[发明专利]一种基于视觉的AGV导航方法

摘要

一种基于视觉的AGV导航方法，首先在自动导引运输车上安装视觉系统，并在地面粘贴导引线、驻车标志，实时采集图像后在图像中设置多个子图像组成的方形区域，进而计算得到目标曝光量、灰度梯度变化，然后根据梯度变化得到边缘像素后，去除污点并进行数据处理得到导引线方程，最后根据导引线方程得到导引线两侧边缘直线斜率及截距，进而控制自动导引运输车运动，完成驻车。本发明通过去除污点、遍历边缘像素得到最精准的导引线方程，解决了现有技术不能识别导引线或导引线识别精度低的问题，实现了自动导引运输车的精准导航运行。

主权项

一种基于视觉的AGV导航方法，其特征在于包括如下步骤：(1)在自动导引运输车的前方、后方、左侧、右侧中心位置各安装一套视觉系统，其中，视觉系统包括相机、光源、镜头及位置调整机械机构。(2)在地面任意位置粘贴任意数量纵向导引线、横向导引线、驻车标志，其中，自动导引运输车的运动轨迹为纵向导引线或横向导引线，驻车标志位于纵向导引线或横向导引线的末端，纵向导引线、横向导引线相互垂直；(3)令自动导引运输车上的相机实时采集自动导引运输车前方、后方、左侧或右侧图像，在采集得到的图像中设置N个尺寸为a像素×a像素子图像组成的方形监控区域，计算得到N个子图像的平均灰度值为$\stackrel{\&OverBar;}{G}=\frac{1}{N\&CenterDot;a^2}\underset{k=1}{\overset{N}{\&Sigma;}}\underset{i=1}{\overset{a}{\&Sigma;}}\underset{j=1}{\overset{a}{\&Sigma;}}{g}_{ij}$其中，g_ij为一个子图像中第i行第j列像素的灰度值，i＝1，2，3…a，j＝1，2，3…a，k＝1，2，3…N；(4)从外部获取图像目标亮度G₀，得到N个子图像的平均灰度值与目标亮度G₀的比例因子d为$d=G_0/(\stackrel{\&OverBar;}{G}+1)$进而得到目标曝光量＝当前曝光量×d，然后调节当前相机的曝光量至目标曝光量；(5)将采集得到的图像中第x行、第y列的像素灰度值记为f(x,y)，然后得到图像灰度增量Δf(i,j)为Δf(i,j)＝[f(i+1,j)‑f(i,j)]+[f(i,j+1)‑f(i,j)]进而得到x方向的图像灰度梯度变化G_x，y方向的图像灰度梯度变化G_y，得到图像总的灰度梯度变化G为$G=\sqrt{G_x+G_y};$(6)根据图像总的灰度梯度变化G得到图像中第i行的最小梯度，并记为Min(i)，然后计算图像中各行最小梯度的平均值Min_Avg为$Min\_Avg=\frac{1}{N}\underset{i=1}{\overset{M}{\&Sigma;}}Min\left(i\right)$其中，M为图像的行数，i＝1，2，3…M；(7)从外部获取附加阈值T₀，检测图像中第i行第j列的梯度G_ij，如果G_ij>Min_Avg+T₀，则图像中第i行第j列的像素为边缘像素，否则为背景像素；其中，附加阈值T₀为的取值范围为[20,70],i＝1，2，3…M,j＝1，2，3…M’，M’为图像的列数；(8)将在同一列中连续排列的边缘像素作为一个单元，记为U_i,j，i表示第j列中第i个像素所在行，j表示行，将单元U_i,j与下一列的单元U_k,j+1进行比较，如果两者有相连或者重合的边缘像素，则两者为一个联通区域，遍历所有列得到图像中的所有联通区域，i＝1，2，3…M,j＝1，2，3…M’，k＝1，2，3…M；(9)计算图像中的各个联通区域的面积Area(m)并判断，如果Area(m)<T₁，则将当前联通区域去除，否则保留当前联通区域，其中，T₁为图像中污点的最大面积，m为步骤(8)得到的联通区域的个数；(10)判断保留的联通区域，如果当前联通区域内像素数目不少于2/3总像素个数且面积Area(m)>T₂且与图像中第1行或最后1行相交且当前联通区域相对图像纵向中心线的偏角在[α₀,α₁]内，则当前联通区域为纵向导引线，如果当前联通区域边缘像素数目不少于2/3总像素个数且面积Area(m)>T₃且与图像中第1列或最后一列相交且当前联通区域相对图像横向中心线的偏角在[‑α,α]范围内，则当前联通区域为横向导引线，如果当前联通区域垂直于纵向导引线且均匀分布在该纵向导引线两侧且面积Area(m)>T₄，则当前联通区域为驻车标志，其中，T₂为的取值范围为[5000,30000]，T₃的取值范围为[5000,30000]，T₄的取值范围为[300,1500]，α₀的取值范围为[‑25°,0]，α₁的取值范围为[0，25°]，α为20°；(11)以图像左上角像素为原心，以平行于图像横向中心线的方向为x轴指向，以平行于图像纵向中心线的方向为y轴指向，建立图像坐标系，对图像进行第0列‑第M’列搜索，将每一行遇到的第一个边缘像素记为x_ij,进行第M’列‑第0列搜索，将第0列遇到的第一个边缘像素记为x_i’j’，当上述两个边缘像素满足时，边缘像素x_ij、x_i’j’为可信的边缘像素，遍历图像中所有行得到所有可信的边缘像素，进而得到纵向导引线两条边缘像素集合{x'_ij,y'_ij}、{x'_i'j',y'_i'j'}，其中，W₁的取值范围为[0‑20]像素，W₂的取值范围为[0‑50]像素，x_ij为图像中第i行第j列的像素，x_i’j’为图像中第I’行第j’列的像素，x'_ij为边缘像素x_ij在图像坐标系中的横向坐标值，y'_ij为边缘像素x_ij在图像坐标系中的纵向坐标值{x'_ij,y'_ij}，i＝1，2，3…M,j＝1，2，3…M’，i’＝1，2，3…M,j’＝1，2，3…M’；(12)把{x'_ij,y'_ij}、{x'_i'j',y'_i'j'}各自均匀划分为上下两部分，得到和在集合中分别任意选择一个边缘像素点，得到对应的直线方程，计算集合{x'_ij,y'_ij}中各个边缘像素到该直线的距离并判断，如果距离<T₅，则该边缘像素属于该直线，遍历{x'_ij,y'_ij}中各个边缘像素，记录该直线拥有的边缘像素点数目Num_i,i'，分别遍历集合中所有可能的边缘像素，得所有直线对应的边缘像素点数目Num_i,i'，将Num_Max＝Max(Num_i,i')且Num_Max>T₆对应的直线为纵向导引线左侧边缘直线，在集合分别任意选择一个边缘像素点，得到对应的直线方程，计算集合{x'_i'j',y'_i'j'}中各个边缘像素到该直线的距离并判断，如果距离<T₅，则该边缘像素属于该直线，遍历{x'_i'j',y'_i'j'}中各个边缘像素，记录该直线拥有的边缘像素点数目Num'_i,i'，遍历集合中所有可能的边缘像素，得所有直线对应的边缘像素点数目Num'_i,i'，将Num'_Max＝Max(Num'_i,i')且Num'_Max>T₆对应的直线为纵向导引线右侧边缘直线，其中，x'_ij为边缘像素x_ij在图像坐标系中的横向坐标值，y'_ij为边缘像素x_ij在图像坐标系中的纵向坐标值，i＝1，2，3…M,j＝1，2，3…M’，i’＝1，2，3…M,j’＝1，2，3…M’，为{x′_ij，y′_ij}的上半部分，为{x'_ij,y'_ij}的下半部分，为{x'_i'j',y'_i'j'}的上半部分，为{x'_i'j',y'_i'j'}的下半部分，T₅的取值范围为[‑5,+5]，T₆的取值范围为[80％‑95％]M’；(13)分别将纵向导引线左侧边缘直线斜率及截距、右侧边缘直线的斜率及截距、横向导引线、驻车标志送至外部，控制自动导引运输车运动，完成驻车。