AGV导航船导航方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术提供了一种AGV导航船导航方法、装置、电子设备及存储介质，所述导航方法首先获取图像数据集并对所述图像数据集中的图像进行预处理；然后构建卷积神经网络并将所述图像数据集输入到所述卷积神经网络中进行训练得到图像识别模型；之后获取AGV导航船周围的环境图像并利用所述图像识别模型对所述环境图像进行识别，判断所述AGV导航船所处环境类型；最后根据判断结果选取定位方法对所述AGV导航船进行定位；本发明专利技术可以准确及时的对AGV导航船进行定位且适用于各种环境。船进行定位且适用于各种环境。船进行定位且适用于各种环境。

【技术实现步骤摘要】
AGV导航船导航方法、装置、电子设备及存储介质


[0001]本专利技术涉及通信领域，尤其涉及一种AGV导航船导航方法、装置、电子设备及存储介质。

技术介绍

[0002]AGV导航技术包括磁点导航、电磁导航、磁带导航、视觉导航、激光导航、自然轮廓导航，二维码导航等；使用不同的信号反馈来定位AGV在整个系统中的位置以进行搬运作业；导航技术负责AGV在系统中的定位；
[0003]现有技术中很难识别AGV导航船在航行中的环境，不能合理的选择适当的定位方法进行定位，导致定位效果不佳，导航不准确等问题。

技术实现思路

[0004]本专利技术提供了一种AGV导航船导航方法、装置、电子设备及存储介质；可以准确及时的对AGV导航船进行定位且适用于各种环境。
[0005]第一方面，本专利技术实施例提供了一种AGV导航船导航方法，所述导航方法包括：
[0006]获取图像数据集并对所述图像数据集中的图像进行预处理；
[0007]构建卷积神经网络并将所述图像数据集输入到所述卷积神经网络中进行训练得到图像识别模型；
[0008]获取AGV导航船周围的环境图像并利用所述图像识别模型对所述环境图像进行识别，判断所述AGV导航船所处环境类型；其中，所述环境类型包括室内环境和室外环境；室内环境包括安装基站的室内环境和没有安装基站的室内环境；
[0009]根据判断结果选取定位方法对所述AGV导航船进行定位；其中，所述定位方法包括UWB、SLAM和RTK。
[0010]可选地，通过暗光增强、超分辨率、去噪和去除运动模糊对所述图像数据集中的图像进行预处理。
[0011]可选地，所述构建卷积神经网络包括：
[0012]确定所述卷积神经网络的结构；
[0013]对所述卷积神经网络中的参数进行初始化并设置激活函数。
[0014]可选地，若所述AGV导航船所处环境类型为安装基站的室内环境则采用UWB方法对所述AGV导航船进行定位，所述采用UWB方法对所述AGV导航船进行定位包括：
[0015]采用双向飞行时间法计算所述AGV导航船与任意三个基站之间的距离并获取基站的位置坐标；
[0016]根据所述距离和所述位置坐标采用三边定位算法计算所述AGV导航船的位置坐标，确定所述AGV导航船的位置。
[0017]可选地，若所述AGV导航船所处环境类型为没有安装基站的室内环境则采用SLAM方法对所述AGV导航船进行定位，所述采用SLAM方法对所述AGV导航船进行定位包括：
[0018]采集实际环境中的各类型原始数据；其中，所述原始数据包括激光扫描数据、视频图像数据和点云数据；
[0019]计根据所述原始数据估算一段时间内所述AGV导航船的相对运动轨迹；
[0020]处理视觉里程计估算结果的累积误差后根据所述AGV导航船的运动轨迹建立地图，确定所述AGV导航船的位置。
[0021]可选地，所述采用SLAM方法对所述AGV导航船进行定位还包括采用回环检测方法来消除空间累积误差。
[0022]可选地，若所述AGV导航船所处环境类型为室外环境则采用RTK方法对所述AGV导航船进行定位，所述采用RTK方法对所述AGV导航船进行定位包括：
[0023]获取基准站采集的载波相位；
[0024]根据所述载波相位计算所述AGV导航船的位置坐标，确定所述AGV导航船的位置。
[0025]第二方面，本专利技术的实施例提供了一种AGV导航船导航装置，所述导航装置包括：
[0026]数据获取模块，获取图像数据集并对所述图像数据集中的图像进行预处理；
[0027]训练模块，构建卷积神经网络并将所述图像数据集输入到所述卷积神经网络中进行训练得到图像识别模型；
[0028]识别模块，获取AGV导航船周围的环境图像并利用所述图像识别模型对所述环境图像进行识别，判断所述AGV导航船所处环境类型；其中，所述环境类型包括室内环境和室外环境；室内环境包括安装基站的室内环境和没有安装基站的室内环境；
[0029]定位模块，根据判断结果选取定位方法对所述AGV导航船进行定位；其中，所述定位方法包括UWB、SLAM和RTK。
[0030]第三方面，本专利技术的实施例提供了一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现如第一方面任一项所述的方法。
[0031]第四方面，本专利技术的实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项所述的方法。
[0032]有益效果
[0033]本专利技术提供了一种AGV导航船导航方法、装置、电子设备及存储介质，所述导航方法首先获取图像数据集并对所述图像数据集中的图像进行预处理；然后构建卷积神经网络并将所述图像数据集输入到所述卷积神经网络中进行训练得到图像识别模型；之后获取AGV导航船周围的环境图像并利用所述图像识别模型对所述环境图像进行识别，判断所述AGV导航船所处环境类型；最后根据判断结果选取定位方法对所述AGV导航船进行定位；可以准确及时的对AGV导航船进行定位且适用于各种环境。
[0034]应当理解，
技术实现思路
部分中所描述的内容并非旨在限定本专利技术的实施例的关键或重要特征，亦非用于限制本专利技术的范围。本专利技术的其它特征将通过以下的描述变得容易理解。
附图说明
[0035]结合附图并参考以下详细说明，本专利技术各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素。
[0036]图1示出了本专利技术的实施例的一种AGV导航船导航方法的流程图；
[0037]图2示出了本专利技术实施例的一种AGV导航船导航装置的结构示意图；
[0038]图3示出了本专利技术实施例的一种电子设备的结构图。
具体实施方式
[0039]为了使本
的人员更好地理解本说明书一个或多个实施例中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本说明书的一部分实施例，而不是全部的实施例。基于本说明书一个或多个实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本文件的保护范围。
[0040]需要说明的是，本专利技术实施例描述的仅仅是为了更加清楚的说明本专利技术实施例的技术方案，并不构成对本专利技术实施例提供的技术方案的限定。
[0041]图1示出了本专利技术的实施例的一种AGV导航船导航方法的流程图；参见图1，所述导航方法包括：
[0042]S20、获取图像数据集并对所述图像数据集中的图像进行预处理；
[0043]具体地，所述图像数据集通过采集所述AGV导航船航线区域多方位的环境图像构成，对所述环境图像采用暗光增强、超分辨率、去噪和去除运动模糊等方式进行图像预处理，便于之后再进行模型训练时的特征提取。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种AGV导航船导航方法，其特征在于，所述导航方法包括：获取图像数据集并对所述图像数据集中的图像进行预处理；构建卷积神经网络并将所述图像数据集输入到所述卷积神经网络中进行训练得到图像识别模型；获取AGV导航船周围的环境图像并利用所述图像识别模型对所述环境图像进行识别，判断所述AGV导航船所处环境类型；其中，所述环境类型包括室内环境和室外环境；室内环境包括安装基站的室内环境和没有安装基站的室内环境；根据判断结果选取定位方法对所述AGV导航船进行定位；其中，所述定位方法包括UWB、SLAM和RTK。2.根据权利要求1所述的导航方法，其特征在于，通过暗光增强、超分辨率、去噪和去除运动模糊对所述图像数据集中的图像进行预处理。3.根据权利要求1所述的导航方法，其特征在于，所述构建卷积神经网络包括：确定所述卷积神经网络的结构；对所述卷积神经网络中的参数进行初始化并设置激活函数。4.根据权利要求1所述的导航方法，其特征在于，若所述AGV导航船所处环境类型为安装基站的室内环境则采用UWB方法对所述AGV导航船进行定位，所述采用UWB方法对所述AGV导航船进行定位包括：采用双向飞行时间法计算所述AGV导航船与任意三个基站之间的距离并获取基站的位置坐标；根据所述距离和所述位置坐标采用三边定位算法计算所述AGV导航船的位置坐标，确定所述AGV导航船的位置。5.根据权利要求1所述的导航方法，其特征在于，若所述AGV导航船所处环境类型为没有安装基站的室内环境则采用SLAM方法对所述AGV导航船进行定位，所述采用SLAM方法对所述AGV导航船进行定位包括：采集实际环境中的各类型原始数据；其中，所述原始数据包括激光扫描数据、视频图像数据和点云数据；计根据所述原始...

【专利技术属性】
技术研发人员：杨涛，李翔，王媛媛，
申请(专利权)人：北京圣威特科技有限公司，
类型：发明
国别省市：