[发明专利]一种基于全局视觉的多仓储AGV追踪方法

权利要求书

1.一种基于全局视觉的多仓储AGV追踪方法，其特征在于，包括以下步骤：

1)仓储系统顶部的摄像头拍摄仓库的全局图像，并将全局图像发送到控制中心用于仓储AGV的追踪；

2)控制中心的追踪系统对全局图像进行处理，在第一帧利用tiny_YOLOv3目标检测网络对多台AGV进行识别，并根据AGV顶部的AprilTag码确定每台AGV的ID及位姿；具体包括以下步骤：

步骤一、当仓储系统启动时，由于没有AGV的位姿信息和路径信息，因此使用tiny_YOLOv3目标检测网络来进行多AGV识别，用AGV图片、行人图片和仓库内常见障碍物图片对tiny_YOLOv3目标检测网络进行训练；

步骤二、为了识别AGV顶部的特征图案，对框选出来的AGV区域进行图像处理，具体的处理方式是首先将区域图像转换为灰度图像，再利用Opencv进行二值化处理，随后使用Canny边缘检测算法和FindContour函数提取物体轮廓；

步骤三、通过ApproxPolyDP函数对轮廓进行拟合，选取面积合适且被判定为正方形的特征图案作为当前AGV的特征图案，这里的特征图案选择了开源的AprilTag系统；

步骤四、以AGV顶部的AprilTag码外轮廓的四个角点为基础，将整个正方形区域栅格化，根据区域内各个栅格的像素值来对AprilTag进行解码，进而获取当前AprilTag码存储的二进制信息，作为当前AGV的ID；

步骤五、追踪系统提取到图案的轮廓集后，利用最小二乘法对正方形的各条边进行拟合，通过各边的斜率求得旋转的角度，然后加权得到适宜的角度：

其中，α_i为第i条边对应的偏转角，n为特征图案一条边点集(x_j,y_j)的数量，将当前的图案旋转α度即得到任意一个正向的特征图案，但此时AGV的朝向未知，因此可根据AprilTag的旋转不变性，依次将图案旋转90度最终得到家族码中标准的特征图案，然后将这两部分的角度相加即得到AGV的航向角，如下式所示：

θ＝90°×r+(45°-∝) (2)

其中，α是一个用于计算AGV航向角的辅助角，数值上等于AprilTag码四条边夹角的均值；r属于0～3，表示当前识别经过r次90度旋转能与家族码中匹配，k_i为第i条边最小二乘法计算出角度的权重，此处设置每条边都具有相同的权重；

3)将仓库分为若干区域，控制中心的调度系统获取追踪系统发送的AGV位姿信息后利用分层规划算法进行每台AGV的路径规划；

4)当调度系统规划好每台AGV的路径后，追踪系统利用路径信息直接预测AGV的位置，然后设置一个动态的窗口来框选出AGV所在区域，同样识别区域内AprilTag码来确定每台AGV的信息，如果检测到的AGV数量少于当前仓库内AGV的数量，重新执行步骤2)；

5)控制中心将路径信息转化成的速度指令发送至AGV，控制AGV能够按照既定路线到达目标区域，完成货物的分拣任务。

2.根据权利要求1上述的一种基于全局视觉的多仓储AGV追踪方法，其特征在于，步骤1)中顶部摄像头放置于仓库的顶部，用于监控和拍摄整个仓库的图像，其中仓储系统的控制中心包含多AGV追踪系统和多AGV调度系统，分别用于确定每台AGV的位姿信息和具体路径。

3.根据权利要求1上述的一种基于全局视觉的多仓储AGV追踪方法，其特征在于，步骤3)包括：

仓库分为两层进行分类和存储，其中第二层为分拣层，第一层为集中存储层；将分拣区域划分为n个区域，每个区域内都含有一个路口和与其连接的走廊，区域又有多个栅格，栅格是AGV调度的最基础单位，根据区域的分工不同，在分拣层又被分为起始区域和目标区域；在执行任务过程中，每台AGV会根据被分配的任务，利用分层规划得出到达目标区域的最优路径，AGV根据路径运行到目标区域后将携带的包裹投入管道中，货物会进入到第一层进行集中存储，分拣任务结束后AGV会再返回空闲的起始区域进行下一次任务循环。