLAM 技术的导航方法目前，VSLAM 技术在理论上还不成熟,在实际应用中也才存在很大困难,但为了使移动机器人具有更高的自主导航能力以及环境适应能力,解决 VSLAM 技术存在的疑难问题并使其成功地应用于机器人导航系统,这必然是未来机器人自定位的主流趋势之一。 

4.移动机器人视觉导航技术 

视觉导航技术是智能机器人领域的重要研究方向，也是智能移动机器人的一项关键技术。运用视觉传感器，可进行与移动机器人大多数底层行为控制有关的环境感知，如测距、避障、目标物跟踪、轨迹跟踪、局部定位、路标识别。 

（1）基于环境理解的全局定位 

一般的定位方法是：地理特征或人工标志在世界坐标系中的位置是预先已知。当从捕获的景物图像中提取出路标的图像坐标后，再通过路标在图像中的位置和他们在世界坐标系中的几何位置关系计算出传感器系统在世界坐标系中的绝对位置。根据一般采用的数学模型，位置计算要求感知至少 3 个以上的路标才能完成，所以一般希望传感器系统在任意工作空间位置上尽可能观察到足够多的路标。视觉导航具有信息量大，适用范围广的优点，因而越来越受到关注。 

（2）路径识别和跟踪 

包括对自然环境中道路的理解和可行通路方向的判别。在基于视觉导航的地面自主机器人中, 机器视觉与路径规划是核心模块。目前国内外许多学者在这方面作了大量的研究工作，到目前为止还没有找到一套适用于各种道路环境的算法。为了简化视觉信息处理，降低开发难度，通常把移动机器人的工作环境分为结构化道路环境和非结构化道路环境。结构化道路的检测相对来说较易实现，其检测技术一般都以边缘检测为基础，辅以 Hough 变换、模式匹配等，并利用最小二乘法处理对应于道路边界的线条，得出道路的几何描述。由于非结构化道路的环境复杂、特征描述困难，使得非结构化道路的检测及信息处理复杂化。目前对非结构化道路的检测主要采用三种方法：边缘抽取法、阈值法和分类法。 

（3）目标识别和障碍物检测 

障碍物检测原理与道路检测原理差不多, 但其重点是对障碍物位置和大小的描述。立体视觉可以完成三维重建，获得障碍物位置和大小的信息。对于单目，不能完成三维重建，无法获得障碍物的三维信息，因此多采用与超声波等其他传感器的融合，共同实现障碍物的识。