一种基于kinect视觉的AGV导航方法技术

本发明专利技术公开了一种基于kinect视觉的AGV导航方法，为各AGV预设行走路径；当AGV活动范围上方的kinect仪实时获取图像，并且构建出二维地图；通过每帧图像的AGV轮廓对各AGV进行追踪。每当获取到当前帧图像时，通过当前帧图像和上一帧图像计算出各AGV轮廓走偏的斜率，确定是否要对AGV的当前行走轨迹进行修正；每当获取到当前帧图像时，通过计算相同行走方向的相邻两部AGV之间距离确定是否要控制AGV的行走，同时通过判断AGV活动范围内每一位置在下一时刻是否会有多部AGV同时到达控制各AGV的行走；本发明专利技术方法通过Kinect视觉进行全局定位，能够进行合理有效的智能避障。

A AGV navigation method based on Kinect vision

The invention discloses an AGV navigation method based on Kinect vision, which presets the walking path for each AGV; when the Kinect instrument above the AGV activity range acquires the image in real time, and constructs a two-dimensional map; and tracks the AGV through the AGV contour of each image. Whenever the current frame image is captured, the slope of each AGV contour is calculated from the current frame image and the previous frame image to determine whether the current trajectory of AGV should be corrected; whenever the current frame image is captured, the distance between two adjacent AGVs in the same direction is calculated to determine whether the row of AGV should be controlled. At the same time, by judging whether there will be more than one AGV in each position within the range of AGV activity at the next moment, the method of the invention can achieve reasonable and effective intelligent obstacle avoidance by global positioning through Kinect vision.

【技术实现步骤摘要】
一种基于kinect视觉的AGV导航方法
本专利技术涉及一种AGV导航方法，特别涉及一种基于kinect视觉的AGV导航方法。
技术介绍
传统人力和半机械化的工厂物流方式成本高、效率低，无法满足生产自动化和智能化的要求。AGV(AutomatedGuidedVehicle)作为一种新型智能物流设备，具有高自动化、高一体化、高灵活性等特点，能够很快捷地与各类RS/AS入/出口、生产线、装配线、输送线、站台、货架、作业点等有机结合；能够根据不同的需求，以不同的组合，实现各种不同的功能；能最大限度地缩短物流周转周期，降低物料的周转消耗，实现来料与加工、物流与生产、成品与销售等的柔性衔接，最大限度地提高生产系统的工作效率,现已广泛应用于仓储业、制造业等行业中。近年来，电商行业的发展势不可挡，而物流又是该行业及其重要的部分，物流分拣的效率很大程度上影响着行业的发展速度。传统工业会逐渐被取代，跟不上行业的发展，机器人来代替人工，提高效率和准确性，降低成本是发展的必然趋势。AGV物流分拣系统用大量的移动机器人进行装载、搬运快递包裹，能够极大地提高工作效率。我国目前的自动化物流分拣主要还是依靠着大型的物流分拣设备，虽然具有较高的物流分拣效率，但是物流分拣设备的大型化就决定了工作场地的大型化，这样就大大的限制了物流分拣的适用范围。我国的自动化物流分拣的发展还处于大型化的阶段，主要适用于大型仓库，进行大批量大包裹的自动化物流分拣。但是现如今，小包裹、小型化的物流分拣的应用范围却越来越广。我国现在物流分拣只有少数实现了自动化，例如一些大型企业或则大型的物流公司才会有属于自己的大型的自动化物流分拣仓库。而只有在这些大型的自动化物流仓库中才有专业的自动化物流分拣设备来完成对物流包裹的自动化分拣。在大多数情况下，我国的物流分拣都还是通过人工完成的。一般都是待分拣的货物到达仓库后，由物流工作人员扫描快递包裹上的条形码将物流信息录入系统，然后在根据物流信息将一个个物流包裹按堆进行分类，待一堆货物数量较多时在一次性的将这一堆货物运送至相对应的仓库区域。但是在这总情况下往往会由于工作人员的操作失误或者是注意力不集中导致货物堆放混乱或者是货物损坏，这样就会导致物流分拣的货物损坏率和错误率大大增加。传统AGV导航方式主要采用电磁导航和光学导航。此类导航方式需在地面铺设路径，根据AGV车体中轴线和路径的偏差实现运动控制，灵活性差，路径更改和拓展困难。移动机器人的定位功能是其导航的多个领域中最重要的一项功能,也是完成机器人导航任务最基本的环节。定位的准确性和可靠性直接决定了移动机器人能否正确完成导航功能。AGV定位一般有两种方式——相对定位与绝对定位：相对定位即AGV在确定初始位姿的情况下，利用光电编码器、加速度计等内部传感器，计算当前时刻和上一时刻的位姿变化以更新当前状态和初始状态间的相对位姿。这是使用最广泛的AGV定位方式。该方式在短距离移动中具有较高的定位精度，但由于采用增量计算方式，定位误差随运动距离和时间的增加会不断累积，需配合额外传感器以消除误差。相比之下绝对定位指利用外部传感器直接计算AGV的绝对位置，不存在累积误差，且可解决AGV在非自主移动下的“绑架”问题。
技术实现思路
本专利技术的目的在于克服现有技术的缺点与不足，提供一种基于kinect视觉的AGV导航方法，相比传统的AGV上装传感器(比如红外传感器)进行避障的方法，本专利技术方法通过Kinect视觉进行全局定位，知晓各AGV的周围环境信息，能够进行合理有效的智能避障。本专利技术的目的通过下述技术方案实现：一种基于kinect视觉的AGV导航方法，步骤如下：步骤S1、为AGV活动范围内的各AGV预设行走路径；步骤S2、通过放置于AGV活动范围上方的kinect仪实时获取AGV活动范围的图像；步骤S3、针对于kinect仪获取到的AGV活动范围的当前帧图像，根据该帧图像构建出对应AGV活动范围的二维地图；同时，针对kinect仪获取到的AGV活动范围的当前帧图像，首先对当前帧图像进行灰度化和二值化的依次处理，然后从灰度化和二值化处理后的图像中提取出物体轮廓，并且过滤物体轮廓得到AGV轮廓，最后根据该帧图像下构建出的AGV活动范围的二维地图获取到各AGV轮廓的质心坐标；步骤S4、根据当前帧图像以及上一帧图像中提取出的各AGV轮廓的质心坐标，以对各AGV轮廓进行跟踪；步骤S5、针对于当前帧图像中的每一AGV轮廓，根据当前帧图像下构建的二维地图获取该AGV轮廓的质心坐标，同时根据上一帧图像下构建的二维地图获取该AGV轮廓的质心坐标，然后计算出该AGV轮廓的走偏的斜率，判断该斜率是否大于一定值，若是，则控制该AGV进行当前行走轨迹的修正；同时，根据当前帧图像下构建的二维地图获取当前帧图像中各AGV轮廓的质心坐标，根据各AGV轮廓的质心坐标以及各AGV的行走路径，判断AGV活动范围内每一位置在下一时刻是否会有多部AGV同时到达，若是，则依次控制各部AGV通过该位置；同时根据各AGV轮廓的质心坐标以及各AGV的行走路径，判断同一行走方向的相邻两部AGV之间的距离是否小于一定值，若是，则控制其中一部AGV先停止行走；步骤S6、判断kinect仪获取到的AGV活动范围的当前帧图像是否为最后一帧图像，若否，则在kinect仪获取到AGV活动范围的下一帧图像时，返回到步骤S3；若是，则结束。优选的，所述步骤S3中，针对于kinect仪获取到的AGV活动范围的当前帧图像，根据该帧图像构建出对应AGV活动范围的二维地图的具体过程如下：首先针对于AGV活动范围的当前帧图像，根据该帧图像构建图像坐标(u,v)，然后将图像坐标转换成实际坐标(x,y)：x＝au；y＝bv；其中：其中width为AGV活动范围的当前帧图像的宽度，higth为AGV活动范围的当前帧图像的长度，diatance_x为AGV活动范围地面的实际宽度，diatance_y为AGV活动范围地面的实际长度。优选的，所述步骤S3中，针对kinect仪获取到的AGV活动范围的当前帧图像，对该帧图像进行灰度化和二值化处理的过程如下：在kinect仪获取到的AGV活动范围的当前帧图像后，针对于该帧图像新建一张mat形式图片src，然后通过cvtColor()函数，将图像灰度化并储存在新建的mat图片src中；最后再通过Threshold()函数选择合适的阀值，将已经灰度化的图片src像素点的灰度值设置为0或255；其中cvtColor()函数的公式如下：Gray＝0.299R+0.587G+0.114B；其中Gray为图像灰度化后的灰度值。优选的，所步骤S3中，从灰度化和二值化处理后的图像中提取出物体轮廓后，过滤物体轮廓得到AGV轮廓的过程如下：针对于图像中提取出的每一物体轮廓，判断该物体轮廓是否满足以下条件：长度大于第一阈值g，且宽度大于第二阈值h；若是，则判定该物体轮廓为图像中的AGV轮廓；若否，则判断该物体轮廓不为图像中的AGV轮廓，去除该物体轮廓。优选的，所述步骤S4中，根据当前帧图像以及上一帧图像中提取出的各AGV轮廓的质心坐标，对各AGV轮廓进行跟踪的过程具体如下：首先预设两帧图像之间各AGV走过的路程为S；每当kinect仪获取到AGV本文档来自技高网...

【技术保护点】
1.一种基于kinect视觉的AGV导航方法，其特征在于，步骤如下：步骤S1、为AGV活动范围内的各AGV预设行走路径；步骤S2、通过放置于AGV活动范围上方的kinect仪实时获取AGV活动范围的图像；步骤S3、针对于kinect仪获取到的AGV活动范围的当前帧图像，根据该帧图像构建出对应AGV活动范围的二维地图；同时，针对kinect仪获取到的AGV活动范围的当前帧图像，首先对当前帧图像进行灰度化和二值化的依次处理，然后从灰度化和二值化处理后的图像中提取出物体轮廓，并且过滤物体轮廓得到AGV轮廓，最后根据该帧图像下构建出的AGV活动范围的二维地图获取到各AGV轮廓的质心坐标；步骤S4、根据当前帧图像以及上一帧图像中提取出的各AGV轮廓的质心坐标，以对各AGV轮廓进行跟踪；步骤S5、针对于当前帧图像中的每一AGV轮廓，根据当前帧图像下构建的二维地图获取该AGV轮廓的质心坐标，同时根据上一帧图像下构建的二维地图获取该AGV轮廓的质心坐标，然后计算出该AGV轮廓的走偏的斜率，判断该斜率是否大于一定值，若是，则控制该AGV进行当前行走轨迹的修正；同时，根据当前帧图像下构建的二维地图获取当前帧图像中各AGV轮廓的质心坐标，根据各AGV轮廓的质心坐标以及各AGV的行走路径，判断AGV活动范围内每一位置在下一时刻是否会有多部AGV同时到达，若是，则依次控制各部AGV通过该位置；同时根据各AGV轮廓的质心坐标以及各AGV的行走路径，判断同一行走方向的相邻两部AGV之间的距离是否小于一定值，若是，则控制其中一部AGV先停止行走；步骤S6、判断kinect仪获取到的AGV活动范围的当前帧图像是否为最后一帧图像，若否，则在kinect仪获取到AGV活动范围的下一帧图像时，返回到步骤S3；若是，则结束。...

【技术特征摘要】
1.一种基于kinect视觉的AGV导航方法，其特征在于，步骤如下：步骤S1、为AGV活动范围内的各AGV预设行走路径；步骤S2、通过放置于AGV活动范围上方的kinect仪实时获取AGV活动范围的图像；步骤S3、针对于kinect仪获取到的AGV活动范围的当前帧图像，根据该帧图像构建出对应AGV活动范围的二维地图；同时，针对kinect仪获取到的AGV活动范围的当前帧图像，首先对当前帧图像进行灰度化和二值化的依次处理，然后从灰度化和二值化处理后的图像中提取出物体轮廓，并且过滤物体轮廓得到AGV轮廓，最后根据该帧图像下构建出的AGV活动范围的二维地图获取到各AGV轮廓的质心坐标；步骤S4、根据当前帧图像以及上一帧图像中提取出的各AGV轮廓的质心坐标，以对各AGV轮廓进行跟踪；步骤S5、针对于当前帧图像中的每一AGV轮廓，根据当前帧图像下构建的二维地图获取该AGV轮廓的质心坐标，同时根据上一帧图像下构建的二维地图获取该AGV轮廓的质心坐标，然后计算出该AGV轮廓的走偏的斜率，判断该斜率是否大于一定值，若是，则控制该AGV进行当前行走轨迹的修正；同时，根据当前帧图像下构建的二维地图获取当前帧图像中各AGV轮廓的质心坐标，根据各AGV轮廓的质心坐标以及各AGV的行走路径，判断AGV活动范围内每一位置在下一时刻是否会有多部AGV同时到达，若是，则依次控制各部AGV通过该位置；同时根据各AGV轮廓的质心坐标以及各AGV的行走路径，判断同一行走方向的相邻两部AGV之间的距离是否小于一定值，若是，则控制其中一部AGV先停止行走；步骤S6、判断kinect仪获取到的AGV活动范围的当前帧图像是否为最后一帧图像，若否，则在kinect仪获取到AGV活动范围的下一帧图像时，返回到步骤S3；若是，则结束。2.根据权利要求1所述的基于kinect视觉的AGV导航方法，其特征在于，所述步骤S3中，针对于kinect仪获取到的AGV活动范围的当前帧图像，根据该帧图像构建出对应AGV活动范围的二维地图的具体过程如下：首先针对于AGV活动范围的当前帧图像，根据该帧图像构建图像坐标(u,v)，然后将图像坐标转换成实际坐标(x,y)：x＝au；y＝bv；其中：其中width为AGV活动范围的当前帧图像的宽度，higth为AGV活动范围的当前帧图像的长度，diatance_x为AGV活动范围地面的实际宽度，diatance_y为AGV活动范围地面的实际长度。3.根据权利要求1所述的基于kinect视觉的AGV导航方法，其特征在于，所述步骤S3中，针对kinect仪获取到的AGV活动范围的当前帧图像，对该帧图像进行灰度化和二值化处理的过程如下：在kinect仪获取到的AGV活动范围的当前帧图像后，针对于该帧图像新建一张mat形式图片src，然后通过cvtColor()函数，将图像灰度化并储存在新建的mat图片src中...

【专利技术属性】
技术研发人员：朱静，全永彬，黄文恺，何海城，叶谱生，韩晓英，姚佳岷，
申请(专利权)人：广州大学，
类型：发明
国别省市：广东,44