随着计算机和人工智能在工业自动化方面的快速应用,AGV作为一种集成化程度较高的运输设备被广泛应用于各类工业现场作业。实时定位是AGV系统正常运行的前提,也是其研发的核心和难点技术。基于视觉的定位技术可使用较为简单的设备和定位方案,完成AGV等移动机器人实时定位,其精度较高、适应性好且成本低。实时环境数据感知、全局图像采集与预处理、图像匹配与定位是定位系统的核心技术,也是决定系统响应速度、定位精度和鲁棒性的主要因素。因此,本文主要对基于机器视觉的AGV定位技术进行了深入研究。首先,使用张正友标定法完成相机内参确定,减少相机畸变对定位系统的影响,并将激光测距仪和单目摄像机作为环境感知装置,完成整个AGV运行区间的实时环境感知与存储。在AGV运行路线上每隔1米采集小车前方图像信息和记录该点距离前方墙面的距离信息,完成全局环境地图数据库的构建,并提取基于内容的图像特征和局部特征点数据,生成数据量较小且结构简单的预处理数据库,用以实现AGV快速定位。其次,本文使用方向梯度直方图和改进的ORB方法完成全局图像特征和局部特征点提取。方向梯度直方图主要反映了图像的边缘信息,可以较好地描述图像全局特征。对ORB算法特征点提取部分进行改进,使用SURF算法提取图像特征点,构建四层图像金字塔并计算特征点三维邻域26个像素点Hessian矩阵行列式值,获得尺度不变特征。进一步使用GMS算法进行特征点配准,剔除误匹配点。改进后的ORB方法保留了较快的处理速度,同时在图像尺度、旋度变化、亮度变化、模糊处理等方面较ORB和SURF方法鲁棒性更强。最后,设计完成了一套基于机器视觉的AGV小车实时定位系统,特征匹配主要由两级检索系统实现,分别为基于内容的图像检索和使用改进ORB和HOG特征的精确检索,通过与AGV实时帧进行精确匹配实现AGV定位功能。实际测试表明,本文所提方法比经典的SLAM方法具有更快的响应速度,在满足定位精度的情况下,对硬件系统性能要求较低,适应性较强。