基于视觉导航的微型智能车路径识别系统研究

  • 基于视觉导航的微型智能车路径识别系统研究已关闭评论
  • 65 views
  • A+
所属分类:AGV设计资料
摘要

基于视觉导航可大大提升智能车的机动性能,在工业生产特别是在无人化工作车间、仓库中能更快地提升生产效率。为提高导航的准确性和实时性,采用”图像采集和处理”同时交替识别处理方式对路径进行识别。提出一种新的融合算法实现路径的识别检测,较好地满足了控制系统的灵敏性和鲁棒性需求。与红外常规导航相比,该微型智能车速更快,能在光线复杂的情况下清楚地检测出路径的边缘,识别系统表现出更好的稳定性。

0 引言

自动导航国外研究起步较早,相对成熟。1943年美国 诞生第一辆自动导航小车,1959年进一步改造,1985年自 动导航技术飞速发展。上世纪 60年代日本从美国引进该 技术,此后日本的自动导航技术快速发展。2009年,印度 成功将一名机器人运用在物流领域的自动化中[1]。国内相 关研究虽起步较晚,但技术趋于成熟。2015年,天猫在某 促销节日期间首次运用微型智能机器人搬运货物,以应对 大量订单。2016年,京东自主研发的智能机器人在自动化仓库中表现出优异的避障功能,微型智能车在指定的位置 之间搬运物品,大大减少了人力成本,快速高效[2]。

智能车的关键是图像边缘检测技术的准确性和实时 性[3]。王慧[4]运用图像细化方法识别出路径的中心线。李 进[5]对路径图像分割为上下两个区域,分别进行提取识 别。本文主要采用“图像采集和处理”同时交替识别处理 方式。获取图像后,首先运用线性变换方法对图像进行处 理,消除由光线等因素造成的图像干扰;然后再对图像增 强和边缘检测[6]。基于Sobel算子采用加权滤波,运算速度 高。Roberts算子具有定位精度高的特点[7],在综合利用两 种算子的优点基础上提出一种融合算子,优化边缘检测算法,用图像处理结果验证算法的优越性。

1 视觉图像处理技术

机器视觉是利用摄像机作为“眼睛”获取路面信息,经 过图像处理后作为“神经递质”传送给控制器,类似于人类 的视觉系统。在工业应用中主要通过图像或视频数据让 计算机对周围的事物进行观察判断,或者说利用摄像机拍 到的视频原始数据在计算机内部进行处理和提取[8],主要 应用于人工智能、模式识别等领域,它的关键技术就是图 像处理。现在图像处理技术已经发展到高分辨率、多灰度 层次,不再是简单的二值图像处理[9]。

2 路径图像数据分析与处理

2.1 路径识别方法

为获得更大的视角,摄像机呈 45°安装,识别的图像虽 有变形,但可通过相应的算法进行校正[10-11]。现实仓库中 的标识线都比较规则,采集到的图像也较规则。对图像先 进行二值化再进行阀值分割。要正确完成导航路径识别, 首先要对导航参数精确提取,核心就是对采集图像的处 理。标识线识别原理:在仓库中黑色标识线和白色瓷砖背 景路面的灰度值对比差异大,经图像处理后就能得到智能 车辆的行驶路径,在采集的图像中提取黑色标识线边缘, 得到标识线的中心线,根据此中心线的位置判断车体与跟 踪标识线的相对位置,从而进行跟踪控制[12]。本文研究了 路径图像的识别原理和方法,在识别每一帧路径图像时, 为提高识别的准确性和实时性,依次进行图1所示的处理。

基于视觉导航的微型智能车路径识别系统研究

图 1 路径识别流程

为了扩大微型智能车的视野范围,需要将摄像机与水 平线成 45°安装,如图 2所示。其中,摄像头的安装高度为 Z1,其视野角度与安装的高度 Z1和俯仰角都有关系。车身 长度 L1即智能车的前后轮间距。微型智能车利用摄像机 作为“眼睛”获取路面信息,实现从三维空间到二维平面的 转换。用数学理论解释,其转换过程必然存在一个变换矩 阵。在路径中标定特殊的位置,只要知道标定的位置就能 计算出智能车的相对位置。在水平面的理想状态下,实际 图像的坐标点和图像像素的坐标点满足以下关系式[13]:

抱歉,此资源仅限赞助会员下载,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。