论文部分内容阅读
自动导引运输车(AGV, Automatic Guided Vehicle)自20世纪80年代以来,已经发展成为生产物流系统中最大的专业分支之一,并出现产业化发展的趋势,成为现代化企业自动化装备不可缺少的重要组成部分。随着计算机人工智能,图像处理技术等领域的发展,利用计算机视觉技术引导成为了一种重要的AGV导航手段,成为近年来研究的热点。该方法通过摄像头获取道路图像信息并进行处理,获得道路参数,以此来指引AGV导航。与传统导引技术相比,视觉导引具有成本低,适应性强,安装灵活等特点。现有的视觉导引技术尚不够成熟,主要体现在稳定性和鲁棒性上的不足。本文设计了一套用于视觉导引AGV车载系统的解决方案,从多个方面对已有方法进行优化或者革新。本文设计的视觉导引体系,以单摄像头采集作为输入,辅以RFID,全局地图信息以及机车自身电机状态,输出精确的待行道路参数,作为最终控制模块的输入。本文的研究主要包括以下3个方面:1)在整个系统中,图像处理模块是核心模块,同时是对计算性能消耗最高的模块。为了满足实时性的要求,本文基于目标圆弧半径相对较大的条件,提出基于霍夫线变换结果的简化霍夫圆变换方法,将霍夫圆变换的目标参数空间降为二维。在必须进行直线边缘检测的前提下,将进行弧检测的额外计算耗时大幅的降低。基于此方法的图像处理过程所消耗的时间可以满足系统对实时性的需求。2)由于1)中提出的图像处理技术目标单一,没有针对复杂特征的计算,因此抗噪性能并不好。基于此问题,本文提出使用一些先验知识(道路宽度和弯道半径等)来加强图像处理的准确性。并且通过全局地图和RFID信号响应,初步定位AGV机车的位置,以此预测识别目标的几何特征,使得图像的识别有的放矢,降低误识别率和漏识别率。3)识别结果的误差主要由两部分组成,分别为:a).图像采集和控制指令发出之间的延时导致的误差;b).测量误差。本文提出采用预测的方法,分析AGV行驶的物理过程,使用记录的历史识别参数,进行最小二乘法多项式拟合,预测得到真实的道路参数的近似值。同时对此近似值使用基于概率分布统计的粒子滤波进一步降低参数估计值的误差。最小化用作PID控制的输入值的误差,缩短直道行驶控制的收敛速度。以上各个算法组成部分,在作为整体运作时,相互协作,最优化的利用各自的结果。经过真实实验场景的验证,在本文提出的视觉导引方法控制下,AGV机车能够稳定的,高效的执行事先布置的任务,达到项目最初提出的要求。