本發(fā)明涉及agv導航，尤其涉及一種重型agv的高精度激光slam導航方法及系統。

背景技術：

1、隨著工業(yè)自動化、智能制造和物流行業(yè)的快速發(fā)展，重型自動導引車（agv）作為一種高效、可靠的自動化搬運工具，已經在倉儲、生產線、運輸等各個領域得到廣泛應用。重型agv通過自動化的路徑規(guī)劃和自主導航，能夠在復雜環(huán)境中進行高負載、高效率的作業(yè)。特別是在現代倉儲物流、制造業(yè)和重型物料搬運領域，agv的應用逐步取代了傳統人工搬運，大大提高了生產效率，減少了人力成本。然而，在重型agv的應用過程中，如何在復雜的環(huán)境中實現高精度、高效率的導航，成為了一個亟待解決的技術難題。

2、傳統的重型agv導航系統通常依賴于激光雷達、磁條、視覺或慣性傳感器等技術來進行定位與導航。然而，由于環(huán)境的動態(tài)變化、障礙物的不可預測性以及場景復雜性，這些傳統的導航方法在面對復雜環(huán)境時，往往會受到諸如定位誤差、環(huán)境干擾、傳感器故障等因素的影響，導致導航精度不足、路徑規(guī)劃不穩(wěn)定、避障不及時等問題。這些問題不僅影響了agv的效率，還增加了設備故障和安全隱患的風險。因此，如何在保持高精度導航的同時，確保agv在復雜環(huán)境中的穩(wěn)定性和安全性，成為了關鍵的研究方向。

技術實現思路

1、本發(fā)明為解決上述技術問題，提出了一種重型agv的高精度激光slam導航方法及系統，以解決至少一個上述技術問題。

2、為實現上述目的，本發(fā)明提供一種重型agv的高精度激光slam導航方法，所述重型agv裝置有高清攝像頭及激光雷達，包括以下步驟：

3、步驟s1：基于高清攝像頭持續(xù)采集工廠全景監(jiān)測圖像，并進行地形障礙物分割，生成多個障礙物碰撞約束框；

4、步驟s2：根據工廠全景監(jiān)測圖像進行三維場景結構識別，并基于多個障礙物碰撞約束框進行全景場景建圖，構建全景場景結構地圖；

5、步驟s3：計算agv當前位置坐標，根據全景場景結構地圖進行智能agv導航規(guī)劃，構建智能agv規(guī)劃路徑；

6、步驟s4：基于激光雷達實時采集激光傳感反饋參數，并對全景場景結構地圖進行局部建筑結構同步處理，構建同步優(yōu)化場景地圖；

7、步驟s5：根據同步優(yōu)化場景地圖對智能agv規(guī)劃路徑進行最大通行形態(tài)限制分析及場景結構突起碰撞規(guī)避，生成碰撞規(guī)避優(yōu)化路徑；

8、步驟s6：根據所述激光傳感反饋參數進行動態(tài)障礙物時序移動追蹤，并對碰撞規(guī)避優(yōu)化路徑進行自適應路徑迭代優(yōu)化，構建智能導航優(yōu)化模型。

9、本發(fā)明通過高清攝像頭持續(xù)采集全景圖像，agv能夠全面感知工廠環(huán)境。這為agv提供了豐富的視覺信息，確保它能夠準確地識別和分割各種地形障礙物，包括固定的建筑物、設備和其他靜態(tài)物體。地形障礙物分割技術有助于從全景圖像中提取出每個障礙物的形狀與位置，并根據這些信息生成多個碰撞約束框（如圓柱體、矩形框等）。這種碰撞約束框為后續(xù)路徑規(guī)劃和避障提供了精確的幾何信息。高清攝像頭能夠捕捉實時環(huán)境變化（如臨時放置的障礙物），從而使得agv能夠動態(tài)適應新的障礙物和環(huán)境變化，提高了導航的靈活性和穩(wěn)定性。通過對全景圖像進行深度分析，agv能夠識別工廠環(huán)境的三維結構，如建筑物、墻面、門窗等重要特征。這為后續(xù)的定位和導航提供了基于空間位置的精準信息?；谡系K物碰撞約束框與三維場景結構的結合，agv能夠生成高精度的全景場景地圖。這種地圖不僅提供了環(huán)境中所有障礙物的空間信息，還包括了工廠布局和結構的詳細信息，幫助agv在復雜環(huán)境中進行全局定位。全景場景地圖將工廠中的所有重要特征融入其中，為路徑規(guī)劃系統提供了豐富的環(huán)境數據，能夠更好地指導agv選擇最優(yōu)的路徑。通過與全景場景結構地圖的結合，agv能夠實時計算自身在工廠中的準確位置，從而確保高精度的定位。這對于重型agv在復雜環(huán)境中的精確導航至關重要。基于當前位置和全景場景地圖，agv能夠進行智能導航規(guī)劃。通過運用先進的路徑規(guī)劃算法（如a*、d*、rrt等），agv可以根據實時環(huán)境和任務需求，規(guī)劃出最優(yōu)的行駛路徑，避免障礙物和其他潛在風險。導航規(guī)劃系統能夠根據工廠內的變化（如突發(fā)障礙物、生產區(qū)域的調整等）進行實時路徑調整，從而提高agv的靈活性和安全性。激光雷達能夠提供高精度的環(huán)境反饋數據，包括障礙物的距離、大小和形狀。通過實時采集激光傳感器的反饋參數，agv能夠及時識別新的障礙物或環(huán)境變化?；诩す饫走_的數據，agv能夠對全景場景地圖進行局部同步和優(yōu)化，確保地圖始終保持最新且精確。這對于確保路徑規(guī)劃的準確性和穩(wěn)定性至關重要，特別是在動態(tài)環(huán)境中。激光雷達與視覺系統的結合提供了更加全面的環(huán)境感知能力，使得agv在動態(tài)和復雜環(huán)境中能夠更精準地識別和規(guī)避障礙物。通過對agv形態(tài)和環(huán)境進行詳細分析，agv能夠根據自身的尺寸和形狀來分析路徑中的通行限制。這使得agv能夠選擇符合其尺寸要求的路徑，避免狹小空間或不適合通過的區(qū)域。agv能夠在同步優(yōu)化場景地圖上識別出可能的場景結構突起（如平臺邊緣、支架等），并進行規(guī)避。這不僅避免了碰撞，還能確保agv在復雜地形中平穩(wěn)行駛。基于形態(tài)限制和突起規(guī)避，agv能夠生成一條經過優(yōu)化的路徑。這條路徑避免了不適合通過的區(qū)域，并考慮了agv的運動特性，提供了更加安全和高效的導航方案。通過實時監(jiān)測和追蹤動態(tài)障礙物（如移動的agv、工作人員或物料搬運設備等），agv能夠預測這些障礙物的未來軌跡。通過時序分析和軌跡預測，agv可以提前做好避讓準備，避免與這些動態(tài)障礙物發(fā)生碰撞?；趧討B(tài)障礙物的實時反饋，agv能夠對路徑進行自適應調整。隨著環(huán)境的變化（新的障礙物出現、目標位置的變化等），agv的路徑規(guī)劃會進行實時優(yōu)化，使得導航更加智能化、靈活性更高。通過不斷迭代和優(yōu)化路徑，agv能夠構建一個具有高度自適應性的智能導航模型。這使得agv能夠在變化的環(huán)境中持續(xù)運行，并根據新的環(huán)境數據調整其行為，確保任務的順利完成。

10、在本說明書中，提供一種重型agv的高精度激光slam導航系統，用于執(zhí)行如上所述的重型agv的高精度激光slam導航方法，包括：

11、地形識別模塊，用于基于高清攝像頭持續(xù)采集工廠全景監(jiān)測圖像，并進行地形障礙物分割，生成多個障礙物碰撞約束框；

12、全景建圖模塊，用于根據工廠全景監(jiān)測圖像進行三維場景結構識別，并基于多個障礙物碰撞約束框進行全景場景建圖，構建全景場景結構地圖；

13、路徑規(guī)劃模塊，用于計算agv當前位置坐標，根據全景場景結構地圖進行智能agv導航規(guī)劃，構建智能agv規(guī)劃路徑；

14、局部同步優(yōu)化模塊，用于基于激光雷達實時采集激光傳感反饋參數，并對全景場景結構地圖進行局部建筑結構同步處理，構建同步優(yōu)化場景地圖；

15、通行限制分析模塊，用于根據同步優(yōu)化場景地圖對智能agv規(guī)劃路徑進行最大通行形態(tài)限制分析及場景結構突起碰撞規(guī)避，生成碰撞規(guī)避優(yōu)化路徑；

16、動態(tài)障礙物規(guī)避模塊，用于根據所述激光傳感反饋參數進行動態(tài)障礙物時序移動追蹤，并對碰撞規(guī)避優(yōu)化路徑進行自適應路徑迭代優(yōu)化，構建智能導航優(yōu)化模型。

17、本發(fā)明通過高清攝像頭能夠提供高分辨率的圖像數據，使得agv能夠更清晰地識別周圍環(huán)境中的靜態(tài)和動態(tài)障礙物。這使得agv在面對復雜或變化的環(huán)境時，能夠保持較高的穩(wěn)定性和精度。通過對圖像數據進行地形障礙物分割，agv能夠精確地標識出潛在的碰撞障礙物，并通過生成多個障礙物的碰撞約束框，清晰地界定了這些障礙物的空間范圍。這為后續(xù)的路徑規(guī)劃和碰撞避免提供了有效的參考。通過識別并重建場景的三維結構，agv可以獲得更加全面和細致的環(huán)境模型。這種三維建圖不僅能展現出工廠內的所有障礙物和建筑結構的空間布局，還能提高agv在復雜環(huán)境中的導航精度?；谡系K物碰撞約束框進行的全景建圖，不僅能夠描繪出靜態(tài)環(huán)境，還能提供一個包含環(huán)境障礙物位置、形狀和大小等信息的完整視圖。這樣，agv在路徑規(guī)劃時能夠清楚了解整個環(huán)境中的障礙物分布，并為智能導航提供精準參考。通過結合全景場景結構地圖和agv的當前位置，系統可以精確計算agv的坐標，并根據實時地圖生成最優(yōu)的規(guī)劃路徑。這能確保agv在復雜環(huán)境中能夠穩(wěn)定前進，避免出現錯誤定位或無法通過狹窄路徑等問題?；谌皥鼍暗貓D進行的智能導航規(guī)劃，可以動態(tài)調整路徑，以適應環(huán)境中出現的新障礙或變化。這種智能規(guī)劃可以顯著提高agv的自主導航能力，增強其在多變環(huán)境中的靈活性和適應性。激光雷達提供的高精度距離信息與高清圖像的視覺數據相結合，可以精確修正環(huán)境建圖中的偏差。通過將激光雷達的數據與全景場景地圖進行同步處理，可以實現局部區(qū)域建筑結構的高精度優(yōu)化，確保agv能夠獲取最新的場景信息。隨著agv的移動，環(huán)境中的障礙物和結構可能發(fā)生變化。通過實時同步優(yōu)化場景地圖，agv能夠保證導航路徑與實際環(huán)境始終保持一致，從而避免因地圖信息過時而導致的導航錯誤。通過對agv的通行限制進行分析（如轉彎半徑、負載能力等），可以為agv生成能夠最大化利用其行駛空間的路徑，從而優(yōu)化行駛效率和安全性。這使得agv能夠根據其具體物理形態(tài)和工作任務，在不同環(huán)境中選擇最佳路徑。通過分析同步優(yōu)化的場景地圖中的突起物或障礙物，agv能夠智能地避免碰撞。碰撞規(guī)避優(yōu)化路徑能夠根據agv周圍的障礙物布局實時調整，為agv提供更加安全的行駛路線，尤其在狹小空間或復雜工廠環(huán)境中顯得尤為重要。通過實時追蹤動態(tài)障礙物的移動軌跡，agv能夠預測其未來的位置，并提前做出避讓決策。這對于應對工廠環(huán)境中偶發(fā)的動態(tài)障礙物（如人員或設備的移動）尤為重要。基于激光傳感反饋參數，agv能夠在行駛過程中根據障礙物的動態(tài)變化實時調整路徑。自適應路徑優(yōu)化可以顯著提高agv的導航能力，確保它在面對不可預見的障礙物或環(huán)境變化時仍然能夠保持高效運行。結合上述動態(tài)反饋與路徑優(yōu)化策略，agv能夠持續(xù)學習并改進導航決策，生成更為高效且安全的導航策略。這一優(yōu)化模型不僅可以提高agv的導航精度，還能使其更加適應多變和復雜的環(huán)境。