📚 课程目录第3章 AGV基础知识

3、AGV基础知识：AGV的类型（差速、舵轮、麦克纳姆轮）、运动学模型、传感器配置（激光雷达、相机、IMU）、常见应用场景与仿真需求分析

在进入Isaac Sim搭建AGV仿真环境之前，必须先厘清AGV的本体属性与感知配置。仿真不是对物理世界的简单复刻，而是对关键动力学特征、传感器噪声特性和任务约束的抽象建模。本章从AGV底盘类型出发，逐一拆解运动学模型、传感器配置逻辑，并结合典型应用场景分析仿真需求，为后续在Isaac Sim中构建数字孪生提供理论依据。

上图展示了AGV仿真建模的核心要素框架：底盘类型决定运动学约束，运动学模型决定控制逻辑，传感器配置决定感知输入，而应用场景则决定仿真环境的复杂度与保真度要求。四者相互耦合，必须在仿真搭建前统一规划。

3.1 AGV底盘类型与运动学模型

3.1.1 差速驱动AGV

核心原理：差速驱动AGV采用两个独立驱动的主动轮（通常位于车体两侧中轴线上），配合一个或多个万向从动轮。通过控制左右轮转速差实现转向，最小转弯半径可为零（原地旋转）。其运动学模型基于刚体平面运动假设，状态量通常为车体中心位置 (x, y) 和航向角 θ，控制量为左右轮线速度 v_L 和 v_R。

// 差速AGV运动学方程（车体坐标系）
v = (v_R + v_L) / 2
ω = (v_R - v_L) / L_w   // L_w为轮距
ẋ = v * cos(θ)
ẏ = v * sin(θ)
θ̇ = ω

判断方法：当应用场景要求AGV在狭窄通道内灵活转向、频繁原地掉头时，差速驱动是首选。其控制算法简单（PID即可），但直线行驶时容易受轮径差异和地面不平影响发生跑偏，需要编码器反馈进行纠偏。

在Isaac Sim中，差速AGV的仿真重点在于轮地接触参数的设置——轮胎摩擦系数、地面滚动阻力、悬挂刚度都会显著影响直线行驶稳定性。建议使用PhysX引擎的“轮胎模型”组件，并设置合理的“摩擦锥”参数。

3.1.2 舵轮驱动AGV

核心原理：舵轮AGV将驱动电机与转向电机集成在一个舵轮总成中，通常配置1-2个舵轮（前轮转向+驱动）和2个从动轮。其运动学模型类似自行车模型，前轮转角 δ 和驱动速度 v 为控制量，后轴中心为参考点。

// 舵轮AGV运动学（自行车模型）
β = atan(tan(δ) * l_r / (l_f + l_r))  // 质心侧偏角
ẋ = v * cos(θ + β)
ẏ = v * sin(θ + β)
θ̇ = v * sin(β) / l_r

判断方法：舵轮AGV适合重载、长距离直线运输场景（如港口集装箱搬运），其行驶稳定性好、承载能力强，但结构复杂、成本高，且最小转弯半径较大（通常为车长的1.5-2倍）。

3.1.3 麦克纳姆轮AGV

核心原理：麦克纳姆轮在轮毂外周安装成45°角的从动辊子，通过四个独立驱动轮的转速组合实现全向移动（前后、左右、旋转）。其运动学模型为4×3逆雅可比矩阵，将车体速度映射到四个轮速。

// 麦克纳姆轮逆运动学（轮速计算）
// 设车体速度 (vx, vy, ω)，轮距半宽 a，轴距半长 b，辊子角 γ=45°
v1 = (1/R) * (vx - vy - (a+b)*ω)
v2 = (1/R) * (vx + vy + (a+b)*ω)
v3 = (1/R) * (vx + vy - (a+b)*ω)
v4 = (1/R) * (vx - vy + (a+b)*ω)

判断方法：当工位间距小、需要AGV侧移或斜向运动时（如3C电子产线），麦克纳姆轮具有无可替代的优势。但其对地面平整度要求极高，辊子易磨损，且能耗比差速高约20%-30%。

底盘类型	自由度	最小转弯半径	承载能力	控制复杂度	典型场景
差速驱动	2 (x, y, θ 非完整约束)	0（可原地旋转）	中低（≤500kg）	低	仓储拣选、医院配送
舵轮驱动	2 (x, y, θ 非完整约束)	1.5-2倍车长	高（≥1t）	中	港口、重载工厂
麦克纳姆轮	3 (x, y, θ 全向)	0（全向移动）	中（≤800kg）	高	3C产线、航天装配

3.2 传感器配置与仿真建模要点

3.2.1 激光雷达（LiDAR）

核心原理：激光雷达通过发射激光束并测量反射时间差计算障碍物距离，生成二维点云（2D LiDAR）或三维点云（3D LiDAR）。在AGV中主要用于SLAM建图、定位和避障。仿真中需关注扫描频率、角分辨率、最大/最小量程、噪声模型（高斯噪声+离群点）。

在Isaac Sim中，使用“Lidar”传感器组件时，建议开启“Physics”模式，使激光射线与物理碰撞体交互，而非仅与视觉网格交互。否则仿真中的点云会穿透薄壁障碍物，导致导航算法误判。

3.2.2 相机（RGB/深度）

核心原理：相机提供丰富的视觉信息，用于二维码识别、货架检测、行人避让等。深度相机（如RealSense、Kinect）额外提供深度图，可用于三维重建和障碍物高度检测。仿真中需模拟镜头畸变、曝光、运动模糊等光学效应。

// 相机仿真参数配置示例（Isaac Sim）
camera_params = {
    "resolution": (1280, 720),
    "fov": 60.0,           # 水平视场角
    "focal_length": 6.0,   # 毫米
    "sensor_size": (6.3, 3.6),
    "noise_model": "gaussian",
    "noise_sigma": 0.02    # 像素噪声标准差
}

3.2.3 惯性测量单元（IMU）

核心原理：IMU由加速度计和陀螺仪组成，测量三轴加速度和三轴角速度。在AGV中用于航位推算、姿态估计和与LiDAR/相机融合。仿真中需模拟零偏（bias）、比例因子误差、随机游走噪声和温度漂移。

IMU仿真中最常见的错误是忽略“重力加速度”的分离。在Isaac Sim中，IMU传感器默认输出包含重力分量（即比力），必须在后处理中减去重力向量，否则融合算法会发散。

3.3 常见应用场景与仿真需求分析

3.3.1 仓储物流场景

场景特征：货架密集、通道狭窄（≤1.2m）、地面平整、路线相对固定。仿真需求包括：高精度地图构建（≤2cm误差）、动态障碍物（其他AGV、人员）避让、多AGV交通管制。

仿真重点：需要模拟货架底部空间（AGV钻入货架底部顶升）、货架与AGV的碰撞交互、以及多AGV协同调度时的通信延迟。

3.3.2 工厂产线配送场景

场景特征：工位密集、物料种类多、节拍要求高（≤30秒/趟）。仿真需求包括：精准停靠（±5mm）、与产线设备（如传送带、机械臂）的联动、异常处理（物料掉落、路径阻塞）。

仿真重点：需要模拟地面油污、金属碎屑等导致轮胎打滑的情况，以及电磁干扰对传感器的影响。建议在Isaac Sim中设置“脏地面”材质属性，降低摩擦系数并增加随机扰动。

3.3.3 户外园区/港口场景

场景特征：路面不平、坡度变化、天气影响（雨雪、强光）、GPS信号弱。仿真需求包括：多传感器融合定位（LiDAR+IMU+轮式里程计）、爬坡能力验证、防水防尘等级模拟。

仿真重点：需要模拟不同光照条件下的相机成像质量、雨滴对LiDAR点云的噪声影响、以及轮胎在湿滑路面的附着系数变化。Isaac Sim的“天气系统”模块可调节雨量、风速和光照强度。

应用场景	核心传感器	仿真保真度要求	关键仿真参数	验证指标
仓储物流	2D LiDAR + 编码器	中高	货架间隙、地面摩擦	定位精度、任务完成率
工厂产线	相机 + 2D LiDAR	高	停靠精度、动态障碍物	节拍时间、碰撞次数
户外园区	3D LiDAR + IMU + RTK	极高	坡度、光照、天气	轨迹跟踪误差、能耗

3.4 案例拆解：差速AGV在窄通道仓库中的仿真参数调优

背景与约束：某电商仓库通道宽度仅1.1m，AGV（差速驱动，车宽0.8m）需在通道内完成直线行驶、90°转弯和原地掉头。初始仿真中，AGV频繁出现转向过度、擦碰货架的问题。

初始现象：在Isaac Sim中运行默认物理参数时，AGV以0.8m/s速度转弯时侧滑严重，实际转弯半径比理论值大30%；原地旋转时车体中心偏移超过15cm。

关键输入数据：

轮胎-地面摩擦系数：默认值 μ=0.8（干燥混凝土）
轮胎刚度：默认 100 N/mm
AGV质量：300kg（含负载）
轮距：0.6m，轮径：0.2m

分析判断过程：通过对比仿真日志与理论运动学模型，发现侧滑主要源于轮胎侧偏刚度设置过低。差速AGV转弯时依靠轮胎侧向力提供向心力，若侧偏刚度不足，轮胎会产生较大侧偏角，导致实际轨迹偏离预期。

实际操作步骤：

将轮胎侧偏刚度从默认值 50 N/deg 提升至 120 N/deg（参考同尺寸实车数据）
将轮胎纵向摩擦系数调整为 μ=1.0（模拟仓库环氧树脂地面）
在Isaac Sim中启用“轮胎热模型”，使摩擦系数随温度微调
增加悬挂系统阻尼（从 500 N·s/m 调至 1200 N·s/m），减少车身侧倾

结果对比：调优后，AGV在0.8m/s速度下的实际转弯半径误差从30%降至4%；原地旋转中心偏移从15cm降至2cm，满足仓库±3cm的导航精度要求。

风险与代价：提高侧偏刚度后，AGV在遇到地面凸起时冲击力增大，需要加强悬挂系统结构强度。此外，仿真参数调优后需重新验证能耗表现，因为摩擦系数增加导致驱动电机电流上升约8%。

复盘经验：差速AGV仿真中，轮胎侧偏刚度是影响转向精度的第一敏感参数，其值应通过轮胎实验数据或同型号AGV标定获得，不可使用默认值。同时，仿真验证必须包含“最恶劣工况”——如满载、地面微湿、轮胎磨损50%等组合条件。

在Isaac Sim中，可通过“Physics → Material Properties”面板批量设置不同区域的地面材质（如环氧树脂、水泥、防滑涂料），并在同一场景中对比AGV在不同材质上的表现，从而优化控制参数。

3.5 常见误区与总结复盘

误区一：忽略非完整约束的仿真实现。差速和舵轮AGV属于非完整约束系统，其运动学方程是速度层面的约束，而非位置层面的。在Isaac Sim中，如果直接使用“Articulation”组件驱动轮子而不施加正确的速度约束，会导致仿真中的AGV出现“横向滑移”的物理不真实行为。

误区二：传感器噪声模型过于理想化。许多初学者在仿真中直接使用无噪声的LiDAR和IMU数据，导致导航算法在仿真中表现优异，但迁移到实车后性能急剧下降。建议在仿真中至少加入高斯噪声、随机离群点和时间延迟。

误区三：忽略传感器之间的时间同步。AGV融合定位依赖LiDAR、IMU、编码器的时间对齐。在Isaac Sim中，不同传感器默认使用不同的更新频率（如LiDAR 10Hz、IMU 200Hz），必须通过“Synchronization”组件统一时间戳，否则融合算法会产生严重的估计误差。

误区四：场景复杂度与仿真速度的平衡。高保真物理材质、大量动态障碍物、高分辨率相机渲染会显著降低仿真速度（可能从实时降至0.3倍速）。建议采用“分层仿真”策略：算法验证阶段使用简化物理模型，参数调优阶段逐步增加保真度。

总结：AGV仿真环境的搭建必须从底盘运动学模型出发，明确控制输入与状态输出的数学关系；传感器配置需根据应用场景选择关键传感器并合理建模噪声特性；仿真需求分析应聚焦于任务相关的物理交互和感知挑战。在Isaac Sim中，充分利用其PhysX物理引擎、传感器仿真组件和场景编辑器，可以构建出既高效又保真的AGV测试环境。下一阶段将进入Isaac Sim的基础操作与场景搭建实操。