引言

經濟發展和商品貿易的快速發展，帶來貨物流通的吞吐量飛速增長，使得貨物安全面臨著危爆物品、貨物走私、緝毒等多重威脅[1]。為了提高工作效率和精確度，國內的集裝箱及港口口岸貨物檢測技術主要是以移動式信息采集為主的車輛目標信息采集[2-3]，以便于記錄車輛目標的信息[4]。

移動式貨物檢查設備時，多個被檢查車輛順序進入停車通道，排成一列，設備從頭到尾進行檢查，完成檢查后，司機順序將車輛開走，下一批次司機將車輛順序開進停車通道，進行信息采集和檢查。該檢查方式只能進行一個批次的安全檢查，通過效率較低。

隨著路徑規劃算法的發展，如何提高移動式車輛檢查的效率，是車輛檢查領域待解決的問題。

從傳統算法來看，人工勢場(Artificial Potential Field, APF)算法反應迅速，具有實時性高的優點，且得到的路徑比較平滑，但容易陷入局部極小解[5-6]，多用于局部路徑的規劃，應用于動態環境中具有較好的表現。牛秦玉等人[7]提出一種改進人工勢場法，障礙化處理道路邊界，通過對密集區域的障礙物進行連鎖處理，將AGV與目標點之間的距離函數加入到斥力函數中，在局部極值附近增加一定比例的虛擬障礙物，用于解決目標不可達的問題，也有效地解決了局部極值的問題[8]。

A*算法能夠在較短時間內找到可行路徑，其收斂性強，但路徑折線多且會產生冗余節點[9-10]，導致搜索時間久，搜索效率慢[11]，Gao等人[12]建立一種考慮糾錯約束和路徑約束的多目標規劃模型，將帶系數的歐拉距離作為A*的估計代價函數，通過啟發式搜索，提高算法的搜索效率，快速規劃最優路徑。Tong等[13]使用混合算法進行路徑規劃，先使用A*算法完成全局路徑規劃，在得到的全局路徑上劃分出多個子目標點，使用人工勢場法進行目標點切換，以完成局部路徑規劃。在該方法中，當目標點附近有障礙物時，機器人可能無法到達目標點。

基于現有停車場車輛通過率較低的問題，為了提高被檢車輛的通過率，依托自主移動機器人，提出一種基于差分GPS+多線激光雷達的停車場區域的車輛全自動自主路徑規劃方法；依據劃定的工作區域及檢查通道，建立該場景的電子地圖，映射每個停車點經緯度坐標和電子地圖節點的關系，建立全局路徑規劃圖；根據安裝在機器人外側邊緣角的多線激光傳感器，檢測工作區域是否有車輛目標，建立局部路徑規劃圖；當工作區域中有目標時，根據機器人的GPS定位和工作區域電子地圖，結合用戶的開始操作命令，路徑規劃主控節點自動發送橫向行車命令和導向控制命令；在橫向行駛時，當車體外邊緣角多線激光檢測到車輛目標的橫向距離小于閾值時，路徑規劃節點將機器人停在橫移方向的下一個停車標志點，發送豎向行車命令，完成機器人的運動控制；若橫向前進方向有其他車輛目標，循環整個流程，完成整個工作區域的全自動自主動態路徑規劃。該方法實現多列車輛目標自動連續信息采集，提升了車輛的通過率，大幅度提高了工作效率。

本文詳細內容請下載：

http://www.tom3567.com/resource/share/2000006680

作者信息：

李建，倪秀琳，許艷偉

（同方威視技術股份有限公司，北京 100084）