一种智能导航循迹控制方法技术

本发明专利技术公开了一种智能导航循迹控制方法，包括：S1：利用自适应阈值截取算法对原始目标路线图像中的目标路线进行自适应提取，得到目标路线图像；S2：对所述目标路线图像进行优化处理，得到优化后的路线图；S3：对所述优化后的路线图和期望路线图进行线性拟合，得到拟合结果；S4：根据循迹本体建立平面坐标系；S5：根据所述平面坐标系，分解所述循迹本体在前进方向和横向偏移方向的位置和速度；S6：分别根据所述拟合结果中拟合直线与所述前进方向直线的角度偏差值和距离偏差值，确定两组控制率；S7：利用改进的粒子群算法对两组所述控制率进行迭代整定，得到当前环境下的最优控制率；S8：根据所述最优控制率进行导航循迹控制。据所述最优控制率进行导航循迹控制。据所述最优控制率进行导航循迹控制。

【技术实现步骤摘要】
一种智能导航循迹控制方法


[0001]本专利技术涉及循迹控制
，具体涉及一种智能导航循迹控制方法。

技术介绍

[0002]在各大企业相关生产技术的日新月异，智能化、自动化技术不断深化的大背景下，智能车辆以及基于此平台开发的智能设备正在现代社会生活、物流运输、柔性生产组织系统中扮演着越来越重要的角色。
[0003]然而，以往的机器人大多是采用传感器来完成对路径的规划以及循迹控制。在这之中，同一传感器在不同环境道路上的低适应性一直是较大的缺陷之处，往往需要用户针对应用环境信息对传感器模块进行改装、调试。
[0004]随着计算机技术、电子技术的发展以及利用图像处理等技术的视觉导航的出现，人们逐渐已不再需要对实物、模块进行机械式地改装，就能够很好地解决这个问题，其中机器视觉就是一大热门技术。然而在利用机器视觉对机器人进行路线循迹控制时，也暴露出了视觉图像目标阈值受环境因素影响大、不稳定，视觉循迹中的PID传统参数整定法较麻烦、难度大等问题。

技术实现思路

[0005]本专利技术的目的在于提供一种智能导航循迹控制方法，以解决现有路线循迹控制时，暴露出的视觉图像目标阈值受环境因素影响大、不稳定，视觉循迹中的PID传统参数整定法较麻烦、难度大的问题。
[0006]本专利技术解决上述技术问题的技术方案如下：
[0007]本专利技术提供一种智能导航循迹控制方法，所述智能导航循迹控制方法包括：
[0008]S1：利用自适应阈值截取算法对原始目标路线图像中的目标路线进行自适应提取，得到目标路线图像；
[0009]S2：对所述目标路线图像进行优化处理，得到优化后的路线图；
[0010]S3：对所述优化后的路线图和期望路线图进行线性拟合，得到拟合结果；
[0011]S4：根据循迹本体建立平面坐标系；
[0012]S5：根据所述平面坐标系，分解所述循迹本体在前进方向和横向偏移方向的位置和速度；
[0013]S6：分别根据所述拟合结果中拟合直线与所述前进方向直线的角度偏差值和距离偏差值，确定两组控制率；
[0014]S7：利用改进的粒子群算法对两组所述控制率进行迭代整定，得到当前环境下的最优控制率；
[0015]S8：根据所述最优控制率进行导航循迹控制。
[0016]可选择地，所述步骤S1中，所述自适应阈值截取算法中区域中跟踪目标的阈值信息T
t
可表述为：
[0017][0018]其中，L、A和B分别表示截取区域色彩空间的不同众数值，i＝1、2，当i＝1时表示为最小值，当i＝2时表示为最大值，“+”没有数值求和含义，仅代表元素数组的组合，d
j
表示阈值扰动因子且当i为1时d
j
前符号为
“‑”
。
[0019]可选择地，所述步骤S2中，对所述目标路线图像进行优化处理包括：
[0020]对所述目标路线图像进行二值化处理、滤波和腐蚀处理以及随机去噪处理。
[0021]可选择地，所述步骤S5包括：
[0022]x(t)＝x(t
‑
Δt)+v
x
×
Δt
[0023]y(t)＝y(t
‑
Δt)+v
y
×
Δt
[0024]其中，x(t)为t时刻前进方向位置信息/位置坐标，y(t)为t时刻横向偏移方向位置信息/位置坐标，t为t时刻，Δt为视觉摄像头的采样时间，v
x
和v
y
分别为循迹本体的速度矢量沿着x方向和y方向的垂直分解。
[0025]可选择地，所述步骤S6中，两组所述控制率为：
[0026][0027][0028]其中，PWM
y
(t)、PWM
x
(t)分别对应于t时刻被控对象的横向偏移误差修正值和前进方向角度修正值，Kp、Ki、Kd为PID的参数，PID的x、y下标分别对应于PWM
x
与PWM
y
的两组控制参数，e
y
(t)为t时刻横向偏移误差，e
θ
(t)为t时刻前进方向与期望线的角度误差，Δt为视觉摄像头的采样时间。
[0029]可选择地，所述步骤S7包括：
[0030]S71：初始化粒子的搜索速度和位置信息，其中，所述粒子所携带信息为所述控制率中的PID参数；
[0031]S72：根据循迹效果累积误差，计算粒子的适应度；
[0032]S73：判断所述适应度是否优于个体极值，若是，进入步骤S74，否则，进入步骤S75；
[0033]S74：更新所述个体极值并判断所述适应度是否优于群体极值，若是，更新所述群体极值，以得到当前环境下的最优控制率；否则，进入步骤S75；
[0034]S75：利用自适应惯性权重与压缩因子融合方法进行局部搜索或全局搜索并自动更新粒子的搜索速度后返回步骤S72。
[0035]可选择地，所述步骤S72中，所述适应度的函数表达式为：
[0036][0037]其中，为第i1个粒子在第k次迭代中搜索到的PID参数信息的适应度值，t为时间，时间的大小决定了此时该误差信息的权重，表示当应用第i1个粒子在第k次迭代中所搜索到的PID参数进行循迹控制时，在t时刻的误差，并采用绝对值消除了符号的影响。
[0038]可选择地，所述步骤S75中，所述自适应惯性权重的表达式为：
[0039][0040]为第i1个粒子在第k次迭代中的惯性权重大小，W
min
、W
max
为给定的最小惯性权重系数和最大惯性权重系数，为整个群体n个粒子在第k次迭代中的平均适应度且为将第i1个粒子在第k次迭代中搜索到的位置信息代入适应度函数中计算得到的适应度值，为整个群体在第k次迭代中计算得到的最小适应度值。
[0041]可选择地，所述步骤S75中，所述压缩因子为：
[0042][0043]其中，为压缩因子，C表示学习因子且C＝c1+c2，c1表示个体学习因子，c2表示社会学习因子。
[0044]可选择地，所述步骤S75中，粒子的速度更新公式为：
[0045][0046]其中，r1、r2为范围在[0,1]之间的随机数，表示第i1个粒子迭代到第k次的速度，为压缩因子，为第i1个粒子在第k次迭代中的惯性权重大小，表示第i1个粒子迭代到第k次的位置，表示第i1个粒子在k次迭代中搜索到的相对最优位置，g
k
表示整个群体在k次迭代中搜索到的相对最优位置，c1表示个体学习因子，c2表示社会学习因子。
[0047]本专利技术具有以下有益效果：
[0048]1、本专利技术通过设计并使用区域自适应阈值截取算法，能够解决视觉系统对环境依赖性高，对光照敏感的问题，从而能够为视觉循迹提供更精确的目标图像阈值，且鲁棒性、自适应性更强；
[0049]2、通过本专利技术使用自适应惯性本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能导航循迹控制方法，其特征在于，所述智能导航循迹控制方法包括：S1：利用自适应阈值截取算法对原始目标路线图像中的目标路线进行自适应提取，得到目标路线图像；S2：对所述目标路线图像进行优化处理，得到优化后的路线图；S3：对所述优化后的路线图和期望路线图进行线性拟合，得到拟合结果；S4：根据循迹本体建立平面坐标系；S5：根据所述平面坐标系，分解所述循迹本体在前进方向和横向偏移方向的位置和速度；S6：分别根据所述拟合结果中拟合直线与所述前进方向直线的角度偏差值和距离偏差值，确定两组控制率；S7：利用改进的粒子群算法对两组所述控制率进行迭代整定，得到当前环境下的最优控制率；S8：根据所述最优控制率进行导航循迹控制。2.根据权利要求1所述的智能导航循迹控制方法，其特征在于，所述步骤S1中，所述自适应阈值截取算法中区域中跟踪目标的阈值信息T
t
可表述为：其中，L、A和B分别表示截取区域色彩空间的不同众数值，i＝1、2，当i＝1时表示为最小值，当i＝2时表示为最大值，“+”没有数值求和含义，仅代表元素数组的组合，d
j
表示阈值扰动因子且当i为1时d
j
前符号为
“‑”
。3.根据权利要求1所述的智能导航循迹控制方法，其特征在于，所述步骤S2中，对所述目标路线图像进行优化处理包括：对所述目标路线图像进行二值化处理、滤波和腐蚀处理以及随机去噪处理。4.根据权利要求1所述的智能导航循迹控制方法，其特征在于，所述步骤S5包括：x(t)＝x(t
‑
Δt)+v
x
×
Δty(t)＝y(t
‑
Δt)+v
y
×
Δt其中，x(t)为t时刻前进方向位置信息/位置坐标，y(t)为t时刻横向偏移方向位置信息/位置坐标，t为t时刻，Δt为视觉摄像头的采样时间，v
x
和v
y
分别为循迹本体的速度矢量沿着x方向和y方向的垂直分解。5.根据权利要求1所述的智能导航循迹控制方法，其特征在于，所述步骤S6中，两组所述控制率为：述控制率为：其中，PWM
y
(t)、PWM
x
(t)分别对应于t时刻被控对象的横向偏移误差修正值和前进方向角度修正值，Kp、Ki、Kd为PID的参数，PID的x、y下标分别对应于PWM
x
与PWM
y
的两组控制参数，e
y

【专利技术属性】
技术研发人员：董沁雨，华冰，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：