CN106444758B - 一种基于机器视觉的道路识别与路径优选的agv运输车 - Google Patents
一种基于机器视觉的道路识别与路径优选的agv运输车 Download PDFInfo
- Publication number
- CN106444758B CN106444758B CN201610857093.9A CN201610857093A CN106444758B CN 106444758 B CN106444758 B CN 106444758B CN 201610857093 A CN201610857093 A CN 201610857093A CN 106444758 B CN106444758 B CN 106444758B
- Authority
- CN
- China
- Prior art keywords
- path
- transport vehicle
- module
- control system
- agv
- 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
- 230000004888 barrier function Effects 0.000 claims abstract description 14
- 230000033001 locomotion Effects 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 5
- 239000003086 colorant Substances 0.000 claims description 3
- 230000007717 exclusion Effects 0.000 claims description 2
- 238000005259 measurement Methods 0.000 claims description 2
- 238000002604 ultrasonography Methods 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 9
- 238000010276 construction Methods 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 241000736199 Paeonia Species 0.000 description 1
- 235000006484 Paeonia officinalis Nutrition 0.000 description 1
- 235000013290 Sagittaria latifolia Nutrition 0.000 description 1
- 239000012491 analyte Substances 0.000 description 1
- 238000005352 clarification Methods 0.000 description 1
- 235000015246 common arrowhead Nutrition 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 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, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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
- G05D1/0251—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 extracting 3D information from a plurality of images taken from different locations, e.g. stereo vision
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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
- G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Acoustics & Sound (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供一种基于机器视觉的道路智能识别与路径优选的AGV运输车及其控制系统,通过机器视觉和速度可调的电机以及超声波模块等,实现AGV运输车对于道路的自动识别以及最优路径的选择。其通过摄像头获取道路图像,并且由主控系统识别PA胶纸简单构建的运动路径上的特征点,从而实现路线的自动识别;并运用Dijkstra算法实现面最优路径的选择,运用遥控模块实现行车过程中的任务信号发送,运用超声波模块检测障碍物触发声光报警并实现紧急制动。
Description
技术领域
本发明涉及一种AGV运输车及其控制系统,具体涉及一种基于机器视觉的道路智能识别与路径优选的AGV运输车及其控制系统。
背景技术
AGV是自动导引小车(Automated Guided Vehicle)的缩写,是一种自动化物料搬运设备,它是指装备具有电磁或者光学等自动引导装置,能够沿规定的引导路径行驶的运输小车,同时它还具有编程装置、安全保护装置以及各种移载功能。它以电池为动力,进行非接触式导引。它能根据给定的起点和终点在无人干预的情况下,安全使向指定的目标,从而完成各种给定的任务。但随着AGV小车在各行业的广泛应用,传统的AGV小车缺点也逐渐浮现。传统的AGV小车往往都是利用电磁或者光带进行自动引导,应用过程中会遇到运输轨道构建成本高、容易受到环境影响、更改路线工程量与资金耗费大等问题,为了解决上述问题,本发明创新地采用机器视觉技术,由AGV主控系统识别由PA胶纸简单构建的运动路径上的特征点(以颜色为主),从而实现路线的自动识别,同时,运用Dijkstra算法,实现面最优路径的选择,这对于提高车间生产效率有重要的经济价值与实用意义。
发明内容
本AGV小车发明集中体现在AGV小车的视觉引导方式和多任务处理操作。
AGV的引导方式不仅决定着由其组成的物流系统的柔性,也影响着系统运行的可靠性和组态费用。直到20世纪80年代,AGV引导方式仍以埋线磁感应引导技术为主。但是,电子技术的发展使AGV的引导技术多样化,引导方式多元化。因此,AGV的性能得到进一步提高并能适应于更复杂的工作环境,应用也更为广泛。
本发明采用机器视觉的导引方式。机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品(即图像摄取装置,分CMOS和CCD两种)将被摄取目标转换成图像信号,传送给专用的图像处理系统,根据像素分布和亮度、颜色等信息,转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征,进而根据判别的结果来控制现场的设备动作。
AGV通过车载视觉传感器采集行驶过程中的图像序列,经智能AGV图像处理器处理识别出图像中预设的引导线,通过几何测量计算出其中心线,并判断车体中轴线与引导中心线的偏差距离及夹角,并将此作为AGV运动控制系统的输入变量对小车运动进行控制。视觉引导方式优点在于信息量多且处理简单、引导路径的布置、变更和扩展较为灵活方便。视觉引导方式研究的最终目标是柔性化路径的视觉引导,即对于路径的感知与判断具有类似人的功能。
本AGV小车能够模拟人的视觉原理来识别道路,采用标识线图像识别法,即有线式视觉导航。有线式AGV视觉导引的工作原理为:由视觉摄像系统获取包含有路径信息的路面图像,通过图像处理,识别出欲跟踪的路径,从而引导AGV运行。主要工作原理如下,AGV通过摄像系统采集的图像进行分析,将信息传回主控系统控制左右轮电机;超声波传感器,遥控接收传感器,声光报警等模块通过I/O端口与主控系统连接。总结归纳的主要内容如下:
1.建立机器视觉定位系统。分析机器视觉系统的定位原理,通过视觉系统标定实验,分析视觉系统平台的定位精度,确定存在的误差源及其与视觉系统定位精度的关联,进行视觉系统的机构优化或软件算法的改进。
2.基于超声波技术对障碍物的检测。通过超声波系统和软件编程的结合,在自然环境下对障碍物进行视觉定位综合分析实现机器遇障警报系统。
3.建立自动寻道系统。包括空间状态下直线点集合偏移角度的检测和定位,目标的识别与跟踪。对自然环境下运动轨迹的视觉精准定位机制进行综合分析、智能化设计,构建一个智能运输机器视觉定位行为的智能寻道系统。
4.建立最优路径的多道选择智能系统。通过对算法的优化与硬件系统的结合,在使用区域划分方式,通过边缘跟踪等手段找出最优轨道信息。通过多个超声传感器的弧形摆放,可测出AGV前方障碍物,通过模糊控制,得出AGV的避障路径。
5.通过图像区域分割和边缘追踪找出路径信息。结合视觉数据与小车结构特点,进行精确的转向与速度控制。行驶过程中,通过超声传感器模块控制小车遇障报警,达到避障功能。
6.利用特殊的子母轮结构。参照图7和图8,子轮与母轮形成一定的角度,则会有如下效果:蓝色箭头表示子轮运动速度(与子轮的转轴垂直),而绿色和黄色箭头是子轮运动速度的正交分解,分别表示前后方向和左右方向的分速度。于是当前后轮转向和速率相同时,水平方向的分速度(黄色箭头部分)相互抵消,只剩下前后方向的分速度(绿色箭头部分),则小车正常向前或者向后行驶;当两条对角线的车轮方向相反,(即左后轮和右前轮向后且此时右后轮和左前轮向前,或者左后轮和右前轮向前且此时右后轮和左前轮向后),且速率相同时,则前后方向的分速度(绿色箭头部分)相互抵消,只剩下左右方向的分速度(黄色箭头部分),可以实现AGV的水平向左或者水平向右的横向行驶,从而实现避障,图7和图8分别给出了AGV前进和左移的控制方法,后退和右移可以类推。
本发明与现有技术相比,具有以下的有益效果:
(1)提出了以机器视觉为导引的方案,在数字图像处理算法方面做了大量研究。数字图像前处理算法有很多,本文根据工程实际,最终选用了彩色转灰度,灰度二值化,去离散干扰噪声及边缘跟踪,区域标记等算法。
(2)在多路径选择上面提出了以特殊路标的设计方案。路标的识别分别采用了数字字符和特殊字符两种方法,并用大量工程数据加以比较,从中选出最佳方案。特殊字符由于在可靠性方面明显占优,符合工程实际的需要,因此被选用。
(3)通过对AGV的机械结构、左右车轮与路径的运动学分析,建立了最优控制系统的模型,从中找到了AGV左右轮的控制策略。
(4)通过分析物流输送系统的总体过程,采用了无线通信和红外传感器确保了物流系统的安全可靠性。
(5)建立最优路径的多道选择智能系统。如何在多条道路可选的情况下得到最优路径的算法并且通过图像区域分割和边缘追踪找出路径信息。
(6)使用特殊的子母轮结构。在有限的空间里实现横向行驶,提高灵活性以及避障能力。
(7)在工业应用上,通过采用机器视觉对AGV运输车用简单材料构建的运动路径实行识别、定位、智能导航、选择最优路径,有一定的使用价值和现实意义。
附图说明
图1为本发明一个具体实施的立体结构示意图;
图2为图1的左视图;
图3为图1的俯视图;
图4为本发明透视图;
图5为车轮的细节俯视图;
图6为车轮的细节透视图;
图7为AGV前进的原理图;
图8为AGV水平左移的原理图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例一。
参见图1、4,本发明基于机器视觉与最优路径选择的多任务AGV运输车,包括车身1,摄像头2,超声波模块3,车轮4(其中包含左前轮4.1、右前轮4.2、左后轮4.3、右后轮4.4,每个车轮里又各自包含母轮和子轮,详情参加图5和图6),主控系统5,降压模块6,电机驱动模块7,电池8,直流电机9,电源开关与紧急制动按钮10,遥控信号接收模块11,声光报警模块12,边灯13,保险杠14,工作状况指示灯15,工作状态显示屏16。
参见图1,摄像头2安装在AGV运输车的车身1的下部,利用摄像头2在动态的情况下,对摄像头2获取的图片利用图像处理技术对获取的目标直线特征点后进行多帧图像进行图像预处理,从而获取目标直线点的集合,通过视觉的标定试验和定位原理,分析视觉系统平台的定位精度,确定存在的误差源及其与视觉系统定位精度的关联之后,从而获取AGV运输车运动的路径的信息,再通过对空间状态下的直线点集合偏转角度的检测和定位,目标的识别与跟踪,对自然环境下运动轨迹的视觉精准定位机制进行综合分析,智能化设计以构建一个智能运输机器是决定行为的智能寻道系统,从而实现AGV运输车的智能寻道。
参见图1,超声波模块3位于车身1的下部,利用超声波技术来对障碍物进行检测,通过多个超声传感器的弧形摆放,可测出AGV前方障碍物,通过模糊控制以及在自然的环境下对障碍物进行视觉定位综合分析,使得AGV运输车在行进的过程中,实现AGV运输车避障报警的功能,并结合图像处理技术与电路技术对AGV运输车进行深度距离检测。
参见图2,主控系统5利用matlab编程软件与单片机通信的技术获取来自摄像头2并通过图像处理技术得到的路径的角度,以获取AGV运输车实时行走的路径,接着再配合超声波模块3,电机驱动模块7和声光报警模块12来实现AGV运输车实时行走时的避障报警功能,以及通过遥控接收信号模块11使得AGV运输车能够在行进的过程中实时的接收信号。同时,通过对Dijkstra算法的优化与硬件系统的结合,使得AGV运输车在多道的选择下按照指令做出路径的最短路径和最优路径的选择,在AGV运输车的智能导航的过程中做到实时接收信号并转移路径,使得AGV运输车能够按照指令到达相应的地点。
参见图3,基于机器视觉与最优路径选择的多任务AGV运输车在行走的过程中利用前置在车身1上方的摄像头来实时的获取路径的信息,并通过区域划分和边缘追踪等图像处理技术来获取路径的信息,再结合Dijkstra算法获取AGV运输车的最短路径和最优路径,之后将路径的信息反馈给主控系统5,再由超声波模块3,声光报警模块12,和遥控接收信号模块11与主控系统5获取的路径的信息的配合,使得AGV运输车能够在行进的过程中实现实时避障报警功能,并能够让AGV运输车在行进的过程中实时接收信号,使得AGV运输车在多路径的情况下做出最短路径和最优路径的选择,在其智能导航的过程中实时接收信号并转移路径,从而让AGV运输车能按照指令到达相应的地点。
参照图2和图3,当AGV运输车需要进行转弯时,相应方向的边灯13会点亮,起到警示作用;电源开关与紧急制动按钮10分别控制小车的电源接通以及运行过程中出现故障时进行紧急制动;工作状况显示灯15和工作状态屏16可以显示小车的工作情况(如电压、载荷等)。
实施例二。
以下参考图1-4再提供一种基于机器视觉的道路智能识别与路径优选的AGV运输车及其控制系统的另一实施例,运输车包括车身、摄像头、超声波模块、车轮、主控系统、降压模块、电机驱动模块、电池、直流电机、电源开关、遥控接收模块、声光报警模块,摄像头、电机驱动模块、电池置于车身前方的上部,超声波模块、降压模块置于车身前方的下部,声光报警模块、遥控接收模块、电源开关位于车身后方的上部,主控系统位于车身内部。
其工作通过在智能AGV工作区域预先铺设由不同颜色或文字与图案等划分不同路径的PA胶纸,采用机器视觉技术,通过摄像头获取的图片进行预处理,采用可选性HSV+RGB颜色空间的道路智能识别算法找出特征点,利用边缘追踪得到由坐标确定的PA胶纸的形状,然后在MATLAB上面建立模型,指示AGV小车继续向前进。
所述的摄像头通过动态采集路径信息,经MATLAB处理识别出路径中心线,并判断车体中轴线与路径中心线的角度偏差Δeθ和距离偏差Δeμ,将计算出两个参数实时传递给运动控制器,通过运动控制器对驱动电机的实时控制,保证AGV的正常运行。
所述超声波模块选择较为常用的HC—SR04超声波测距模块,根据传感器在小车的分布图,在AGV小车前方下端安装3个超声波传感器,利用前置的3个超声波传感器测量各个方位上的数据来不断校正小车的前进方向,各个超声波传感器在AGV进行避障操作时,同时作用,交叉覆盖检测区域,实时检测障碍物。
所述的AGV避障操作,通过车前安装的超声波传感器进行远距离的前期检测,预先在主控系统中设置报警距离,如果超声波模块检测到在预警距离范围内出现障碍物,会将信号传回主控系统,触发声光报警,此时有两种情况:若障碍物过大,则进行紧急制动,然后人为进行障碍物排除;若障碍物较小,则AGV能够通过车轮的横向行驶等方式避障。则同时超声波仍在检测中,如果障碍物排除,则转入摄像头检测路径阶段。
而本实施例的最优路径选择,通过AGV小车的摄像头识别不同的轨道颜色(或者是轨道上的文字与图案标记),采用化多道为单道的思想来实现最后的行走,以工厂车间为节点,通过在主控系统中内置最短路径算法——Dijkstra算法,即单源最短路径算法,首先把各车间作为各端点Vi,Vk,Vs…Vj,车间与车间之间用线段连接形成交错的网络{Vi....Vk..Vs...Vj},小车在寻找最短路径的时候,如果存在一条从i到j的最短路径(Vi.....Vk,Vj),Vk是Vj前面的一顶点。那么(Vi...Vk)也必定是从i到k的最短路径。为了求出最短路径,Dijkstra就提出了以最短路径长度递增,逐次生成最短路径的算法。譬如对于源顶点V0,首先选择其直接相邻的顶点中长度最短的顶点Vi,那么当前已知可得从V0到达Vj顶点的最短距离dist[j]=min{dist[j],dist[i]+matrix[i][j]},从而达到小车对最短路径的选择,运用Dijkstra算法,实现面最优路径的选择。
上述为本发明较佳的实施方式,但本发明的实施方式并不受上述内容的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (4)
1.一种基于机器视觉的道路智能识别与路径优选的AGV运输车,包括车身、摄像头、超声波模块、车轮、主控系统、降压模块、电机驱动模块、电池、直流电机、电源开关、遥控接收模块、声光报警模块,摄像头和电机驱动模块,其特征在于,电池置于车身前方的上部,超声波模块和降压模块置于车身前方的下部,声光报警模块、遥控接收模块和电源开关位于车身后方的上部,主控系统位于车身内部并分别与所述摄像头、超声波模块、降压模块、电机驱动模块、电池、直流电机、电源开关、遥控接收模块、声光报警模块,摄像头和电机驱动模块电气连接;
所述AGV运输车的工作方式如下:
在所述AGV运输车的工作区域预先铺设有不同颜色和/或文字和/或图案以划分不同路径的PA胶纸,所述主控系统对摄像头获取的工作区域图像进行预处理,采用可选性HSV+RGB颜色空间的道路智能识别算法找出特征点,利用边缘追踪得到由坐标确定的所述PA胶纸的形状,然后在MATLAB上面建立模型,指示AGV运输车前进;
所述的摄像头通过动态采集路径信息提供给主控系统,然后主控系统经MATLAB处理识别出路径中心线,并判断车体中轴线与路径中心线的角度偏差Δeθ和距离偏差Δeμ,所述主控系统还具备运动控制器,所述运动控制器根据两个参数对驱动电机实时控制,使得AGV运输车车体中轴线与路径中心线基本保持平行的运行。
2.根据权利要求1所述的基于机器视觉的道路智能识别与路径优选的AGV运输车,其特征在于,所述超声波模块包括3个HC—SR04超声波测距模块,其安装在所述AGV运输车前方下端,所述主控系统利用所述3个HC—SR04超声波测距模块测量不同方位上的故障物数据实现避障操作。
3.根据权利要求2所述的基于机器视觉的道路智能识别与路径优选的AGV运输车,其特征在于,在主控系统中设置有报警距离,如果超声波模块检测到在预警距离范围内出现障碍物,主控系统触发声光报警并进行紧急制动,然后通知进行障碍物排除。
4.根据权利要求3所述的基于机器视觉的道路智能识别与路径优选的AGV运输车,其特征在于,通过以下算法寻求最优路径选择:
1)将AGV运输车在所述工作区域运行的终点设为端点Vi,Vk,Vs…Vj,将所述端点通过线段连接形成交错的运行网络{Vi....Vk..Vs...Vj};
2)通过最短路径长度递增的方法,逐次生成全部最短路径,并最终得到所述最优路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610857093.9A CN106444758B (zh) | 2016-09-27 | 2016-09-27 | 一种基于机器视觉的道路识别与路径优选的agv运输车 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610857093.9A CN106444758B (zh) | 2016-09-27 | 2016-09-27 | 一种基于机器视觉的道路识别与路径优选的agv运输车 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106444758A CN106444758A (zh) | 2017-02-22 |
CN106444758B true CN106444758B (zh) | 2019-07-23 |
Family
ID=58169607
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610857093.9A Active CN106444758B (zh) | 2016-09-27 | 2016-09-27 | 一种基于机器视觉的道路识别与路径优选的agv运输车 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106444758B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107036618A (zh) * | 2017-05-24 | 2017-08-11 | 合肥工业大学(马鞍山)高新技术研究院 | 一种基于最短路径深度优化算法的agv路径规划方法 |
CN107174457A (zh) * | 2017-07-04 | 2017-09-19 | 沈阳建筑大学 | 一种全自动视觉引导护士车及其控制方法 |
CN109634267B (zh) * | 2017-10-09 | 2024-05-03 | 北京瑞悟科技有限公司 | 一种用于商场超市智能拣货送货机器人 |
WO2019165998A1 (zh) * | 2018-02-28 | 2019-09-06 | 苏州宝时得电动工具有限公司 | 自移动设备 |
CN108279685B (zh) * | 2018-03-21 | 2024-01-16 | 福建工程学院 | 一种基于视觉跟随的搬运小车及工作方法 |
CN108710364A (zh) * | 2018-04-09 | 2018-10-26 | 济南大学 | 一种现代物流中自动导引避障机器人小车及其控制方法 |
CN108762276B (zh) * | 2018-06-07 | 2021-07-23 | 安徽理工大学 | 一种agv小车的自动偏轨校正装置和自动偏轨校正方法 |
CN108646750B (zh) * | 2018-06-08 | 2021-05-07 | 杭州电子科技大学 | 基于uwb非基站便捷式工厂agv跟随方法 |
CN109283928A (zh) * | 2018-09-25 | 2019-01-29 | 华南农业大学 | 一种基于机器视觉的自动导航运输车及其自动行驶方法 |
CN109009908A (zh) * | 2018-09-27 | 2018-12-18 | 田家炜 | 一种电子导盲犬及其导盲绳及其使用方法 |
CN110531767A (zh) * | 2019-08-27 | 2019-12-03 | 广州蓝胖子机器人有限公司 | 一种用于agv集群的调度和寻路算法的方法和系统 |
CN110794829A (zh) * | 2019-08-27 | 2020-02-14 | 广州蓝胖子机器人有限公司 | 一种用于agv集群的调度方法和系统 |
CN110842942A (zh) * | 2019-11-26 | 2020-02-28 | 南京智能仿真技术研究院有限公司 | 一种具有高精度定位系统的智能化机器人 |
CN112096155A (zh) * | 2020-09-11 | 2020-12-18 | 江苏小白兔智造科技有限公司 | 一种停车机器人行走控制方法 |
CN113126625A (zh) * | 2021-04-20 | 2021-07-16 | 电子科技大学成都学院 | 一种基于自动循迹的机器人行走方法及行走装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003041012A1 (en) * | 2001-11-07 | 2003-05-15 | Davar Pishva | Image highlight correction using illumination specific hsv color coordinates |
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 |
CN102682292A (zh) * | 2012-05-10 | 2012-09-19 | 清华大学 | 基于单目视觉的道路边缘检测及粗定位方法 |
CN103389733A (zh) * | 2013-08-02 | 2013-11-13 | 重庆市科学技术研究院 | 一种基于机器视觉的车辆巡线方法及系统 |
CN103529855A (zh) * | 2013-10-11 | 2014-01-22 | 华南农业大学 | 一种旋转可调式双目视觉的目标识别定位装置及其在农业果实采摘机械的应用 |
CN104463191A (zh) * | 2014-10-30 | 2015-03-25 | 华南理工大学 | 一种基于注意机制的机器人视觉处理方法 |
CN104503451A (zh) * | 2014-11-27 | 2015-04-08 | 华南农业大学 | 一种基于视觉和超声传感的可避障自动导航方法及自动导航车 |
CN204965187U (zh) * | 2015-09-29 | 2016-01-13 | 武汉大学 | 一种基于机器视觉的循迹小车 |
CN105389988A (zh) * | 2015-12-07 | 2016-03-09 | 北京航空航天大学 | 一种多无人机协同的高速公路智能巡检系统 |
CN105955259A (zh) * | 2016-04-29 | 2016-09-21 | 南京航空航天大学 | 基于多窗口实时测距的单目视觉agv的精确定位方法及系统 |
-
2016
- 2016-09-27 CN CN201610857093.9A patent/CN106444758B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003041012A1 (en) * | 2001-11-07 | 2003-05-15 | Davar Pishva | Image highlight correction using illumination specific hsv color coordinates |
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 |
CN102682292A (zh) * | 2012-05-10 | 2012-09-19 | 清华大学 | 基于单目视觉的道路边缘检测及粗定位方法 |
CN103389733A (zh) * | 2013-08-02 | 2013-11-13 | 重庆市科学技术研究院 | 一种基于机器视觉的车辆巡线方法及系统 |
CN103529855A (zh) * | 2013-10-11 | 2014-01-22 | 华南农业大学 | 一种旋转可调式双目视觉的目标识别定位装置及其在农业果实采摘机械的应用 |
CN104463191A (zh) * | 2014-10-30 | 2015-03-25 | 华南理工大学 | 一种基于注意机制的机器人视觉处理方法 |
CN104503451A (zh) * | 2014-11-27 | 2015-04-08 | 华南农业大学 | 一种基于视觉和超声传感的可避障自动导航方法及自动导航车 |
CN204965187U (zh) * | 2015-09-29 | 2016-01-13 | 武汉大学 | 一种基于机器视觉的循迹小车 |
CN105389988A (zh) * | 2015-12-07 | 2016-03-09 | 北京航空航天大学 | 一种多无人机协同的高速公路智能巡检系统 |
CN105955259A (zh) * | 2016-04-29 | 2016-09-21 | 南京航空航天大学 | 基于多窗口实时测距的单目视觉agv的精确定位方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106444758A (zh) | 2017-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106444758B (zh) | 一种基于机器视觉的道路识别与路径优选的agv运输车 | |
CN105825713B (zh) | 车载无人机辅助驾驶系统的运行方式 | |
CN106448260B (zh) | 驾驶员辅助设备和包括该驾驶员辅助设备的车辆 | |
CN104583724B (zh) | 用于在测绘环境中确定车辆位置的方法和装置 | |
CN109062209A (zh) | 一种智能辅助驾驶控制系统及其控制方法 | |
CN106950964B (zh) | 无人电动大学生方程式赛车及其控制方法 | |
CN105034807B (zh) | 驾驶辅助装置及方法 | |
CN102048612B (zh) | 一种基于机器视觉的导盲机器人 | |
CN108762255A (zh) | 一种室内智能移动机器人及控制方法 | |
CN112009714B (zh) | 一种全向移动无杆牵引式可移动机器人自动感知系统及方法 | |
CN107422730A (zh) | 基于视觉导引的agv运输系统及其驾驶控制方法 | |
CN109641591A (zh) | 自动驾驶装置 | |
KR101953128B1 (ko) | 차량 및 차량의 제어 방법 | |
CN102819263A (zh) | 多摄像头无人车视觉感知系统 | |
CN109841088A (zh) | 车辆驾驶辅助系统及方法 | |
CN102541061A (zh) | 基于视听觉信息的缩微智能车 | |
KR101525897B1 (ko) | 버스의 오토도킹 제어방법 및 이 방법을 사용하는 제어 시스템 | |
CN113085896B (zh) | 一种现代有轨清洁车辅助自动驾驶系统及方法 | |
CN110036426A (zh) | 控制装置和控制方法 | |
CN110275523A (zh) | 车辆控制装置 | |
Jun et al. | Autonomous driving system design for formula student driverless racecar | |
CN112477533A (zh) | 设施农业路轨两用运输机器人 | |
CN109421720A (zh) | 用于运行机动车的方法以及机动车 | |
CN207516827U (zh) | 一种自动驾驶小型车 | |
CN206133305U (zh) | 一种智能光学导引系统 |
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 |