|
摘要：重载 AGV 在仓储业、制造业、港口码头、机场、图书馆、危险场地和特种作业等领域得到了广泛应用，而智能停车设备行业也开始对重载 AGV 进行试验研究，并与车辆搬运技术相融合，实现用于搬运车辆的重载AGV。文中对智能停车重载 AGV 整体结构、驱动方式、控制系统、定位导航系统等各主要组成单元的设计方式进行总结和分析，对重载 AGV 的未来发展趋势进行了探讨。 Abstract: Heavy-load AGV has been widely used in warehousing industry, manufacturing industry, port terminal, airport, library, hazardous or some special sites, etc, and it has been researched and tested in the intelligent parking industry. Combined with the existing parking technology, the heavy load AGV can be used to park a car. The whole structure, driving method, control system and navigation system are summarized and analyzed in this paper. R&D directions of the heavy- load AGV are discussed. 关键词：智能停车重载 AGV；系统设计；导航；图优化 SLAM Keywords: intelligent parking heavy-load AGV;system design；navigation;graph-based slam
0 引言
AGV 作为移动机器人领域的重要组成部分，已经在民用、军工甚至航天等多个领域得到了广泛应用，推动了相关领域的技术及生产效率的进步。随着工业 4.0 及机器人产业的大力发展，AGV 在新兴物流行业、移动式服务机器人等领域的应用也迅速扩大，并展现出巨大影响力。 智能停车设备面向城市停车难问题，通过高密度、高效率、高安全性及高可靠性(Reliability)的方式对车辆进行搬运、存储。而 AGV 因其场地适应能力强、搬运路径可柔性规划等优势，在特定场合存在着与智能停车相融合的可能性，因此也受到了智能停车设备行业的重视。 但 AGV 目前以轻载、低速、精度要求不高的应用居多，将 AGV 技术与车辆搬运技术相融合，对 AGV 载重能力、运行速度及定位精度等提出了更高要求。因车辆搬运技术已经有非常成熟的应用，本文将着重于重载 AGV 自身的关键组成单元现有设计形式及技术进行综合分析及论述，并对重载 AGV 在停车行业中的应用研究方向进行分析。
1 智能停车重载 AGV 关键技术
传统 AGV 是在计算机的控制下，按照指定的路径规划和作业要求，精确行走并定位于指定位置，完成一系列的作业任务，如抓取、搬运、装配等。而智能停车重载 AGV 相比传统 AGV 在承载能力、运行速度、轨迹精度、定位精度、运动控制等方面都有很大的不同， 也因此而衍生了智能停车重载 AGV 区别于轻载 AGV 的关键技术：
1） 重载 AGV 承载及驱动系统设计技术 为了确保 AGV 的可控性及灵活性，AGV 的承载轮数量尽量减少，以方便转向及控制。而承载轮数量的减少会带来三个方面的问题，一是对轮胎承载能力、车辆承重桥系统提出了更高要求；二是使得 AGV 轮胎对路面的压强大幅提高；三是驱动及转向系统设计变得更加复杂。
2） 重载 AGV 控制技术 在低速轻载 AGV 系统中，一般将 AGV 系统的运动学方程及动力学方程通过一定的假设进行简化，便可实现整个系统的稳定、可靠控制 [1]。而重载 AGV 在空载及重载两种状态时质量变化巨大、质心位置常会发生很大偏移，进而影响行走系统附着力的变化，这三个参数变化在实际工作中处于不可测状态，导致转向参数及控制参数的不确定性。因此，重载 AGV 如何保证高速运行时的轨迹跟踪精度、操控稳定性及行驶平顺性，一直是行业研究的重点。 1） 重载 AGV 安全系统设计技术 AGV 的安全性研究在 AGV 领域已经成为了研发热点 [2-4]，而重载 AGV 自身质量大，所承载的被搬运构件质量更大，两者累加导致其在高速运行时的惯量极大， 发生安全事故造成的损失难以估量。因此对重载 AGV 的安全防护系统提出了更高要求。 2） 重载 AGV 定位、导航技术 AGV 自身是一个非完整约束系统，定位、导航及控制策略是移动机器人领域的研究热点 [5-6]。重载 AGV 一般车体较大，对自身姿态误差敏感，运动学方程更复杂，而重载高速运行过程中必须要兼顾动力学模型的准确性，使得重载 AGV 的控制难度大幅提高。很多学者在 AGV 定位与导航方式、算法等方面进行了深入研究 [7-10]，但这些研究成果如何与重载 AGV 的控制策略有机结合还需要进一步深入研究。
2 智能停车重载 AGV 技术现状
通常智能停车重载 AGV 是以电池作为动力，装备电磁、激光、超声波或者光学系统等导引装置，通过承载及驱动系统对货物进行承载及搬运，进而通过计算机系统进行控制，完成无人驾驶运行。为了实现重载AGV 在智能停车系统中的应用，很多科研院所及设备厂家进行了很多研究及试验，也取得了一定的成果。
2.1 智能停车重载 AGV 的承载及驱动系统 目前 AGV 的驱动形式主要有单动力转向轮式、双动力转向轮式、四动力转向轮式及差速式。 单动力转向轮式：为保证车体的稳定性，从车轮数量来看一般至少三个车轮，通常也被称为三轮式。单动力转向轮方式采用前轮驱动与转向合一，图 1 为公司研发的动力转向轮总成。这种 AGV 结构中后轮为两个支撑轮，总体设计最为简单，但承载车轮数量太少，接地面积相对少，车轮对地面产生的压强大，转向半径大。
智能停车重载 AGV 技术
双动力转向轮式：采用两套单动力转向轮式对称安装，形成两个动力转向轮，四个辅助支撑轮结构，因此也被称为对偶三轮式。两个动力转向轮具有主动转向及驱动能力，四个辅助支撑轮保证车体稳定。这种方式比单动力转向轮方式运动灵活，可以实现原地转向，但结构稍复杂，且如果地面不平整，四个没有动力的辅助支撑轮有时会成为主要承载轮，大大降低两个动力转向轮与地面之间的正压力，出现驱动力不足现象。 四动力转向轮式：车体总计采用 4 个行走轮，也常被称为 4 轮式，每个行走轮都能够独立转向及驱动，形成了对 AGV 车体的稳定支撑。这种方式运动灵活，除前后、左右、曲线行走、原地回旋，还可以斜行，且运行平顺性好。所有车轮都能够根据运动模型同时主动转向，减少了轮系间的干涉及磨损，见图 2 为公司四轮式重载 AGV。但四动力转向轮式需要对四台驱动电机及四台转向电机同时进行运动控制与驱动，系统结构复杂， 控制难度大。
智能停车重载 AGV 技术
差速式：这种方式一般采用两个驱动轮，驱动轮不具备转向功能，整个系统靠两个驱动轮之间的转速差实现姿态的调整。这种方式结构简单，运动灵活，但转向精度和控制系统稳定性稍差。麦克纳姆轮是差速驱动方式的一个典型应用，这种方式在所有的 AGV 模式中运动最灵活，但由于其承载时与地面是线接触，车轮和地面寿命都较差。
电机驱动总成由伺服电机和减速机构组成，是智能停车重载 AGV 的核心单元，对设备成本和性能影响很大。目前国内电机驱动总成与国外相比仍有较大差距， 特别是在系统动态响应及转速控制精度等方面很难满足重载 AGV 的高速、高精度要求，所以选型还大多以国外低压交流电机为核心，系统效率高、维护成本低，功率选择性强，但也因此导致智能停车重载 AGV 面临着成本压力。
2.2 智能停车重载 AGV 控制器系统 AGV 控制系统主要由车载控制器、无线通信系统和管理系统三部分组成。
2.2.1 AGV 车载控制系统 是 AGV 控制系统的核心，负责完成人机交互、路径规划、任务执行、定位与导航控制、电源管理、自主避障、安全信息提示，以及与 AGV 管理监控计算机进行通讯，反馈 AGV 的当前状态，并接受 AGV 管理监控系统的调度和工作指令等任务。AGV 车载控制器的性能和可靠性(Reliability)直接影响 AGV 产品的性能和可靠性(Reliability)。 近年来，随着计算机技术的飞速发展，嵌入式计算机的软硬件水平都得到很大提高，已经可以满足 AGV 产品的各种需要。嵌入式计算机系统具有结构紧凑、成本低、功耗小等明显优势，而这些对于必须使用自身携带电源的 AGV 产品尤其重要。因此，AGV 车载控制器硬件采用嵌入式计算机系统将是未来的技术发展趋势[4]， 随着现代控制、计算机、人工智能(AI)、深度学习等技术的应用，使得 AGV 逐步向多传感器融合、智能化及分布式控制等方向发展。
1） 控制信息的多传感器化 AGV 的导航运行就是按照车外控制器( 调度中心 ) 发送的任务指令，根据相对固定工作环境规划的全局最优路径，沿预设线路自动运行，自主感知周围环境信息并动态做出决策，以最大安全度跟踪路径并到达目标位置。AGV 要实现导航所涉及的基本行为有：自身位姿和所处工作环境的辨识、全局与局部路径规划、预设路径跟踪、障碍物避让等 [5]。为完整、精确、实时地反映外部工作环境特征，在AGV 中需装有多种传感器，如惯性传感器、测距传感器、CCD 摄像头、编码器等。多传感器融合了信息的互补性、冗余性、实时性和低成本性，因而能比较完整、精确地反映环境特征，从而做出正确的判断和决策，保证了 AGV 系统的快速性、准确性和稳定性，提高了 AGV 决策的可靠性(Reliability)与自主性。 2） 控制技术的智能化 AGV 车载控制系统是 AGV 的直接控制中枢，它将电机系统、传感器信号处理、驱动器控制、AGV 的定位算法、电子地图及无线通讯等功能整合在一起，完成信号通讯、运动方向和运动速度控制、运动过程中障碍物探测、安全报警、状态指示及反馈。 AGV 车载控制系统除了完成系统指令功能外，其自身的大数据能力及自学习能力决定了 AGV 的智能化程度。目前常用的环境地图匹配导航及路标导航，随着计算机存储能力及计算速度的提高，实现了海量环境数据的存储、分析能力，并使导航技术向路径自主优化及神经网络导航方向发展 [11]。 在 AGV 驱动控制方面 , 形成了专家知识及决策系统、模糊逻辑、人工神经网络、深度学习控制等人工智能(AI)方式 , 并已经得到了初步应用。文献 [7] 给出了一种用于 AGV 前轮驱动和转向的变结构控制方法。文献 [12] 和文献 [13] 给出了 AGV 后轮驱动与转向的模糊与神经网络控制方法。
3） AGV 集中调度分布式控制模式 AGV 的集中调度与管理可以提高其运行效率和生产率。独立的 AGV 被视作单一智能体，而多个 AGV 作为一个多智能体系统，统一由集中控制及管理系统进行调度。AGV 的集中控制与管理一般采用工作站或高档微机，充分利用多线程或多任务方式实现 AGV 多智能体系统的调度，实现分布式控制。为了提高管理系统效率， 最新的研究成果将这个管理系统视作多智能体网络，根据每一个智能体工作状态或工作周期的不同，组成时变控制系统网络。文献 [14] 提出了基于多级决策和协作学习的方法来建立 AGV 调度系统中每个 AGV 所需要的动态分布式调度策略。系统中的每一个 AGV 都由一个具有两级决策能力的智能体控制，选择级的智能体采用Markov 对策框架下的强化学习方法，以根据其他 AGV 当前的子任务建立自己的最佳反应子任务；行动级智能体通过强化学习建立优化的动作策略来完成由选择级确定的子任务。这种 AGV 调度方法在确保数据完整性的基础上大幅提高了 AGV 的运行效率。
2.1.1 AGV 无线通信系统 AGV 系统中有多台 AGV 同时工作，为了指挥各台AGV 按照AGV 管理系统所接受的任务协调地工作，（即对 AGV 指派任务、进行交通管理等），所有的 AGV 以及系统中的其他自动化物流设备均由 AGV 管理监控计算机进行统一控制。AGV 需要将当前的状态报告给AGV 管理监控计算机，与 AGV 之间的数据交换需要通过通讯系统来完成，有固定运行线路的 AGV 可以通过在运行线路上埋设的导线进行感应通讯，而全方位运行的 AGV 由于没有固定的运行线路，所以一般使用无线通讯方式与主机交换数据，当工作场景中干扰源较多时， 通讯系统必须有较高的可靠性(Reliability)，否则会引发 AGV 系统的误动作，目前国内外 AGV 无线通讯系统大多采用无线以太网标准协议 802.11b/g 的通用无线系统。无线通讯系统技术的提升和硬件成本的降低可以促进 AGV 的发展。
2.1.2 AGV 管理系统 AGV 管理监控系统的主要功能是管理、监控和调度 AGV 执行搬运作业任务。AGV 管理监控计算机一方面与上一级的信息管理系统（SAP/ERP/WMS/MES 等） 主机进行通讯，产生、发送以及回馈搬运作业任务，另一方面通过无线网络系统与 AGV 进行通讯，按照一定规则发送物料的搬运任务，并进行智能化交通管理、自动调度相应的 AGV 完成搬运物料任务，同时接收 AGV 反馈的状态信息，监控系统的任务执行情况，并向上一级信息管理系统主机报告任务的执行情况。 AGV 管理监控系统是一个复杂的软、硬件系统， 目前国内外中高端的 AGV 系统均有专用 AGV 管理监控系统，硬件由服务器、管理监控计算机、网络通讯系统以及相关接口等组成，软件由相关的数据库管理系统、管理监控调度软件等组成。AGV 管理监控调度系统的成熟程度制约着 AGV 的发展与推广，而其智能化程度及多智能体时变网络控制策略直接影响 AGV 系统的运行效率。
2.3 AGV 安全装置 AGV 的安全措施至关重要 , 必须确保 AGV 在运行过程中的自身安全 , 以及现场人员与各类设备的安全。而对于智能停车重载 AGV 而言，安全装置更是重中之重。由于重载、高速的特质，使得其安全装置设计难度较大。 一般情况下 , AGV 都采取多级硬件和软件的安全监控措施。在智能停车重载 AGV 系统中，安全装置可分为接触式和非接触式 2 种 [15] 。 1） 接触式安全装置 为了确保运行环境中人和物的安全 , 在 AGV 车身上可以设置障碍物接触式安全装置，如缓冲器、力传感器或由其他检测装置构成的专用机构等。障碍物接触式缓冲器是一种强制停车安全装置，它产生作用的前提是与其他物体相接触 , 使其发生一定的变形，从而触动有关限位装置 , 强行使其断电停车，是 AGV 的终端安全保护屏障。 对于轻载、低速 AGV 而言，接触式安全装置设置在 AGV 车身运行方向的前后方 , 其材质具有弹性和柔软性，这样即使产生碰撞事故，也不会对与之碰撞的人或物及其自身造成很大伤害 , 故障解除后 , 能自动恢复其功能。 但对于智能停车重载 AGV 而言，由于其载荷大， 速度高，一旦发生接触式撞击，系统由于惯性的存在不可能立即停止，这样必然会造成 AGV 本体的撞击或所搬运车辆的碰撞。 所以，对于重载 AGV，接触式安全装置需要有更好的解决方案以达到系统的本质安全，国内外专家学者也都在积极寻找相关策略。 2） 非接触式安全装置 非接触式安全装置可检测 AGV 周围的障碍物状况， 在规定的有效作用范围内，非接触式安全装置可以检测障碍物的距离和接近速度，并通过控制 AGV 以合适的速度运行，减小惯性，缓慢停车。它是先于障碍物接触式缓冲器发生有效作用的安全装置。 为了安全起见，非接触式安全装置通常采用多级接近检测装置，从远距离探测到近距离感应等分成多个警戒范围，采用不同的传感器及判别方式进行多重保护。目前通用的控制策略是根据障碍物距离不同，设定一定的 AGV 运行速度，极限情况下 AGV 停车等候，而当障碍物解除后，AGV 将自动恢复正常行驶状态。 目前，非接触式障碍物接近检测装置有激光扫描或激光雷达式、超声波式、微波式、红外线式等多种类型， 依靠多传感器融合及多层次判断，基本能够保证 AGV 系统安全。深圳精智机器有限公司重载 AGV 中非接触式激光雷达负责远距离及 3 m 距离的中速、低速保护， 而超声波传感器负责 2 m 距离的停机保护，当然，激光雷达检测到障碍物距离小于 2 m 时也会命令系统停机， 形成多传感器融合保护。 在国外很多更完善的 AGV 系统中，根据 AGV 工作场景布置有全局感应系统，采用视觉、固定扫描装置等对环境中的障碍物进行判断，通过调度系统通知相关AGV，接到通知的 AGV 结合自身安全装置进行综合判断，实现更可靠的安全防护。
2.4 AGV 的定位与导航方式 虽然 AGV 导航方式的种类很多，但目前得到应用或具有应用前景的 AGV 导引方式主要包以下七种类型： 1 ） 电磁感应导引 该导引方式的基本工作原理为：在 AGV 的行驶路径上埋设金属导线，并加载低频、低压电流，使导线周围产生磁场，AGV 上的感应线圈通过对导航磁场强弱的识别和跟踪，实现 AGV 的导引。 目前，电磁感应导引技术比较成熟，应用也较为广泛。其工作原理如图 3 所示。
智能停车重载 AGV 技术
该导航方式的主要优点为引线隐蔽，不易污染和破损，导航原理简单而可靠，无声光干扰，制造成本较低。电磁导航主要缺点是路径更改的灵活性差，调整变动麻烦，感应线圈对周围铁磁物质较敏感。为了克服电磁导航的缺点，很多学者展开了很有意义的研究。 William 等人研究了一种基于已经建立好的磁场强度地图，通过感应设备检测 AGV 周围的磁场强度与已有地图进行匹配，进而得到 AGV 的位姿的一种导航方法 [16]。郑炳坤提出了通过在地面铺设磁带和离散的三段磁带组合的特殊命令形成磁导航方式进行 AGV 的导航方法 [17]，韩金华等人通过护士助手机器人上安装的 8 个磁阻传感器形成的磁尺来检测机器人与铺设的导航线之间的相对位置，从而实现了 AGV 的导航 [18]。这些研究无疑弥补了磁导航柔性差的缺陷，对于一些路线比较简单需要 24 h 连续作业的工况（如发动机等装配生产线），目前配合非接触供电系统的应用在国外还是比较多的。 1） 磁带、磁点导引 磁带导引方式的基本工作原理为：在 AGV 的行驶路径上贴磁带，并进行适当保护，通过磁感应信号实现导引。目前，磁带导引技术非常成熟，应用最为广泛。该引导方式主要优点为改变或扩充路径较容易，磁带安装简单；而主要缺点则为易受 AGV 行走路径周围的金属物质的干扰。此外，因为磁带外露，容易受到机械损伤和污染，导航的稳定性受环境影响较大，因此近年来磁带导引方式在逐渐向磁点（也称磁钉）方式转变， 磁点导航在可靠性(Reliability)、耐久性都方面都有很大提高，其工作原理如图 4 所示。国家重大工程洋山四期自动化深水码头中的大型重载 AGV 即采用了磁点导航方式，是磁点导航最成功的案例，如图 5 所示。
智能停车重载 AGV 技术
智能停车重载 AGV 技术
3） 光学导引 该导引方式的基本工作原理：在 AGV 的行驶路径上涂漆或粘贴色带，通过对光学传感器采入的色带图像信号进行识别实现导引。用 CCD 摄像机和图像处理系统替代普通的光学传感器可以有效提高导引系统的可靠性(Reliability)。 目前，光学导引技术成熟，应用也较为广泛。 该导引方式与磁带导引方式类似，其主要优点为灵活性较好，地面路线设置十分简单；而主要缺点则为易受色带污染和磨损的影响，对环境要求较高，导引可靠性(Reliability)受制于地面条件，定位精度比较低。 为了对光学导引进行改进，很多厂家研发了利用二维码为特征的辅助定位及导航系统，这种模式在国内也被称为视觉导航，但因其不对环境图像进行处理，只利用光学检测原理读取二维码，所以本质上还属于光学辨识的范畴，其原如理图 6 所示。
智能停车重载 AGV 技术
4） 激光导引 该导引方式的工作原理：在 AGV 行驶路径的周围安装位置精确的激光反射板，安装在 AGV 上的激光定位装置发射激光束并且采集由不同角度的反射板反射回来的信号，根据三角几何运算来确定其当前的位置和方向，实现 AGV 的导引。该导引方式的优点是定位精确，能适应复杂的路径条件及工作环境，能快速变更行驶路径和修改运行参数；主要缺点是激光定位装置成本较高， 易受外部光照条件、灰尘、潮湿等的影响。 尽管上述传统的激光三角定位导航方法在户内工作环境中得到了较多应用，但更多应用在轻载、低速、工作范围小的工厂自动化搬运场合。为了拓展激光导引的应用范围，尤其是向高速、重载、开放环境场合发展， 出现了不采用固定反光板、基于激光扫描实时自然环境特征、通过图像辨识自身姿态、位置即时进行路径规划的 SLAM 方法，而其中比较有代表性的方法是 Lu 与Milios[19] 提出基于图优化的 SLAM 方法。 基于 SLAM 方法通过保留所有观测数据帧以及帧间的空间约束关系，将约束看作是随机观测，然后采用最大似然方法估计机器人的位姿。用图节点表示待求解的机器人位姿，用节点间的边来描述位姿间的空间约束关系，则对位姿序列的估计可以转化为图的优化问题， 即通过调整图中节点的位置使其最好地满足边的约束关系。Gutmann 和 Konolige [20] 在 Lu 与 Milios 的基础上提出了高效的环形闭合检测及图构建方法，从而形成了基于图优化的增量式 SLAM 算法框架，包括顺序配准、环形闭合检测以及图优化三部分，实现对 AGV 自身姿态及位置的精确估计值。激光 SLAM 导航技术是目前AGV 导航技术研究热点，尽管有很多学者投入了大量精力 [21-23] ，但由于激光传感器、计算机存储及运算能力的限制，这种方法与实际大规模应用还有很大距离。 5） 视觉导引 视觉导航是指 AGV 通过相机获取环境的图像信息， 完成人工路标或自然路标的识别，从而获取 AGV 在世界坐标系中的位姿而进行下一步运动的导航方式 [24]，目前视觉导航技术主要有基于视觉 SLAM 和基于图像信息的方法。视觉定位技术主要使用单目、双目和 RGBD 这三种相机，利用视觉虽然可以获得更多的环境信息， 但如果没有好的算法，海量的数据运算会对实时性造成很大影响；相对于激光导航虽然相机成本更低，但相机的利用也存在着很多的缺陷和应用限制。如在利用单目相机进行定位时，会存在尺度不确定的问题；利用RGBD 相机进行定位时，它很容易受到光照、遮挡的影响，目前 RGBD 相机还存在测量范围窄、噪声大和视野小等缺陷；在利用双目相机进行定位时，其测量的深度信息和精度会受到基线和分辨率的影响，并且其采集的海量数据需要 CPU 和 FPGA 进行加速后才能得到有用信息。虽然视觉导航技术在实际应用中存在很多缺陷， 但是其潜力和应用前景巨大。 6） 惯性导引 惯性导航是通过 AGV 上配置的诸如陀螺仪、编码器等传感器获得的数据并通过航位推算法计算 AGV 位姿来进行导航的。惯性导航方式简单，但是它最大的缺陷是位姿会随着时间产生累计误差，也就是所谓的漂移现象，在利用惯性导航时必须要借助其他的传感器进行 AGV 的位姿纠正。惯性导引技术是 AGV 领域一项新兴的导引技术，其主要优点是技术先进，定位精度高，灵活性强。随着惯性敏感元件的发展，成本的降低，惯性导引技术也将成为最具有应用前景的 AGV 导引技术。 7） GPS 导引 GPS 卫星导航是利用全球卫星系统来测得以地心坐标系为基准的位置坐标，从而完成导航 [25]，但 GPS 导航的精度受卫星在空中的固定精度和数量以及控制对象周围环境等因素影响，当 AGV 所处环境导致 GPS 信号不可用时，可借助车载激光、摄像头或者编码器来进行位置估计。而针对 GPS 在室内环境或强遮挡环境下不能进行定位问题，有学者研究了 UWB 无线定位技术，类似于 GPS 卫星导航原理，在 AGV 工作空间预先布置多个 UWB 信号发射单元，也称固定单元，而在 AGV 本体上布置 UWB 信号接收及运算单元，也称移动单元，采用类似于激光三角定位的方式根据移动单元与固定单元之间的距离数据对 AGV 姿态及位置进行估计。但目前这种方式的定位精度还很低，暂时难以实现大规模应用。
3 结束语
重载 AGV 技术已经在智能停车领域得到应用，但由于现有条件限制，其承载机构和驱动系统多依赖于进口，要实现智能停车重载 AGV 的大规模应用，还需在动力转向总成及驱动系统等方面进行深入研究，充分考虑环境因素及打破对进口产品的依赖；AGV 控制系统的研究与国外相比还有差距，真正大规模的 AGV 管理调度系统还被国外产品所垄断，而智能停车重载 AGV 在国外尚属空白，国内专家学者可积极在智能停车重载AGV 管理与调度系统方面加大人力及物力的投入，为赶超国际同行起到推动作用；在安全防护方面，智能停车重载 AGV 的设计难度远超轻载、低速传统 AGV，还需进一步探索和创新；在 AGV 导航方面，基础理论研究要落后于国外，并受制于计算机系统的大数据分析能力及传感器技术。随着国内传感器特别是激光扫描设备、惯性导航元件的进步以及计算机处理能力的提高，AGV 导航技术会向可靠、成熟、可大规模应用方向发展，智能重载 AGV 也将带来更大的社会及经济效益。
参考文献 [1] 廖哲，倪俊芳 . 新型仓库自动搬运车的研制 [J]. 江苏电器，2006(2)：13-14，34. [2] 冉文学 . AGV 及 AGVS 的安全装置设计 (AGV)[J]. 物流技术与应用，2000(1)：32-36. [3] 崔丽丽，万翟 . 安全性与自动化并举——激光光电传感器在 AGV 上的应用 [J]. 现代制造，2005(29)：62-65. [4] 徐国保，尹怡欣 , 周美娟 . 智能移动机器人技术现状及展望 [J]. 机器人技术与应用，2007(3)：29-34. [5] 张伦玠 . RGB 传感器制导 AGV 的行走策略研究 [J]. 机床与液压，2005(7)：90-94. [6] 李磊 , 叶涛 , 谭民 , 等. 移动机器人技术研究现状与未来 [J ] .机器人 , 2009 ,24 (5) : 475-480. [7] 叶涛 , 侯增广 , 谭民 , 等 . 移动机器人的滑模轨迹跟踪控制[ J ]. 高技术通讯 , 2004(11) : 71-74. [8] 方强 , 谢存禧 . 基于视觉的移动机器人自主定位导航 [J ] .机床与液压 ,2004 , (17) :40-56. [9] 袁冬莉 , 席庆彪 , 阎建国 , 等 . 联邦卡尔曼滤波器在无人机导航系统中的应用 [J ] . 西北工业大学学报 ,2002 ,20 (2) : 310-313. [10] 姜明 , 李科杰 , 汪光 , 等 . GPS/ 电子地图组合定位技术在侦察机器人系统中的应用 [J ] . 高技术通讯 , 2002 (7) :58-62. [11] 陈无畏 , 李碧春 , 孙海涛 , 等 . 基于视觉导航的 AGV 模糊最优控制研究 [ J ]. 中国机械工程 , 2006, 17 (24) : 2 546- 2 550. [12] 张在房 , 杨新军 , 魏海峰 . 基于多传感器信息融合的 AGV导航系统 [J]. 机械工程，2005(1) ：43，44. [13] 徐俊艳 , 张培仁 . 基于 Backstepp ing 时变反馈和 PID 控制的移动机器人实时轨迹跟踪控制 [ J ]. 电机与控制学报 , 2004（8）：35-38. [14] 宋立博 , 张家梁 , 杨建国 , 等 . 变结构控制方法在 AGV 控制器设计中的应用 [J]. 机械科学与技术，2005，24(4)： 397-399. [15] 陈无畏，施文武，王启瑞，等 . 新型自动引导车导航与控制系统 [J]. 农业机械学报，2003，33(2)：70-73. [16] Kodagoda S, Wijesorna S, Teoh K. Fuzzy speed and steering control of an AGV[J]. IEEE Transactions on Control Systems Technology, 2002,10(1):112-120. [17] 郑斌坤，赖乙宗，叶峰 . 磁导航 AGV 控制系统的设计与研究 [J]. 自动化与仪表，2014，29(3)：6-10. [18] Nakajima H, Haruyama S. New indoor navigation system for visually impaired people using visible light communication[J]. Eurasip Journal on Wireless Communications & Networking， 2013(1)：37. [19] Lu F, Milios E. Globally consistent range scan alignment for environment mapping[J]. Autonomous Robots, 1997, 4(4): 333-349. [20] Gutmann J S, Konolige K. Incremental mapping of large cyclicenvironments[C]//IEEE International Symposium on Computa- tional Intelligence in Robotics and Automation. Piscataway, USA: IEEE, 1999: 318-325. [21] 邹谦. 基于图优化 SLAM 的移动机器人导航方法研究 [D].哈尔滨：哈尔滨工业大学，2016：22,23. [22] Saez J M, Hogue A, Escolano F, et al. Underwater 3D SLAM through entropy minimization[C]//IEEE International Confe- rence on Robotics and Automation. Piscataway, USA:IEEE, 2006: 3 562-3 567. [23] Steder B, Grisetti G, Stachniss C, et al. Visual SLAM for flying vehicles[J]. IEEE Transactions on Robotics, 2008, 24(5): 1 088-1 093. [24] Yan R, Wang H, Yang Y, et al. Monocular vision navigation and control of mobile robot[J]. Aasri Procedia，2014，3 (4)： 707-714. [25] 吴军 . 基于 Internet 的移动机器人远程监控系统的研究与实现 [D]. 武汉：武汉理工大学，2008：21,22. | 
