CN101976079B - 智能导航控制系统及方法 - Google Patents
智能导航控制系统及方法 Download PDFInfo
- Publication number
- CN101976079B CN101976079B CN 201010264886 CN201010264886A CN101976079B CN 101976079 B CN101976079 B CN 101976079B CN 201010264886 CN201010264886 CN 201010264886 CN 201010264886 A CN201010264886 A CN 201010264886A CN 101976079 B CN101976079 B CN 101976079B
- Authority
- CN
- China
- Prior art keywords
- leading line
- image
- robot body
- navigation control
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000012545 processing Methods 0.000 claims abstract description 44
- 230000008569 process Effects 0.000 claims abstract description 20
- 238000001514 detection method Methods 0.000 claims abstract description 13
- 230000004888 barrier function Effects 0.000 claims description 31
- 238000006243 chemical reaction Methods 0.000 claims description 23
- 238000000605 extraction Methods 0.000 claims description 20
- 238000004891 communication Methods 0.000 claims description 18
- 230000001537 neural effect Effects 0.000 claims description 11
- 239000000284 extract Substances 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000011426 transformation method Methods 0.000 claims 2
- 230000000694 effects Effects 0.000 abstract description 3
- 239000012636 effector Substances 0.000 abstract 1
- 238000005265 energy consumption Methods 0.000 abstract 1
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本发明涉及一种基于无标定机器视觉的智能导航控制系统及方法，属于自动化与检测技术领域。为消除传统方案中技术效果的好坏依赖于标定参数的弊端，本发明技术方案基于视觉系统的移动机器人实时避障以及导航控制方法，以实现对移动机器人平台的控制为目的，进行图像的自动获取与分析，利用机器视觉的原理，从直接得到的图像反馈信息中，快速进行图像处理，在尽量短的时间内给出反馈信息，参与控制决策的产生，构成移动机器人末端执行器的位置闭环控制。该方案了提高机器人的适应能力及工作效率，有效保持了图像处理过程的速度以及精度，增强了机器人控制系统的鲁棒性和稳定性，降低了技术方案实施过程中的成本投入以及能源消耗。
Description
技术领域
本发明涉及自动化与检测技术，尤其涉及一种基于无标定机器视觉的智能导航控制系统及方法。
背景技术
智能自主移动机器人是当今国际机器人研究领域的热点。而路径规划则是智能移动机器人中的一个重要组成部分，其研究目的是使机器人能在不同的环境中自主路径规划。环境感知是移动机器人进行自主路径规划的关键技术，获取这些信息的传感器即需要足够大的视场来覆盖整个工作区，又需要较高的采集速率以保证在运动的环境中能够提供实时的信息。近几年来，由于计算机图像处理能力和技术的飞速发展以及大量的数字图像处理设备性能价格比的提高，加之视觉系统具有信号探测范围宽、目标信息完整等优势，视觉传感器在移动机器人导航中的应用越来越受到人们的重视并表现出很好的发展前景。
在传统的机器人视觉伺服控制系统中，无论是基于位置的还是基于图像的往往都是采用基于模型的控制方法。其中模型包括：摄像机模型、机器人模型、目标物体模型和工作环境模型。摄像机模型指摄像机内、外参数，内参数一般指有效焦距f，图像平面x、y方向单位距离中的像素数Nx、Ny，图像中心点的坐标u0、v0，若考虑镜头的非线性畸变还有畸变因子等；外参数则指摄像机相对于机器人末端或固定坐标系的位姿；机器人模型主要指机器人运动学模型；目标物体模型主要指目标的深度，在固定坐标系下的位姿以及运动参数。整个伺服系统控制精度在很大程度上依赖于标定的精度。然而在实际中，由于以下原因，这种基于标定的机器人视觉伺服方法受到了很大的限制：
1)由于多种因素的影响，即使理论上精度很高的标定算法在实际中也难以得到控制和系统性能所要求的模型；
2)系统的标定结果只有在标定条件成立时才有效。所以，一旦摄像机的位置、焦距等发稍微的变化，根据原标定参数计算出的结果会有很大误差，必须对系统进行重新标定。
3)由于摄像机镜头畸变等因素的影响，摄像机的标定区域一般限制在一个比较小的区域，如果机器人的工作范围比较大时，难以得到一个满足工作范围内所有位置的参数模型。在这样的情况下，虽然可以采取分区域标定的方法，但这又增加了系统操作的复杂度。
4)标定的结果只在机器人工作区域中完成标定的位置及其有限的邻域内有效，而标定好的模型却要在整个工作空间中使用。因此一旦机器人离开标定的区域，控制系统的伺服性能会下降。
5)许多视觉伺服标定方法需要辅助参考物，这只能在实验室这样的结构化环境中才能圆满实现，而在某些特定环境下是难以对摄像机进行标定的，如抢险救灾等一些危险的或对人体有害的工作环境中。
这些缺陷使得视觉机器人在工作一段时间后，累积的系统误差将达到不能接受的程度，严重时甚至会导致导航任务的失败。如果每过一定时间就对系统重新进行标定，则无论从重新标定时机的选择，还是从工作量以及可实现性考虑，都是不现实的。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是：消除传统标定视觉方案中技术效果的好坏严重依赖于标定参数的局限性弊端；提高机器人在不同环境中的适应能力以及工作效率；提高对机器人的控制性能，有效保持图像处理过程的速度以及精度；增强机器人控制系统的鲁棒性和稳定性；降低技术方案实施过程中的成本投入以及能源消耗。
(二)技术方案
为解决上述技术问题，本发明提供一种智能导航控制系统，所述控制系统包括上位机以及移动机器人平台，所述上位机包括计算机和无线通讯装置，通过无线通讯方式与所述移动机器人平台通讯，所述移动机器人平台包括移动机器人本体、无线通讯单元以及电源；
此外，所述移动机器人平台还包括：图像提取单元、图像处理单元、导航控制单元以及嵌入式控制单元；
所述移动机器人本体用于根据所述导航控制单元所提供的导航线进行运动；所述导航线为移动机器人本体运动时所遵循的预定路线；
所述图像提取单元用于在所述移动机器人本体启动后对目标区域进行图像/视频模拟信号的提取，并将所提取的图像/视频模拟信号发送至所述嵌入式控制单元；
所述嵌入式控制单元用于将所述图像/视频模拟信号进行模数转换，将转换后得到的图像/视频数字信号传送给所述图像处理单元；
所述图像处理单元用于对所述图像/视频数字信号进行分析，计算得到当前机器人本体运动路线的导航线偏差值，并发送至所述导航控制单元；
所述导航控制单元用于根据所述导航线偏差值来调整导航线，并将所述调整后得到的导航线数据发送给所述机器人本体。
优选地，所述移动机器人平台还包括避障传感器单元；
所述避障传感器单元用于检测所述机器人本体运动过程中周围出现的障碍物，并将障碍物的图像/视频模拟信号传送至所述嵌入式控制单元。
优选地，所述嵌入式控制单元为数字信号处理器，包括用于执行多路图像/视频数据输入输出处理的数字信号处理芯片、多路数字输入输出接口、多路异步串口以及无线通讯接口。
优选地，所述图像处理单元包括图像预处理器以及导航线提取单元；
所述图像预处理器用于选择导航线颜色来对图像/视频数字信号进行预处理，弱化背景及噪声干扰，突出并得到导航线上若干个已知点的数据；
所述导航线提取单元用于按照预设规则对所述若干个已知点的数据进行投票求得当前机器人本体运动路线的直线斜率，并将该直线斜率转化为角度，基于该角度来提取单条或多条路线的导航线偏差值。
优选地，所述导航线偏差值包括导航线角度偏差值和横向偏差值。
优选地，所述导航控制单元包括最优路径规划单元以及机器人本体控制单元；
所述最优路径规划单元用于以当前导航线作为参考值，根据所述导航线偏差值采用神经网络-预描点的方式对导航线进行机器人本体速度以及转弯角度的修正，并将修正后得到的导航线数据发送给所述机器人本体控制单元；
所述机器人本体控制单元用于根据神经网络-预描点的方式，结合修正后得到的导航线数据对机器人本体进行运动状态的控制。
优选地，所述避障传感器单元为红外光电传感器，其包括集发射器与接收器，用于采用高低电平的方式对障碍物进行检测。
此外，本发明还提供一种智能导航控制方法，包括如下步骤：
S1：机器人本体根据导航线进行运动；
S2：提取机器人本体运动过程中当前的图像/视频模拟信号；
S3：对所述图像/视频模拟信号进行模数转换，输出图像/视频数字信号；
S4：对所述图像/视频数字信号进行分析，得到导航线偏差值；
S5：根据所述导航线偏差值对当前导航线数据进行机器人本体速度以及转弯角度的修正；
S6：机器人本体根据修正后得到的导航线数据进行运动。
优选地，所述方法还包括步骤：在机器人本体运动过程中，检测所述机器人本体运动过程中周围出现的障碍物，若发现障碍物，对出现的障碍物的图像/视频模拟信号进行分析处理，并根据分析处理结果指示机器人本体停止运动。
(三)有益效果
本发明技术方案所提供的智能导航控制系统及方法，与现有技术相比较，其具备如下几点有益效果：
1)本发明技术方案采用模块化设计理念，各模块可随时进行升级或替换，具有很好的通用性，结构简单，集成度高，有助于提高机器人的环境适应能力和工作效率；
2)在基于已知点的Hough变换的基础上提出了一种新的直线检测方法，将按照一定规则向已知点投票求得的直线斜率转化为角度，实现对单条或多条直线导航线偏差值的提取，不仅能加快图像处理的速度，而且能保持最高的检测精度；
3)导航控制单元采用神经网络-预描点的方法，进行机器人本体控制，能够提高对机器人的控制性能，并且无须再次进行摄像头的标定和机器人本体模型的建立，快速准确完成转向决策，提高智能导航系统的稳定性和鲁棒性；
4)图像处理单元根据实际情况的需要，选取合适的导航线颜色，快速而准确地进行导航线提取，达到了实时处理的效果；
5)图像处理单元和导航控制单元的设计皆基于嵌入式处理平台，更适于高温、潮湿等的工作环境，具有集成能力强、稳定性好、运算速度快、系统成本低、功耗小等优势。
附图说明
图1为本发明实施例的智能导航系统所涉及的机器人本体的结构示意图；
图2为本发明实施例的嵌入式控制单元的结构示意图；
图3为本发明实施例的图像处理单元的处理流程图；
图4为本发明实施例的提取导航线的方法流程图；
图5为本发明实施例的智能导航控制系统的结构示意图；
图6为本发明实施例的智能导航控制方法的流程图；
其中：1、移动机器人平台；2、彩色摄像机；3、无线通讯模块；4、机器人本体电源模块。
具体实施方式
为使本发明的目的、内容、和优点更加清楚，下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。
首先，对本发明技术方案所提供的智能导航控制系统进行描述，如图1及图5所示，所述控制系统包括上位机以及移动机器人平台1，所述上位机包括计算机和无线通讯装置，其通讯方式基于IEEE802.11的无线局域网连接，采用TCP/IP协议通过无线局域网来实现上位机与移动机器人平台之间图像/视频数据的传输，所述移动机器人平台包括移动机器人本体、无线通讯模块3、图像提取单元、嵌入式处理平台以及机器人本体电源模块4，所述嵌入式处理平台包括模数转换单元、图像处理单元以及导航控制单元；
所述移动机器人本体用于根据所述导航控制单元所提供的导航线进行运动；所述导航线为移动机器人本体运动时所遵循的预定路线；
所述图像提取单元包括彩色摄像机2，用于在所述移动机器人本体启动后对目标区域进行图像/视频模拟信号的提取，并将所提取的图像/视频模拟信号发送至所述模数转换单元；
如图2所示，所述模数转换单元用于将所述图像/视频模拟信号进行模数转换，将转换后得到的图像/视频数字信号传送给所述图像处理单元；所述模数转换单元为数字信号处理器，CPU选用高性能32位定点DSP TMS320DM642，DM642是美国德州仪器公司(TI)专门为多路图像/视频数据输入输出处理而设计的数字信号处理芯片，其运算功能强大，建立在第二代高性能超常指令字结构上，可以并行处理8条指令，非常适用于数字图像处理。在本硬件设计中，其工作主频选择为600MHz，根据项目的需要，硬件系统除了扩展必须的存储器部分以及视频采集与播放部分外，主要扩展了多路数字数字输入输出接口和多路异步串口以及无线通讯接口功能，方便与移动机器人平台相互通信。
所述图像处理单元包括图像预处理器以及导航线提取单元；如图3所示，所述图像预处理器采用寻线导航方式对当前机器人本体运动的图像/视频数字信号所得的导航线数据进行分析，选择合适的导航线颜色来对图像/视频数字信号进行预处理，弱化背景及噪声干扰，突出并得到导航线路上若干个已知数据点的数据，然后由导航线提取单元计算得到当前机器人本体运动路线的导航线偏差值并发送给所述导航控制单元；
所述寻线导航方式通过对所采集的彩色图像进行处理。主要对比R、G、B三原色。因为B分量较容易受到外界干扰，R分量自然界多用做停止线，因此最终确定采用G为导航线颜色；图像预处理流程图如图3所示，为了验证算法的可靠性，采集各种光照环境下彩色图像，并采用(2G-R-B)作为彩色特征因子，将采集的三维彩色图像变为一维的灰度图像；再采用图像拉伸的方式，有效突出导航信息；为了克服室外光照不均匀的情况，采用自动阈值的方法，将灰度图像二值化；接着对二值图像采用移动窗口的方法除去噪声；然后采用行扫描的方法提取导航线中心线，减少Hough变换计算数据量；最后根据已知点Hough变换，提取导航线，计算偏移角度以及偏移距离，作为导航控制算法的依据。
如图4所示，所述导航线提取单元按照预设的一定规则对所述若干个已知点的数据进行投票求得当前机器人本体运动路线的直线斜率，并将该直线斜率转化为角度，基于该角度来提取单条或多条路线的导航线，进而得到导航线偏差值；导航线提取单元采用改进的Hough变换的方法。Hough变换具有优异的鲁棒性和极佳的抗干扰能力，利用Hough变换进行直线检测，是图像分析和计算机视觉的一个重要内容。但是传统的Hough变换计算量非常大，从而阻碍了其在快速、精确检测直线方面的应用。目前已存在基于已知点的Hough变换方式，极大的提高了直线检测的速度。但是由于基于已知点的Hough变换采用倒数的形式将斜率限制在固定区间，因此精度不易控制，并且在斜率为-45°、45°时容易产生极大误差。因此本发明在基于已知点的Hough变换的基础上提出了一种新的直线检测方法，将按照一定规则向已知点投票求得的直线斜率转化为角度，实现对单条或多条直线的提取，不仅能加快图像处理的速度，而且能保持最高的检测精度。下面来详细描述这种新的直线检测方法。
如图4所示，按照一定规则向已知点投票求得的直线斜率转化为角度，角度在[-90°，90°]范围内，将[-90°，90°]区间分成10等份，进行投票，第一次分割区间的大小为18°。选出投票次数最多的区间，再次进行分割，为了减小误差，将该区间的前、后相邻区间合并后再次进行10等份分割。则第二次分割区间的大小为5.4°。在实际应用中可以根据试验精度要求，再次进行分割，分割的次数越多，精度越高。所述导航线偏差值包括导航线偏移距离和偏移角度。
所述导航控制单元用于根据所述导航线偏差值来调整导航线，并将所述调整后得到的导航线数据发送给所述机器人本体。所述导航线偏差值包括导航线偏移距离和偏移角度。
所述导航控制单元包括最优路径规划单元以及机器人本体控制单元；
所述最优路径规划单元用于以当前导航线作为参考值，根据所述导航线偏差值采用神经网络-预描点的方式对当前导航线进行机器人本体速度以及转弯角度的调整，并将调整过后的导航线数据发送给所述机器人本体控制单元从而对机器人本体进行运动状态的控制，无须再次进行摄像头的标定和机器人本体模型的建立。对于机器人本体为履带式机器人的情况，采用双轮差速的方法来控制机器人本体的速度和转向，因此，本发明技术方案根据提取导航线的特征直接推出机器人本体左右轮速，以达到机器人本体沿到航线行走的目的。
所述神经网络-预描点方法是一种将预描点和神经网络方法有效结合的方法。预描点的实现形式是：先设置系统未来的输出状态，然后再确定当前的控制动作，因此，控制动作具有明显的预见性，从而明显优于传统的依靠信息反馈产生控制动作的控制算法。在本发明技术方案中，机器人本体速度控制在0.2m/s～0.5m/s，预描点依据机器人本体速度动态调节预描点位置；本发明技术方案选用一种多层前馈神经网络，即BP神经网络(Back Propagation Neural Network)，其根据预描点位置控制机器人本体转向。经基于已知点的Hough变换得到偏移距离和偏移角度，能够准确反应导航线信息，因此采用这两个变量作为导航控制单元进行神经网络-预描点方式运算的输入特征量。本发明选用履带式导航车辆作为移动平台，该导航车辆通过双轮差速的方式控制车体的转角，因此移动机器人两轮的差速作为导航控制单元进行神经网络-预描点方式运算的输出特征量。
所述机器人本体控制单元用于根据神经网络-预描点的方式，结合调整后的导航线数据对机器人本体进行运动状态的控制。
所述移动机器人平台还包括避障传感器单元；
所述避障传感器单元用于检测所述机器人本体运动过程中周围出现的障碍物，并在出现障碍物的情况下通过I/O接口发送电平信号至所述嵌入式处理平台，嵌入式处理平台根据所述电平信号对机器人本体发送停止运动的指令。所述嵌入式处理平台与移动机器人本体采用串口通讯方式，通讯方式为：RS232，通讯波特率为：115200，无校验位，8数据位，1停止位。所述避障传感器单元为红外光电传感器、其包括发射器与接收器，用于采用高低电平的方式对障碍物进行检测，当前面有障碍物时，物体将发射器发出的红外光线反射回接收器，于是光电传感器就“感知”了物体的存在，产生输出信号。当检测到障碍物时输出低电平(0V)，没有检测到障碍物时输出高电平(+5V)；当然也可以设置为当检测到障碍物时输出高电平(+5V)，没有检测到障碍物时输出低电平(0V)。
下面对本发明所提供的智能导航控制方法进行描述，如图6所示，该方法包括如下步骤：
步骤1：机器人本体根据导航线进行运动；
步骤2：提取机器人本体运动过程中当前的图像/视频模拟信号；
步骤3：对所述图像/视频模拟信号进行模数转换，输出图像/视频数字信号；
步骤4：对所述图像/视频数字信号进行分析，得到导航线偏差值；
步骤5：根据所述导航线偏差值对当前机器人本体速度以及转弯角度进行调整；
步骤6：机器人本体根据调整后的导航线数据进行运动。
所述方法还包括步骤：在机器人运动过程中，检测所述机器人本体运动过程中周围出现的障碍物，发现障碍物的情况下，则通过I/O口向嵌入式处理平台发送高电平或低电平信号，并指示机器人本体停止运动。
下面结合具体情况来简要描述本发明所提供的控制系统的实施过程。
如图1、图5及图6所示，本实施方式所提供的无标定机器视觉智能导航控制系统包括移动机器人平台1、彩色摄像机2、无线通讯模块3、机器人本体电源模块4，移动机器人平台1采用电机后轮驱动方式。当接收到导航控制单元发送的启动指令后，机器人本体寻线行走，安装与机器人本体正前方的彩色摄像机2实时获取导航线路径信息，嵌入式控制单元对单路采集的彩色图像进行实时分析，输出数字信号至图像处理单元，图像处理单元进行图像处理，利用改进的Hough变换计算得到导航线偏移距离和偏移角度并发送给导航控制单元，由导航控制单元根据导航线偏移距离、偏移角度及机器人本体速度计算出预描点，输入给BP神经网络，得到移动机器人两轮速度，通过RS232串口控制机器人本体运动，两轮差速值可以调整机器人本体进行路径跟踪。在导航过程中实时向上位机传送导航图像，并实时通过红外光电传感器检测障碍物，本光电传感器有效检测范围为250mm，一旦障碍物出现在有效检测范围内，则通过I/O接口向嵌入式处理平台发送电平信号。嵌入式处理平台对I/O接口电平信号进行分析后通过导航控制单元控制机器人本体停止运动，待障碍物消除后，继续循线导航，直到完成导航任务后，导航机器人本体停止。整个导航图像可以通过上位机进行实时显示。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
Claims (7)
1.一种智能导航控制系统，其特征在于，所述控制系统包括上位机以及移动机器人平台，所述上位机包括计算机和无线通讯装置，通过无线通讯方式与所述移动机器人平台通讯，所述移动机器人平台包括移动机器人本体、无线通讯单元、图像提取单元、嵌入式处理平台以及电源；所述嵌入式处理平台包括模数转换单元、图像处理单元以及导航控制单元；
所述移动机器人本体用于根据所述导航控制单元所提供的导航线进行运动；所述导航线为移动机器人本体运动时所遵循的预定路线；
所述图像提取单元用于在所述移动机器人本体启动后对目标区域进行图像/视频模拟信号的提取，并将所提取的图像/视频模拟信号发送至所述模数转换单元；
所述模数转换单元为数字信号处理器，包括用于执行多路图像/视频数据输入输出处理的数字信号处理芯片、多路数字输入输出接口、多路异步串口以及无线通讯接口；用于将所述图像/视频模拟信号进行模数转换，将转换后得到的图像/视频数字信号传送给所述图像处理单元；
所述图像处理单元为基于数字信号处理的数字信号处理器，用于对所述图像/视频数字信号进行分析，计算得到当前机器人本体运动路线的导航线偏差值，并发送至所述导航控制单元；其中，所述图像处理单元包括图像预处理器以及导航线提取单元；所述图像预处理器用于选择导航线颜色来对图像/视频数字信号进行预处理，弱化背景及噪声干扰，突出并得到导航线上若干个已知点的数据；所述导航线提取单元用于按照改进的Hough变换方法对所述若干个已知点的数据进行投票求得当前机器人本体运动路线的直线斜率，并将该直线斜率转化为角度，基于该角度来提取单条或多条路线的导航线偏差值；
所述导航控制单元为嵌入式系统，用于根据所述导航线偏差值来调整导航线，并将所述调整后得到的导航线数据发送给所述移动机器人本体。
2.如权利要求1所述的智能导航控制系统，其特征在于，所述移动机器人平台还包括避障传感器单元；
所述避障传感器单元用于检测所述机器人本体运动过程中周围出现的障碍物，并在出现障碍物的情况下通过I/O接口发送电平信号至所述嵌入式处理平台。
3.如权利要求1所述的智能导航控制系统，其特征在于，所述导航线偏差值包括导航线偏移距离和偏移角度。
4.如权利要求1所述的智能航控制系统，其特征在于，所述导航控制单元包括最优路径规划单元以及机器人本体控制单元；
所述最优路径规划单元用于以当前导航线作为参考值，根据所述导航线偏差值采用神经网络-预描点的方式对导航线进行机器人本体速度以及转弯角度的调整，并将调整后得到的导航线数据发送给所述机器人本体控制单元；
所述机器人本体控制单元用于根据神经网络-预描点的方式，结合调整后得到的导航线数据对机器人本体进行运动状态的控制。
5.如权利要求2所述的智能导航控制系统，其特征在于，所述避障传感器单元为红外光电传感器，其包括集发射器与接收器，用于采用输出电平信号的方式对障碍物进行检测。
6.一种智能导航控制方法，其特征在于，所述控制方法包括如下步骤：
S1：机器人本体根据导航线进行运动；
S2：采集机器人本体运动过程中当前的图像/视频模拟信号；
S3：采用数字信号处理器对所述图像/视频模拟信号进行模数转换，输出图像/视频数字信号；
S4：对所述图像/视频数字信号进行分析，得到导航线偏差值；其中，选择导航线颜色来对图像/视频数字信号进行预处理，弱化背景及噪声干扰，突出并得到导航线上若干个已知点的数据；随后按照改进的Hough变换方法对所述若干个已知点的数据进行投票求得当前机器人本体运动路线的直线斜率，并将该直线斜率转化为角度，基于该角度来提取单条或多条路线的导航线偏差值；
S5：根据所述导航线偏差值对当前导航线数据进行机器人本体速度以及转弯角度的调整；
S6：机器人本体根据调整后得到的导航线数据进行运动。
7.如权利要求6所述的智能导航控制方法，其特征在于，所述方法还包括步骤：在机器人本体运动过程中，检测所述机器人本体运动过程中周围出现的障碍物，若发现障碍物，则通过I/O接口向嵌入式处理平台发送电平信号，并指示机器人本体停止运动。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 201010264886 CN101976079B (zh) | 2010-08-27 | 2010-08-27 | 智能导航控制系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 201010264886 CN101976079B (zh) | 2010-08-27 | 2010-08-27 | 智能导航控制系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101976079A CN101976079A (zh) | 2011-02-16 |
| CN101976079B true CN101976079B (zh) | 2013-06-19 |
Family
ID=43575967
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN 201010264886 Expired - Fee Related CN101976079B (zh) | 2010-08-27 | 2010-08-27 | 智能导航控制系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101976079B (zh) |
Families Citing this family (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102521653B (zh) * | 2011-11-23 | 2015-01-21 | 河海大学常州校区 | 井下多机器人联合搜救的生物刺激神经网络设备及其方法 |
| CN102541060A (zh) * | 2012-01-12 | 2012-07-04 | 季永利 | 一种确定堆、取料机实时位置避免碰撞事故的装置和方法 |
| CN102788591B (zh) * | 2012-08-07 | 2015-05-13 | 郭磊 | 基于视觉信息的机器人沿引导线巡线导航方法 |
| CN102914967B (zh) * | 2012-09-21 | 2015-01-28 | 浙江工业大学 | 采摘机器人的自主导航和人机协同采摘作业系统 |
| CN102915465B (zh) * | 2012-10-24 | 2015-01-21 | 河海大学常州校区 | 一种基于移动生物刺激神经网络的多机器人联合编队方法 |
| CN102929280B (zh) * | 2012-11-13 | 2015-07-01 | 朱绍明 | 移动式机器人分离式视觉定位导航方法及其定位导航系统 |
| CN104729496A (zh) * | 2013-12-24 | 2015-06-24 | 财团法人车辆研究测试中心 | 利用影像辨识提供避障路线的方法及行动辅具 |
| DE102014202033B4 (de) * | 2014-02-05 | 2017-07-06 | Siemens Healthcare Gmbh | Mobiles medizinisches Gerät sowie Verfahren zur Steuerung einer Bewegung des mobilen medizinischen Geräts |
| CN103914071B (zh) * | 2014-04-02 | 2017-08-29 | 中国农业大学 | 一种用于谷物联合收割机的视觉导航路径识别系统 |
| CN104020767A (zh) * | 2014-06-10 | 2014-09-03 | 兰州理工大学 | 一种用于油气生产物联网的智能机器人 |
| CN104808667A (zh) * | 2015-04-27 | 2015-07-29 | 南昌航空大学 | 自动导航避障智能小车控制系统 |
| CN105425791B (zh) * | 2015-11-06 | 2019-01-29 | 武汉理工大学 | 一种基于视觉定位的群机器人控制系统及方法 |
| CN105700532B (zh) * | 2016-04-19 | 2018-08-10 | 长沙理工大学 | 基于视觉的变电站巡检机器人导航定位控制方法 |
| CN106444381A (zh) * | 2016-11-01 | 2017-02-22 | 河池学院 | 一种节电机器人 |
| CN106383520A (zh) * | 2016-11-30 | 2017-02-08 | 福建农林大学 | 一种基于arm和mcu的喷药机器人实时控制系统及方法 |
| CN106708036A (zh) * | 2016-11-30 | 2017-05-24 | 福建农林大学 | 一种基于嵌入式的喷药机器人路径导航装置及其实现方法 |
| CN106502252B (zh) * | 2016-12-05 | 2024-02-02 | 山东双力现代农业装备有限公司 | 多传感器融合的拖拉机导航控制系统的控制方法 |
| US10796204B2 (en) * | 2017-02-27 | 2020-10-06 | Huawei Technologies Co., Ltd. | Planning system and method for controlling operation of an autonomous vehicle to navigate a planned path |
| CN108459606A (zh) * | 2018-03-29 | 2018-08-28 | 哈尔滨理工大学 | 一种基于神经网络的智能寻迹竞速平衡车 |
| CN108873914B (zh) * | 2018-09-21 | 2021-07-06 | 长安大学 | 一种基于深度图像数据的机器人自主导航系统及方法 |
| CN109407665B (zh) * | 2018-09-28 | 2020-03-17 | 浙江大学 | 一种小型半自动无人驾驶配送车及配送路径规划方法 |
| CN109582032B (zh) * | 2018-10-11 | 2021-10-12 | 天津大学 | 多旋翼无人机在复杂环境下的快速实时避障路径选择方法 |
| CN110488835B (zh) * | 2019-08-28 | 2020-12-08 | 北京航空航天大学 | 一种基于双反向传播神经网络的无人系统智能局部路径规划方法 |
| CN110825094A (zh) * | 2019-12-04 | 2020-02-21 | 安徽理工大学 | 一种基于机器视觉的机器人巡线导航系统 |
| CN110979853B (zh) * | 2019-12-20 | 2021-05-04 | 湖北师范大学 | 一种基于机器视觉的自动化包装方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1909590A (zh) * | 2005-08-04 | 2007-02-07 | 卡西欧计算机株式会社 | 摄像装置、图像校正方法以及程序 |
| CN101078935A (zh) * | 2007-06-28 | 2007-11-28 | 华南农业大学 | 基于神经网络的农业机械路径跟踪控制方法 |
| CN101093396A (zh) * | 2007-07-04 | 2007-12-26 | 华南农业大学 | 一种农业机械的导航控制方法 |
| CN101101261A (zh) * | 2007-07-23 | 2008-01-09 | 中国计量学院 | 基于拉曼光源的差分吸收法测大气no2浓度的激光雷达 |
| CN100491084C (zh) * | 2007-07-03 | 2009-05-27 | 北京控制工程研究所 | 一种基于二元环境信息的移动机器人局部路径规划方法 |
| CN101625573A (zh) * | 2008-07-09 | 2010-01-13 | 中国科学院自动化研究所 | 基于数字信号处理器的巡线机器人单目视觉导航系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070019181A1 (en) * | 2003-04-17 | 2007-01-25 | Sinclair Kenneth H | Object detection system |
-
2010
- 2010-08-27 CN CN 201010264886 patent/CN101976079B/zh not_active Expired - Fee Related
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1909590A (zh) * | 2005-08-04 | 2007-02-07 | 卡西欧计算机株式会社 | 摄像装置、图像校正方法以及程序 |
| CN101078935A (zh) * | 2007-06-28 | 2007-11-28 | 华南农业大学 | 基于神经网络的农业机械路径跟踪控制方法 |
| CN100491084C (zh) * | 2007-07-03 | 2009-05-27 | 北京控制工程研究所 | 一种基于二元环境信息的移动机器人局部路径规划方法 |
| CN101093396A (zh) * | 2007-07-04 | 2007-12-26 | 华南农业大学 | 一种农业机械的导航控制方法 |
| CN101101261A (zh) * | 2007-07-23 | 2008-01-09 | 中国计量学院 | 基于拉曼光源的差分吸收法测大气no2浓度的激光雷达 |
| CN101625573A (zh) * | 2008-07-09 | 2010-01-13 | 中国科学院自动化研究所 | 基于数字信号处理器的巡线机器人单目视觉导航系统 |
Non-Patent Citations (2)
| Title |
|---|
| 曹倩 王库.基于农田非结构特征的视觉导航研究.《纪念中国农业工程学会成立30周年即中国农业工程学会2009年学术年会论文集》.2009, * |
| 赵颖孙群 张民.农业自主行走机器人视觉导航技术研究.《计算机工程与设计》.2010,3032-3035. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN101976079A (zh) | 2011-02-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101976079B (zh) | 智能导航控制系统及方法 | |
| CN104049634B (zh) | 基于Camshift算法的智能体模糊动态避障方法 | |
| Shi et al. | Calibrcnn: Calibrating camera and lidar by recurrent convolutional neural network and geometric constraints | |
| CN103885449B (zh) | 基于多传感器协同处理的智能视觉跟踪轮式机器人的控制方法 | |
| CN103926933A (zh) | 一种无人飞行器室内同时定位与环境建模方法 | |
| CN107315410B (zh) | 一种机器人自动排障方法 | |
| CN106228110A (zh) | 一种基于车载双目相机的障碍物及可行驶区域检测方法 | |
| CN103454919B (zh) | 智能空间中移动机器人的运动控制系统的控制方法 | |
| CN105629970A (zh) | 一种基于超声波的机器人定位避障方法 | |
| CN104287946A (zh) | 盲人避障提示装置及方法 | |
| CN111047531B (zh) | 一种基于单目视觉的仓储机器人室内定位方法 | |
| CN111257892A (zh) | 一种用于车辆自动驾驶的障碍物检测方法 | |
| CN111077907A (zh) | 一种室外无人机的自主定位方法 | |
| CN108459597A (zh) | 一种用于处理任务区域的任务的移动电子设备以及方法 | |
| Barua et al. | A self-driving car implementation using computer vision for detection and navigation | |
| CN113110451A (zh) | 一种深度相机与单线激光雷达融合的移动机器人避障方法 | |
| CN202677195U (zh) | 一种基于视觉和超声波的导航控制系统 | |
| CN111707237A (zh) | 基于视觉度量的建筑外墙表面喷涂方法 | |
| CN114200442A (zh) | 一种基于毫米波雷达和视觉的道路目标检测与关联方法 | |
| Juang et al. | Real-time indoor surveillance based on smartphone and mobile robot | |
| Lee et al. | Ambient environment recognition algorithm fusing vision and LiDAR sensors for robust multi-channel V2X system | |
| CN117333406A (zh) | 一种煤矿井下多源传感器数据动态加权融合slam方法 | |
| CN104238558A (zh) | 一种基于单摄像头的循迹机器人直角转弯检测方法及装置 | |
| CN108334098B (zh) | 一种基于多传感器的人体跟随方法 | |
| Zhan et al. | Application of image process and distance computation to WMR obstacle avoidance and parking control |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| ASS | Succession or assignment of patent right |
Owner name: BEIJING XINGHUI TONGWEI ELECTRIC POWER TECHNOLOGY Free format text: FORMER OWNER: CHINA AGRICULTURAL UNIVERSITY Effective date: 20131012 |
|
| C41 | Transfer of patent application or patent right or utility model | ||
| COR | Change of bibliographic data |
Free format text: CORRECT: ADDRESS; FROM: 100193 HAIDIAN, BEIJING TO: 100102 CHAOYANG, BEIJING |
|
| TR01 | Transfer of patent right |
Effective date of registration: 20131012 Address after: 100102 Beijing city Chaoyang District Guangshun North Street No. 33 Wangjing the Atlantic city D District No. 210 2 19B room Patentee after: Beijing Xinghui Tongwei Electric Power Technology Co., Ltd. Address before: 100193 Beijing Old Summer Palace West Road, Haidian District, No. 2 Patentee before: China Agricultural University |
|
| C53 | Correction of patent for invention or patent application | ||
| CB03 | Change of inventor or designer information |
Inventor after: Wang Ku Inventor after: Cao Qian Inventor after: Qin Zhimin Inventor before: Wang Ku Inventor before: Cao Qian |
|
| COR | Change of bibliographic data |
Free format text: CORRECT: INVENTOR; FROM: WANG KU CAO QIAN TO: WANG KU CAO QIAN QIN ZHIMIN |
|
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130619 Termination date: 20180827 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |