CN109032125A - 一种视觉agv的导航方法 - Google Patents
一种视觉agv的导航方法 Download PDFInfo
- Publication number
- CN109032125A CN109032125A CN201810548350.XA CN201810548350A CN109032125A CN 109032125 A CN109032125 A CN 109032125A CN 201810548350 A CN201810548350 A CN 201810548350A CN 109032125 A CN109032125 A CN 109032125A
- Authority
- CN
- China
- Prior art keywords
- agv
- angle
- vision
- srcframe
- line
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 claims abstract description 28
- 230000008569 process Effects 0.000 claims abstract description 13
- 230000033001 locomotion Effects 0.000 claims abstract description 11
- 230000009466 transformation Effects 0.000 claims description 10
- 230000011218 segmentation Effects 0.000 claims description 9
- 230000003044 adaptive effect Effects 0.000 claims description 7
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000003708 edge detection Methods 0.000 claims description 4
- 238000005286 illumination Methods 0.000 claims description 4
- 230000006835 compression Effects 0.000 claims description 3
- 238000007906 compression Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 230000001373 regressive effect Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 239000003086 colorant Substances 0.000 claims description 2
- 239000002245 particle Substances 0.000 claims description 2
- 230000006978 adaptation Effects 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 4
- 230000008859 change Effects 0.000 abstract description 4
- 238000009434 installation Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- DEYFWGXTPWNADC-UHFFFAOYSA-N 6-[2-phenylethyl(propyl)amino]-5,6,7,8-tetrahydronaphthalen-1-ol Chemical compound C1CC2=C(O)C=CC=C2CC1N(CCC)CCC1=CC=CC=C1 DEYFWGXTPWNADC-UHFFFAOYSA-N 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000005674 electromagnetic induction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000006467 substitution reaction 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
-
- 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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- 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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种视觉AGV的导航方法,所述的AGV上安装有连接控制中心的车载摄像头,所述的控制中心安装图像处理和识别标识带边缘的软件,所述的控制中心连接AGV的驱动程序,该方法包括以下步骤:步骤1、软件初始化,加载视觉导航需要的参数;步骤2、加载完参数后打开摄像头,读取当前帧图像记为srcFrame,若srcFrame为空,程序结束,若srcFrame不为空,srcFrame进入步骤3;步骤3、while循环图像处理过程;步骤4、输出决策条件,AGV的驱动程序根据该条件决策在实际场景中的运动。与现有技术相比,本发明具有导引精度高、路径设置和变更简单灵活、智能化程度高等优点。
Description
技术领域
本发明涉及AGV导航领域,尤其是涉及一种视觉AGV的导航方法。
背景技术
AGV,即自动导引小车,主要功能是在计算机和无线局域网络的控制下,经磁、激光等导向装置引导并沿程序设定路径运行完成作业。本质上,它为现代制造业物流提供了一种高度柔性化和自动化的运输方式。它能够快速的、准确无误的将物料运到指定的位置,运输路径可以方便的调整,在一定程度上解放了劳动力,提高了生产效率和柔性。
随着工业现代化的发展,越来越多的柔性化生产线、自动化物流系统应用到各个行业,这对AGV的迅速发展起到了极大的促进作用,但同时也对AGV自身的功能有着更高的要求,其中AGV的定位与导航问题便是其发展和应用的主要问题之一,目前,AGV的主流导航方式包括:电磁感应、磁导带、惯性和激光等。但各存在以下问题:
1、电磁感应引导抗干扰能力强,但柔性差,不容易改变线路;
2、磁导带引导方式极易受到其它物质的干扰;
3、惯性引导需要定位块的校正,不易长时间运行;
4、激光引导对反射板反射回的激光束的角度和方向进行几何运算,但成本过高,制约着推广应用。
相较传统的电磁导航、磁带导航等导引方式,利用机器视觉,通过识别路径上的条带状标识实现自主导航具有导引精度高、路径设置和变更简单灵活、智能化程度高等优点。因此,视觉导航仍是现阶段智能AGV车辆研究的导向方法。
视觉系统对于视觉AGV而言就如同眼睛对于人一样,是非常重要的组成部分,其中图像处理环节更是至关重要。能否正确有效地提取出标识带的边缘线直接关系到AGV导航的精度,对车体控制的准确性和稳定性具有决定性的作用。视觉信息的处理技术是自动引导车研究中的关键技术之一。
经过检索,中国专利公开号为CN207174725U公开了一种AGV运料小车,包括车体、导向运动单元、供电单元和移载单元,所述导向运动单元、供电单元和移载单元均安装于车体上,所述车体包括底盘和车架,车架与底盘连接,所述导向运动单元包括导向单元和运动单元,导向单元为磁导航系统,包括磁导航传感器和反馈单元,所述运动单元为四轮轮系布局,中间设两个驱动轮,前后各设一个万向轮,所述供电单元包括太阳能充电装置和蓄电池单元,太阳能充电装置和蓄电池单元均安装于车架上,所述移载单元为顶升式结构,顶升式结构包括电动推杆、两根连杆和托架,该结构简单,不仅小车的稳定性高,而且节能环保。但该实用新型使用的是磁导带引导方式,极易受到其它物质的干扰,导引精度低。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种视觉AGV的导航方法。
本发明的目的可以通过以下技术方案来实现:
一种视觉AGV的导航方法,所述的AGV上安装有连接控制中心的车载摄像头,所述的控制中心安装图像处理和识别标识带边缘的软件,所述的控制中心连接AGV的驱动程序,其特征在于,该方法包括以下步骤:
步骤1、软件初始化,加载视觉导航需要的参数;
步骤2、加载完参数后打开摄像头,读取当前帧图像记为srcFrame,若srcFrame为空,程序结束,若srcFrame不为空,srcFrame进入步骤3;
步骤3、while循环图像处理过程;
步骤4、输出决策条件,AGV的驱动程序根据该条件决策在实际场景中的运动。
优选地,所述的步骤3中的while循环图像处理过程包括以下步骤:
步骤3.1、图像预处理:转换颜色空间,用于解决光照不均匀问题;
步骤3.2、边缘提取,即提取标识带边缘线;
步骤3.3、直线拟合,对步骤3.2中的标示带边缘进行拟合,得到当前帧参与决策的线段个数strLineNum以及最后删选出的线段的角度angle。
优选地,所述的步骤3.1中的图像预处理过程具体包括:当前帧图像srcFrame首先进行像素压缩,然后将原RGB色彩空间转至YCrCb,提取单通道Cb分量channel_Cb。
优选地,所述的步骤3.2中的边缘提取过程具体包括:基于Otsu算法,建立标示带二值化分割模型,对步骤3.1中每一帧的channel_Cb计算自适应的分割阈值;
采用中值滤波滤除噪声并保护边缘信息,设置滤波器初始窗口尺寸为7;结合形态学运算,首先定义3*3的椭圆结构,其次用结构元素对图像进行腐蚀以细化更小的颗粒噪点,然后进行膨胀以连接边缘处的断点,丰富边缘信息,再与原二值图像相减,即可提取标识带边缘线。
优选地,所述的步骤3.3中的直线拟合过程具体包括:采用累计概率霍夫变换对步骤3.2中的标示带边缘进行拟合,通过自适应的投票机制以及线数和角度的约束,最终得到一组长度最长且相互平行的线段,并以输出角度作为引导。
优选地,所述的步骤3.3中的直线拟合过程具体操作为:为提高边缘检测的鲁棒性自适应累加平面的阈值投票参数m_minVotenum,当lines.size()>15并且m_minVotenum<180时,m_minVotenum累加,当lines.size()<10或者m_minVotenum>180时,m_minVotenum累减,其中l line.size()为运用累计概率霍夫变换直接拟合出的线段个数;
将检测到的所有线段按长度排序,并计算斜率,删选出一组长度最长、近似平行、且不在一条延长线上或不相交的线段,输出当前帧参与决策的线段个数strLineNum以及最后删选出的线段的角度angle。
优选地,所述的步骤4中根据步骤3的计算值决策AGV的运动方向具体包括:当-10<angle<10时,发出直行指令;当-90<angle<-10时,发出左转指令;当10<angle<90时,发出右转指令;当angle=0并且strLineNum=0时,发出停止指令。
优选地,所述的近似平行为两条线段的斜率差的绝对值小于等于0.2。
与现有技术相比,本发明具有以下优点:
1、AGV的视觉导引方式成本更低,具有实时性,柔性强的优点;路径设置和变更简单灵活,便于日后维护和改造。
2、标示带检测基于颜色识别,运行效果很大程度依赖颜色模型,如RGB模型、HSI模型、YCrCb模型等,虽然RGB模型算法简单,易于实现,但受亮度变换影响大,不利于图像的阈值分割。相比HSI等其他一些颜色空间,YCrCb颜色模型计算过程和空间坐标表示形式比较简单。因此采用YCrCb颜色模型,有效解决了标示带检测时的光照不均匀问题;采用自适应的Otsu阈值分割法进行色带的分割与二值化,计算简单,处理迅速。
3、常见的直线拟合方法有最小二乘法、RANSAC、霍夫变换、PPHT等。最小二乘法适合噪音较小的数据,RANSAC只有一定的概率得到可信的模型,概率与迭代次数成正比,并且要求设置跟问题相关的阈值,PPHT是标准霍夫变换的一个变种,计算单独线段的方向以及范围,之所以称之是概率,是因为并不将累加器平面内的所有可能得点相累加,而是只累加其中的一部分,这样可以大大节省时间。PPHT还有一个重要的特点就是能够检测出线端,即能够检测出图像中直线的两个端点,确切地定位图像中的直线。因此,采用累积概率霍夫变换进行直线拟合,效率更高;通过自适应的投票机制以及线数和角度的约束,最终得到一组长度最长且相互平行的线段,有效解决了直线拟合时标示带的破损问题,提高边缘检测的鲁棒性。
附图说明
图1为本发明的视觉AGV导航方法的软件流程图。
图2为本发明的边缘提取软件流程图。
图3为本发明的直线拟合软件流程图。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都应属于本发明保护的范围。
本发明的整体思路为:通过车载摄像头传感器作为数据源,获取地面上引导AGV行驶的标示带信息,并通过准确提取标示带的边缘信息以控制AGV行进方向。
本发明的一种视觉AGV的导航方法,图像处理环节至关重要,主要思想是将原RGB图像转至YCrCb颜色空间,采用Otsu算法对预处理图像进行阈值分割,然后基于形态学运算提取边缘信息,最后运用累计概率霍夫变换(PPHT)拟合直线。
如图1所示,软件首先进行初始化,在初始化中会加载视觉导航需要的参数,即累加平面的阈值参数m_minVotenum,最低线段的长度m_nHoughLineMin,线段最大间隔m_nHoughLineMax,在加载完参数后打开摄像头。程序进入while循环,只有当检测帧图像为空或用户点击了退出键,程序才跳出while循环。当前帧图像记为srcFrame,在while循环中,若srcFrame不为空,则srcFrame会经过三步图像处理过程,根据这三步的处理结果,来输出决策条件angle以及strLineNum,AGV的驱动程序根据该条件可以决策在实际场景中的运动。本发明主要分析图像处理过程。while循环中图像处理过程分为三步:
(1)图像预处理。为了提高检测效率,则首先进行像素压缩,将原帧大小变为640*480。为解决光照不均匀对图像分割的影响,将原RGB色彩空间转至YCrCb,提取单通道Cb分量channel_Cb。
(2)边缘提取。如图2所示,基于Otsu算法,建立标示带二值化分割模型,对(1)中每一帧的channel_Cb计算自适应的分割阈值。采用中值滤波滤除噪声并较好保护边缘,基于速度考虑,采用3*3的滤波算子,输出图像为mid_Image。进一步定义结构体为3*3的椭圆结构对mid_Image做开运算以消除细小噪点并丰富边缘信息,输出为open_Image,再与mid_Image相减则成功提取到标示带的边缘线。
(3)直线拟合。如图3所示,为减少计算量,缩短计算时间,采用累积概率霍夫变换,它在一定范围内进行霍夫变换,计算单独线段的方向以及范围。首先为提高边缘检测的鲁棒性自适应累加平面的阈值投票参数m_minVotenum,当lines.size()>15并且m_minVotenum<180时,m_minVotenum累加,当lines.size()<10或者m_minVotenum>180时,m_minVotenum累减。将检测到的所有线段按长度排序,并计算斜率,删选出一组长度最长、近似平行且不在一条延长线上或不相交的线段,输出当前帧参与决策的线段个数strLineNum以及最后删选出的线段的角度angle。
图像处理过程完成后,根据(3)中的计算值angle来决策AGV的移动方向,当-10<angle<10时,发出直行指令;当-90<angle<-10时,发出左转指令;当10<angle<90时,发出右转指令;当angle=0并且strLineNum=0时,发出停止指令。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种视觉AGV的导航方法,所述的AGV上安装有连接控制中心的车载摄像头,所述的控制中心安装图像处理和识别标识带边缘的软件,所述的控制中心连接AGV的驱动程序,其特征在于,该方法包括以下步骤:
步骤1、软件初始化,加载视觉导航需要的参数;
步骤2、加载完参数后打开摄像头,读取当前帧图像记为srcFrame,若srcFrame为空,程序结束,若srcFrame不为空,srcFrame进入步骤3;
步骤3、while循环图像处理过程;
步骤4、输出决策条件,AGV的驱动程序根据该条件决策在实际场景中的运动。
2.根据权利要求1所述的一种视觉AGV的导航方法,其特征在于,所述的步骤3中的while循环图像处理过程包括以下步骤:
步骤3.1、图像预处理:转换颜色空间,用于解决光照不均匀问题;
步骤3.2、边缘提取,即提取标识带边缘线;
步骤3.3、直线拟合,对步骤3.2中的标示带边缘进行拟合,得到当前帧参与决策的线段个数strLineNum以及最后删选出的线段的角度angle。
3.根据权利要求2所述的一种视觉AGV的导航方法,其特征在于,所述的步骤3.1中的图像预处理过程具体包括:当前帧图像srcFrame首先进行像素压缩,然后将原RGB色彩空间转至YCrCb,提取单通道Cb分量channel_Cb。
4.根据权利要求3所述的一种视觉AGV的导航方法,其特征在于,所述的步骤3.2中的边缘提取过程具体包括:基于Otsu算法,建立标示带二值化分割模型,对步骤3.1中每一帧的channel_Cb计算自适应的分割阈值;
采用中值滤波滤除噪声并保护边缘信息,设置滤波器初始窗口尺寸为7;结合形态学运算,首先定义3*3的椭圆结构,其次用结构元素对图像进行腐蚀以细化更小的颗粒噪点,然后进行膨胀以连接边缘处的断点,丰富边缘信息,再与原二值图像相减,即可提取标识带边缘线。
5.根据权利要求4所述的一种视觉AGV的导航方法,其特征在于,所述的步骤3.3中的直线拟合过程具体包括:采用累计概率霍夫变换对步骤3.2中的标示带边缘进行拟合,通过自适应的投票机制以及线数和角度的约束,最终得到一组长度最长且相互平行的线段,并以输出角度作为引导。
6.根据权利要求5所述的一种视觉AGV的导航方法,其特征在于,所述的步骤3.3中的直线拟合过程具体操作为:为提高边缘检测的鲁棒性自适应累加平面的阈值投票参数m_minVotenum,当lines.size()>15并且m_minVotenum<180时,m_minVotenum累加,当lines.size()<10或者m_minVotenum>180时,m_minVotenum累减,其中l line.size()为运用累计概率霍夫变换直接拟合出的线段个数;
将检测到的所有线段按长度排序,并计算斜率,删选出一组长度最长、近似平行、且不在一条延长线上或不相交的线段,输出当前帧参与决策的线段个数strLineNum以及最后删选出的线段的角度angle。
7.根据权利要求6所述的一种视觉AGV的导航方法,其特征在于,所述的步骤4中根据步骤3的计算值决策AGV的运动方向具体包括:当-10<angle<10时,发出直行指令;当-90<angle<-10时,发出左转指令;当10<angle<90时,发出右转指令;当angle=0并且strLineNum=0时,发出停止指令。
8.根据权利要求6所述的一种视觉AGV的导航方法,其特征在于,所述的近似平行为两条线段的斜率差的绝对值小于等于0.2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810548350.XA CN109032125B (zh) | 2018-05-31 | 2018-05-31 | 一种视觉agv的导航方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810548350.XA CN109032125B (zh) | 2018-05-31 | 2018-05-31 | 一种视觉agv的导航方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109032125A true CN109032125A (zh) | 2018-12-18 |
CN109032125B CN109032125B (zh) | 2021-09-10 |
Family
ID=64611712
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810548350.XA Active CN109032125B (zh) | 2018-05-31 | 2018-05-31 | 一种视觉agv的导航方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109032125B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110509275A (zh) * | 2019-08-26 | 2019-11-29 | 东莞弓叶互联科技有限公司 | 物品夹取方法及机器人 |
CN111045431A (zh) * | 2019-12-31 | 2020-04-21 | 芜湖哈特机器人产业技术研究院有限公司 | 基于色带的移动机器人导航方法及系统 |
Citations (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4947094A (en) * | 1987-07-23 | 1990-08-07 | Battelle Memorial Institute | Optical guidance system for industrial vehicles |
US5163002A (en) * | 1990-05-18 | 1992-11-10 | Nissan Motor Co., Ltd. | Method and apparatus for automatic steering control of automobile |
JP2000242330A (ja) * | 1999-02-23 | 2000-09-08 | Mitsubishi Heavy Ind Ltd | 自動操舵移動体およびその移動体の操舵補正装置、並びに移動体の操舵補正方法 |
US20040042668A1 (en) * | 2002-08-27 | 2004-03-04 | Michael Kaplinsky | CMOS image sensor apparatus with on-chip real-time pipelined JPEG compression module |
US20050036160A1 (en) * | 2002-09-18 | 2005-02-17 | Canon Kabushiki Kaisha | Image processing apparatus and method thereof |
GB2409031A (en) * | 2003-12-11 | 2005-06-15 | Sony Uk Ltd | Face detection |
WO2006123365A1 (en) * | 2005-03-24 | 2006-11-23 | Tengshe Vishwas V | A drowsy driving alarm system |
CN101246010A (zh) * | 2007-02-13 | 2008-08-20 | 爱信艾达株式会社 | 车道判定装置以及车道判定方法 |
US20080204569A1 (en) * | 2007-02-28 | 2008-08-28 | Honeywell International Inc. | Method and System for Indexing and Searching Objects of Interest across a Plurality of Video Streams |
CN101303732A (zh) * | 2008-04-11 | 2008-11-12 | 西安交通大学 | 基于车载单目相机的运动目标感知与告警方法 |
US20090015674A1 (en) * | 2006-04-28 | 2009-01-15 | Kevin Alley | Optical imaging system for unmanned aerial vehicle |
CN101470801A (zh) * | 2007-12-24 | 2009-07-01 | 财团法人车辆研究测试中心 | 车辆偏移的检知方法与装置 |
US20100177828A1 (en) * | 2009-01-12 | 2010-07-15 | Maxim Integrated Products, Inc. | Parallel, pipelined, integrated-circuit implementation of a computational engine |
JP2010218528A (ja) * | 2009-03-18 | 2010-09-30 | Hyundai Motor Co Ltd | 仮想車線を用いる車線離脱警報方法及びそのシステム |
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 |
CN102819263A (zh) * | 2012-07-30 | 2012-12-12 | 中国航天科工集团第三研究院第八三五七研究所 | 多摄像头无人车视觉感知系统 |
CN102951089A (zh) * | 2012-08-20 | 2013-03-06 | 上海工程技术大学 | 基于移动设备摄像头的车载导航及主动安全系统 |
CN103163883A (zh) * | 2011-12-15 | 2013-06-19 | 财团法人工业技术研究院 | 自动搬运车导引系统及自动搬运车导引方法 |
WO2013189925A2 (en) * | 2012-06-18 | 2013-12-27 | St-Ericsson Sa | Digital image analysis |
JP2014053855A (ja) * | 2012-09-10 | 2014-03-20 | Sony Corp | 画像処理装置および方法、並びにプログラム |
CN103868519A (zh) * | 2012-12-13 | 2014-06-18 | 上海工程技术大学 | 一种双目智能车在线路径规划系统 |
CN103927548A (zh) * | 2014-04-18 | 2014-07-16 | 北京航空航天大学 | 一种新的避免车辆碰撞的刹车行为检测方法 |
JP2014157051A (ja) * | 2013-02-15 | 2014-08-28 | Toyota Industries Corp | 位置検出装置 |
CN104166400A (zh) * | 2014-07-11 | 2014-11-26 | 杭州精久科技有限公司 | 基于多传感器融合的视觉导引agv系统 |
CN104699104A (zh) * | 2015-03-17 | 2015-06-10 | 武汉纺织大学 | 一种自适应agv视觉导航视线调整装置与线迹跟踪方法 |
CN104792333A (zh) * | 2015-03-30 | 2015-07-22 | 苏州智载机器人有限公司 | 一种agv智能视觉导航系统及处理方法 |
CN105426861A (zh) * | 2015-12-02 | 2016-03-23 | 百度在线网络技术(北京)有限公司 | 车道线确定方法及装置 |
CN105446333A (zh) * | 2015-11-10 | 2016-03-30 | 中辰环能技术(株洲)有限公司 | 视觉agv导航系统 |
CN105511462A (zh) * | 2015-11-30 | 2016-04-20 | 北京卫星制造厂 | 一种基于视觉的agv导航方法 |
CN105783935A (zh) * | 2016-03-07 | 2016-07-20 | 河北科技大学 | 农业机械视觉导航方法 |
CN106295466A (zh) * | 2015-05-18 | 2017-01-04 | 佳能株式会社 | 图像处理方法和装置 |
CN106444765A (zh) * | 2016-10-21 | 2017-02-22 | 广东工业大学 | 一种agv、基于视觉的agv导航方法及其系统 |
US20170206418A1 (en) * | 2014-12-16 | 2017-07-20 | Irobot Corporation | Systems and Methods for Capturing Images and Annotating the Captured Images with Information |
CN107121981A (zh) * | 2017-04-20 | 2017-09-01 | 杭州南江机器人股份有限公司 | 一种基于视觉的agv巡线导航和定位方法 |
CN107437071A (zh) * | 2017-07-18 | 2017-12-05 | 杭州岱石科技有限公司 | 一种基于双黄线检测的机器人自主巡检方法 |
US20170372459A1 (en) * | 2015-09-29 | 2017-12-28 | Tencent Technology (Shenzhen) Company Limited | Image processing method and image processing apparatus |
CN206832260U (zh) * | 2017-05-05 | 2018-01-02 | 华南理工大学 | 一种基于视觉的移动机器人导航系统 |
CN107967473A (zh) * | 2016-10-20 | 2018-04-27 | 南京万云信息技术有限公司 | 基于图文识别和语义的机器人自主定位和导航 |
-
2018
- 2018-05-31 CN CN201810548350.XA patent/CN109032125B/zh active Active
Patent Citations (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4947094A (en) * | 1987-07-23 | 1990-08-07 | Battelle Memorial Institute | Optical guidance system for industrial vehicles |
US5163002A (en) * | 1990-05-18 | 1992-11-10 | Nissan Motor Co., Ltd. | Method and apparatus for automatic steering control of automobile |
JP2000242330A (ja) * | 1999-02-23 | 2000-09-08 | Mitsubishi Heavy Ind Ltd | 自動操舵移動体およびその移動体の操舵補正装置、並びに移動体の操舵補正方法 |
US20040042668A1 (en) * | 2002-08-27 | 2004-03-04 | Michael Kaplinsky | CMOS image sensor apparatus with on-chip real-time pipelined JPEG compression module |
US20050036160A1 (en) * | 2002-09-18 | 2005-02-17 | Canon Kabushiki Kaisha | Image processing apparatus and method thereof |
GB2409031A (en) * | 2003-12-11 | 2005-06-15 | Sony Uk Ltd | Face detection |
WO2006123365A1 (en) * | 2005-03-24 | 2006-11-23 | Tengshe Vishwas V | A drowsy driving alarm system |
US20090015674A1 (en) * | 2006-04-28 | 2009-01-15 | Kevin Alley | Optical imaging system for unmanned aerial vehicle |
CN101246010A (zh) * | 2007-02-13 | 2008-08-20 | 爱信艾达株式会社 | 车道判定装置以及车道判定方法 |
US20080204569A1 (en) * | 2007-02-28 | 2008-08-28 | Honeywell International Inc. | Method and System for Indexing and Searching Objects of Interest across a Plurality of Video Streams |
CN101470801A (zh) * | 2007-12-24 | 2009-07-01 | 财团法人车辆研究测试中心 | 车辆偏移的检知方法与装置 |
CN101303732A (zh) * | 2008-04-11 | 2008-11-12 | 西安交通大学 | 基于车载单目相机的运动目标感知与告警方法 |
US20100177828A1 (en) * | 2009-01-12 | 2010-07-15 | Maxim Integrated Products, Inc. | Parallel, pipelined, integrated-circuit implementation of a computational engine |
JP2010218528A (ja) * | 2009-03-18 | 2010-09-30 | Hyundai Motor Co Ltd | 仮想車線を用いる車線離脱警報方法及びそのシステム |
KR101163446B1 (ko) * | 2009-03-18 | 2012-07-18 | 기아자동차주식회사 | 가상 차선을 이용하는 차선 이탈 경보 방법 및 그에 따른 시스템 |
CN103163883A (zh) * | 2011-12-15 | 2013-06-19 | 财团法人工业技术研究院 | 自动搬运车导引系统及自动搬运车导引方法 |
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 |
WO2013189925A2 (en) * | 2012-06-18 | 2013-12-27 | St-Ericsson Sa | Digital image analysis |
CN102819263A (zh) * | 2012-07-30 | 2012-12-12 | 中国航天科工集团第三研究院第八三五七研究所 | 多摄像头无人车视觉感知系统 |
CN102951089A (zh) * | 2012-08-20 | 2013-03-06 | 上海工程技术大学 | 基于移动设备摄像头的车载导航及主动安全系统 |
JP2014053855A (ja) * | 2012-09-10 | 2014-03-20 | Sony Corp | 画像処理装置および方法、並びにプログラム |
CN103868519A (zh) * | 2012-12-13 | 2014-06-18 | 上海工程技术大学 | 一种双目智能车在线路径规划系统 |
JP2014157051A (ja) * | 2013-02-15 | 2014-08-28 | Toyota Industries Corp | 位置検出装置 |
CN103927548A (zh) * | 2014-04-18 | 2014-07-16 | 北京航空航天大学 | 一种新的避免车辆碰撞的刹车行为检测方法 |
CN104166400A (zh) * | 2014-07-11 | 2014-11-26 | 杭州精久科技有限公司 | 基于多传感器融合的视觉导引agv系统 |
US20170206418A1 (en) * | 2014-12-16 | 2017-07-20 | Irobot Corporation | Systems and Methods for Capturing Images and Annotating the Captured Images with Information |
CN104699104A (zh) * | 2015-03-17 | 2015-06-10 | 武汉纺织大学 | 一种自适应agv视觉导航视线调整装置与线迹跟踪方法 |
CN104792333A (zh) * | 2015-03-30 | 2015-07-22 | 苏州智载机器人有限公司 | 一种agv智能视觉导航系统及处理方法 |
CN106295466A (zh) * | 2015-05-18 | 2017-01-04 | 佳能株式会社 | 图像处理方法和装置 |
US20170372459A1 (en) * | 2015-09-29 | 2017-12-28 | Tencent Technology (Shenzhen) Company Limited | Image processing method and image processing apparatus |
CN105446333A (zh) * | 2015-11-10 | 2016-03-30 | 中辰环能技术(株洲)有限公司 | 视觉agv导航系统 |
CN105511462A (zh) * | 2015-11-30 | 2016-04-20 | 北京卫星制造厂 | 一种基于视觉的agv导航方法 |
CN105426861A (zh) * | 2015-12-02 | 2016-03-23 | 百度在线网络技术(北京)有限公司 | 车道线确定方法及装置 |
CN105783935A (zh) * | 2016-03-07 | 2016-07-20 | 河北科技大学 | 农业机械视觉导航方法 |
CN107967473A (zh) * | 2016-10-20 | 2018-04-27 | 南京万云信息技术有限公司 | 基于图文识别和语义的机器人自主定位和导航 |
CN106444765A (zh) * | 2016-10-21 | 2017-02-22 | 广东工业大学 | 一种agv、基于视觉的agv导航方法及其系统 |
CN107121981A (zh) * | 2017-04-20 | 2017-09-01 | 杭州南江机器人股份有限公司 | 一种基于视觉的agv巡线导航和定位方法 |
CN206832260U (zh) * | 2017-05-05 | 2018-01-02 | 华南理工大学 | 一种基于视觉的移动机器人导航系统 |
CN107437071A (zh) * | 2017-07-18 | 2017-12-05 | 杭州岱石科技有限公司 | 一种基于双黄线检测的机器人自主巡检方法 |
Non-Patent Citations (9)
Title |
---|
H. FROHN;W.V. VON SEELEN: "VISOCAR: an autonomous industrial transport vehicle guided by visual navigation", 《PROCEEDINGS, 1989 INTERNATIONAL CONFERENCE ON ROBOTICS AND AUTOMATION》 * |
WU, CF (WU CHUN-FU) ETAL.: "Research on Visual Navigation Algorithm of AGV used in the Small Agile Warehouse", 《2017 CHINESE AUTOMATION CONGRESS (CAC)》 * |
ZHENG GANG ETAL.: "An Approach for Selecting Continuous Tracking Navigation Area for FLIR Visual Navigation", 《ELECTRONICS OPTICS & CONTROL》 * |
吴斌: "铁路接触网自动巡检无人车样机研制", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
王海青: "黄瓜收获机器人视觉系统的研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
王荣本等: "一种视觉导航的实用型AGV设计", 《机械工程学报》 * |
矫翔: "基于单目视觉的室内AGV定位方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
秦保华等: "基于OpenCV 的双目视觉标定程序的开发", 《现代计算机(专业版)》 * |
窦锦坤: "AGV小车的视觉导航研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110509275A (zh) * | 2019-08-26 | 2019-11-29 | 东莞弓叶互联科技有限公司 | 物品夹取方法及机器人 |
CN111045431A (zh) * | 2019-12-31 | 2020-04-21 | 芜湖哈特机器人产业技术研究院有限公司 | 基于色带的移动机器人导航方法及系统 |
CN111045431B (zh) * | 2019-12-31 | 2022-05-27 | 芜湖哈特机器人产业技术研究院有限公司 | 基于色带的移动机器人导航方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109032125B (zh) | 2021-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102999749B (zh) | 基于人脸检测的安全带违章事件智能检测方法 | |
CN109797691A (zh) | 无人清扫车及其行车方法 | |
CN106127113A (zh) | 一种基于三维激光雷达的道路车道线检测方法 | |
Li et al. | Nighttime lane markings recognition based on Canny detection and Hough transform | |
CN106680290A (zh) | 狭窄空间的多功能检测车 | |
CN103440503B (zh) | 一种车辆车身颜色检测识别方法 | |
CN111832388B (zh) | 一种车辆行驶中交通标志检测与识别方法及系统 | |
CN109032125A (zh) | 一种视觉agv的导航方法 | |
CN104181920B (zh) | 一种基于视觉的agv定位方法 | |
CN112927303B (zh) | 一种基于车道线的自动驾驶车载相机位姿估计方法及系统 | |
CN108459600A (zh) | 一种agv小车的视觉导航系统 | |
CN103679146A (zh) | 基于高通滤波器和Hough变换的安全带智能检测方法 | |
Chun-Fu et al. | Research on visual navigation algorithm of AGV used in the small agile warehouse | |
CN103760903A (zh) | 智能仓库寻迹运输管理系统 | |
CN109328615B (zh) | 草地边界识别方法、割草装置的控制方法及割草装置 | |
CN103902985A (zh) | 一种基于roi的强鲁棒性实时车道侦测算法 | |
CN204256521U (zh) | 一种基于rfid和视觉的信息融合定位系统 | |
CN109993788B (zh) | 一种轮胎吊的纠偏方法、装置及系统 | |
CN115496757B (zh) | 基于机器视觉的液压翻板余料量检测方法及系统 | |
CN106272434A (zh) | 一种巡检机器人的一键返航控制方法及系统 | |
Wei et al. | Detection of lane line based on Robert operator | |
CN207516258U (zh) | 狭窄空间的多功能检测车 | |
CN109543533B (zh) | 一种用于机场作业人员管理的自动识别方法 | |
Xu et al. | Real time detection algorithm of parking slot based on deep learning and fisheye image | |
CN113313071A (zh) | 一种道路区域识别方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |