CN109855624A - 用于agv车的导航装置及导航方法 - Google Patents
用于agv车的导航装置及导航方法 Download PDFInfo
- Publication number
- CN109855624A CN109855624A CN201910051092.9A CN201910051092A CN109855624A CN 109855624 A CN109855624 A CN 109855624A CN 201910051092 A CN201910051092 A CN 201910051092A CN 109855624 A CN109855624 A CN 109855624A
- Authority
- CN
- China
- Prior art keywords
- agv vehicle
- image
- fpga chip
- chip system
- navigation device
- 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.)
- Pending
Links
Landscapes
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种用于AGV车的导航装置及导航方法,其中用于AGV车的导航装置包括:激光雷达(1),用于获取AGV车所处环境的平面二维信息;图像传感器(2),用于采集所述AGV车的外部环境图像;FPGA芯片系统(3),分别与所述激光雷达(1)和所述图像传感器(2)连接,用于接收所述激光雷达(1)的平面二维信息和所述图像传感器(2)的外部环境图像并进行处理。本发明的用于AGV车的导航装置,将激光雷达、图像传感器和FPGA芯片系统结合为一体,并通过图像语义分割的方式对环境中的物体进行属性识别,有效地保证了物体的识别精度和识别速度,从而保证对于AGV车的导航精度。
Description
技术领域
本发明涉及机器人导航技术领域,尤其涉及一种用于AGV车的导航装置及导航方法。
背景技术
AGV移动机器人是在工业环境中工作的、具有自主规划的机器人,基于激光slam的AGV可通过构建室内地图,获得室内的环境信息,在移动过程中通过传感器实时获取环境信息,与已知的地图匹配,从而进行位置的匹配,确定AGV机器人在周围环境中的位置。
虽然激光雷达slam导航是目前常见的导航系统,但是激光雷达slam导航系统往往通过结合RGB-D辅助相机(三维图像传感器)使用,主要针对三维环境进行特征点的提取和比较。但在某些特点的场景中,例如长廊、空白墙体较多的场景中,特征点不明显,上述方法会导致特征点的提取匹配很容易出现偏差甚至错误。同时,上述特征点提取、匹配的方式处理起来相对复杂,容错率低,精度无法保证。此外,现有的s lam导航系统采用的是工控机系统,功耗和体积较大,性能功耗比低。
发明内容
本发明的目的在于提供一种用于AGV车的导航装置及导航方法,提高导航精度和运算速度。
为实现上述目的,本发明提供一种AGV车的导航装置,包括:
激光雷达,用于获取AGV车所处环境的平面二维信息;
图像传感器,用于采集所述AGV车的外部环境图像;
FPGA芯片系统,分别与所述激光雷达和所述图像传感器连接,用于接收所述激光雷达的平面二维信息和所述图像传感器的外部环境图像并进行处理。
根据本发明的一个方面,所述FPGA芯片系统还用于获取所述AGV车的位置点。
根据本发明的一个方面,所述FPGA芯片系统对所述激光雷达获取的所述平面二维信息的处理包括依据所述平面二维信息进行所述AGV车所处环境二维平面地图的构建。
根据本发明的一个方面,所述FPGA芯片系统对于所述图像传感器采集的所述外部环境图像的处理包括对所述外部环境图像中的各种物体进行属性识别并进行标注。
根据本发明的一个方面,采用图像语义分割技术对所述外部环境图像中的各个物体进行属性识别并分别进行标注。
根据本发明的一个方面,所述图像传感器为能够获取平面图像的光学相机。
本发明还提供一种利用上述用于AGV车的导航装置的导航方法,包括:
S1、FPGA芯片系统依据所述平面二维信息构建所述AGV车所处环境的二维平面地图;
S2、FPGA芯片系统对所述外部环境信息进行图像语义分割,对所述外部环境图像中各物体进行属性识别;
S3、将所述外部环境图像中属性识别后的各物体匹配到所述二维平面地图中,得到所述各物体在所述二维平面地图中的位置;
S4、通过FPGA芯片系统获取所述AGV车在所述二维平面地图中的位置,并结合所述S3中获取的二维平面地图中的各物体的位置进行最优路径自动规划。
本发明的用于AGV车的导航装置,将激光雷达、图像传感器和FPGA芯片系统结合为一体,并通过图像语义分割的方式对环境中的物体进行属性识别,有效地保证了物体的识别精度和识别速度,从而保证对于AGV车的导航精度。
本发明的用于AGV车的导航装置,由于采用的是图像语义分割处理的方式,是对环境中的各种物体进行属性识别,所以在本发明中,图像传感器采用的是普通相机(能够拍摄二维图像的光学相机均可)。相比于现有技术中使用RGB-D相机(三维图像传感器)对物体的几何结构识别而言,属性识别的方式对物体的提取和认知更为准确。同时利用普通相机代替现有技术中的RGB-D相机,简单方便。
在本发明中,由于采用了FPGA芯片系统,图像信息处理集成与FPGA芯片系统中,提升系统整体稳定性的同时还使得系统整体体积大大减小,不需要工控机处理即能够直接输出地图、位置等信息,相比于工控机系统的高能耗、大体积而言,本发明可以有效降低功耗、减小体积。此外,本发明充分利用了FPGA芯片的并行高速处理能力、高级复杂处理能力,完成能够实现AGV车实时的slam,相比于现有技术而言,大大降低了出错概率,有利于保证导航精度,同时提供效率。
附图说明
图1示意性表示根据本发明的用于AGV车的导航装置的结构组成示图。
具体实施方式
为了更清楚地说明本发明实施方式或现有技术中的技术方案,下面将对实施方式中所需要使用的附图作简单地介绍。显而易见地,下面描述中的附图仅仅是本发明的一些实施方式,对于本领域普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
在针对本发明的实施方式进行描述时,术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”所表达的方位或位置关系是基于相关附图所示的方位或位置关系,其仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此上述术语不能理解为对本发明的限制。
下面结合附图和具体实施方式对本发明作详细地描述,实施方式不能在此一一赘述,但本发明的实施方式并不因此限定于以下实施方式。
如图1所示,根据本发明的一种实施方式,本发明的用于AGV的导航装置包括激光雷达1、图像传感器2和FPGA芯片系统3。激光雷达1和图像传感器2分别与FPGA芯片系统3相连接,激光雷达1和图像传感器2可以通过以太网或者USB与FPGA芯片系统3相互连接。其中激光雷达1用于将AGV车所处环境的平面二维信息传输给FPGA芯片系统3,图像传感器2用于采集AGV车的外部环境图像并传输至FPGA芯片系统3,FPGA芯片系统3用于接收上述信息并进行处理。此外,本发明的FPGA芯片系统还用于获取AGV车的位置,并结合对信息数据的处理结果,实现对AGV车的导航功能。
具体来说,FPGA芯片系统3对激光雷达1获取的平面二维信息的处理包括依据平面二维信息对AGV车所处环境二维平面地图的构建。具体来说,激光雷达1沿圆周方向360°的每条射线代表不同的距离信息,依据这获取的不同距离信息系构建二维平面地图。
FPGA芯片系统3对图像传感器2采集的外部环境图像的处理包括对外部环境图像中的各种物体进行属性识别并进行标注。具体地,在本发明中,采用图像语义分割的方式对外部环境图像中的各个物体进行属性识别。图像语义分割技术是对图像处理的一种方式,主要是建立多个语义类别,例如可行区域、不可行区域、障碍物和人等,之后通过实时接收拍摄到的图像,对图像中的每一个像素进行标记识别,根据文理、亮度等属性确定图像中的每一个像素所属的类别(可行区域、不可行区域、障碍物和人)。
本发明的用于AGV车的导航装置,由于采用的是图像语义分割处理的方式,是对环境中的各种物体进行属性识别,所以在本发明中,图像传感器2采用的是普通相机即可(能够拍摄二维图像的光学相机均可)。相比于现有技术中使用RGB-D相机(三维图像传感器)对物体的几何结构识别而言,属性识别的方式对物体的提取和认知更为准确。同时利用普通相机代替现有技术中的RGB-D相机,简单方便。
本发明的用于AGV车的导航装置的导航方法如下:S1、FPGA芯片系统依据平面二维信息构建AGV车所处环境的二维平面地图;S2、FPGA芯片系统对外部环境信息进行图像语义分割,对外部环境图像中各物体进行属性识别;S3、将外部环境图像中属性识别后的各物体匹配到二维平面地图中,得到各物体在所述二维平面地图中的位置;S4、通过FPGA芯片系统获取AGV车在二维平面地图中的位置,并结合S3中获取的二维平面地图中的各物体的位置进行最优路径自动规划。
总的来说,是通过FPGA芯片系统3结合激光雷达1进行环境二维平面地图的构建,之后FPGA芯片系统3结合图像传感器2对外部环境图像进行语义分割处理,对环境中已经进行图像语义分割的物体匹配到各自在基于激光雷达1生成的二维平面地图上的位置,这样每次图像传感器2获得环境物体进行语义识别后,就可以知道其相对于基于激光雷达生成的二维平面地图上的位置了。接着通过FPGA芯片系统3把AGV车的位置姿态点和环境语义分割获取的各物体标注在二维平面地图上构成节点,组成最优化约束条件,并且通过图优化方法得到较高精度的AGV位置和各种坏境物体位置,对AGV车进行运动路径规划。
本发明的用于AGV车的导航装置,将激光雷达1、图像传感器2和FPGA芯片系统3结合为一体,并通过图像语义分割的方式对环境中的物体进行属性识别,有效地保证了物体的识别精度和识别速度,从而保证对于AGV车的导航精度。
此外,在本发明中,由于采用了FPGA芯片系统3,图像信息处理集成与FPGA芯片系统3中,提升系统整体稳定性的同时还使得系统整体体积大大减小,不需要工控机处理即能够直接输出地图、位置等信息,相比于工控机系统的高能耗、大体积而言,本发明可以有效降低功耗、减小体积。此外,本发明充分利用了FPGA芯片的并行高速处理能力、高级复杂处理能力,完成能够实现AGV车实时的slam,相比于现有技术而言,大大降低了出错概率,有利于保证导航精度,同时提供效率。
以上所述仅为本发明的一个方案而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种用于AGV车的导航装置,其特征在于,包括:
激光雷达(1),用于获取AGV车所处环境的平面二维信息;
图像传感器(2),用于采集所述AGV车的外部环境图像;
FPGA芯片系统(3),分别与所述激光雷达(1)和所述图像传感器(2)连接,用于接收所述激光雷达(1)的平面二维信息和所述图像传感器(2)的外部环境图像并进行处理。
2.根据权利要求1所述的用于AGV车的导航装置,其特征在于,所述FPGA芯片系统(3)还用于获取所述AGV车的位置点。
3.根据权利要求1所述的用于AGV车的导航装置,其特征在于,所述FPGA芯片系统(3)对所述激光雷达(1)获取的所述平面二维信息的处理包括依据所述平面二维信息进行所述AGV车所处环境二维平面地图的构建。
4.根据权利要求1所述的用于AGV车的导航装置,其特征在于,所述FPGA芯片系统(3)对于所述图像传感器(2)采集的所述外部环境图像的处理包括对所述外部环境图像中的各种物体进行属性识别并进行标注。
5.根据权利要求4所述的用于AGV车的导航装置,其特征在于,采用图像语义分割技术对所述外部环境图像中的各个物体进行属性识别并分别进行标注。
6.根据权利要求1所述的用于AGV车的导航装置,其特征在于,所述图像传感器(2)为能够获取平面图像的光学相机。
7.一种利用权利要求1-6所述的用于AGV车的导航装置的导航方法,包括:
S1、FPGA芯片系统依据所述平面二维信息构建所述AGV车所处环境的二维平面地图;
S2、FPGA芯片系统对所述外部环境信息进行图像语义分割,对所述外部环境图像中各物体进行属性识别;
S3、将所述外部环境图像中属性识别后的各物体匹配到所述二维平面地图中,得到所述各物体在所述二维平面地图中的位置;
S4、通过FPGA芯片系统获取所述AGV车在所述二维平面地图中的位置,并结合所述S3中获取的二维平面地图中的各物体的位置进行最优路径自动规划。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910051092.9A CN109855624A (zh) | 2019-01-17 | 2019-01-17 | 用于agv车的导航装置及导航方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910051092.9A CN109855624A (zh) | 2019-01-17 | 2019-01-17 | 用于agv车的导航装置及导航方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109855624A true CN109855624A (zh) | 2019-06-07 |
Family
ID=66895208
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910051092.9A Pending CN109855624A (zh) | 2019-01-17 | 2019-01-17 | 用于agv车的导航装置及导航方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109855624A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111781929A (zh) * | 2020-07-08 | 2020-10-16 | 苏州索亚机器人技术有限公司 | Agv小车及3d激光雷达定位与导航方法 |
CN112130555A (zh) * | 2020-06-09 | 2020-12-25 | 广东科学技术职业学院 | 基于激光导航雷达及计算机视觉感知融合的自行走机器人及系统 |
CN112308076A (zh) * | 2020-10-30 | 2021-02-02 | 山东华锐智能技术有限公司 | Agv导航调度用多语义安全地图构建、使用及调度方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150138310A1 (en) * | 2013-11-19 | 2015-05-21 | Nokia Corporation | Automatic scene parsing |
CN106780735A (zh) * | 2016-12-29 | 2017-05-31 | 深圳先进技术研究院 | 一种语义地图构建方法、装置及一种机器人 |
CN106802954A (zh) * | 2017-01-18 | 2017-06-06 | 中国科学院合肥物质科学研究院 | 无人车语义地图模型构建方法及其在无人车上的应用方法 |
CN107063258A (zh) * | 2017-03-07 | 2017-08-18 | 重庆邮电大学 | 一种基于语义信息的移动机器人室内导航方法 |
CN108776474A (zh) * | 2018-05-24 | 2018-11-09 | 中山赛伯坦智能科技有限公司 | 集成高精度导航定位与深度学习的机器人嵌入式计算终端 |
CN108920584A (zh) * | 2018-06-25 | 2018-11-30 | 广州视源电子科技股份有限公司 | 一种语义栅格地图生成方法及其装置 |
CN208224794U (zh) * | 2018-05-24 | 2018-12-11 | 中山赛伯坦智能科技有限公司 | 一种机器人终端装置 |
-
2019
- 2019-01-17 CN CN201910051092.9A patent/CN109855624A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150138310A1 (en) * | 2013-11-19 | 2015-05-21 | Nokia Corporation | Automatic scene parsing |
CN106780735A (zh) * | 2016-12-29 | 2017-05-31 | 深圳先进技术研究院 | 一种语义地图构建方法、装置及一种机器人 |
CN106802954A (zh) * | 2017-01-18 | 2017-06-06 | 中国科学院合肥物质科学研究院 | 无人车语义地图模型构建方法及其在无人车上的应用方法 |
CN107063258A (zh) * | 2017-03-07 | 2017-08-18 | 重庆邮电大学 | 一种基于语义信息的移动机器人室内导航方法 |
CN108776474A (zh) * | 2018-05-24 | 2018-11-09 | 中山赛伯坦智能科技有限公司 | 集成高精度导航定位与深度学习的机器人嵌入式计算终端 |
CN208224794U (zh) * | 2018-05-24 | 2018-12-11 | 中山赛伯坦智能科技有限公司 | 一种机器人终端装置 |
CN108920584A (zh) * | 2018-06-25 | 2018-11-30 | 广州视源电子科技股份有限公司 | 一种语义栅格地图生成方法及其装置 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112130555A (zh) * | 2020-06-09 | 2020-12-25 | 广东科学技术职业学院 | 基于激光导航雷达及计算机视觉感知融合的自行走机器人及系统 |
CN112130555B (zh) * | 2020-06-09 | 2023-09-15 | 广东科学技术职业学院 | 基于激光导航雷达及计算机视觉感知融合的自行走机器人及系统 |
CN111781929A (zh) * | 2020-07-08 | 2020-10-16 | 苏州索亚机器人技术有限公司 | Agv小车及3d激光雷达定位与导航方法 |
CN112308076A (zh) * | 2020-10-30 | 2021-02-02 | 山东华锐智能技术有限公司 | Agv导航调度用多语义安全地图构建、使用及调度方法 |
CN112308076B (zh) * | 2020-10-30 | 2023-05-30 | 济南蓝图士智能技术有限公司 | Agv导航调度用多语义安全地图构建、使用及调度方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Taheri et al. | SLAM; definition and evolution | |
CN108827306B (zh) | 一种基于多传感器融合的无人机slam导航方法及系统 | |
Huang et al. | Visual odometry and mapping for autonomous flight using an RGB-D camera | |
CN109509230A (zh) | 一种应用于多镜头组合式全景相机的slam方法 | |
CN109855624A (zh) | 用于agv车的导航装置及导航方法 | |
CN113625774B (zh) | 局部地图匹配与端到端测距多无人机协同定位系统和方法 | |
Li et al. | Automatic targetless LiDAR–camera calibration: a survey | |
CN112184812B (zh) | 提升无人机相机对AprilTag识别定位精度方法及定位方法和系统 | |
Yue et al. | A hierarchical framework for collaborative probabilistic semantic mapping | |
CN114459467A (zh) | 一种未知救援环境中基于vi-slam的目标定位方法 | |
Liu et al. | Dloam: Real-time and robust lidar slam system based on cnn in dynamic urban environments | |
Zhang et al. | Ntu4dradlm: 4d radar-centric multi-modal dataset for localization and mapping | |
Li et al. | Multiple RGB-D sensor-based 3-D reconstruction and localization of indoor environment for mini MAV | |
Dai et al. | A review of common techniques for visual simultaneous localization and mapping | |
Liu et al. | A Review of Sensing Technologies for Indoor Autonomous Mobile Robots | |
He et al. | Visual positioning system for small-scaled spherical robot in underwater environment | |
US20230215092A1 (en) | Method and system for providing user interface for map target creation | |
CN111964665A (zh) | 基于车载环视图像的智能车定位方法、系统及存储介质 | |
Yin et al. | An overview of simultaneous localisation and mapping: towards multi-sensor fusion | |
Canh et al. | Object-Oriented Semantic Mapping for Reliable UAVs Navigation | |
Li et al. | 3D semantic map construction based on point cloud and image fusion | |
Lin et al. | Vision aided motion estimation for unmanned helicopters in GPS denied environments | |
Fu et al. | A Lightweight Autonomous Vehicle System Based On Pure Visual Navigation | |
Li et al. | A Research of Visual-Inertial Simultaneous Localization and Mapping | |
Fu et al. | Costmap construction and pseudo-lidar conversion method of mobile robot based on monocular camera |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190607 |
|
RJ01 | Rejection of invention patent application after publication |