一种视觉AGV的导航方法技术

本发明专利技术涉及一种视觉AGV的导航方法，所述的AGV上安装有连接控制中心的车载摄像头，所述的控制中心安装图像处理和识别标识带边缘的软件，所述的控制中心连接AGV的驱动程序，该方法包括以下步骤：步骤1、软件初始化，加载视觉导航需要的参数；步骤2、加载完参数后打开摄像头，读取当前帧图像记为srcFrame，若srcFrame为空，程序结束，若srcFrame不为空，srcFrame进入步骤3；步骤3、while循环图像处理过程；步骤4、输出决策条件，AGV的驱动程序根据该条件决策在实际场景中的运动。与现有技术相比，本发明专利技术具有导引精度高、路径设置和变更简单灵活、智能化程度高等优点。

【技术实现步骤摘要】
一种视觉AGV的导航方法
本专利技术涉及AGV导航领域，尤其是涉及一种视觉AGV的导航方法。
技术介绍
AGV，即自动导引小车，主要功能是在计算机和无线局域网络的控制下，经磁、激光等导向装置引导并沿程序设定路径运行完成作业。本质上，它为现代制造业物流提供了一种高度柔性化和自动化的运输方式。它能够快速的、准确无误的将物料运到指定的位置，运输路径可以方便的调整，在一定程度上解放了劳动力，提高了生产效率和柔性。随着工业现代化的发展，越来越多的柔性化生产线、自动化物流系统应用到各个行业，这对AGV的迅速发展起到了极大的促进作用，但同时也对AGV自身的功能有着更高的要求，其中AGV的定位与导航问题便是其发展和应用的主要问题之一，目前，AGV的主流导航方式包括：电磁感应、磁导带、惯性和激光等。但各存在以下问题：1、电磁感应引导抗干扰能力强，但柔性差，不容易改变线路；2、磁导带引导方式极易受到其它物质的干扰；3、惯性引导需要定位块的校正，不易长时间运行；4、激光引导对反射板反射回的激光束的角度和方向进行几何运算，但成本过高，制约着推广应用。相较传统的电磁导航、磁带导航等导引方式，利用机器视觉，通过识别路径上的条带状标识实现自主导航具有导引精度高、路径设置和变更简单灵活、智能化程度高等优点。因此，视觉导航仍是现阶段智能AGV车辆研究的导向方法。视觉系统对于视觉AGV而言就如同眼睛对于人一样，是非常重要的组成部分，其中图像处理环节更是至关重要。能否正确有效地提取出标识带的边缘线直接关系到AGV导航的精度，对车体控制的准确性和稳定性具有决定性的作用。视觉信息的处理技术是自动引导车研究中的关键技术之一。经过检索，中国专利公开号为CN207174725U公开了一种AGV运料小车，包括车体、导向运动单元、供电单元和移载单元，所述导向运动单元、供电单元和移载单元均安装于车体上，所述车体包括底盘和车架，车架与底盘连接，所述导向运动单元包括导向单元和运动单元，导向单元为磁导航系统，包括磁导航传感器和反馈单元，所述运动单元为四轮轮系布局，中间设两个驱动轮，前后各设一个万向轮，所述供电单元包括太阳能充电装置和蓄电池单元，太阳能充电装置和蓄电池单元均安装于车架上，所述移载单元为顶升式结构，顶升式结构包括电动推杆、两根连杆和托架，该结构简单，不仅小车的稳定性高，而且节能环保。但该技术使用的是磁导带引导方式，极易受到其它物质的干扰，导引精度低。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种视觉AGV的导航方法。本专利技术的目的可以通过以下技术方案来实现：一种视觉AGV的导航方法，所述的AGV上安装有连接控制中心的车载摄像头，所述的控制中心安装图像处理和识别标识带边缘的软件，所述的控制中心连接AGV的驱动程序，其特征在于，该方法包括以下步骤：步骤1、软件初始化，加载视觉导航需要的参数；步骤2、加载完参数后打开摄像头，读取当前帧图像记为srcFrame，若srcFrame为空，程序结束，若srcFrame不为空，srcFrame进入步骤3；步骤3、while循环图像处理过程；步骤4、输出决策条件，AGV的驱动程序根据该条件决策在实际场景中的运动。优选地，所述的步骤3中的while循环图像处理过程包括以下步骤：步骤3.1、图像预处理：转换颜色空间，用于解决光照不均匀问题；步骤3.2、边缘提取，即提取标识带边缘线；步骤3.3、直线拟合，对步骤3.2中的标示带边缘进行拟合，得到当前帧参与决策的线段个数strLineNum以及最后删选出的线段的角度angle。优选地，所述的步骤3.1中的图像预处理过程具体包括：当前帧图像srcFrame首先进行像素压缩，然后将原RGB色彩空间转至YCrCb，提取单通道Cb分量channel_Cb。优选地，所述的步骤3.2中的边缘提取过程具体包括：基于Otsu算法，建立标示带二值化分割模型，对步骤3.1中每一帧的channel_Cb计算自适应的分割阈值；采用中值滤波滤除噪声并保护边缘信息，设置滤波器初始窗口尺寸为7；结合形态学运算，首先定义3*3的椭圆结构，其次用结构元素对图像进行腐蚀以细化更小的颗粒噪点，然后进行膨胀以连接边缘处的断点，丰富边缘信息，再与原二值图像相减，即可提取标识带边缘线。优选地，所述的步骤3.3中的直线拟合过程具体包括：采用累计概率霍夫变换对步骤3.2中的标示带边缘进行拟合，通过自适应的投票机制以及线数和角度的约束，最终得到一组长度最长且相互平行的线段，并以输出角度作为引导。优选地，所述的步骤3.3中的直线拟合过程具体操作为：为提高边缘检测的鲁棒性自适应累加平面的阈值投票参数m_minVotenum，当lines.size()>15并且m_minVotenum<180时，m_minVotenum累加，当lines.size()<10或者m_minVotenum>180时，m_minVotenum累减，其中lline.size()为运用累计概率霍夫变换直接拟合出的线段个数；将检测到的所有线段按长度排序，并计算斜率，删选出一组长度最长、近似平行、且不在一条延长线上或不相交的线段，输出当前帧参与决策的线段个数strLineNum以及最后删选出的线段的角度angle。优选地，所述的步骤4中根据步骤3的计算值决策AGV的运动方向具体包括：当-10<angle<10时，发出直行指令；当-90<angle<-10时，发出左转指令；当10<angle<90时，发出右转指令；当angle＝0并且strLineNum＝0时，发出停止指令。优选地，所述的近似平行为两条线段的斜率差的绝对值小于等于0.2。与现有技术相比，本专利技术具有以下优点：1、AGV的视觉导引方式成本更低，具有实时性，柔性强的优点；路径设置和变更简单灵活，便于日后维护和改造。2、标示带检测基于颜色识别，运行效果很大程度依赖颜色模型，如RGB模型、HSI模型、YCrCb模型等，虽然RGB模型算法简单，易于实现，但受亮度变换影响大，不利于图像的阈值分割。相比HSI等其他一些颜色空间，YCrCb颜色模型计算过程和空间坐标表示形式比较简单。因此采用YCrCb颜色模型，有效解决了标示带检测时的光照不均匀问题；采用自适应的Otsu阈值分割法进行色带的分割与二值化，计算简单，处理迅速。3、常见的直线拟合方法有最小二乘法、RANSAC、霍夫变换、PPHT等。最小二乘法适合噪音较小的数据，RANSAC只有一定的概率得到可信的模型，概率与迭代次数成正比，并且要求设置跟问题相关的阈值，PPHT是标准霍夫变换的一个变种，计算单独线段的方向以及范围，之所以称之是概率，是因为并不将累加器平面内的所有可能得点相累加，而是只累加其中的一部分，这样可以大大节省时间。PPHT还有一个重要的特点就是能够检测出线端，即能够检测出图像中直线的两个端点，确切地定位图像中的直线。因此，采用累积概率霍夫变换进行直线拟合，效率更高；通过自适应的投票机制以及线数和角度的约束，最终得到一组长度最长且相互平行的线段，有效解决了直线拟合时标示带的本文档来自技高网...

【技术保护点】
1.一种视觉AGV的导航方法，所述的AGV上安装有连接控制中心的车载摄像头，所述的控制中心安装图像处理和识别标识带边缘的软件，所述的控制中心连接AGV的驱动程序，其特征在于，该方法包括以下步骤：步骤1、软件初始化，加载视觉导航需要的参数；步骤2、加载完参数后打开摄像头，读取当前帧图像记为srcFrame，若srcFrame为空，程序结束，若srcFrame不为空，srcFrame进入步骤3；步骤3、while循环图像处理过程；步骤4、输出决策条件，AGV的驱动程序根据该条件决策在实际场景中的运动。

【技术特征摘要】
1.一种视觉AGV的导航方法，所述的AGV上安装有连接控制中心的车载摄像头，所述的控制中心安装图像处理和识别标识带边缘的软件，所述的控制中心连接AGV的驱动程序，其特征在于，该方法包括以下步骤：步骤1、软件初始化，加载视觉导航需要的参数；步骤2、加载完参数后打开摄像头，读取当前帧图像记为srcFrame，若srcFrame为空，程序结束，若srcFrame不为空，srcFrame进入步骤3；步骤3、while循环图像处理过程；步骤4、输出决策条件，AGV的驱动程序根据该条件决策在实际场景中的运动。2.根据权利要求1所述的一种视觉AGV的导航方法，其特征在于，所述的步骤3中的while循环图像处理过程包括以下步骤：步骤3.1、图像预处理：转换颜色空间，用于解决光照不均匀问题；步骤3.2、边缘提取，即提取标识带边缘线；步骤3.3、直线拟合，对步骤3.2中的标示带边缘进行拟合，得到当前帧参与决策的线段个数strLineNum以及最后删选出的线段的角度angle。3.根据权利要求2所述的一种视觉AGV的导航方法，其特征在于，所述的步骤3.1中的图像预处理过程具体包括：当前帧图像srcFrame首先进行像素压缩，然后将原RGB色彩空间转至YCrCb，提取单通道Cb分量channel_Cb。4.根据权利要求3所述的一种视觉AGV的导航方法，其特征在于，所述的步骤3.2中的边缘提取过程具体包括：基于Otsu算法，建立标示带二值化分割模型，对步骤3.1中每一帧的channel_Cb计算自适应的分割阈值；采用中值滤波滤除噪声并保护边缘信息，设置滤波器初始窗口尺寸为7；结合形态学运算，首先定义3*3的椭圆结构，其次用结构元素对图像进行腐蚀以细化更小的颗粒噪点，然后进行膨胀以连接边缘处的断点，丰富边缘信息，再与原二值...

【专利技术属性】
技术研发人员：刘翔，吴彬，唐家勋，杨标，陈俊廷，
申请(专利权)人：上海工程技术大学，
类型：发明
国别省市：上海,31