自动导航运输车是一类通过传感器探测地形,实现在物理空间中定向移动的自动机器人车辆。AGV避障为该领域的研究重点之一,其主要内容是在实际的生产环境中,AGV能够按照特定的避障策略,保证车辆能够无碰撞地从起点运行到终点。AGV避障方法中的一个核心技术就是障碍物识别:探测和分析空间环境,定位环境中的障碍物信息。环境探测是AGV进行障碍物识别的前提条件,机器人可以通过计算机视觉来获取实时环境数据。本论文采用Kienct作为主传感器获取深度图,再运用梯度检测和DBSCAN聚类算法分析环境中的障碍物,然后将分类后的障碍信息映射到栅格图中,最后采用D*寻路算法完成AGV的路径规划。本论文的主要内容为:1.根据AGV车辆生产环境的特殊性,采用ARM架构的树莓派作为AGV的主控制器。由于Kinect摄像头缺乏在ARM平台上的设备驱动,先自主编写完成ARM平台上的Kinect设备驱动。2.引入梯度检测算法作为地平面检测手段,结合深度图梯度检测算法和DBSCAN聚类算法,快速有效地解析深度数据。首先阐述了Kienct和其生成深度图的原理,再提出了深度图像的梯度概念,以地平面和物体间的三维空间关系作为参考信息,运用梯度检测算法快速区分可行驶区域和障碍。3.设计了基于Kinect深度摄像头和ARM架构树莓派主控制器的AGV系统的整体框架。AGV利用Kienct探测运行环境,获取物体分布数据生成深度图。并利用经梯度检测和聚类算法处理后的深度图,生成描述AGV与障碍间位置关系的栅格图,最后运用启发式的D*路径规划方法的辅助下,进行AGV的动态路径规划。