互聯(lián)網(wǎng)經(jīng)濟的發(fā)展,推動著傳統(tǒng)物流模式不斷變革升級。同時,人口老齡化加劇以及新冠疫情在全球范圍內(nèi)的爆發(fā)與持續(xù)蔓延,使得高度自動化的智慧物流成為迫切需求。以托盤叉車AGV為代表自主移動機器人在物流業(yè)的應用越來越廣泛,高重復性和高強度的任務逐步被機器人完成。物流倉儲環(huán)境復雜多變,由于托盤叉車AGV缺乏對裝載目標的自動識別與局部定位能力,智慧物流搬運環(huán)節(jié)在很大程度上還無法實現(xiàn)完全自動化。本文以托盤叉車AGV為實驗平臺,研究基于視覺的倉儲托盤檢測與位姿估計算法,并在此基礎上設計托盤叉車AGV自適應位姿鎮(zhèn)定算法,在避免叉取動作時損壞貨物和保證實時性的前提下,實現(xiàn)托盤叉車全自動搬運。主要研究內(nèi)容如下:(1)基于二維碼標簽的倉儲托盤檢測與位姿估計。首先通過閾值處理、直線檢測、四邊形擬合、解碼等方法檢測出敷設在托盤中心的二維碼標簽。然后基于Pn P方法解算標簽中心的位姿,實現(xiàn)對托盤的位姿估計。該方案具有較高的檢測魯棒性和位姿估計準確性,但檢測速度慢。針對這一問題,提出了采用CSRT目標跟蹤算法在原始圖像中分割ROI區(qū)域的算法加速策略。實驗證明改進后的算法有效降低CPU利用率,算法性能顯著提升。(2)基于...

【文章頁數(shù)】：77 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 倉儲托盤檢測研究現(xiàn)狀
        1.2.2 移動機器人自主導航研究現(xiàn)狀
        1.2.3 存在的問題與挑戰(zhàn)
    1.3 主要研究內(nèi)容與貢獻
    1.4 論文組織與結(jié)構(gòu)安排
第2章 移動機器人系統(tǒng)及托盤檢測預備知識
    2.1 移動機器人架構(gòu)及控制模型
        2.1.1 移動機器人硬件架構(gòu)
        2.1.2 移動機器人軟件架構(gòu)
        2.1.3 移動機器人控制模型
    2.2 視覺定位預備知識
        2.2.1 Realsense D435相機介紹
        2.2.2 相機成像模型
        2.2.3 相機標定
    2.3 深度學習基礎知識
        2.3.1 神經(jīng)網(wǎng)絡與深度學習
        2.3.2 卷積神經(jīng)網(wǎng)絡
    2.4 YOLOv5目標檢測算法
    2.5 本章小結(jié)
第3章 基于二維碼標簽的倉儲托盤檢測與位姿估計
    3.1 引言
    3.2 二維碼標簽圖像信息識別與定位算法
        3.2.1 二維碼標簽識別與定位算法
        3.2.2 改進的基于ROI的二維碼標簽檢測算法
    3.3 改進的基于二維碼標簽的倉儲托盤檢測與位姿估計方法
    3.4 實驗設計與結(jié)果分析
        3.4.1 檢測魯棒性實驗分析
        3.4.2 位姿估計準確性實驗分析
    3.5 本章小結(jié)
第4章 基于RGB-D信息的倉儲托盤檢測與位姿估計
    4.1 引言
    4.2 算法流程
        4.2.1 倉儲托盤檢測算法
        4.2.2 深度圖像映射到RGB圖像
        4.2.3 倉儲托盤檢測算法優(yōu)化
        4.2.4 基于RGB-D信息的倉儲托盤位姿估計
    4.3 實驗設計與結(jié)果分析
        4.3.1 Realsense D435深度數(shù)據(jù)性能實驗
        4.3.2 倉儲托盤測試集實驗
        4.3.3 檢測魯棒性實驗分析
        4.3.4 位姿估計準確性實驗分析
    4.4 本章小結(jié)
第5章 移動機器人自適應位姿鎮(zhèn)定
    5.1 引言
    5.2 世界坐標系下的托盤位姿
    5.3 位姿鎮(zhèn)定算法
        5.3.1 路徑平滑處理
        5.3.2 基于路徑跟蹤算法的導航控制
    5.4 實驗設計與結(jié)果分析
        5.4.1 實驗設計與實驗場景介紹
        5.4.2 路徑跟蹤與托盤裝載實驗分析
    5.5 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻
附錄 作者在讀期間申請的發(fā)明專利及參加的科研項目



本文編號：3752566