基于卷积神经网络的自动导航小车系统及其冲突规避方法与流程

文档序号:13735354阅读:726来源:国知局
基于卷积神经网络的自动导航小车系统及其冲突规避方法与流程

本发明涉及基于卷积神经网络的自动导航小车系统及其冲突规避方法。



背景技术:

循线小车在工业生产实践中已得到越来越广泛的运用,因为循线小车的高智能化和自动化,让工业生产既节省了人工成本和生产成本,又提升了生产效率和生产周期。循线小车在工业物流管理中有着极为突出的地位。

由于整个区域中会有数量较多的小车同时行驶,所以自动导航小车系统设计时需要避免小车互相碰撞。传统的解决方案是依靠服务器集中调度所有小车在所有时间点上的行进速度、行进位置来确定是否会冲突,再确定具体哪部小车停车避让。这种方案的问题是服务器需要在时间上同步所有的小车,调度的效率较差。



技术实现要素:

本发明的目的是提供一种自动导航小车系统及分布式小车冲突规避方法。

实现本发明目的的技术方案是:基于卷积神经网络的自动导航小车系统及其冲突规避方法,包括以下步骤:

步骤一、构建自动导航小车系统;所述自动导航小车系统包括agv小车和引导机构;所述agv小车上设有摄像头与摄像头连接的包含卷积神经网络的控制芯片;所述引导机构包括由设置在路面上由若干条横线和纵线形成的矩形网格,设定所有横线为主路、所有纵线为支路或者采用相反设定;

步骤二、agv小车根据路径信息开始行驶;

步骤三、agv小车利用设置在agv小车前端的摄像头进行摄像,识别出前方或者左右两侧出现在视野内的其他agv小车,通过包含卷积神经网络的控制芯片识别判断其他agv小车与本agv小车是否会碰撞,若是,则在支路上的agv小车让主路上的agv小车优先通过;若否,则agv小车正常通行。

所述步骤一中,矩形网格中的每条横线和纵线均为单向行驶线。

所述步骤三中,其他agv小车与本agv小车同向行驶时,通过带卷积神经网络的控制芯片识别判断前方agv小车与本agv小车的距离决定是否选择停车避让。

所述步骤三中,其他agv小车从前方两侧来时,agv小车通过带卷积神经网络的控制芯片判断识别其他agv小车距离本agv小车的距离、角度、行驶方向,通过带卷积神经网络的控制芯片识别计算比对左右两侧agv小车距离前方最近路标的距离与自己agv小车距离前方最近路标距离,若距离过近,则在支路上的agv小车让主路上的agv小车优先通过;若距离正常,则agv小车正常通行。

自动导航小车系统中,卷积神经网络模型的处理过程包括以下步骤:

①、样本采集;

采集路标图像和小车图像,对图像进行分类生成路标样本和小车样本;

②、对路标样本和车辆样本预处理;

根据设定的样本尺寸,对路标样本和小车样本随机地进行对称翻转变化,随机修剪,色彩抖动,噪声扰动;手动将路标样本、小车样本中包含路标、小车的长方形区域框选出,将长方形框的左上角像素点的坐标值和右下角像素点的坐标值记录下来,完成小车或路标的标注;

③、卷积网络的训练:

将步骤②中标注好的小车样本和路标样本输入深度卷积网络中去,获得该图像文件的网络输出,然后计算出网络输出和标注的矩形框坐标之间的差值,然后将该差值通过反向传递进行卷积网络权重的更新。步骤③对所有的训练图像迭代上百次,最终获得训练好的卷积网络模型;

④、路标样本和车辆样本输入已训练完成的卷积神经网络,卷积神经网络计算后获得识别结果,根据识别结果对路标和小车的位置、角度做进一步计算。

进一步优选地,①中步骤包括:从拍摄的视频或图片中截取大量路标样本和小车样本组成路标样本和小车样本,路标样本和小车样本分别包括了路标图像的各个视角和小车图像的各个视角。

进一步优选地,②中步骤包括:将样本图像的像素尺寸范围转换至288*288–544*544。

进一步优选地,③中步骤包括:在识别出路标后,将该路标中心与图像底线中心连线,中心连接与垂直线的夹角即为本小车当前行进方向的夹角。中心连接的长度即为本小车距离前面路标的距离。

采用了上述技术方案,本发明具有以下的有益效果:本发明对于自动导航小车系统内的所有agv小车的冲突规避完全由agv小车自主控制,通过包含卷积神经网络的控制芯片识别判断其他agv小车与本agv小车是否会碰撞,通过矩形网格中主、支路的分配以及支路避让主路的规则合理规避冲突,不需要通过中央服务器的同一调配,对于agv小车的规避冲突具有更高的处理效率,提高了系统整体的吞吐率。

附图说明

为了使本发明的内容更容易被清楚地理解,下面根据具体实施例并结合附图,对本发明作进一步详细的说明,其中

图1为本发明中基于卷积神经网络的自动导航小车系统的小车冲突规避方法流程图。

图2为本发明中实施例1中agv小车碰撞示意图。

图3为本发明中实施例2中agv小车碰撞示意图。

具体实施方式

(实施例1)

如图1和图2所示,本实施例的分布式小车冲突规避方法,包括以下步骤:

步骤一、构建自动导航小车系统;所述自动导航小车系统包括agv小车和引导机构;所述agv小车上设有摄像头与摄像头连接的包含卷积神经网络的控制芯片;所述引导机构包括由设置在路面上由若干条横线和纵线形成的矩形网格,设定所有横线为主路、所有纵线为支路或者采用相反设定;矩形网格中的每条横线和纵线均为单向行驶线。

步骤二、agv小车根据路径信息开始行驶;

步骤三、agv小车利用设置在agv小车前端的摄像头进行摄像,识别出前方或者左右两侧出现在视野内的其他agv小车,通过带卷积神经网络的控制芯片识别判断其他agv小车与本agv小车是否会碰撞,若是,则在支路上的agv小车让主路上的agv小车优先通过;若否,则agv小车正常通行。

如图2所示,其他agv小车b与本agv小车a同向行驶时,通过带卷积神经网络的控制芯片识别判断前方agv小车b与本agv小车a的距离的d1是否在安全距离内从而决定选择停车避让或正常行驶。

构建卷积神经网络模型的步骤如下:

(1)将352x352像素大小的图片作为输入层input0输入卷积层conv1,对其进行行块大小为3x3像素、步长为1像素、填充距离为1像素的卷积操作,需要用到16个卷积核,得到16张352x352像素的特征图;

(2)将卷积层conv1输出的16张特征图输入到池化层pool2,对其进行最大池操作,池化块的大小为2x2像素,步长为2像素,得到16张176x176像素的特征图;

(3)将池化层pool2输出的16张特征图输入卷积层conv3,对其进行行块大小为3x3像素、步长为1像素、填充距离为1像素的卷积操作,需要用到32个卷积核,得到32张176x176像素的特征图;

(4)将卷积层conv3输出的32张特征图输入到池化层pool4,对其进行最大池操作,池化块的大小为2x2像素,步长为2像素,得到32张88x88像素的特征图;

(5)将池化层pool4输出的32张特征图输入卷积层conv5,对其进行块大小为3x3像素、步长为1像素、填充距离为1像素的卷积操作,需要用到64个卷积核,得到64张88x88像素的特征图;

(6)将卷积层conv5输出的64张特征图输入到池化层pool6,对其进行最大池操作,池化块的大小为2x2像素,步长为2像素,得到64张44x44像素的特征图;

(7)将池化层pool6输出的64张特征图输入卷积层conv7,对其进行行块大小为3x3像素、步长为1像素、填充距离为1像素的卷积操作,需要用到128个卷积核,得到128张44x44像素的特征图;

(8)将卷积层conv7输出的128张特征图输入到池化层pool8,对其进行最大池操作,池化块的大小为2x2像素,步长为2像素,得到128张22x22像素的特征图;

(9)将池化层pool8输出的输出的128张特征图输入卷积层conv9,对其进行行块大小为3x3像素、步长为1像素、填充距离为1像素的卷积操作,需要用到256个卷积核,得到256张22x22像素的特征图;

(10)将卷积层conv9输出的256张特征图输入到池化层pool10,对其进行最大池操作,池化块的大小为2x2像素,步长为2像素,得到256张11x11像素的特征图;

(11)将池化层pool10输出的输出的256张特征图输入卷积层conv11,对其进行行块大小为3x3像素、步长为1像素、填充距离为1像素的卷积操作,需要用到512个卷积核,得到512张11x11像素的特征图;

(12)将卷积层conv11输出的输出的512张特征图输入卷积层conv12,对其进行行块大小为3x3像素、步长为1像素、填充距离为1像素的卷积操作,需要用到1024个卷积核,得到1024张11x11像素的特征图;

(13)将卷积层conv12输出的输出的1024张特征图输入卷积层conv13,对其进行行块大小为1x1像素、步长为1像素、填充距离为1像素的卷积操作,需要用到80个卷积核,得到80张11x11像素的特征图;

(14)根据最后获得的80张11*11的特征图判断图中各个像素点周围可能出现的目标物体及其轮廓矩形框的顶点坐标。输出判断结果。

(实施例2)

如图1和图3所示,设定图3中矩形网格中横线为支路、纵线为主路,本实施例大体流程与实施例1大体相似,不同之处在于步骤三中,其他agv小车b从前方任一一侧来,通过带卷积神经网络的控制芯片识别计算比对一侧agv小车距离前方最近路标的距离d2与自己agv小车a距离前方最近路标距离d1,若距离过近,则在支路上的agv小车b让主路上的agv小车a优先通过;若距离正常,则agv小车a和b均正常通行。

本实施例中构建卷积神经网络模型的步骤与实施例1相同。

以上的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1