基于彩色图像的AGV路径识别装置的制作方法

文档序号：11856814阅读：482来源：国知局

本实用新型涉及无人搬运车（AGV）的技术领域，更具体地，涉及基于彩色图像的AGV路径识别装置。

背景技术：

目前现有的公知的AGV导航方法主要分为以下几类：

磁导航，这是应用最为广泛的导航方式之一，AGV依据在仓库地面铺设的导轨进行运动，完成货物的搬运等相关工作，使用这种方式的缺点是线路铺设成本较高，且不易于维护，修改线路成本大。

激光导航，激光导航是在AGV行驶路径的周围安装位置精确的反射板，AGV通过发射激光束，同时采集由反射板反射的激光束，来确定其当前的位置和方向，激光导航控制复杂及激光技术昂贵投资成本较高，反射片与AGV激光传感器之间不能有障碍物，不适合障碍物较多的场合。

视觉导航，在地面铺设与地板色差较大的导引带，线路铺设简单，维护成本低廉，且易于修改线路。

综上所述，视觉导航具有磁导航和激光导航不可替代的优势，但是由于视觉导航容易受到光线的干扰，导致跟踪路径识别失败。因此，需要一种系统的道路识别方案，使得在不同的环境影响下，都能准确识别出需要跟随的路径。

技术实现要素：

本实用新型为克服上述现有技术所述的至少一种缺陷，提供基于彩色图像的AGV路径识别装置，可降低仓储无人搬运车的制造成本，提高仓储AGV对复杂环境下路径识别的适应性。

为解决上述技术问题，本实用新型采用的技术方案是：基于彩色图像的AGV路径识别装置，其中，包括AGV车体，AGV车体内设有AGV嵌入式控制系统、电源管理装置、其它传感器装置、电机驱动装置、电机、设于AGV车体底部的车轮，所述的AGV车体外设有摄像头；

所述的电源管理装置分别连接摄像头、AGV嵌入式控制系统、其它传感器装置、电机驱动装置、电机；所述的AGV嵌入式控制系统分别连接摄像头、其它传感器装置、电机驱动装置；所述的电机连接车轮。

在仓库环境中，无人搬运车利用车载摄像头拍摄的地面视频，传送到AGV嵌入式控制系统中的车载ARM处理器，实时处理拍摄的地面图像，根据拍摄得到的图像处理得到AGV需要跟随的道路信息。引导AGV跟随固定的轨迹运动，从而完成AGV搬运货物到指定地点的需求。

本实用新型中，包括图像的采集和图像处理过程。

其中，图像的采集如下：

AGV采用的摄像头是微雪公司的OV5647，ccd尺寸：0.25英寸，传感器像素1080p，最大帧率30帧每秒。能够自动调节焦距。摄像头安装在AGV小车的正前方，与地面成一定倾角安装。所述的倾角为10－90度。在行进过程中，使用车载处理器实时采集图像实时处理。

路径识别流程是，车载摄像头图像采集、去噪和色彩均衡、色域变换、边缘检测、路径预提取、路径识别。

图像处理过程如下：

将采集到的图像读入内存，使用内存映射的方法将图像映射到用户空间，然后对每帧图像进行处理。

1，图像预处理。

使用opencv库自带函数：cvSmooth(img,temp,CV_GAUSSIAN,3,3);

对图像进行高斯滤波，这样能够对图像进行平滑，去除噪声，得到信噪比较高的图像（反映了图像的真实信号）。高斯去噪后的图像由于光照等影响往往不能正确反映图像的色彩信息，所以对整幅图像进行了色彩均衡处理。

2，图像的色域转换。

由于采集到的图像格式为RGB模式，在普通的rgb模式下，图像的颜色受光照的影响巨大，所以将图像转换为HSV模式。设 (r, g, b) 分别是一个颜色的红、绿和蓝坐标，它们的值是在 0 到 255 之间的实数。设 max 等价于 r, g 和 b 中的最大者。设 min 等于这些值中的最小者。需要计算出 HSV 空间中的 (h, s, v) 值，这里的 H ∈ [0, 360）是角度的色相角，而 S, V 是饱和度和亮度，计算方法为：

max=max(R,G,B) min=min(R,G,B) if R = max, H = (G-B)/(max-min) if G = max, H = 2 + (B-R)/(max-min) if B = max, H = 4 + (R-G)/(max-min) H = H * 60 if H < 0, H = H + 360 V=max(R,G,B) S=(max-min)/max

依据上述方法可以确定每个像素点对应的HSV值，一般来说，红色导引线的区分只需要观察色调的值，红色区域范围H的取值范围为[340，360）与[0,20]。在这两个区间的值都可以看成是红色，然后依据此项特征对整幅图像进行二值化。在此区间内的像素点归一化像素值为255，此区间外的像素点归一化为0，这样得到了一幅反映红色区域线的黑白图像。

3，图像的边缘检测

图像边缘检测可以分为以下几个步骤进行：

a 初始化一个十位数的数组。

b 依次将每一行像素的初始值塞入数组中，判断像素值为255在数组中所占的位数，如果所占位数第一次大于5，则判定为左边缘。

c 继续往数组中塞入像素数据，判断像素值为255在数组中所占的位数，如果所占位数小于5且已经有左边缘，则判定为右边缘。

d重复b，c步骤直至图像所有行被扫描完。

4，AGV行走路径的提取

依据边缘检测得到的图像，得到路径提取的粗略图形，具体的实现方法如下：

a 从第一行开始从左往右提取，左右边缘点，如果只有左边缘点舍弃该行。

b 一行中有多个左右边缘点，取左边缘和右边缘间距最接近实际道路距离的边缘点为实际边缘点。

c 依据取得的实际边缘点取中间值作为图像的边缘

d 重复a，b，c直至整幅图像结束。

5，最小二乘法拟合得到控制线路

依据步骤4得到的路径是非完整的，由于噪声干扰及其线路之外其它可能出现的红色物体干扰，导致在路径提取时得到的路径信息是不连贯的，为了得到一条完整的路径信息，需要对车载摄像头提取路径点进行拟合，使用最小二乘法对得到的路径点进行四阶拟合，得到一条完善的路径信息。

与现有技术相比，有益效果是：本实用新型能够具有很强的适应性，在不同的光照条件及其其它颜色干扰的状态下，能够比较好的对红色路径进行提取。而且降低仓储无人搬运车的制造成本，提高仓储AGV对复杂环境下路径识别的适应性。

附图说明

图1是本实用新型整体框架示意图。

图2是本实用新型路径识别流程示意图。

具体实施方式

附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。附图中描述位置关系仅用于示例性说明，不能理解为对本专利的限制。

如图1所示，基于彩色图像的AGV路径识别装置，其中，包括AGV车体，AGV车体内设有AGV嵌入式控制系统、电源管理装置、其它传感器装置、电机驱动装置、电机、设于AGV车体底部的车轮，所述的AGV车体外设有摄像头；