[发明专利]基于人工智能的AGV小车磁带干扰物检测方法及系统

权利要求书

1.一种基于人工智能的AGV小车磁带干扰物检测方法，其特征在于，所述方法包括：

当传感器采集的磁感应强度信号异常时，通过小车搭载的RGBD相机采集正视路径下的RGB图像和深度图像；

将所述RGB图像划分磁带区域作为感兴趣区域，对所述感兴趣区域内的所述RGB图像和所述深度图像进行干扰物分析，获得干扰物图像；根据所述干扰物图像获得干扰物信息；所述干扰物信息包括所述干扰物的面积、干扰物到传感器的距离、干扰物磁化程度和干扰映射范围；

利用预先训练好的偏移预测网络处理所述干扰物信息，获得偏移角度；所述偏移预测网络为时域卷积网络；利用所述偏移角度矫正所述小车位置；

预测所述小车矫正后的所述传感器的每个采样点和所述干扰物的预测距离信息，所述预测距离信息结合所述采样点接收的磁感应强度信息对所述采样点灵敏度进行加权调整，具体包括：

对每个时刻的采样信号进行聚类，获得每一簇信号在信号总值中的占比；通过最终权重公式获得每个采样点的磁感应强度的最终权重，所述最终权重公式包括：

其中，为最终权重，为第个采样点对应簇的信号值总值，为第个采样点的信号值，为信号点的数量，为偏移后第个采样点到干扰物的距离。

2.根据权利要求1所述的一种基于人工智能的AGV小车磁带干扰物检测方法，其特征在于，所述对所述感兴趣区域内的所述RGB图像和所述深度图像进行干扰物分析包括：

提取所述感兴趣区域内所述干扰物的颜色、光泽和纹理作为干扰物特征判断所述干扰物是否为金属干扰物；若所述干扰物为非金属干扰物，则记录当前小车位置信息；若所述干扰物为金属干扰物，在记录当前位置信息同时获得所述干扰物图像。

3.根据权利要求1所述的一种基于人工智能的AGV小车磁带干扰物检测方法，其特征在于，所述干扰映射范围的获取方法包括：

根据所述干扰物图像中的坐标信息获得所述干扰物的长度，以所述传感器的长度和所述干扰物的长度之比作为所述干扰映射范围。

4.根据权利要求1所述的一种基于人工智能的AGV小车磁带干扰物检测方法，其特征在于，所述磁感应强度信息获取方法为：

通过聚类分析每个所述采样点的信号值获得多组信号类簇；计算每一簇信号值在信号总值中的占比，获得信号比值作为所述磁感应强度信息。

5.根据权利要求1所述的一种基于人工智能的AGV小车磁带干扰物检测方法，其特征在于，所述传感器采集磁感应强度信号时，若所述磁感应强度信号小于预设的磁感应强度阈值，则确定所述小车不在磁带上，矫正小车位置。

6.一种基于人工智能的AGV小车磁带干扰物检测系统，其特征在于，该系统包括：图像采集模块、图像分析模块、偏移角度获取模块和传感器调整模块；

所述图像采集模块用于当传感器采集的磁感应强度信号异常时，通过小车搭载的RGBD相机采集正视路径下的RGB图像和深度图像；

所述图像分析模块用于将所述RGB图像划分磁带区域作为感兴趣区域，对所述感兴趣区域内的所述RGB图像和所述深度图像进行干扰物分析，获得干扰物图像；根据所述干扰物图像获得干扰物信息；所述干扰物信息包括所述干扰物的面积、干扰物到传感器的距离、干扰物磁化程度和干扰映射范围；

所述偏移角度获取模块用于利用预先训练好的偏移预测网络处理所述干扰物信息，获得偏移角度；所述偏移预测网络为时域卷积网络；利用所述偏移角度矫正所述小车位置；

所述传感器调整模块用于预测所述小车矫正后的所述传感器的每个采样点和所述干扰物的预测距离信息，所述预测距离信息结合所述采样点接收的磁感应强度信息对所述采样点灵敏度进行加权调整，具体包括：

对每个时刻的采样信号进行聚类，获得每一簇信号在信号总值中的占比；通过最终权重公式获得每个采样点的磁感应强度的最终权重，所述最终权重公式包括：

其中，为最终权重，为第个采样点对应簇的信号值总值，为第个采样点的信号值，为信号点的数量，为偏移后第个采样点到干扰物的距离。