该 AGV移动机器人是一种在工业环境下工作并具有自主规划能力的机器人，基于激光 slam的 AGV可以通过构造室内地图，获取室内环境信息，在移动过程中通过传感器实时获取环境信息，并与已知的地图进行匹配，实现位置匹配，从而确定 AGV机器人在环境中的位置。

尽管目前常用的导航系统是激光雷达 slam导航系统，但通常通过结合使用RGB-D辅助相机(三维图像传感器)，激光雷达 slam导航系统主要是对三维环境进行特征点提取和比较。但是，对于一些有特色的场景，如长廊、空白墙较多的场景，这种特征点不明显，因此，对特征点进行匹配时容易产生偏差，甚至产生错误。而上述特征点提取、匹配方法处理起来比较复杂，容错率低，精度难以保证。另外，现有的 slam导航系统采用工业控制计算机系统，具有体积大、功耗高、性能低的特点。
技术实施要素：
其目的在于提供一种 AGV车辆的导航装置和导航方法，以提高 AGV车辆的导航精度和操作速度。
为了达到上述目的，本发明提供一种 AGV汽车导航装置，包括：
采用激光雷达，获取 AGV车辆所在环境平面二维信息；
用于采集 AGV车辆外部环境图像的图像传感器；
该 FPGA芯片系统分别连接到所述激光雷达和图像传感器，用于接收所述激光雷达的平面二维信息以及图像传感器的外部环境图像，并对图像进行处理。
基于本发明的一个方面，该 FPGA芯片系统也被用来获得 AGV车辆的位置点。
基于本发明的一个方面， FPGA芯片系统对从激光雷达中获得的平面二维信息的处理包括构造基于平面二维信息的 AGV车所在环境二维平面图，该图基于该平面信息。
从某一方面看，该 FPGA芯片系统用于处理由该图像传感器采集的外部环境图像，包括在该外部环境图像中对各种对象的属性识别和标记。
基于本发明的某一方面，利用图像语义分割技术，对外部环境图像中的各个对象进行属性识别和单独标注。
按照本发明的一方面，图像传感器为光学相机，它可以获得平面图像。
还提供了一种使用上述 AGV车辆导航装置的导航方法，包括：
FPGA芯片系统根据 AGV汽车所处的环境，根据所述平面的二维信息构造所述 AGV汽车的二维平面图；
FPGA芯片系统对外部环境信息进行图像语义分割，对外部环境图像中的每一个目标对象进行属性识别；
将外部环境图像中经属性识别的每一个物体都与所述二维平面图相匹配，从而获得每一个物体在所述二维平面图中的位置；
通过 FPGA芯片系统，获得 AGV车辆在二维平面图中的位置，并与从S3获得的二维平面图中的各个目标的位置相结合，实现最优路径自动规划。
该 AGV车的导航装置将激光雷达、图像传感器和 FPGA芯片系统结合在一起，通过图像语义分割的方式对周围环境中的目标进行属性识别，有效地保证目标的识别精度和识别速度，从而保证 AGV车的导航精度。
AGV汽车上使用的导航装置，由于采用的是图像语义分割处理的方法，并且是对环境中各种物体进行属性识别，因此，图像传感器采用的是普通照相机(可以用光学照相机拍摄二维图像)。与已有技术相比，RGB-D摄像机(三维图像传感器)在识别物体几何结构方面的属性识别方法更加精确，能够更好地识别物体。用普通相机取代已有的RGB-D相机，操作简便。
该方法采用 FPGA芯片系统，将图像信息处理集成到 FPGA芯片系统中，在提高系统整体稳定性的同时，也使系统整体体积大大减小，无需工控机处理即可直接输出地图、位置等信息，相对于工控机系统的高能耗、大体积，可有效降低功耗，减小体积。本发明充分利用了 FPGA芯片的并行高速处理能力和先进的复杂处理能力，实现了 AGV车的实时对讲，与现有技术相比，大大降低了错误率，有利于在保证导航精度的同时，提高工作效率。
附加图表
图1示意性表示本发明所述 AGV车辆所用导航设备的结构组成示图。
特定执行方法
为更加清楚地说明本发明的实施方式或现有技术中的技术方案，下面将简要地介绍在实施方式中需要使用的附图。很明显，下面所述的附图只是执行本发明的一种方法，对本领域的普通技术人员来说，在不付出创造性劳动的情况下，也可通过这些附图获取其它的附图。
当对本发明的实施方式进行描述时，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”表示方位关系或方位关系，只是为了便于说明本发明的内容，而非表明所指设备或部件必须具有特定的方位关系或方位结构，因此上述术语不能理解为对本发明的限制。
以下结合附图和具体实施方式对本发明进行了详细描述，本发明的实施方式不能在此一一赘述，但本发明的实施方式因此不受以下实施方式的限制。
本发明中 AGV使用的导航装置，如图1所示，按照本发明的实施方式，包括激光雷达1、图像传感器2和 FPGA芯片系统3。利用以太网或 USB技术，将激光雷达1号和图像传感器2号分别与 FPGA芯片系统3号和 FPGA系统3号相连。其中，激光雷达1用于向 FPGA芯片系统3传送 AGV车周围环境的二维信息，2用于向 FPGA芯片系统3传送 AGV车外部环境图像，3用于向 FPGA芯片系统3接收上述信息并进行处理。另外，本发明的 FPGA芯片系统还可用于获取 AGV车辆的位置，并结合信息数据处理结果来实现 AGV车辆的导航功能。
具体地说， FPGA芯片系统3对激光雷达1获取的平面二维信息的处理，包括根据平面二维信息在 AGV车周围构造平面图。具体地说，激光雷达1每条沿圆周方向360°方向的射线表示不同的距离信息，根据所获得的不同距离信息系绘制出二维平面图。
利用 FPGA芯片系统3实现了图像传感器2采集到的外部环境图像的处理，包括外部环境图像中不同对象的属性识别和标记。具体地说，本发明采用图像语义分割的方法，来识别外部环境图像中各对象的属性。图象语义分割技术是一种处理图象的方法，主要是建立多个语义类别，如可行区域、不可行区域、障碍物和人等，然后通过实时接收拍摄的图象，对图象中的每个像素进行标记识别，并根据图像的纹理、亮度等属性，确定每个像素所属的类别(可行区域、不可行区域、障碍物和人)。
AGV汽车上使用的导航装置，由于采用的是图像语义分割处理的方法，并且是对环境中各种物体进行属性识别，因此，图像传感器2采用的是普通照相机即可(可以用光学照相机拍摄二维图像)。与已有技术相比，RGB-D摄像机(三维图像传感器)在识别物体几何结构方面的属性识别方法更加精确，能够更好地识别物体。用普通相机取代已有的RGB-D相机，操作简便。
AGV汽车用导航设备的导航方法如下：S1、 FPGA芯片系统根据 AGV汽车所处环境建立 AGV汽车所处环境的二维平面图；S2、 FPGA芯片系统对外部环境信息进行图像语义分割，对外部环境图像中的每一个物体进行属性识别；S3、 FPGA芯片系统根据S3、 FPGA图像中的属性进行匹配，得到每一个物体在所述二维平面图中的位置；S4、通过 FPGA芯片系统获取 AGV汽车在二维平面图中的位置，并结合S3中获取的二维平面图中每一个物体的最佳路径自动进行规划。
总体而言，是通过 FPGA芯片系统3结合激光雷达1构造环境二维平面图， FPGA芯片系统3结合图像传感器2构造外部环境图像进行语义分割处理，对环境中已经进行图像语义分割的物体进行匹配，得到各自在基于激光雷达1生成的二维平面图上的位置，这样，每当图像传感器2得到环境物体时，就能知道其相对于激光雷达生成的二维平面图上的位置。然后利用 FPGA芯片系统3，将 AGV车辆的位置姿态点和环境语义分割得到的目标标注在二维平面图上，构成节点，形成优化约束条件，并用图优化方法获得 AGV车辆的高精度位置和各种不良目标的位置，从而实现 AGV车辆的运动路径规划。
AGV车的导航器是将激光雷达1、图像传感器2和 FPGA芯片系统3等集成在一起，通过图像语义分割的方法，对周围环境中的目标进行属性识别，有效地保证目标的识别精度和识别速度，从而保证 AGV车的导航精度。
另外，由于采用 FPGA芯片系统3，图像信息处理集成到 FPGA芯片系统3中，在提高系统整体稳定性的同时，也使系统整体体积大大减小，无需工控机处理，即可直接输出地图、位置等信息，相对于工控机系统的高能耗、大体积而言，本发明能有效降低功耗，缩小体积。本发明充分利用了 FPGA芯片的并行高速处理能力和先进的复杂处理能力，实现了 AGV车的实时对讲，与现有技术相比，大大降低了错误率，有利于在保证导航精度的同时，提高工作效率。
上述方法只是本发明的一种方案，并没有用来对本发明进行限制，对本领域内的技术人员而言，本发明可以进行多种修改和改变。凡是在本发明的精神和原则范围内，对其进行的任何修改、等同替换、改进等，都应受本发明的保护。
一场比赛，一场比赛