引言

经济发展和商品贸易的快速发展，带来货物流通的吞吐量飞速增长，使得货物安全面临着危爆物品、货物走私、缉毒等多重威胁[1]。为了提高工作效率和精确度，国内的集装箱及港口口岸货物检测技术主要是以移动式信息采集为主的车辆目标信息采集[2-3]，以便于记录车辆目标的信息[4]。

移动式货物检查设备时，多个被检查车辆顺序进入停车通道，排成一列，设备从头到尾进行检查，完成检查后，司机顺序将车辆开走，下一批次司机将车辆顺序开进停车通道，进行信息采集和检查。该检查方式只能进行一个批次的安全检查，通过效率较低。

随着路径规划算法的发展，如何提高移动式车辆检查的效率，是车辆检查领域待解决的问题。

从传统算法来看，人工势场(Artificial Potential Field, APF)算法反应迅速，具有实时性高的优点，且得到的路径比较平滑，但容易陷入局部极小解[5-6]，多用于局部路径的规划，应用于动态环境中具有较好的表现。牛秦玉等人[7]提出一种改进人工势场法，障碍化处理道路边界，通过对密集区域的障碍物进行连锁处理，将AGV与目标点之间的距离函数加入到斥力函数中，在局部极值附近增加一定比例的虚拟障碍物，用于解决目标不可达的问题，也有效地解决了局部极值的问题[8]。

A*算法能够在较短时间内找到可行路径，其收敛性强，但路径折线多且会产生冗余节点[9-10]，导致搜索时间久，搜索效率慢[11]，Gao等人[12]建立一种考虑纠错约束和路径约束的多目标规划模型，将带系数的欧拉距离作为A*的估计代价函数，通过启发式搜索，提高算法的搜索效率，快速规划最优路径。Tong等[13]使用混合算法进行路径规划，先使用A*算法完成全局路径规划，在得到的全局路径上划分出多个子目标点，使用人工势场法进行目标点切换，以完成局部路径规划。在该方法中，当目标点附近有障碍物时，机器人可能无法到达目标点。

基于现有停车场车辆通过率较低的问题，为了提高被检车辆的通过率，依托自主移动机器人，提出一种基于差分GPS+多线激光雷达的停车场区域的车辆全自动自主路径规划方法；依据划定的工作区域及检查通道，建立该场景的电子地图，映射每个停车点经纬度坐标和电子地图节点的关系，建立全局路径规划图；根据安装在机器人外侧边缘角的多线激光传感器，检测工作区域是否有车辆目标，建立局部路径规划图；当工作区域中有目标时，根据机器人的GPS定位和工作区域电子地图，结合用户的开始操作命令，路径规划主控节点自动发送横向行车命令和导向控制命令；在横向行驶时，当车体外边缘角多线激光检测到车辆目标的横向距离小于阈值时，路径规划节点将机器人停在横移方向的下一个停车标志点，发送竖向行车命令，完成机器人的运动控制；若横向前进方向有其他车辆目标，循环整个流程，完成整个工作区域的全自动自主动态路径规划。该方法实现多列车辆目标自动连续信息采集，提升了车辆的通过率，大幅度提高了工作效率。

本文详细内容请下载：

https://www.chinaaet.com/resource/share/2000006680

作者信息：

李建，倪秀琳，许艳伟

（同方威视技术股份有限公司，北京 100084）