您好!欢迎光临苏州艾吉威机器人有限公司官网!

艾吉威就是AGV,专注铸就高品质

在线客服
客服热线
400-808-1418
客服组:
在线客服
QQ:
服务时间:
8:30 - 17:30

官方微信

©  苏州艾吉威机器人有限公司 All Rights Reserved     备案号:苏ICP备13041186  

电话:0512-62761452

邮箱:sales@agvsz.com

AGV车型特点和选型指南

分类:
常见问题
来源:
2017/09/04 14:32
浏览量
归纳来讲,艾吉威目前的AGV产品库分为两个大类别,一类是无反光板激光叉车AGV,另一类是磁导航AGV小车。这两种AGV产品类别最大的区别是所用的导航方式不同,AGV小车采用的是磁导航方式,属于有标志的导航技术,而无反光板激光叉车AGV采用的是艾吉威独创的无反光板激光导航技术,属于无标志导航技术。
 
无反光板激光叉车AGV的主要构成部件是叉车本体、无反光板激光导航模块、安全模块和车载控制模块。艾吉威的叉车AGV无需铺设包括反射板、磁条、磁钉、二维码等在内的任何辅助标志,结合车载激光扫描仪扫描当前叉车AGV运行环境,依据SLAM算法确定叉车AGV当前所处位置。
 
无反光板激光自主导航叉车AGV按照叉车本体的结构特征可分为堆垛式激光叉车、搬运式激光叉车和平衡重式激光叉车。每一种叉车类型又根据载重量、升降高度等参数的不同采用同一个类别当中规格不同的叉车本体。若物料提升高度较高的一般采用堆垛叉车AGV;物料较重,基本不需要提升的使用搬运式叉车AGV;平衡重式叉车AGV与前述的两款叉车AGV的区别是叉子下部无支腿,当物料下部无空间时例如田字托盘,使用平衡重式叉车AGV车。
 
AGV小车又包括牵引车、潜伏车和背负车。牵引车款式比较简单,因此没有更多的细分,主要特征是当料车底盘高度低于300mm,AGV小车无法钻到料车下面时,可以在料车前部安装牵引机构,牵引式AGV小车通过牵引机构带动小车运行,完成指定动作;潜伏车型应用面最广,按照驱动数量和行走方向再划分为单驱单向潜伏式、单驱双向潜伏式和双驱双向潜伏式。这种款型的应用特点是当料车的底盘高度高于300mm,在料车底部安装牵引机构,潜伏式AGV小车钻到料车下面,通过车体升降棒连接牵引机构,带动料车工作。通过小车需要运行的流程、现场空间大小、物料载重等综合判断,采用单驱单向、单驱双向或者双驱双向,此小车比较节省空间;背负车最为复杂,因为背负车的移载机构可以千变万化,依据客户实际物料状态来搭载合适的移栽机构。比较典型的背负车型包括滚筒型、链条型、升降型和平台型。艾吉威的另一个特点是重载背负式车型,几吨的物料都可以通过重载背负式AGV实现自动搬运。
 
无论是无反光板激光叉车AGV还是AGV小车,选型依据都要考虑客户现场料车或者托盘的种类及尺寸、空间大小、过道宽窄、物料载重、工作流程、对接平面高度等因素。AGV的选型需要全面考虑应用环境,艾吉威方案工程师一般都会在综合评估应用环境之后再做款型推荐。
 
1.什么是SLAM?
Slam(Simultaneous Localization And Mapping,同时定位和同时建图),即利用传感器来进行机器人(如AGV )的自身定位以及对周围环境的建图。当机器人来到一个陌生的环境中时,它需要迅速的建立自身与环境的关系,“我现在在哪里?”“我要去哪里?”“我从哪里来?”,“我现在要干什么?”“我现在看到的世界是什么样子”“我能在已有的抽象世界中定位我的位置吗?”等一系列问题,依据这些问题,机器人能完美的做出回答即是SLAM方法需要解决的。
 
2.SLAM方法实现的4要素
SLAM方法在实现的时候主要要考虑以下4个方面:
地图表示问题,这个需要根据实际场景需求去抉择
信息感知问题,需要考虑如何全面的感知外界环境,一般SLAM使用外界环境感知传感器分为视觉导航传感器,如摄像机,激光导航传感器,如激光扫描仪。
数据关联问题,不同的传感器的数据类型、时间戳、坐标系表达方式各有不同,需要统一处理。
定位与构图问题,就是指怎么实现位姿估计和建模,这里面涉及到很多数学问题,物理模型建立,状态估计和优化等。
 
3.SLAM分类
SLAM大概可分为激光SLAM(也分2D和3D)和视觉SLAM两大类。
关于激光SLAM 2D,就是SLAM定位时,仅用单线激光传感器,在激光传感器扫描的这一个平面上进行二维定位,在获取精密的二维定位后,在此基础上解算三维激光点云,成为一个完整的空间三维数据。 
同理,激光SLAM 3D,就是要用三维激光传感器,获取三维数据,然后通过三维数据的特征点匹配进行定位,然后在三维定位基础上,来计算和匹配完整的三维数据,最后得到其位姿。
关于视觉SLAM系统主要分为四个模块:摄像头、后端、建图、回环检测。其过程为,视觉SLAM靠一个摄像头来感知周围的世界并评估自身的位姿,它需要利用视觉里程计来通过相邻两张相片计算姿态参数估算距离角度以及恢复图像上各点的位置,由于有累积误差需要后端优化,对于周围环境的感知需要地图构建并配准,然后需要回环检测计算闭合误差并修正,最后得到准确的机器人位姿。
 
4.SLAM的未来
SLAM将来的发展趋势有两大类:一是朝轻量级、小型化方向发展,让SLAM能够在嵌入式或手机等小型设备上良好运行,然后考虑以它为底层功能的应用。因为在绝大多数场合中,真正目的都是实现机器人、AR/VR设备的功能,比如说运动、导航、教学、娱乐,而SLAM是为上层应用提供自身的一个位姿估计。在这些应用中,我们不希望SLAM占用所有计算资源,所以对SLAM的小型化和轻量化有非常强烈的需求。另一方面则是利用高性能计算设备,实现精密的三维重建、场景理解等功能。在这些应用中,我们的目的是完美地重建场景,而对于计算资源和设备的便携性则没有多大限制。