2. AGV基础与运动学模型

AGV（自动导引车）的运动控制算法部署，其底层逻辑高度依赖于对车辆本体运动学模型的准确理解。无论是差速驱动、舵轮驱动还是麦克纳姆轮全向驱动，其控制指令的生成、路径跟踪的精度以及防打滑策略的制定，都源于对“坐标系定义”和“刚体运动学约束”的数学描述。本章将系统梳理AGV的三大主流底盘类型，建立全局与局部坐标系之间的映射关系，并推导出描述车辆位姿变化的核心约束方程，为后续章节中的控制算法设计奠定坚实的数学与物理基础。

2.1 AGV底盘类型与选型分析

2.1.1 核心原理：三大驱动方式的运动学本质

AGV的运动能力由其底盘驱动结构决定。在工业与物流场景中，差速驱动、舵轮驱动与麦克纳姆轮驱动是三种最主流的方案。差速驱动通过控制左右两个独立驱动轮的转速差实现转向，其运动学模型表现为典型的非完整约束系统——车辆只能沿当前朝向方向运动，不能直接侧向平移。舵轮驱动则将驱动电机与转向电机集成于一个轮组中，通过改变舵轮朝向角与驱动速度，使车辆具备更高的路径灵活性，但其运动学模型引入了转向角的非线性耦合。麦克纳姆轮依靠轮毂上呈45°排列的从动辊子，将轮子的旋转分解为沿辊子方向的力与垂直于辊子方向的力，从而在平面内合成任意方向的运动矢量，实现全向移动，其模型属于完整约束系统。

2.1.2 选型判断方法

在实际项目选型中，需从负载能力、运动精度、地面适应性与成本四个维度综合评估。差速驱动结构简单、成本最低，但重载时万向轮磨损严重，且转向时存在较大的横向滑动。舵轮驱动承载能力强，转向精度高，但机械结构复杂，控制算法需处理转向角与驱动速度的同步问题。麦克纳姆轮运动灵活性最高，但对地面平整度要求苛刻，辊子易磨损，且四个轮子的转速分配必须精确，否则会产生内力损耗。

2.1.3 案例拆解：差速AGV在窄通道中的转向控制

某3C电子工厂的产线物料配送AGV，采用差速驱动底盘，车体尺寸1200mm×800mm，轮距L=600mm，轮径R=150mm。在宽度仅1.5m的通道内，AGV需要完成90°直角转弯。初始方案直接使用PID控制左右轮速，但发现转弯时车辆外摆严重，偏离目标路径最大达120mm。分析发现，差速模型中的瞬时旋转中心（ICR）位于两驱动轮轴线连线的中点，转弯半径由左右轮速比决定。若仅控制轮速而不考虑车体姿态角θ的积分误差，转弯轨迹会因地面摩擦不均产生漂移。改进方案为：在运动学模型中引入前馈补偿——根据目标转弯半径R_t，计算左右轮速v_L = v_c·(1 - L/(2R_t))，v_R = v_c·(1 + L/(2R_t))，并加入姿态角闭环修正。调整后，转弯偏差降至15mm以内，满足产线对接要求。

2.1.4 常见误区与总结

• 误区一：认为差速AGV无法实现原地旋转。实际上，当左右轮速大小相等、方向相反时，车辆绕ICR原地旋转，但需注意地面摩擦阻力可能导致的打滑。
• 误区二：忽略舵轮偏置距（舵轮转向轴线与轮子接地点的距离）。该参数会导致车辆在转向时产生附加横摆力矩，必须在模型中补偿。
• 误区三：麦克纳姆轮全向移动时，若四个轮子的转速不满足约束方程，会产生“内耗”现象，表现为异常噪音和辊子加速磨损。

2.2 坐标系定义与位姿变换

2.2.1 核心原理：全局坐标系与车体坐标系

运动学建模的第一步是定义坐标系。通常建立两个正交坐标系：全局坐标系（Global Frame, {G}）固定于地面，用于描述AGV在环境中的位置与朝向；车体坐标系（Robot Frame, {R}）固连于AGV车体，原点位于车辆几何中心（或驱动轮轴线中点），X轴指向车头前进方向，Y轴指向车体左侧。AGV的位姿（Pose）在全局坐标系中表示为 q = [x, y, θ]ᵀ，其中(x, y)为车体坐标系原点在全局系中的坐标，θ为车体朝向角（X_R轴与X_G轴的夹角，逆时针为正）。

两个坐标系之间的变换关系是运动学推导的基础。设车体坐标系中某点P的坐标为 p_R = [x_R, y_R]ᵀ，则该点在全局坐标系中的坐标 p_G 可通过旋转矩阵与平移向量计算：

p_G = R(θ) · p_R + t_G
其中：
R(θ) = [cosθ, -sinθ;
         sinθ,  cosθ]
t_G = [x, y]ᵀ

这一变换关系在后续的路径跟踪、传感器融合（如激光雷达点云投影）中反复使用。

2.2.2 位姿变换的操作流程

1. 标定初始位姿：AGV上电后，通过反光板、磁条或激光SLAM确定其在全局坐标系中的初始(x, y, θ)。
2. 实时位姿更新：利用编码器或IMU数据，通过航位推算法（Dead Reckoning）递推位姿。核心公式为：ẋ = v·cosθ，ẏ = v·sinθ，θ̇ = ω。
3. 坐标对齐：当AGV需要与外部设备（如机械臂、货架）对接时，需将设备在全局系中的坐标转换到车体系，以生成控制指令。

2.2.3 案例拆解：激光SLAM中的坐标变换

某AGV搭载2D激光雷达，雷达安装于车体前方，安装偏移量为(0.3m, 0.1m)，安装角为0°。在全局坐标系中，AGV当前位姿为(2.0m, 1.0m, 30°)。激光雷达检测到前方障碍物在雷达坐标系中的距离为1.5m，角度为10°。为计算障碍物在全局坐标系中的位置，需先将其转换至车体系，再转换至全局系。计算过程：障碍物在雷达系坐标p_L = [1.5·cos10°, 1.5·sin10°]ᵀ = [1.477, 0.260]ᵀ；转换至车体系p_R = p_L + [0.3, 0.1]ᵀ = [1.777, 0.360]ᵀ；再通过旋转矩阵R(30°)转换至全局系，最终得到障碍物全局坐标约为(3.34, 2.18)。该计算是避障与路径规划的基础。

2.2.4 常见误区与总结

2.3 刚体运动学与约束方程

2.3.1 核心原理：从轮速到位姿的映射

刚体运动学描述的是AGV作为刚体在平面内的运动，其瞬时速度可由线速度v（沿车体X_R方向）与角速度ω（绕车体Z轴）完全描述。对于差速驱动AGV，左右轮速v_L、v_R与车体速度的关系为：

v = (v_L + v_R) / 2
ω = (v_R - v_L) / L

其中L为轮距。该方程即为差速AGV的逆运动学模型（由车体速度求轮速）。反之，由轮速求车体速度称为正运动学模型。对于麦克纳姆轮AGV，四个轮子的转速与车体速度的关系为：

v_1 = (1/R)·(v_x - v_y - ω·(a+b))
v_2 = (1/R)·(v_x + v_y + ω·(a+b))
v_3 = (1/R)·(v_x + v_y - ω·(a+b))
v_4 = (1/R)·(v_x - v_y + ω·(a+b))

其中a为轮子到车体中心的纵向距离，b为横向距离，R为轮径。该方程组的系数矩阵即为雅可比矩阵J。

2.3.2 约束方程的分类与判断

运动学约束分为完整约束与非完整约束。完整约束直接限制位姿坐标（如麦克纳姆轮可实现任意方向平移，无位置约束）；非完整约束限制的是速度方向（如差速AGV不能横向移动，即满足方程：ẋ·sinθ - ẏ·cosθ = 0）。判断方法：若约束方程可积分成位姿坐标的代数方程，则为完整约束；否则为非完整约束。差速与舵轮AGV均存在非完整约束，这决定了其路径规划必须考虑曲率连续性。

2.3.3 案例拆解：麦克纳姆轮AGV的精确对接

某新能源电池生产线，AGV需将电池包精准送入测试台，对接精度要求±2mm。AGV采用麦克纳姆轮底盘，车体尺寸1500mm×1200mm，a=600mm，b=500mm，轮径R=100mm。在对接过程中，AGV需要同时进行横向平移（v_y=0.2m/s）与纵向微调（v_x=0.05m/s），并保持姿态角不变（ω=0）。根据逆运动学方程，计算得四个轮子的目标转速分别为：v_1 = (0.05 - 0.2)/0.1 = -1.5 rad/s，v_2 = (0.05 + 0.2)/0.1 = 2.5 rad/s，v_3 = (0.05 + 0.2)/0.1 = 2.5 rad/s，v_4 = (0.05 - 0.2)/0.1 = -1.5 rad/s。实际部署中发现，由于地面不平整导致个别轮子打滑，实际位移与期望值偏差达5mm。解决方案：在运动学模型基础上增加闭环反馈——通过激光定位传感器实时测量实际位姿，计算位姿误差，并映射为速度修正量叠加到前馈控制量上。最终对接精度稳定在±1.5mm。

2.3.4 常见误区与总结复盘

• 误区一：将差速模型直接套用于舵轮AGV。舵轮AGV的转向角φ是额外的状态变量，其运动学方程需扩展为[ẋ, ẏ, θ̇, φ̇]ᵀ = f(v, ω, φ)，控制维度更高。
• 误区二：忽略麦克纳姆轮辊子的滑动。在高速或急加速时，辊子与地面的摩擦力可能不足以提供所需加速度，导致实际运动偏离模型预测。
• 总结：运动学模型是AGV控制的理论基石。在部署算法前，必须完成底盘参数标定、坐标系统一、约束方程验证三项基础工作。建议在仿真环境（如MATLAB/Simulink或Gazebo）中先验证模型正确性，再迁移至实车。