摘要
叉车机器人是一种在物流行业中广泛应用的自主移动机器人(Autonomous Mobile Robot,AMR),它采用自主导航技术，能够在复杂的环境下自主移动，完成货物的搬运、存储、分拣、装卸等任务，提高物流效率和减少人力成本。不同于传统AGV(Automated Guided Vehicle)在结构化的环境中执行预定义操作，叉车机器人需要在复杂多变的物流场景中完成自主导航和灵活作业，对场景感知能力提出了更高的要求。叉车机器人在物流场景中执行两类基本任务:导航和托盘拾取。本文从叉车机器人的两类基本任务出发，探索叉车机器人在物流场景下的感知应用技术。 针对叉车机器人在导航任务中的定位需求，探究动态物流场景下的视觉里程计方法，提出了一种紧耦合的信息融合方法，结合来自物体检测的先验运动信息和特征点的几何约束信息，识别并剔除真实动态特征点，使用稳定的静态特征估计机器人位姿，通过数据集和叉车机器人平台实验验证了该方法在不降低静态场景定位精度的情况下提高了在动态场景下定位的精度和鲁棒性。 为了在动态物流场景中为叉车机器人提供导航可用的地图，本文在ORB-SLAM2系统的基础上进行改进，在跟踪线程嵌入动态视觉里程计，识别并剔除动态特征，实现鲁棒定位;新增语义地图线程，基于RGB-D数据构建2.5D地图，提供障碍物占据信息和相应的高度信息，结合物流对象检测网络，对2.5D地图进行语义标注，生成语义增强的2.5D地图，为导航提供额外的语义信息，最后在真实的物流场景中进行建图实验，并与传统地图进行了对比。 针对叉车机器人末端托盘拾取任务，研究了基于RGB-D相机的托盘检测和定位方法，使用物体检测网络从RGB图像中快速识别托盘和支撑柱两类信息，利用托盘模型进行校验，确定完整的托盘检测结果;结合对齐的深度图像，生成托盘点云数据，最后提取叉取面的支撑柱三元组计算托盘位置和姿态，并通过实验验证了该方法满足叉车机器人托盘拾取任务的精度要求，能够提供精确鲁棒的托盘位姿信息。 本文探究面向物流应用的叉车机器人感知应用技术，从叉车机器人的两类基本任务出发，研究机器人定位和建图以及托盘检测和定位技术，提供了一整套面向物流场景的叉车机器人视觉感知方案，为叉车机器人的自主导航和灵活作业提供了基础，并在真实叉车机器人平台和物流场景验证了所提出方法的实际价值。
NETL