CN102968119A - 恒照度视觉自动导引车 - Google Patents

Abstract

本发明公开一种恒照度视觉自动导引车，包括有：车体、设置在车体上的图像获取装置、与该图像获取装置电连接的图像处理装置、以及与该图像处理装置电连接的主控装置，所述图像获取装置包括有设置在所述车体上的摄像头、与所述摄像头同轴设置的光源、以及与所述摄像头相连的图像处理单元，且所述车体上还设置有一用于遮蔽外部光照源的遮光型腔，而所述摄像头和光源设置在所述遮光型腔内部。本发明可不受或少受外界光照环境影响，在获取图像信号后经硬件整形滤波和软件数字化高速实时处理后输出一系列操控指令，控制车辆精准运行并完成各项设定动作。

Description

恒照度视觉自动导引车

技术领域

本发明涉及自动导引车技术，尤其涉及一种恒照度视觉自动导引车。

背景技术

自动导引车(Automated Guided Vehicle，AGV)在现代物流自动化输送系统和柔性制造系统中起到越来越大的重要作用。它能承载特定的负荷，在出发地和目的地之间自主行驶自动运行，对于提高生产自动化程度和生产效率有着重要意义。因此，AGV已经得到了越来越广泛的应用。AGV中的关键技术是导引技术，目前AGV的导引方式已具有多元化的趋向，方法大致有：磁迹导引、电磁导引、激光导引、GPS导引、座标识别、惯性或超声波导引、视觉导引等等。

视觉导引具有路径规划和变更相对容易，使用环境要求相对较低，循迹处理速度相对较快，实时采集和控制处理的信息量较大等优势。就视觉导引而言，准确的图像识别是重要的技术基础。AGV图像识别技术通常采用以下方式：利用摄像系统动态采集AGV运行路径周边环境图像信息，并与预设的环境图像信息库相比对，经计算机高速计算和处理后输出偏差修正控制指令，使AGV按预定路线行进。但此方法的实时响应特性不够理想，加之环境周边的构筑物变更会导致预设数据库的改变而增加寻迹的不确定性。场景的光照条件也会因自然或人为因素大幅度改变；进而导致寻线精度和运行效果差。

在AGV视觉导引技术中，图像的采集处理速度和质量指标是影响AGV运行效果的关键因素。在进行路径标线的图像采集时，存在着外界环境的变化影响，如：天气阴晴的变化，地面的反光条件的不同、晴雨天光照区别、自然闪电或人为环境突发光照等的影响以及标线的污染或缺损等等均可降低图像质量，影响图像处理的速度、对实时性和准确性也有着很大的影响，从而会影响AGV的运行效果。

发明内容

本发明所要解决的技术问题是：提供一种恒照度视觉自动导引车，该自动导引车可不受或少受外界光照环境影响，精准运行。

为解决上述技术问题，本发明采用如下技术方案：

一种恒照度视觉自动导引车，包括有：车体、设置在车体上的图像获取装置、与该图像获取装置电连接的图像处理装置、以及与该图像处理装置电连接的主控装置，所述图像获取装置包括有设置在所述车体上的摄像头、与所述摄像头同轴设置的光源、以及与所述摄像头相连的图像采集单元，且所述车体上还设置有一用于遮蔽外部光照源的遮光型腔，而所述摄像头和光源设置在所述遮光型腔内部。

优选地，所述遮光型腔为多面椎体状，设置在所述车体前部中间位置，而所述摄像头和光源设置在所述椎体顶部内侧。

优选地，所述摄像头和光源设置在所述椎体中间靠后位置，并与地面成30-90°夹角。

优选地，所述图像处理装置具体包括有：

滤波单元，与所述图像采集单元电连接，用于对该图像采集单元采集的原始图像进行高、低通滤波，并采用二维Gaussian Blur平滑算法提取滤波图像；

透视变换单元，与所述滤波单元相连，用于对经滤波的图像进行透视变换；

边缘检测单元，与所述透视变换单元相连，用于对经透视变换的图像采用Sobel算法，Scharr核进行边缘检测处理；

曲线拟合单元，与所述边缘检测单元相连，用于对经边缘检测的图像采用二次多项式最小二乘进行曲线拟合处理，得到最终图像。

优选地，所述二维Gaussian Blur平滑算法为：使用二维正态分布公式建立一个n×n的核矩阵K后，用该核矩阵K在原始图像上计算卷积，其中：

$K_{i,j}=\frac{1}{2\mathrm{\π}{\mathrm{\σ}}^2}{e}^{\frac{{(i-\frac{n}{2})}^2+{(j-\frac{n}{2})}^2}{2{\mathrm{\σ}}^2}};$

卷积公式如下：

$(S*K)[i,j]=\underset{m}{\mathrm{\Σ}}\underset{n}{\mathrm{\Σ}}S[m,n]K[i-m,j-n].$

优选地，所述透视变换单元采用以下公式进行透视变换：

其中：(i′,j′,t)^T＝A*(i,j,1)^T

上式中，S为透视变换前图像，A为透视变换矩阵，D为透视变换结果图像。

优选地，所述边缘检测单元采用以下算法进行边缘检测：

根据如下3×3 Scharr矩阵在x，y两个方分别求卷积后，将两个结果分别取绝对值再相加，其中，x，y方向分别为：

$\left[\begin{array}{ccc}+3& +10& +3\\ 0& 0& 0\\ -3& -10& -3\end{array}\right]$ $\left[\begin{array}{ccc}+3& 0& -3\\ +10& 0& -10\\ +3& 0& -3\end{array}\right].$

优选地，还包括有与所述主控装置电连接的无线网络传输装置。

优选地，所述光源为无影恒照度光源。

优选地，在所述车体前方还设置有与所述主控装置电连接的全向安全防撞装置、和/或激光障碍物检测器、和/或超声波测距装置。

本发明的有益效果是：

本发明的实施例通过在车体内部设置遮光型腔遮蔽外部起伏变化的光照源，消除了非稳定光照的影响，并在遮光型腔内部设置光源为导引路径检测面提供无影恒稳均衡光照，获取动态的标线图像，并通过图像处理单元对获取到的图像进行高低通滤波、透视变换、边缘检测、曲线拟合等一系列快速处理后，实时向主控装置输出当前路径的偏差信息及纠偏控制量，主控装置根据纠偏控制量指令车体按照设定路线精确行进和停靠，从而实现了采集信号不受或少受外界光照环境影响，精准运行的效果。

下面结合附图对本发明作进一步的详细描述。

附图说明

图1是本发明的恒照度视觉自动导引车一个实施例的结构示意图。

图2是本发明的恒照度视觉自动导引车一个实施例的侧面剖视图。

图3是本发明的恒照度视觉自动导引车一个实施例的控制原理框图。

图4是本发明的恒照度视觉自动导引车一个实施例中图像获取装置获取的原始图像示意图。

图5是本发明的恒照度视觉自动导引车一个实施例中图像处理装置滤波处理后的图像示意图。

图6是本发明的恒照度视觉自动导引车一个实施例中图像处理装置边界提取后的图像示意图。

图7是本发明的恒照度视觉自动导引车一个实施例中图像处理装置透视变换后的图像示意图。

图8是本发明的恒照度视觉自动导引车一个实施例中图像处理装置曲线拟合后的最终图像示意图。

具体实施方式

下面参考图1-图8详细描述本发明提供的恒照度视觉自动导引车的一个实施例；如图1-图3所示，本实施例主要包括有：

车体1、设置在车体1上的图像获取装置2、与该图像获取装置2电连接的图像处理装置3、以及与该图像处理装置3电连接的主控装置4，所述图像获取装置2包括有设置在所述车体1上的摄像头21、与所述摄像头21同轴设置的光源22、以及与所述摄像头21相连的图像处理单元3，用于拍摄位于路面的标线，获取标线图像10，且所述车体1上还设置有一用于遮蔽外部光照源的遮光型腔5，而所述摄像头21和光源22设置在所述遮光型腔5内部。其中，光源21为无影恒照度光源。

具体实现时，所述遮光型腔5为多面椎体状，设置在所述车体1前部中间位置，而所述摄像头21和光源22设置在所述椎体5项部内侧。

进一步地，所述摄像头21和光源22可设置在所述椎体5中间靠后位置，并与地面成30-90°夹角，具体实现时，可根据不同的场地需要调整摄像头21与地面夹角，以形成最佳成像效果，然后固定摄像头21的摄取角度、焦距、光圈等。

具体实现时，所述图像处理装置3可具体包括有：

滤波单元31，与所述图像采集单元23电连接，用于对该图像采集单元23采集的原始图像进行高、低通滤波，并采用二维Gaussian Blur平滑算法提取滤波图像，其中，高、低通滤波可通过硬件高、低通滤波器实现，而通过设置软件程序实现相应的滤波图像提取；

具体实现时，所述二维Gaussian Blur平滑算法为：使用二维正态分布公式建立一个n×n的核矩阵K后，用该核矩阵K在原始图像上计算卷积，其中：

$K_{i,j}=\frac{1}{2\mathrm{\π}{\mathrm{\σ}}^2}{e}^{\frac{{(i-\frac{n}{2})}^2+{(j-\frac{n}{2})}^2}{2{\mathrm{\σ}}^2}};$

卷积公式如下：

$(S*K)[i,j]=\underset{m}{\mathrm{\Σ}}\underset{n}{\mathrm{\Σ}}S[m,n]K[i-m,j-n].$

透视变换单元32，与所述滤波单元31相连，用于对经滤波的图像进行透视变换。设置透视变换单元32的原因是摄像头22对地面有一定夹角，因此需要对图像做一个透视变换，这样求出来的2D位置才是真实的地面位置，并且能够避免符合识别功能受视角变化的影响。

具体实现时，所述透视变换单元采用以下公式进行透视变换：

其中：(i′,j′,′,t)^T＝A*(i,j,1)^T

上式中，S为透视变换前图像，A为透视变换矩阵，D为透视变换结果图像。

边缘检测单元33，与所述透视变换单元32相连，用于对经透视变换的图像采用Sobel算法，Scharr核进行边缘检测处理，选用Scharr核的原因是它能更好的处理旋转的情况。

具体实现时，所述边缘检测单元采用以下算法进行边缘检测：

根据如下3×3Scharr矩阵在x，y两个方分别求卷积后，将两个结果分别取绝对值再相加，其中，x，y方向分别为：

$\left[\begin{array}{ccc}+3& +10& +3\\ 0& 0& 0\\ -3& -10& -3\end{array}\right]$ $\left[\begin{array}{ccc}+3& 0& -3\\ +10& 0& -10\\ +3& 0& -3\end{array}\right].$

曲线拟合单元34，与所述边缘检测单元33相连，用于对经边缘检测的图像采用二次多项式最小二乘进行曲线拟合处理，得到最终图像。由于视场小而转弯半径大，可假定路径在视场范围内是单调的。因此，可以使用二次多项式拟合数据。

主控装置4接收到图像处理单元3输出的最终图像后，根据图像中示出的路径方向，输出转向指令，控制车体转向。

另外，本实施例还可包括有与主控装置4电连接的无线网络传输装置6，用于与外界进行信息交换，主控装置4可根据交换的外界信息对车体1进行运行控制。

另外，在车体1前方可还设置有与主控制器装置4电连接的高可靠机电复合全向安全防撞装置7、激光障碍物检测器8、前方或其周边超声波测距装置9(一个或多个)等，实现非接触避障和防撞。

另外，本实施例还可设置有程序判别自停和人工应急切换开关等；构成多重安全防护保障体系。

值得说明的是，以上所描述的图像采集单元23、图像处理单元3及其所包含的各单元、主控装置4的实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

与现有技术的视觉自动导引车相比，本发明具有对使用环境要求低、路径变更简单方便、适应能力更强，综台成本低、易于维护、信息量大，易于扩展AGV功能，同时具有处理速度快、实时性强，导引柔性等一系列优点。尤其适用于室、内外环境条件下导引路径图像的采集和处理，可以制导AGV精确行驶和停靠并自主完成特定的预设动作。

以上所述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，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (10)

1.一种恒照度视觉自动导引车，包括有：车体、设置在车体上的图像获取装置、与该图像获取装置电连接的图像处理装置、以及与该图像处理装置电连接的主控装置，其特征在于：所述图像获取装置包括有设置在所述车体上的摄像头、与所述摄像头同轴设置的光源、以及与所述摄像头相连的图像采集单元，且所述车体上还设置有一用于遮蔽外部光照源的遮光型腔，而所述摄像头和光源设置在所述遮光型腔内部。

2.如权利要求1所述的恒照度视觉自动导引车，其特征在于：所述遮光型腔为多面椎体状，设置在所述车体前部中间位置，而所述摄像头和光源设置在所述椎体顶部内侧。

3.如权利要求2所述的恒照度视觉自动导引车，其特征在于：所述摄像头和光源设置在所述椎体中间靠后位置，并与地面成30-90°夹角。

4.如权利要求3所述的恒照度视觉自动导引车，其特征在于：所述图像处理装置具体包括有：

滤波单元31，与所述图像采集单元23电连接，用于对该图像采集单元23采集的原始图像进行高、低通滤波，并采用二维Gaussian Blur平滑算法提取滤波图像；

透视变换单元，与所述滤波单元相连，用于对经滤波的图像进行透视变换；

边缘检测单元，与所述透视变换单元相连，用于对经透视变换的图像采用Sobel算法，Scharr核进行边缘检测处理；

曲线拟合单元，与所述边缘检测单元相连，用于对经边缘检测的图像采用二次多项式最小二乘进行曲线拟合处理，得到最终图像。

5.如权利要求4所述的恒照度视觉自动导引车，其特征在于，所述二维Gaussian Blur平滑算法为：使用二维正态分布公式建立一个n×n的核矩阵K后，用该核矩阵K在原始图像上计算卷积，其中：

$K_{i,j}=\frac{1}{2\mathrm{\π}{\mathrm{\σ}}^2}{e}^{\frac{{(i-\frac{n}{2})}^2+{(j-\frac{n}{2})}^2}{2{\mathrm{\σ}}^2}};$

卷积公式如下：

$(S*K)[i,j]=\underset{m}{\mathrm{\Σ}}\underset{n}{\mathrm{\Σ}}S[m,n]K[i-m,j-n].$

6.如权利要求4所述的恒照度视觉自动导引车，其特征在于，所述透视变换单元采用以下公式进行透视变换：

其中：(i′,j′,t)^T＝A*(i,j,1)^T

上式中，S为透视变换前图像，A为透视变换矩阵，D为透视变换结果图像。

7.如权利要求4所述的恒照度视觉自动导引车，其特征在于，所述边缘检测单元采用以下算法进行边缘检测：

根据如下3×3Scharr矩阵在x，y两个方分别求卷积后，将两个结果分别取绝对值再相加，其中，x，y方向分别为：

$\left[\begin{array}{ccc}+3& +10& +3\\ 0& 0& 0\\ -3& -10& -3\end{array}\right]$ $\left[\begin{array}{ccc}+3& 0& -3\\ +10& 0& -10\\ +3& 0& -3\end{array}\right].$

8.如权利要求1-7中任一项所述的恒照度视觉自动导引车，其特征在于：还包括有与所述主控装置电连接的无线网络传输装置。

9.如权利要求8所述的恒照度视觉自动导引车，其特征在于：所述光源为无影恒照度光源。

10.如权利要求9所述的恒照度视觉自动导引车，其特征在于：在所述车体前方还设置有与所述主控装置电连接的全向安全防撞装置、和/或激光障碍物检测器、和/或超声波测距装置。

Images