田星星， 涂玲英， 周意入， 秦 宇

(湖北工业大学电气与电子工程学院，湖北 武汉 430068)

随着电子商务的迅猛发展，现代化物流快件搬运已成为智能化转型的热点研究问题[1-2]。国内第一台AGV由北京起重运输机械研究所研制，采用电磁导航的方式，该定位方式保养维修困难且易受外界干扰。2013年，沈阳新松公司向市场展示了一种新型惯性导航方式的AGV,其绝对定位的方式产生的误差具有累积性，精确度比较低[3-5]。2015年，阿里天猫Geek+团队和国外亚马逊公司相继研发的仓储AGV与“Kiva”机器人，均采用二维码进行定位与导航，成功将机器视觉技术应用于AGV，但同时二维码类型图案在工业场地上铺设保养不方便[6-7]。

在机器视觉领域，Ross B.Girshick[8]相继提出了R-CNN、Fast R-CNN和Faster R-CNN这一系列目标检测算法，其中Faster R-CNN可以看做是RPN和Fast R-CNN的结合，且用RPN完全替代了Selective Search算法生成候选框，但只在单层卷积层的feature map上生成候选框且RPN和最后的分类与回归层都各自用目标函数进行分类与回归，导致运算量还是偏大，精度仍不高。

为改进上述问题, 在Faster-RCNN的网络模型基础上增加卷积层，在多层卷积层的feature map上生成候选框且用两个3×3卷积核分别进行卷积运算，直接进行分类和回归。该改进的Faster-RCNN检测到所设计导航图案中目标的区域后，再通过Harris角点检测算法提取目标区域的参考角点，继而使用PnP算法计算出快件搬运机器人的坐标位置和偏转角。最后，通过仿真设计的实验对其有效性进行验证。

1 快件搬运机器人模型

图1为快件搬运机器人模型三维图，基本结构主要分为驱动结构和举升结构两个部分。……