随着科学技术的发展，企业生产技术不断提高、对自动化要求不断加深的环境下，非道路户外智能物流车已经成为自动化物流运输的关键设备，世界上许多国家都在积极进行智能物流车的研究和开发设计，在以欧美为代表的工业自动化水平较高的发达国家, AGV运输车已得到了广泛应用, 而国内, 虽在AGV运输车方面投入较多的资金做研究, 但仍然无法满足日益发展的运输需求, 具有较大的发展空间。伴随中国经济和科技的迅速发展, 国民生产各个环节所要求的自动化水平也越来越高。传统的生产企业采取钢轨运输车、人工推拉板车或者人工驾驶电瓶车等实现车间生产线之间的物料搬运, 这种运输工具及运输方式因具有噪音大、投资高、效率低下及安全性差等缺点而会逐渐被淘汰。进入21世界以来, 计算机技术、传感器技术、自动控制技术及通信技术等的飞速发展及相互融合为解决传统车间物料运输所面临的诸多难题提供了希望。近年来, 室外自主移动机器人利用视觉进行环境感知成为机器人领域的研究热点之一。室外光照度变化大、气候条件多变、机器人的可通行区域不规则等不确定性为室外移动机器人的视觉导航带来诸多富有挑战性的难题。非道路户外智能物流车，是一个集环境感知、规划决策等功能于一体的综合系统，而导引系统系统设计是其中非常重要的部分，他的功能就是利用各种传感器来获得车辆周围环境的状态信息，并结合控制系统完成导引，最终完成物流全程。本设计与实际相结合，具有很强的现实意义。

2. 研究的基本内容与方案

1. 系统总体描述

采用小型陆地自主车作为研究平台, 该机器人由4个模块组成:运动底盘模块、电源及驱动模块、传感器模块、控制计算机模块。

2.道路图像的小波分析

2.1道路图像的小波域建模

基于小波变换的多尺度图像分析法能够提供对边缘的尖锐和平滑程度的估计。假设道路数字图像I是大小为M×N的格网, 共有l个波段。对机器人检测到的道路图像作S'层小波分解, 每一小波尺度空间标号用层号s (s∈[0, …, S'-1]) 表示。分解后的图像记为L。图像的小波分解相当于对每个波段分别进行小波分解后再累加。

2.2 最佳低分辨率尺度空间选择

受压缩采样思想的启发, 结合移动机器人视觉特点, 尝试在低分辨率空间中进行道路感知。首先在不同尺度中做道路图像的近似重构实验, 方法为:将单幅原始道路图像作2维小波分解, 只选择LL部分作为重构图像, 在各种级别的重构图像上进行灰度阈值分割实验。用bior3.7对道路图像进行6个尺度上的分解实验。

3.道路图像分割的遗传算法

3.1 算法流程