基于RNN图像识别的AGV视觉导航跟随系统

  • 基于RNN图像识别的AGV视觉导航跟随系统已关闭评论
  • 222 views
  • A+
所属分类:AGV设计资料
摘要

基于视觉导航的AGV普遍依赖于地面标志线作为导航的依据,当标记线模糊时识别率难以提高,且设置标记成本高,工作时灵活性低.针对这些缺点,文章提出一种结合循环神经网络算法与图像识别算法,基于RNN图像识别的AGV视觉导航跟随系统.此AGV系统具有路径可调节、智能化程度高、柔性更好等优点.AGV路径跟踪实验表明,该系统具有较为准确和可靠的路径识别以及跟踪效果.

0 引 言

随着电子商务的快速发展,自动导引车(AGV)在现代制造系统和自动仓储系统中被大量用于自动化物流输送,其作用不可小觑.在柔性生产系统、柔性搬运系统以及自动化仓库中,AGV 的运动控制、轨迹引导等都是研究重点及难点.

传统基于视觉的 AGV[1-3]普遍利用摄像头实时采集路面标记信息,识别出标志线 并 计 算 得 AGV与标志线中心线的相对位置,再由控制器修正 AGV 的运行方向,使 AGV 沿着标志线运动.此种引导方式,对标志线清晰度要求较高而灵活性较差.针对这些缺点,文章提出了基于 RNN 图像识别的 AGV 视觉导航跟随系统.该系统在运行前选取被识别物体,利用卷积递归神经网络训练识别模型,通过实时分析物体所在的位置,进行跟踪移动.同时也对 AGV 行驶区域的环境特征进行分析处理,实现无固定路线的智能化行驶.极大地降低了对环境做标示线所需要的人力物力成本,提高了导航的准确率.

典型的视觉导航 AGV 通常采用四轮式或 履 带 式 底 盘,利用电机控制两侧差速运动,从 而 实 现 前进、转弯等功能,但差速转弯需要较大转弯半径,且不能横向移动.对于需要高灵活性使用场景有一定的局限性.为了实现 AGV 在任意方向上的移动,提高运动灵活性,导航系统机械结构中采用了 Mecanum轮的设计,并且优化图像处理算法,系统实时性、鲁棒性、灵活性以及机动性更强.

在实际运行过程中,由于 AGV 运行环境的不可预知性和小车本身动力学的较高复杂性,因此很难精确地控制 AGV 的轨迹跟踪.常用的控制方法如 PID 控制算法,容易出现小车跟踪误差较大、运行不稳定等情况.针对这些问题,本文所述系统采用多传感器融合卡尔曼滤波改进的 PID 算法作为运动控制算法,机械结构采用 Mecanum 轮的设计.最终通过一系列实验验证本套系统与传统的 AGV 相比,更加灵活、便捷,能极大地满足工业运输中柔性运输的需求.

1 AGV视觉导航系统设计与实现

系统的设计与实现主要包括硬件架构和软件架构设计.

基于RNN图像识别的AGV视觉导航跟随系统

图1 控制器硬件架构框图

1.1 AGV视觉导航系统硬件架构设计与实现

系统硬件设计包括了基于Linux的主控单元,基于 FreeRTOS的实时工控单元,配 合 输入/输出接口 单 元 模 块、LCD 模 块、WIFI无 线网卡模块、锂电池电源模块、蓝牙通信 模 块、电机驱动模块 及 其 他 部 件,共 同 实 现 AGV 车 载控制系统运行和调试所需的功能.控制器硬件框架如图1.主控单元搭载Linux3.4内核运行Android6.0 操 作 系 统,丰富的外设驱动资源能够轻松地 搭 建 基 于 CMOS摄 像 头 的 图 像 识别单元,通 过 RNN 深 度 学 习 算 法 对 目 标 进 行实时定位.4.3寸 LCD 电容触摸屏作为人机界面,可以显示功能配置、路径、实时状态等信息,实现人机交互.为实现数字电路与模拟电路之间的电器隔离,图像识别单元与运动控制单元采用蓝牙的方式进行通信.

恭喜,此资源为免费资源,请先
注意:本站资源多为网络收集,如涉及版权问题请及时与站长联系QQ:2766242327,我们会在第一时间内与您协商解决。如非特殊说明,本站所有资源解压密码均为:agvba.com。
weinxin
微信公众号
agvba是一个分享AGV知识和agv案例视频的网站。