一种视觉AGV的导航方法与流程

本发明涉及agv导航领域，尤其是涉及一种视觉agv的导航方法。

背景技术

agv，即自动导引小车，主要功能是在计算机和无线局域网络的控制下，经磁、激光等导向装置引导并沿程序设定路径运行完成作业。本质上，它为现代制造业物流提供了一种高度柔性化和自动化的运输方式。它能够快速的、准确无误的将物料运到指定的位置，运输路径可以方便的调整，在一定程度上解放了劳动力，提高了生产效率和柔性。

随着工业现代化的发展，越来越多的柔性化生产线、自动化物流系统应用到各个行业，这对agv的迅速发展起到了极大的促进作用，但同时也对agv自身的功能有着更高的要求，其中agv的定位与导航问题便是其发展和应用的主要问题之一，目前，agv的主流导航方式包括：电磁感应、磁导带、惯性和激光等。但各存在以下问题：

1、电磁感应引导抗干扰能力强，但柔性差，不容易改变线路；

2、磁导带引导方式极易受到其它物质的干扰；

3、惯性引导需要定位块的校正，不易长时间运行；

4、激光引导对反射板反射回的激光束的角度和方向进行几何运算，但成本过高，制约着推广应用。

相较传统的电磁导航、磁带导航等导引方式，利用机器视觉，通过识别路径上的条带状标识实现自主导航具有导引精度高、路径设置和变更简单灵活、智能化程度高等优点。因此，视觉导航仍是现阶段智能agv车辆研究的导向方法。

视觉系统对于视觉agv而言就如同眼睛对于人一样，是非常重要的组成部分，其中图像处理环节更是至关重要。能否正确有效地提取出标识带的边缘线直接关系到agv导航的精度，对车体控制的准确性和稳定性具有决定性的作用。视觉信息的处理技术是自动引导车研究中的关键技术之一。

经过检索，中国专利公开号为cn207174725u公开了一种agv运料小车，包括车体、导向运动单元、供电单元和移载单元，所述导向运动单元、供电单元和移载单元均安装于车体上，所述车体包括底盘和车架，车架与底盘连接，所述导向运动单元包括导向单元和运动单元，导向单元为磁导航系统，包括磁导航传感器和反馈单元，所述运动单元为四轮轮系布局，中间设两个驱动轮，前后各设一个万向轮，所述供电单元包括太阳能充电装置和蓄电池单元，太阳能充电装置和蓄电池单元均安装于车架上，所述移载单元为顶升式结构，顶升式结构包括电动推杆、两根连杆和托架，该结构简单，不仅小车的稳定性高，而且节能环保。但该实用新型使用的是磁导带引导方式，极易受到其它物质的干扰，导引精度低。

技术实现要素：

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种视觉agv的导航方法。

本发明的目的可以通过以下技术方案来实现：

一种视觉agv的导航方法，所述的agv上安装有连接控制中心的车载摄像头，所述的控制中心安装图像处理和识别标识带边缘的软件，所述的控制中心连接agv的驱动程序，其特征在于，该方法包括以下步骤：

步骤1、软件初始化，加载视觉导航需要的参数；

步骤2、加载完参数后打开摄像头，读取当前帧图像记为srcframe，若srcframe为空，程序结束，若srcframe不为空，srcframe进入步骤3；

步骤3、while循环图像处理过程；

步骤4、输出决策条件，agv的驱动程序根据该条件决策在实际场景中的运动。

优选地，所述的步骤3中的while循环图像处理过程包括以下步骤：

步骤3.1、图像预处理：转换颜色空间，用于解决光照不均匀问题；

步骤3.2、边缘提取，即提取标识带边缘线；

步骤3.3、直线拟合，对步骤3.2中的标示带边缘进行拟合，得到当前帧参与决策的线段个数strlinenum以及最后删选出的线段的角度angle。

优选地，所述的步骤3.1中的图像预处理过程具体包括：当前帧图像srcframe首先进行像素压缩，然后将原rgb色彩空间转至ycrcb，提取单通道cb分量channel_cb。

优选地，所述的步骤3.2中的边缘提取过程具体包括：基于otsu算法，建立标示带二值化分割模型，对步骤3.1中每一帧的channel_cb计算自适应的分割阈值；

采用中值滤波滤除噪声并保护边缘信息，设置滤波器初始窗口尺寸为7；结合形态学运算，首先定义3*3的椭圆结构，其次用结构元素对图像进行腐蚀以细化更小的颗粒噪点，然后进行膨胀以连接边缘处的断点，丰富边缘信息，再与原二值图像相减，即可提取标识带边缘线。

优选地，所述的步骤3.3中的直线拟合过程具体包括：采用累计概率霍夫变换对步骤3.2中的标示带边缘进行拟合，通过自适应的投票机制以及线数和角度的约束，最终得到一组长度最长且相互平行的线段，并以输出角度作为引导。

优选地，所述的步骤3.3中的直线拟合过程具体操作为：为提高边缘检测的鲁棒性自适应累加平面的阈值投票参数m_minvotenum，当lines.size()>15并且m_minvotenum<180时，m_minvotenum累加，当lines.size()<10或者m_minvotenum>180时，m_minvotenum累减，其中lline.size()为运用累计概率霍夫变换直接拟合出的线段个数；

将检测到的所有线段按长度排序，并计算斜率，删选出一组长度最长、近似平行、且不在一条延长线上或不相交的线段，输出当前帧参与决策的线段个数strlinenum以及最后删选出的线段的角度angle。

优选地，所述的步骤4中根据步骤3的计算值决策agv的运动方向具体包括：当-10<angle<10时，发出直行指令；当-90<angle<-10时，发出左转指令；当10<angle<90时，发出右转指令；当angle＝0并且strlinenum＝0时，发出停止指令。

优选地，所述的近似平行为两条线段的斜率差的绝对值小于等于0.2。

与现有技术相比，本发明具有以下优点：

1、agv的视觉导引方式成本更低，具有实时性，柔性强的优点；路径设置和变更简单灵活，便于日后维护和改造。

2、标示带检测基于颜色识别，运行效果很大程度依赖颜色模型，如rgb模型、hsi模型、ycrcb模型等，虽然rgb模型算法简单，易于实现，但受亮度变换影响大，不利于图像的阈值分割。相比hsi等其他一些颜色空间，ycrcb颜色模型计算过程和空间坐标表示形式比较简单。因此采用ycrcb颜色模型，有效解决了标示带检测时的光照不均匀问题；采用自适应的otsu阈值分割法进行色带的分割与二值化，计算简单，处理迅速。

3、常见的直线拟合方法有最小二乘法、ransac、霍夫变换、ppht等。最小二乘法适合噪音较小的数据，ransac只有一定的概率得到可信的模型，概率与迭代次数成正比，并且要求设置跟问题相关的阈值，ppht是标准霍夫变换的一个变种，计算单独线段的方向以及范围，之所以称之是概率，是因为并不将累加器平面内的所有可能得点相累加，而是只累加其中的一部分，这样可以大大节省时间。ppht还有一个重要的特点就是能够检测出线端，即能够检测出图像中直线的两个端点，确切地定位图像中的直线。因此，采用累积概率霍夫变换进行直线拟合，效率更高；通过自适应的投票机制以及线数和角度的约束，最终得到一组长度最长且相互平行的线段，有效解决了直线拟合时标示带的破损问题，提高边缘检测的鲁棒性。

附图说明

图1为本发明的视觉agv导航方法的软件流程图。

图2为本发明的边缘提取软件流程图。

图3为本发明的直线拟合软件流程图。

具体实施方式

下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。

本发明的整体思路为：通过车载摄像头传感器作为数据源，获取地面上引导agv行驶的标示带信息，并通过准确提取标示带的边缘信息以控制agv行进方向。

本发明的一种视觉agv的导航方法，图像处理环节至关重要，主要思想是将原rgb图像转至ycrcb颜色空间，采用otsu算法对预处理图像进行阈值分割，然后基于形态学运算提取边缘信息，最后运用累计概率霍夫变换(ppht)拟合直线。

如图1所示，软件首先进行初始化，在初始化中会加载视觉导航需要的参数，即累加平面的阈值参数m_minvotenum，最低线段的长度m_nhoughlinemin，线段最大间隔m_nhoughlinemax，在加载完参数后打开摄像头。程序进入while循环，只有当检测帧图像为空或用户点击了退出键，程序才跳出while循环。当前帧图像记为srcframe，在while循环中，若srcframe不为空，则srcframe会经过三步图像处理过程，根据这三步的处理结果，来输出决策条件angle以及strlinenum，agv的驱动程序根据该条件可以决策在实际场景中的运动。本发明主要分析图像处理过程。while循环中图像处理过程分为三步：

(1)图像预处理。为了提高检测效率，则首先进行像素压缩，将原帧大小变为640*480。为解决光照不均匀对图像分割的影响，将原rgb色彩空间转至ycrcb，提取单通道cb分量channel_cb。

(2)边缘提取。如图2所示，基于otsu算法，建立标示带二值化分割模型，对(1)中每一帧的channel_cb计算自适应的分割阈值。采用中值滤波滤除噪声并较好保护边缘，基于速度考虑，采用3*3的滤波算子，输出图像为mid_image。进一步定义结构体为3*3的椭圆结构对mid_image做开运算以消除细小噪点并丰富边缘信息，输出为open_image，再与mid_image相减则成功提取到标示带的边缘线。

(3)直线拟合。如图3所示，为减少计算量，缩短计算时间，采用累积概率霍夫变换，它在一定范围内进行霍夫变换，计算单独线段的方向以及范围。首先为提高边缘检测的鲁棒性自适应累加平面的阈值投票参数m_minvotenum，当lines.size()>15并且m_minvotenum<180时，m_minvotenum累加，当lines.size()<10或者m_minvotenum>180时，m_minvotenum累减。将检测到的所有线段按长度排序，并计算斜率，删选出一组长度最长、近似平行且不在一条延长线上或不相交的线段，输出当前帧参与决策的线段个数strlinenum以及最后删选出的线段的角度angle。

图像处理过程完成后，根据(3)中的计算值angle来决策agv的移动方向，当-10<angle<10时，发出直行指令；当-90<angle<-10时，发出左转指令；当10<angle<90时，发出右转指令；当angle＝0并且strlinenum＝0时，发出停止指令。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。