CN105446333B - 视觉agv导航系统 - Google Patents
视觉agv导航系统 Download PDFInfo
- Publication number
- CN105446333B CN105446333B CN201510761432.9A CN201510761432A CN105446333B CN 105446333 B CN105446333 B CN 105446333B CN 201510761432 A CN201510761432 A CN 201510761432A CN 105446333 B CN105446333 B CN 105446333B
- Authority
- CN
- China
- Prior art keywords
- image
- vision
- road surface
- surface ahead
- dtri
- 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.)
- Active
Links
- 230000000007 visual effect Effects 0.000 title abstract description 6
- 238000001914 filtration Methods 0.000 claims abstract description 5
- 230000004438 eyesight Effects 0.000 claims description 37
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 9
- 230000011218 segmentation Effects 0.000 claims description 9
- 230000000694 effects Effects 0.000 abstract description 10
- 230000007547 defect Effects 0.000 description 2
- 238000002945 steepest descent method Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000001027 hydrothermal synthesis Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
Abstract
本发明涉及一种视觉AGV导航系统,包括:视觉传感器、图像采集卡、图像处理器、PC主机和驱动系统,其中:所述视觉传感器通过USB接口与所述图像采集卡相连接,所述图像采集卡与所述图像处理器相连接,所述图像处理器通过RS232接口、USB接口和JTAG接口与所述PC主机相连接,所述图像处理器通过PWM输出接口与所述驱动系统相连接;所述图像处理器包括依次连接的滤波处理单元、边缘处理单元和阈值处理单元。本发明提供的视觉AGV导航系统,结构设计科学合理,用多种新的图像处理算法对图像进行处理,对图像的处理效果较好,能够得到用清晰的二值化图像所显示的路径来引导自动导引运输车平稳行进,可以很好地满足实际应用的需要。
Description
技术领域
本发明属于机动车辆视觉导航技术领域,具体涉及一种视觉AGV导航系统。
背景技术
AGV(Automatic Guided Vehicle,自动导航小车)是一种无人操纵的自动化运输设备,能承载一定的重量在出发地和目的地之间自主运行,是自动物流系统和柔性制造系统的重要组成设备,具有良好的市场前景和应用价值。视觉导航是AGV常用的一种导航方式,视觉导航的优点在于:路径设置简单、信息获取丰富、可扩展强、柔性程度高、成本低廉,但当前视觉导航技术对其图像获取和处理周期相对较长,对处理器要求较高,图像处理效果不佳等。尤其是在对图像去噪处理方面,当前常用的传统的全变分算法存在着2个问题:一是拉格朗日因子的求解需要已知图像噪声方差,并且拉格朗日因子是一个全局变量,但图像中的边缘区域和非边缘区域的信噪比是不同的,用相同的拉格朗日因子作为逼近项解前的系数会影响非边缘区域的去噪效果;二是在处理边缘时很容易出现阶梯效应。
视觉导航方法图像处理效果不佳等缺陷一直存在,成为影响视觉导航的一个技术障碍。
发明内容
针对上述现有技术中存在的问题,本发明的目的在于提供一种可避免出现上述技术缺陷的自动导引运输车视觉导航方法。
为了实现上述发明目的,本发明采用的技术方案如下:
一种视觉AGV导航系统,包括:视觉传感器、图像采集卡、图像处理器、PC主机和驱动系统,其中:所述视觉传感器通过USB接口与所述图像采集卡相连接,所述图像采集卡与所述图像处理器相连接,所述图像处理器通过RS232接口、USB接口和JTAG接口与所述PC主机相连接,所述图像处理器通过PWM输出接口与所述驱动系统相连接;所述图像处理器包括依次连接的滤波处理单元、边缘处理单元和阈值处理单元。
进一步地,所述视觉传感器为CCD摄像机或CMOS摄像机,所述图像处理器为DM6467芯片。
一种视觉AGV导航方法,包括以下步骤:
步骤1)视觉传感器采集前方路面图像;
步骤2)对所述前方路面图像进行去噪处理;
步骤3)利用RGB图像到HSI空间转换公式对所述前方路面图像进行色彩空间转化,得到HSI色彩空间中的H、S和I分量灰度图;
步骤4)计算所述分量灰度图中的平均色调和饱和度值;
步骤5)根据平均色调和饱和度值调整分割阈值;
步骤6)对所述前方路面图像进行实时分割;
步骤7)将完成分割后的图像进行二值化处理,输出二值化图像;
步骤8)自动导引运输车沿着所述二值化图像中所显示出的路径向前行进。
进一步地,所述步骤2)具体为:对由所述步骤1)所得到的前方路面图像u0进行一次高斯滤波得到一个较模糊的图像ug=u0*G,其中G为高斯核,用ug代替u0,这样逼近项就变成
新的能量泛函如下:
其欧拉-拉格朗日方程如下:
得到新的演化公式:
λ根据图像局部信息的不同而不同,所以将上式两边同时乘上(ug-u)并在局部图像区域Ω0进行积分,当达到稳定解时,ut将趋于0,所以得到
接着分别针对边缘区域和非边缘区域求λ的值,其中:
1)在边缘区域,ε是一个大于0的常数;
2)在非边缘区域,信号主要是由噪声组成,而且不需要考虑边缘区域存在的阶梯效应,演化公式完全由正则项部分决定,即:
进一步地,所述RGB图像到HSI空间转换公式为:
其中R≠G或者R≠B。
进一步地,所述步骤5)具体为:搜索当前一帧所述前方路面图像中色调和饱和度的最大值Hm和Sm,与上一帧所述前方路面图像中色调和饱和度的最大值Hm’和Sm’进行比较,分割阈值Ht和St分别按照Hm/Hm’和Sm/Sm’的比例进行调整缩放。
进一步地,所述步骤6)具体为:选取所述前方路面图像的每个像素点(i,j)的八邻域A,计算八邻域A内的8个像素的平均色调值Ph和平均饱和度Ps,计算公式如下:
其中,Hr和Sr分别为八邻域A内某像素点(u,v)的色调和饱和度,衡量任一像素点(i,j)是否为可行路径点的标准为:若满足|Ph(i,j)-H|<Ht且|Ps(i,j)-S|<St,则该像素点为可行路径点,否则为不可行路径点。
进一步地,所述步骤7)具体为:对完成分割后的图像进行处理,使可行路径点的灰度值变为255,使不可行路径点的灰度值变为0,可行路径点连接为可行路径,从而得到可行路径的二值化图像,并输出所述二值化图像。
本发明提供的视觉AGV导航系统,结构设计科学合理,采用新的去噪算法对初始的前方路面图像进行去噪处理,利用RGB到HIS空间转换并用多种新的图像处理算法对图像进行处理,对图像的处理效果较好,能够得到用清晰的二值化图像所显示的路径来引导自动导引运输车平稳行进,可以很好地满足实际应用的需要。
附图说明
图1为本发明的视觉AGV导航系统的结构框图;
图2为本发明的视觉AGV导航方法的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,下面结合附图和具体实施例对本发明做进一步说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
如图1所示,一种视觉AGV导航系统,包括:视觉传感器、图像采集卡、图像处理器、PC主机和驱动系统,其中:所述视觉传感器通过USB接口与所述图像采集卡相连接,所述图像采集卡与所述图像处理器相连接,所述图像处理器通过RS232接口、USB接口和JTAG接口与所述PC主机相连接,所述图像处理器通过PWM输出接口与所述驱动系统相连接;所述图像处理器包括依次连接的滤波处理单元、边缘处理单元和阈值处理单元。
所述视觉传感器为CCD摄像机或CMOS摄像机,所述图像处理器为DM6467芯片。
如图2所示,一种视觉AGV导航方法,包括以下步骤:
步骤1)视觉传感器采集前方路面图像;
步骤2)对所述前方路面图像进行去噪处理;
步骤3)利用RGB图像到HSI空间转换公式进行色彩空间转化,得到HSI色彩空间中的H、S和I分量灰度图,其中,H分量表示色调,S分量表示饱和度,I分量表示亮度,RGB色彩模式是工业界的一种颜色标准,是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的,RGB即是代表红、绿、蓝三个通道的颜色,这个标准几乎包括了人类视力所能感知的所有颜色,是目前运用最广的颜色系统之一;
步骤4)计算所述分量灰度图中的平均色调和饱和度值;
步骤5)根据平均色调和饱和度值调整分割阈值;
步骤6)对所述前方路面图像进行实时分割;
步骤7)将完成分割后的图像进行二值化处理,输出二值化图像。
步骤8)自动导引运输车沿着所述二值化图像中所显示出的路径向前行进。
所述视觉传感器为CCD摄像机或CMOS摄像机。
传统的全变分算法就是最小化能量泛函:
其中和分别为TV模型的正则项(Regularization Term)和逼近项(Fidelity Term),Ω为图像区域,λ为拉格朗日因子,u0为含有噪声的初始图像,式(1)的欧拉-拉格朗日(Euler-Lagrange,E-L)方程如下:
由最速下降法(Steepest Descent Method)可解得图像以时间为演化参数的演化公式如下:
其中,|Ω|为图像面积,λ也被称为是全局的尺度因子,ut代表以以时间为演化参数的图像。传统的全变分算法模型中关于逼近项的演化公式存在着2个问题:一是λ的求解需要已知图像噪声方差σ2,并且λ是一个全局变量,但图像中的边缘区域和非边缘区域的信噪比是不同的,用相同的λ作为逼近项解前的系数会影响非边缘区域的去噪效果;二是当原图像噪声较大(即σ2较大)时,u0及其相关的逼近项就会存在较大误差,同时σ2与λ成反比,λ值相对较小,使得演化公式主要由正则项的解决定,所以在处理边缘时很容易出现阶梯效应,实际情况也是当图像噪声越大时,阶梯效应越明显。本发明提出一种改进的算法来对图像进行去噪处理,如步骤2)的具体操作。
所述步骤2)具体为:对由步骤1)所得到的前方路面图像u0进行一次高斯滤波得到一个较模糊的图像ug=u0*G,其中G为高斯核,用ug代替u0,这样逼近项就变成
新的能量泛函如下:
其欧拉-拉格朗日方程如下:
这样得到新的演化公式:
λ根据图像局部信息的不同而不同,所以将上式两边同时乘上(ug-u)并在局部图像区域Ω0(Ω0是以当前像素点为中心点大小为(2m+1)×(2m+1)的窗口)进行积分,当达到稳定解时,ut将趋于0,所以得到
接着分别针对边缘区域和非边缘区域求λ的值。其中:
1)在边缘区域,ε是一个大于0的常数;
2)在非边缘区域,信号主要是由噪声组成,而且不需要考虑边缘区域存在的阶梯效应,演化公式完全由正则项部分决定,即:
从而可以消除逼近项在演化公式中的作用,从而加速图像的演化,有利于噪声的去除,同时也不必考虑边缘区域才会出现的阶梯效应。
所述RGB图像到HSI空间转换公式为:
其中R≠G或者R≠B。
所述步骤5)具体为:搜索当前一帧所述前方路面图像中色调和饱和度的最大值Hm和Sm,与上一帧所述前方路面图像中色调和饱和度的最大值Hm’和Sm’进行比较,分割阈值Ht和St分别按照Hm/Hm’和Sm/Sm’的比例进行调整缩放。
所述步骤6)具体为:选取所述前方路面图像的每个像素点(i,j)的八邻域A,计算八邻域A内的8个像素的平均色调值Ph和平均饱和度Ps,计算公式如下:
其中,Hr和Sr分别为八邻域A内某像素点(u,v)的色调和饱和度,衡量任一像素点(i,j)是否为可行路径点的标准为:若满足|Ph(i,j)-H|<Ht且|Ps(i,j)-S|<St,则该像素点为可行路径点,否则为不可行路径点。
所述步骤7)具体为:对完成分割后的图像进行处理,使可行路径点的灰度值变为255,使不可行路径点的灰度值变为0,可行路径点连接为可行路径,从而得到可行路径的二值化图像,并输出所述二值化图像。
本发明提供的视觉AGV导航系统,结构设计科学合理,采用新的去噪算法对初始的前方路面图像进行去噪处理,利用RGB到HIS空间转换并用多种新的图像处理算法对图像进行处理,对图像的处理效果较好,能够得到用清晰的二值化图像所显示的路径来引导自动导引运输车平稳行进,可以很好地满足实际应用的需要。
以上所述实施例仅表达了本发明的实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (5)
1.一种视觉AGV导航方法,其特征在于,采用视觉AGV导航系统进行视觉AGV导航,所述视觉AGV导航系统包括:视觉传感器、图像采集卡、图像处理器、PC主机和驱动系统,其中:所述视觉传感器通过USB接口与所述图像采集卡相连接,所述图像采集卡与所述图像处理器相连接,所述图像处理器通过RS232接口、USB接口和JTAG接口与所述PC主机相连接,所述图像处理器通过PWM输出接口与所述驱动系统相连接;所述图像处理器包括依次连接的滤波处理单元、边缘处理单元和阈值处理单元;
所述视觉AGV导航方法包括以下步骤:
步骤1)视觉传感器采集前方路面图像;
步骤2)对所述前方路面图像进行去噪处理;
步骤3)利用RGB图像到HSI空间转换公式对所述前方路面图像进行色彩空间转化,得到HSI色彩空间中的H、S和I分量灰度图;
步骤4)计算所述分量灰度图中的平均色调和饱和度值;
步骤5)根据平均色调和饱和度值调整分割阈值;
步骤6)对所述前方路面图像进行实时分割;
步骤7)将完成分割后的图像进行二值化处理,输出二值化图像;
步骤8)自动导引运输车沿着所述二值化图像中所显示出的路径向前行进;
所述步骤2)具体为:对由所述步骤1)所得到的前方路面图像u0进行一次高斯滤波得到一个较模糊的图像ug=u0*G,其中G为高斯核,用ug代替u0,这样逼近项就变成
新的能量泛函如下:
其欧拉-拉格朗日方程如下:
得到新的演化公式:
λ根据图像局部信息的不同而不同,所以将上式两边同时乘上(ug-u)并在局部图像区域Ω0进行积分,当达到稳定解时,ut将趋于0,所以得到
接着分别针对边缘区域和非边缘区域求λ的值;其中:
1)在边缘区域,ε是一个大于0的常数;
2)在非边缘区域,信号主要是由噪声组成,而且不需要考虑边缘区域存在的阶梯效应,演化公式完全由正则项部分决定,即:
所述步骤3)中,RGB图像到HSI空间转换公式为:
其中R≠G或者R≠B。
2.根据权利要求1所述的视觉AGV导航方法,其特征在于,所述步骤5)具体为:搜索当前一帧所述前方路面图像中色调和饱和度的最大值Hm和Sm,与上一帧所述前方路面图像中色调和饱和度的最大值Hm’和Sm’进行比较,分割阈值Ht和St分别按照Hm/Hm’和Sm/Sm’的比例进行调整缩放。
3.根据权利要求1所述的视觉AGV导航方法,其特征在于,所述步骤6)具体为:选取所述前方路面图像的每个像素点(i,j)的八邻域A,计算八邻域A内的8个像素的平均色调值Ph和平均饱和度Ps,计算公式如下:
其中,Hr和Sr分别为八邻域A内某像素点(u,v)的色调和饱和度,衡量任一像素点(i,j)是否为可行路径点的标准为:若满足|Ph(i,j)-H|<Ht且|Ps(i,j)-S|<St,则该像素点为可行路径点,否则为不可行路径点。
4.根据权利要求1所述的视觉AGV导航方法,其特征在于,所述步骤7)具体为:对完成分割后的图像进行处理,使可行路径点的灰度值变为255,使不可行路径点的灰度值变为0,可行路径点连接为可行路径,从而得到可行路径的二值化图像,并输出所述二值化图像。
5.根据权利要求1所述的视觉AGV导航方法,其特征在于,所述视觉传感器为CCD摄像机或CMOS摄像机,所述图像处理器为DM6467芯片。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510761432.9A CN105446333B (zh) | 2015-11-10 | 2015-11-10 | 视觉agv导航系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510761432.9A CN105446333B (zh) | 2015-11-10 | 2015-11-10 | 视觉agv导航系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105446333A CN105446333A (zh) | 2016-03-30 |
CN105446333B true CN105446333B (zh) | 2017-05-10 |
Family
ID=55556653
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510761432.9A Active CN105446333B (zh) | 2015-11-10 | 2015-11-10 | 视觉agv导航系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105446333B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110018633A (zh) * | 2018-12-14 | 2019-07-16 | 华南理工大学 | 一种用于agv定位与导航的二维编码设计方法 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106444765B (zh) * | 2016-10-21 | 2019-07-09 | 广东工业大学 | 一种基于视觉的agv导航方法 |
CN109982013A (zh) * | 2017-12-28 | 2019-07-05 | 沈阳新松机器人自动化股份有限公司 | 一种agv色带导航传感器电路 |
CN109032125B (zh) * | 2018-05-31 | 2021-09-10 | 上海工程技术大学 | 一种视觉agv的导航方法 |
WO2020134303A1 (zh) * | 2018-12-29 | 2020-07-02 | 深圳市冠辰科技有限公司 | 一种智能控制系统 |
CN113721625B (zh) * | 2021-08-31 | 2023-07-18 | 平安科技(深圳)有限公司 | Agv控制方法、装置、设备及存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101587591B (zh) * | 2009-05-27 | 2010-12-08 | 北京航空航天大学 | 基于双参数阈值分割的视觉精确跟踪方法 |
CN102048612B (zh) * | 2011-01-07 | 2012-08-08 | 东华大学 | 一种基于机器视觉的导盲机器人 |
CN102608998A (zh) * | 2011-12-23 | 2012-07-25 | 南京航空航天大学 | 嵌入式系统的视觉导引agv系统及方法 |
CN102914303B (zh) * | 2012-10-11 | 2015-01-21 | 江苏科技大学 | 多移动机器人的智能空间系统及导航信息获取方法 |
CN103472824A (zh) * | 2013-08-29 | 2013-12-25 | 河海大学 | 一种基于摄像头的自动导航车的导航系统及方法 |
-
2015
- 2015-11-10 CN CN201510761432.9A patent/CN105446333B/zh active Active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110018633A (zh) * | 2018-12-14 | 2019-07-16 | 华南理工大学 | 一种用于agv定位与导航的二维编码设计方法 |
CN110018633B (zh) * | 2018-12-14 | 2020-08-18 | 华南理工大学 | 一种用于agv定位与导航的二维编码设计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105446333A (zh) | 2016-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105446333B (zh) | 视觉agv导航系统 | |
CN106296612B (zh) | 一种图像质量评价和天气状况引导的分级式监控视频清晰化系统及方法 | |
CN103559507B (zh) | 基于颜色与形状特征相结合的交通标志检测方法 | |
CN102682292B (zh) | 基于单目视觉的道路边缘检测及粗定位方法 | |
CN102831591B (zh) | 一种基于高斯滤波的单幅图像的实时去雾方法 | |
CN106780356A (zh) | 基于卷积神经网络和先验信息的图像去雾方法 | |
CN110348445A (zh) | 一种融合空洞卷积和边缘信息的实例分割方法 | |
CN103914813B (zh) | 彩色雾霾图像去雾与光照补偿的复原方法 | |
CN105354806B (zh) | 基于暗通道的快速去雾方法及系统 | |
CN102999916B (zh) | 一种彩色图像的边缘提取方法 | |
CN105654436A (zh) | 一种基于前景背景分离的背光图像增强去噪方法 | |
CN107505546A (zh) | 一种利用紫外成像仪监测电晕放电的方法 | |
CN103914820B (zh) | 一种基于图像分层增强的图像去雾方法及系统 | |
CN103699900B (zh) | 卫星影像中建筑物水平矢量轮廓自动批量提取方法 | |
CN104766071B (zh) | 一种应用于无人驾驶汽车的交通灯快速检测算法 | |
CN103077504B (zh) | 一种基于自适应光照计算的图像去雾方法 | |
CN104318524A (zh) | 一种基于YCbCr色彩空间的图像增强方法、装置及系统 | |
CN103914699A (zh) | 一种基于色彩空间的自动唇彩的图像增强的方法 | |
CN106846339A (zh) | 一种图像检测方法和装置 | |
CN103955905A (zh) | 基于快速小波变换和加权图像融合的单幅图像去雾方法 | |
CN102073852B (zh) | 基于最优阈值和随机标号法的多车辆分割方法 | |
CN105976337B (zh) | 一种基于中值引导滤波的图像去雾方法 | |
CN104809698A (zh) | 一种基于改进三边滤波的Kinect深度图像修复方法 | |
CN108399403B (zh) | 一种基于车牌尺寸计算的车距检测方法 | |
CN112488046B (zh) | 一种基于无人机高分辨率影像的车道线提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |