CN113435417A - 一种双轮驱动的agv转向视觉控制方法 - Google Patents
一种双轮驱动的agv转向视觉控制方法 Download PDFInfo
- Publication number
- CN113435417A CN113435417A CN202110984946.6A CN202110984946A CN113435417A CN 113435417 A CN113435417 A CN 113435417A CN 202110984946 A CN202110984946 A CN 202110984946A CN 113435417 A CN113435417 A CN 113435417A
- Authority
- CN
- China
- Prior art keywords
- radius
- obstacle
- turning
- agv
- circle model
- 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 title claims abstract description 57
- 230000000007 visual effect Effects 0.000 title abstract description 6
- 230000008569 process Effects 0.000 claims description 20
- 238000003708 edge detection Methods 0.000 claims description 5
- 238000005299 abrasion Methods 0.000 abstract description 6
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000004888 barrier function Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000032258 transport Effects 0.000 description 2
- VQKWAUROYFTROF-UHFFFAOYSA-N arc-31 Chemical compound O=C1N(CCN(C)C)C2=C3C=C4OCOC4=CC3=NN=C2C2=C1C=C(OC)C(OC)=C2 VQKWAUROYFTROF-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000003467 diminishing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D5/00—Power-assisted or power-driven steering
- B62D5/04—Power-assisted or power-driven steering electrical, e.g. using an electric servo-motor connected to, or forming part of, the steering gear
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及人工智能领域，具体涉及一种双轮驱动的AGV转向视觉控制方法。该方法包括：识别障碍物；获取AGV与障碍物之间的第一距离和障碍物的宽度；在第一距离小于预设距离时，获取第一弦长，进一步得到第一转弯半径；在获取到障碍物的长度时，获取AGV绕过障碍物侧面进行第一次转弯的第一终止半径，及对应的第一圆心角；依照第二转向圆模型进行第二次转弯的第二转弯半径；在AGV绕过障碍物侧面的端点时，获取依照第三转向圆模型获取第三转弯半径；AGV根据第三转向圆模型进行转弯以平滑绕过障碍物。利用本发明，可以保证AGV能够平滑的绕过障碍物区域，避免更多的时间损失与转向磨损，有效的提高了运输的效率。
Description
技术领域
本发明涉及人工智能技术领域，具体涉及一种双轮驱动的AGV转向视觉控制方法。
背景技术
随着现代工业对无人化、智能化的青睐，AGV越来越多的应用在货物搬运的场景中，相较于人工搬运，能够有效地减轻劳动强度，大大提高货物搬运的工作效率。
在AGV搭载货物进行运输时需要躲避路径上的障碍物，目前控制小车转换的实际情况中一般通过减小AGV小车的速度，或者利用AGV小车的线速度和角速度，未考虑到小车在转弯过程中离心力对所载货物造成的掉落影响，也忽略了小车速度变化时的能源消耗以及轮轴磨损，导致AGV小车不能稳定运行以及工作效率不能最大化。
发明内容
为了解决上述技术问题，本发明的目的在于提供一种双轮驱动的AGV转向视觉控制方法，所采用的技术方案具体如下：
本发明一个实施例提供了一种双轮驱动的AGV转向视觉控制方法，该方法包括：
采集道路图像和深度图像，识别所述道路图像中的障碍物；根据所述深度图像获取AGV与所述障碍物之间的第一距离和根据所述道路图像获取所述障碍物的宽度；
在所述第一距离小于预设距离时，根据所述障碍物的宽度以及所述第一距离获取第一弦长，将所述第一弦长与第一转向圆模型进行匹配得到第一转弯半径，所述第一转弯半径为所述AGV依照所述第一转向圆模型朝着障碍物侧面进行第一次转弯的初始半径；所述第一转向圆模型是模拟AGV逐渐缩小转弯半径沿着螺线路径转弯的模型，所述螺线路径上的每个位置点均对应一个转弯半径；
在所述AGV进行第一次转弯的过程中获取到所述障碍物的长度时，获取所述AGV绕过所述障碍物侧面并朝向绕过所述障碍物侧面的端点进行第一次转弯的第一终止半径，及所述第一终止半径在所述第一转向圆模型中对应的第一圆心角；根据所述障碍物的长度、所述第一终止半径及所述第一圆心角得到依照第二转向圆模型进行第二次转弯的第二转弯半径；
在所述AGV绕过所述障碍物侧面的端点时，获取依照第三转向圆模型进行第三次转弯的第三转弯半径；所述AGV根据所述第三转向圆模型进行转弯以平滑绕过障碍物回到原行驶路径。
优选的，所述根据所述障碍物的长度、所述终止半径及所述圆心角得到依照第二转向圆模型进行第二次转弯的第二转弯半径的步骤，包括：
以所述障碍物的长度作为弦长与所述转向圆模型进行匹配，在匹配得到的第二转向圆的第二候选初始半径小于所述第一转向圆模型的最小半径时，以所述第二候选半径作为所述第二转弯半径。
优选的，获取依照第三转向圆模型进行第三次转弯的第三转弯半径的方法，包括：
根据所述障碍物的宽度和所述第一距离获取驶出的弦长；
获取所述AGV绕过所述障碍物侧面的端点，并驶出端点进行第三次转弯时的第二终止半径，及所述第二终止半径在所述第二转向圆模型中对应的第二圆心角；
根据所述驶出的弦长、所述第二终止半径及所述第二圆心角得到依照第三转向圆模型进行第三次转弯的所述第三转弯半径。
优选的，所述第一转向圆模型的构建方法，包括：
根据道路的宽度获取所述AGV在所述道路上的最大转弯半径，以所述最大转弯半径为转向圆模型的初始半径，对所述初始半径进行迭代衰减以得到相应转向圆模型的所述螺线路径。
优选的，所述根据所述障碍物的宽度以及所述第一距离获取第一弦长的方法包括：
由所述障碍物的宽度与所述第一距离根据勾股定理获取所述第一弦长。
优选的，所述根据所述障碍物的长度、所述终止半径及所述圆心角得到依照第二转向圆模型进行第二次转弯的第二转弯半径的方法，包括：
将所述障碍物的长度、所述终止半径及所述圆心角输入全连接网络得到所述第二转弯半径。
优选的，所述全连接网络的损失函数包括所述终止半径与所述第二转向圆模型的初始转弯半径之间的第一损失、及所述障碍物长度与所述初始半径之间的第二损失；其中，所述第一损失与所述损失函数的损失值呈负相关关系。
优选的，所述障碍物的长度的获取方法包括：
对所述AGV采集的图像进行边缘检测，得到多条障碍物的边缘；
拟合所述多条障碍物的边缘得到拟合直线；
以所述多条障碍物的边缘在所述拟合直线上的投影长度作为所述障碍物的长度。
本发明实施例的有益效果在于：通过建立转向圆模型获取AGV在运输过程中躲避障碍物的优化路径，通过AGV与障碍物之间的弦长获取第一转弯半径，建立损失函数获取最优化的第二转弯半径，进一步获取第三转弯半径，使得AGV在躲避障碍物的过程中驶出点尽可能的与障碍物的另一端点进行相切，在节省空间的同时保证AGV能够平滑的绕过障碍物区域，避免更多的时间损失与转向磨损，有效的提高了运输的效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，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它附图。
图1为本发明一个实施例所提供的一种双轮驱动AGV转向视觉控制方法流程图；
图2为本发明一个实施例所提供的一种AGV避障示意图；
图3为本发明一个实施例所提供的一种转向圆模型示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种双轮驱动AGV转向视觉控制方法和系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
本发明实施例应用的具体场景为AGV在分拣运输过程中的转向控制，通过建立转向圆模型获取AGV在运输过程中躲避障碍物的优化路径，通过AGV与障碍物之间的弦长获取第一转弯半径，建立损失函数获取最优化的第二转弯半径，进一步获取第三转弯半径，使得AGV在躲避障碍物的过程中驶出点尽可能的与障碍物的另一端点进行相切，保证AGV能够平滑的绕过障碍物区域，避免更多的时间损失与转向磨损，有效的提高了运输的效率。
下面结合附图具体的说明本发明所提供的一种双轮驱动AGV转向视觉控制方法的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种双轮驱动AGV转向视觉控制方法流程图，该方法包括以下步骤：
步骤S100，采集道路图像和深度图像，识别道路图像中的障碍物；根据深度图像获取AGV与障碍物之间的第一距离和根据道路图像获取障碍物的宽度。
请参阅图2，其示出了AGV进行避障的示意图，包括：AGV小车10、障碍物20、障碍物宽度
、第一距离
、预设距离
、第一弦长所对应圆弧31、第一弦长310、第二转弯半径所转圆弧32、第二转弯半径所转圆弧所对弦长320、第三转弯半径所转圆弧33、小车预设行驶路径40。
具体的，采集道路图像，识别道路图像中障碍物的步骤如下：
在AGV小车上布置双目相机，通过双目相机获取小车前方道路图像，默认AGV正常行驶过程中保持匀速。
通过采集到的道路图像得到图像坐标系中地面的长度
。
将采集到的道路图像输入SIFT角点检测，检测出道路图像中障碍物区域的角点位置，从而得到障碍物的矩形包围框，当检测到道路图像中AGV前方区域存在障碍物时，存储当前帧的道路图像进行后处理。
需要说明的是，本发明实施例中默认前后车之间的距离较大，不考虑前方AGV造成的障碍物误检测。
通过AGV采集到的深度图像和道路图像获取AGV到障碍物的第一距离
以及障碍物的宽度
。
作为优选，本发明实施例中利用深度图像中障碍物的像素点携带的深度信息
获取AGV到障碍物的距离为第一距离
。默认障碍物为规则形状，通过Canny边缘检测算法获取道路图像中障碍物的边缘，根据道路图像中同一水平面上最外侧边缘像素点之间的欧式距离得到障碍物的宽度
。
步骤S200，在第一距离小于预设距离时，根据障碍物的宽度以及第一距离获取第一弦长，将第一弦长与第一转向圆模型进行匹配得到第一转弯半径，第一转弯半径为AGV依照第一转弯模型朝着障碍物侧面进行第一次转弯的初始半径；第一转向圆模型是模拟AGV逐渐缩小转弯半径沿着螺线路径转弯的模型，螺线路径上的每个位置点均对应一个转弯半径。
在AGV检测到前方行驶路线上存在障碍物之后，首先进行第一次转弯，沿着第一转向圆模型匹配到的弧形路径绕过到障碍物的侧面；在AGV获取到障碍物的长度之后，然后在进行第二次转弯，沿着第二转向圆模型匹配到的弧形路径绕过障碍物的侧面；在AGV绕过障碍物的角点之后，最后进行第三次转弯，沿着第三转向圆模型匹配到的弧形路径回归到原定的行驶路径上。其中，第一次转弯的过程中匹配第一转向圆模型的方法包括：
（1）为了保证小车能在匀速的情况下绕过障碍物区域，最大限度提高小车的工作效率，建立螺旋路径的第一转向圆模型。
具体的，根据AGV的车长、所载货物的高度以及AGV的重量确定AGV的质心位置，转弯过程中AGV质心位置的运动轨迹为半径不断缩小的螺旋路径的转向圆。
需要说明的是，本发明实施例中AGV的车长、所载货物的高度以及AGV的重量都为已知量，因此AGV的质心位置能够确定。
根据道路的宽度获取AGV在道路上的最大转弯半径，以最大转弯半径为转向圆模型的初始半径，对初始半径进行迭代衰减以得到相应转向圆模型的螺线路径。
具体的，请参阅图3，根据AGV行驶的道路宽度确定AGV能够转弯的最大转弯半径，将该最大转弯半径作为转向圆的初始半径
，选取初始圆心角
，根据初始半径和初始圆心角得到初始圆弧。以初始圆弧的终点作为下一段圆弧的起点，按照将半径减小
得到新的半径、圆心角减少
得到新的圆心角，根据新的半径和新的圆心角得到下一段圆弧。以此类推，得到完整的转向圆模型。
作为优选，本发明实施例中假设
取值为1、
取值为
，初始圆心角
，
，由此得到了第一转向圆的初始圆弧。以初始圆弧的终点作为下一圆弧的起始点，半径
，圆心角
。根据半径
以及
不断地迭代衰减，得到后续的圆弧，其中，
表示迭代次数，直至半径小于AGV两个车轮轮距时停止迭代。
AGV在转弯过程中，沿着第一转向圆模型中的圆弧可以保证AGV平滑的通过障碍区域，不会出现AGV甩尾的现象。在AGV实际转弯过程中，只要在第一转向圆模型里选择合适的圆心角
和对应的半径
，即可确定相应的初始转弯半径。
（2）获取AGV在躲避障碍物的第一转弯半径。
为了使AGV在转弯过程中尽可能的平滑转向，所以在绕过障碍物之前的一段距离应当提前进行平滑处理。具体的，由障碍物的宽度与第一距离根据勾股定理获取第一弦长，根据AGV与障碍物之间的第一距离
以及障碍物的宽度
，计算AGV在当前位置下，绕过障碍物一端的运动距离
，具体为：
其中，
为AGV与障碍物之间的第一距离；
为障碍物的宽度。
将运动距离
与预设的距离
进行比较，当
时，则AGV开始进行转向，将开始转向的位置到障碍物一端点的运动距离
作为转向轨迹的第一弦长，当第一弦长确定，转向轨迹对应的圆心位置固定时，则在此转向轨迹中的转向圆半径和圆心角确定，将第一弦长所对应转向圆半径作为第一转弯半径。
需要说明的是，圆心位置是在第一弦长中垂线的转弯方向上，截取第一转向圆模型的最大半径作为第一转弯半径，截取点的位置记为圆心位置。
步骤S300，在AGV进行第一次转弯的过程中获取到所述障碍物的长度时，获取AGV绕过障碍物侧面并朝向绕过障碍物侧面的端点进行转弯时第一次转弯的终止半径，及终止半径在第一转向圆模型中对应的圆心角；根据障碍物的长度、终止半径及圆心角得到依照第二转向圆模型进行第二次转弯的第二转弯半径。
AGV小车在根据第一转向圆模型匹配出的弧线路径进行转弯的过程中不断的采集障碍物的图像以便获取到障碍物的长度，然后根据障碍物的长度进行下一次转弯的路径规划，具体的：
（1）获取障碍物的长度。
对所述AGV采集的图像进行边缘检测，得到多条障碍物的边缘；拟合所述多条障碍物的边缘得到拟合直线；以所述多条障碍物的边缘在所述拟合直线上的投影长度作为所述障碍物的长度。
具体的，在AGV转过障碍物一端时，AGV所载相机实时获取障碍物侧面图像，通过Canny边缘检测算法实时获取侧面图像中多条障碍物的边缘，，对所有障碍物的边缘直接进行拟合得到拟合直线，计算所有障碍物边缘在该拟合直线上的投影长度，将投影长度作为障碍物的长度。
需要说明的是，随着障碍物长度的不断变化，AGV在实际转弯避障过程中的圆心位置、转弯半径以及转弯轨迹的圆心角大小都在发生改变。
（2）获取第一转向圆模型的终止半径。
由上述步骤1）获取障碍物长度，但当障碍物长度过大时，以第一转弯半径形成的圆弧位置无法获取障碍物的全部长度，或者用于绕过障碍物的第二转弯半径超出道路剩余宽度的最大半径，对第一转弯半径按照转向圆模型进行更新获取第一转向圆模型，即对第一转弯半径进行迭代衰减，衰减值为1，保证在第二转弯半径能够一次绕过障碍物区域，当AGV能够完全获取障碍物的长度时，得到固定的第一转向圆模型，以获取到障碍物的完整长度的当前时刻的半径作为第一转向圆模型的终止半径。当障碍物边缘在拟合直线上的投影长度不再增加时，确定此时获取到了障碍物的完整长度。
（3）获取第二转弯半径。
由于小车在转弯的过程中需要经历由朝着障碍物宽度方向转弯到朝着障碍度长度方向转弯的两个阶段，在朝着障碍物宽度方向转弯的过程是依照第一转弯模型匹配的弧形路径进行转弯的，在朝着障碍物长度方向转弯的过程是依照第二转弯模型匹配的弧形路径进行转弯的。以障碍物的长度作为弦长与转向圆模型进行匹配，在匹配得到的第二转向圆的第二候选初始半径大于第一转向圆模型的最大半径时，将终止半径调整为第二候选初始半径，以第二候选半径作为第二转弯半径。
需要说明的是，在由第一转向圆模型的最终转弯半径切换到第二转向圆模型的第二转弯半径的过程中，需要保证该最终转弯半径与该第二转弯半径差异尽可能大，以使得AGV小车能够平滑的进行转弯并通过障碍物区域。具体的：
将障碍物的长度、终止半径及圆心角输入全连接网络得到第二转弯半径。
全连接网络的损失函数包括终止半径与第二转向圆模型的转弯半径之间的第一损失以及障碍物长度与第二转弯半径之间的第二损失；其中，第一损失与损失函数的损失值呈负相关关系。
具体的，当AGV小车由终止半径向第二转弯半径转变时，终止半径越小，相应的第二转弯半径就会越大。
将终止半径的半径参数、该终止半径所处圆弧对应的圆心角的参数、障碍物的长度输入全连接网络中，建立损失函数得到第二转弯半径，具体方法：
其中，
表示第二转弯半径； 
表示终止半径； 
表示障碍物的长度； 
为第一损失的权重系数； 
表示第二损失的权重系数；作为优选，损失函数中权重系数的取值分别为： 
， 
。
第一损失的目的为了保证终止半径与第二转弯半径的差异最大，能够一次绕过障碍物；第二损失的目的为了保证障碍物长度和半径之间对应关系差异最小，由障碍物的长度确定。
步骤S400，在AGV依照第二转向圆模型绕过障碍物侧面的端点时，获取依照第三转向圆模型进行第三次转弯的第三转弯半径；AGV根据第三转向圆模型进行转弯以平滑绕过障碍物回到原行驶路径。
根据障碍物的宽度和第一距离获取驶出的弦长，获取AGV绕过障碍物侧面的端点时并驶出的端点进行第三次转弯时的第二终止半径，及第二终止半径在第二转向圆模型中对应的第二圆心角，根据驶出的弦长、第二终止半径及第二圆心角得到依照第三转向圆模型进行第三次转弯的第三转弯半径。
具体的，当AGV以第二转向圆模型绕过所述障碍物侧面的端点时，基于与步骤S300相同的原理建立全连接网络，网络输入为第二转弯半径以及对应的圆心角大小，输出为第三转弯半径，根据第三转弯半径获取第三转向圆模型，使得AGV能够平滑绕过障碍物。
进一步的，为了保证第二转向圆模型到第三转向圆模型的转变过程中，能够使得AGV正好平滑绕过障碍物且与AGV原行驶路径相切，在第一转向圆模型到第二转向圆模型转换时，第二转弯半径应该尽可能满足驶出点与障碍物的另一端相切。当第二转弯半径小于货物离心力允许的最小半径时，需要根据第二转向圆模型对AGV的第二转弯半径以及圆心角进行更新和搜索，直到满足要求。
具体的，获取离心力允许的最小半径的方法为：
根据步骤S100中AGV的行驶速度
得到AGV转弯时的角速度：
其中， 
表示AGV的行驶速度； 
表示转弯半径。
进一步根据已知的AGV和货物的总质量获取当前AGV进行转弯时的离心力：
其中， 
表示此时AGV的离心力； 
表示AGV和货物的总质量； 
表示AGV的行驶速度； 
表示转弯半径。
需要说明的是，本发明实施例中默认货物垂直摆放整齐，不存在倾斜角度。
那么，根据AGV进行转弯的离心力以及货物之间的摩擦力获得最小转弯半径为：
其中， 
表示最小转弯半径； 
表示AGV的行驶速度； 
为货物之间的摩擦系数。
当以最小转弯半径作为第二转弯半径时，第二转弯半径驶出点位置仍然超出障碍物另一端点的相切位置，则对第二转弯半径进行更新搜索，具体方法为：
根据障碍物长度获得在水平方向上所对应的第二转弯半径的对应弦长作为转向长度，在第二转向圆模型内部搜索，直至搜索过程中的圆心角所对应弦长在水平方向上的投影与所需转弯长度相等时为止。
具体的，假设AGV在第二转向圆模型中所需转弯的长度为 
，每次搜索的第二转向圆半径所对应圆心角的弦长为 
，在水平方向上的投影长度为 
，在第二转向圆模型内部搜索过程中，若 
时，则搜索步长为1；若 
但 
时，搜索步长为2；以此类推，若 
时，搜索步长为 
。
需要说明的是，搜索步长对应的即为AGV第二转向次数，每搜索一次，AGV进行一次转向。
由此可以保证在障碍物长度过短时，通过对第二转向圆模型的搜索获得多个第二转向圆半径，使得AGV的驶出点与障碍物的另一端点相切。
进一步的，若直至搜索结束仍然无法满足AGV驶出点与障碍物的另一端点相切的条件，此时需要从左至右对每段转向角度增加 
，保证最终的转向长度之和满足AGV驶出点与障碍物的另一端点相切的条件，将小车的转向磨损和时间损失最小化。
综上所述，本发明实施例中通过建立转向圆模型获取AGV在运输过程中躲避障碍物的优化路径，通过AGV与障碍物之间的弦长获取第一转弯半径，建立损失函数获取最优化的第二转弯半径，进一步获取第三转弯半径，使得AGV在躲避障碍物的过程中驶出点尽可能的与障碍物的另一端点进行相切，保证AGV能够平滑的绕过障碍物区域，避免更多的时间损失与转向磨损，有效的提高了运输的效率。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，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 (8)
1.一种双轮驱动AGV转向视觉控制方法，其特征在于，该方法包括以下步骤：
采集道路图像和深度图像，识别所述道路图像中的障碍物；根据所述深度图像获取AGV与所述障碍物之间的第一距离和根据所述道路图像获取所述障碍物的宽度；
在所述第一距离小于预设距离时，根据所述障碍物的宽度以及所述第一距离获取第一弦长，将所述第一弦长与第一转向圆模型进行匹配得到第一转弯半径，所述第一转弯半径为所述AGV依照所述第一转向圆模型朝着障碍物侧面进行第一次转弯的初始半径；所述第一转向圆模型是模拟AGV逐渐缩小转弯半径沿着螺线路径转弯的模型，所述螺线路径上的每个位置点均对应一个转弯半径；
在所述AGV进行第一次转弯的过程中获取到所述障碍物的长度时，获取所述AGV绕过所述障碍物侧面并朝向绕过所述障碍物侧面的端点进行第一次转弯的第一终止半径，及所述第一终止半径在所述第一转向圆模型中对应的第一圆心角；根据所述障碍物的长度、所述第一终止半径及所述第一圆心角得到依照第二转向圆模型进行第二次转弯的第二转弯半径；
在所述AGV绕过所述障碍物侧面的端点时，获取依照第三转向圆模型进行第三次转弯的第三转弯半径；所述AGV根据所述第三转向圆模型进行转弯以平滑绕过障碍物回到原行驶路径。
2.根据权利要求1所述的方法，其特征在于，所述根据所述障碍物的长度、所述终止半径及所述圆心角得到依照第二转向圆模型进行第二次转弯的第二转弯半径的步骤，包括：
以所述障碍物的长度作为弦长与所述转向圆模型进行匹配，在匹配得到的第二转向圆的第二候选初始半径大于所述第一转向圆模型的最大半径时，将所述终止半径调整为所述第二候选初始半径，以所述第二候选初始半径作为所述第二转弯半径。
3.根据权利要求1所述的方法，其特征在于，获取依照第三转向圆模型进行第三次转弯的第三转弯半径的方法，包括：
根据所述障碍物的宽度和所述第一距离获取驶出的弦长；
获取所述AGV绕过所述障碍物侧面的端点，并驶出端点进行第三次转弯时的第二终止半径，及所述第二终止半径在所述第二转向圆模型中对应的第二圆心角；
根据所述驶出的弦长、所述第二终止半径及所述第二圆心角得到依照第三转向圆模型进行第三次转弯的所述第三转弯半径。
4.根据权利要求1所述的方法，其特征在于，所述第一转向圆模型的构建方法，包括：
根据道路的宽度获取所述AGV在所述道路上的最大转弯半径，以所述最大转弯半径为转向圆模型的初始半径，对所述初始半径进行迭代衰减以得到相应转向圆模型的所述螺线路径。
5.根据权利要求1所述的方法，其特征在于，所述根据所述障碍物的宽度以及所述第一距离获取第一弦长的方法包括：
由所述障碍物的宽度与所述第一距离根据勾股定理获取所述第一弦长。
6.根据权利要求1所述的方法，其特征在于，所述根据所述障碍物的长度、所述终止半径及所述圆心角得到依照第二转向圆模型进行第二次转弯的第二转弯半径的方法，包括：
将所述障碍物的长度、所述终止半径及所述圆心角输入全连接网络得到所述第二转弯半径。
7.根据权利要求6所述的方法，其特征在于，所述全连接网络的损失函数包括所述终止半径与所述第二转向圆模型的初始转弯半径之间的第一损失、及所述障碍物长度与所述初始半径之间的第二损失；其中，所述第一损失与所述损失函数的损失值呈负相关关系。
8.根据权利要求1所述的方法，其特征在于，所述障碍物的长度的获取方法包括：
对所述AGV采集的图像进行边缘检测，得到多条障碍物的边缘；
拟合所述多条障碍物的边缘得到拟合直线；
以所述多条障碍物的边缘在所述拟合直线上的投影长度作为所述障碍物的长度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110984946.6A CN113435417B (zh) | 2021-08-26 | 2021-08-26 | 一种双轮驱动的agv转向视觉控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110984946.6A CN113435417B (zh) | 2021-08-26 | 2021-08-26 | 一种双轮驱动的agv转向视觉控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113435417A true CN113435417A (zh) | 2021-09-24 |
| CN113435417B CN113435417B (zh) | 2021-11-16 |
Family
ID=77797916
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110984946.6A Active CN113435417B (zh) | 2021-08-26 | 2021-08-26 | 一种双轮驱动的agv转向视觉控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113435417B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103335658A (zh) * | 2013-06-19 | 2013-10-02 | 华南农业大学 | 一种基于弧线路径生成的自主车辆避障方法 |
| CN103926925A (zh) * | 2014-04-22 | 2014-07-16 | 江苏久祥汽车电器集团有限公司 | 一种基于改进的vfh算法的定位与避障方法及机器人 |
| CN106909144A (zh) * | 2017-01-22 | 2017-06-30 | 无锡卡尔曼导航技术有限公司 | 用于农机无人驾驶的田间避障路径规划及其控制方法 |
| CN107169468A (zh) * | 2017-05-31 | 2017-09-15 | 北京京东尚科信息技术有限公司 | 用于控制车辆的方法和装置 |
| CN108459600A (zh) * | 2018-02-11 | 2018-08-28 | 成都兴联宜科技有限公司 | 一种agv小车的视觉导航系统 |
| CN109471432A (zh) * | 2018-11-08 | 2019-03-15 | 南京农业大学 | 一种自主导航农用车最短避障路径规划方法 |
| CN110326423A (zh) * | 2019-08-08 | 2019-10-15 | 浙江亚特电器有限公司 | 一种基于视觉的割草机及其转向控制方法和装置 |
| US20200101971A1 (en) * | 2018-09-28 | 2020-04-02 | Logistics and Supply Chain MultiTech R&D Centre Limited | An automated guide vehicle with a collision avoidance apparatus |
| CN111338352A (zh) * | 2020-03-24 | 2020-06-26 | 云南和富科技有限公司 | 一种机器人自主路径规划的方法 |
| WO2020220604A1 (zh) * | 2019-04-30 | 2020-11-05 | 南京航空航天大学 | 一种多agv系统动态障碍物实时避障方法及避障系统 |
| CN112734324A (zh) * | 2020-12-25 | 2021-04-30 | 哈尔滨工业大学 | 基于蚁群算法和改进型遗传算法的仓储物流agv路径规划算法 |
| CN113268065A (zh) * | 2021-07-19 | 2021-08-17 | 山东华力机电有限公司 | 基于人工智能的agv自适应转弯避障方法、装置及设备 |
| CN113283401A (zh) * | 2021-07-20 | 2021-08-20 | 山东华力机电有限公司 | 基于云计算和图像处理的agv小车避障方法 |
-
2021
- 2021-08-26 CN CN202110984946.6A patent/CN113435417B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103335658A (zh) * | 2013-06-19 | 2013-10-02 | 华南农业大学 | 一种基于弧线路径生成的自主车辆避障方法 |
| CN103926925A (zh) * | 2014-04-22 | 2014-07-16 | 江苏久祥汽车电器集团有限公司 | 一种基于改进的vfh算法的定位与避障方法及机器人 |
| CN106909144A (zh) * | 2017-01-22 | 2017-06-30 | 无锡卡尔曼导航技术有限公司 | 用于农机无人驾驶的田间避障路径规划及其控制方法 |
| CN107169468A (zh) * | 2017-05-31 | 2017-09-15 | 北京京东尚科信息技术有限公司 | 用于控制车辆的方法和装置 |
| CN108459600A (zh) * | 2018-02-11 | 2018-08-28 | 成都兴联宜科技有限公司 | 一种agv小车的视觉导航系统 |
| US20200101971A1 (en) * | 2018-09-28 | 2020-04-02 | Logistics and Supply Chain MultiTech R&D Centre Limited | An automated guide vehicle with a collision avoidance apparatus |
| CN109471432A (zh) * | 2018-11-08 | 2019-03-15 | 南京农业大学 | 一种自主导航农用车最短避障路径规划方法 |
| WO2020220604A1 (zh) * | 2019-04-30 | 2020-11-05 | 南京航空航天大学 | 一种多agv系统动态障碍物实时避障方法及避障系统 |
| CN110326423A (zh) * | 2019-08-08 | 2019-10-15 | 浙江亚特电器有限公司 | 一种基于视觉的割草机及其转向控制方法和装置 |
| CN111338352A (zh) * | 2020-03-24 | 2020-06-26 | 云南和富科技有限公司 | 一种机器人自主路径规划的方法 |
| CN112734324A (zh) * | 2020-12-25 | 2021-04-30 | 哈尔滨工业大学 | 基于蚁群算法和改进型遗传算法的仓储物流agv路径规划算法 |
| CN113268065A (zh) * | 2021-07-19 | 2021-08-17 | 山东华力机电有限公司 | 基于人工智能的agv自适应转弯避障方法、装置及设备 |
| CN113283401A (zh) * | 2021-07-20 | 2021-08-20 | 山东华力机电有限公司 | 基于云计算和图像处理的agv小车避障方法 |
Non-Patent Citations (8)
| Title |
|---|
| FANG JIA 等: "Research on Multi-AGV Autonomous Obstacle Avoidance Strategy Based on Improved A* Algorithm", 《25TH INTERNATIONAL CONFERENCE ON MECHATRONICS AND MACHINE VISION IN PRATICE(M2VIP)》 * |
| FERNANDO PADILHA FERREIRA 等: "Trajectory Planning in Dynamic Environments for an Industrial AGV, integrated with fuzzy obstacle avoidance", 《12TH LATIN AMERICAN ROBOTICS SYMPOSIUM AND 2015 THIRD BRAZILIAN SYMPOSIUM ON ROBOTIC》 * |
| VALERIO DIGANI 等: "Obstacle avoidance for industrial AGVs", 《ICCP》 * |
| 刘震 等: "AGV避障技术的改进", 《辽宁科技学院学报》 * |
| 唐龙 等: "多随机障碍物条件下AGV动静态路径规划研究", 《安徽工程大学学报》 * |
| 曾祥苹 等: "火龙果采摘用轮式AGV行走系统导航避障策略研究", 《机床与液压》 * |
| 杨瑶 等: "启发式RRT算法的AGV路径规划", 《计算机工程与应用》 * |
| 郭洪月 等: "自动泊车系统中AGV路径规划及碰撞规避问题分析", 《装备制造技术》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113435417B (zh) | 2021-11-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110749333B (zh) | 基于多目标优化的无人驾驶车辆运动规划方法 | |
| CN111399505B (zh) | 一种基于神经网络的移动机器人避障方法 | |
| CN110924340B (zh) | 一种用于智能捡垃圾的移动机器人系统与实现方法 | |
| CN112561998B (zh) | 一种基于三维点云配准的机器人定位和自主充电方法 | |
| CN107167155A (zh) | 一种地下停车场弯曲坡道路径规划及路径跟踪方法 | |
| Horst et al. | Trajectory generation for an on-road autonomous vehicle | |
| CN113435417B (zh) | 一种双轮驱动的agv转向视觉控制方法 | |
| CN116560382A (zh) | 一种基于混合智能算法的移动机器人路径规划方法 | |
| CN113343962B (zh) | 基于视觉感知的多agv小车工作区域最大化实现方法 | |
| CN114840001A (zh) | 一种封闭环境下的多车协同轨迹规划方法 | |
| CN114237229A (zh) | 基于经验路径拟合的非结构化道路作业车辆路径规划方法 | |
| JP2707546B2 (ja) | 車両の操舵制御装置 | |
| CN113504777A (zh) | 一种人工智能的agv小车自动跟随方法及系统 | |
| CN115255738B (zh) | 双机器人龙门焊接的方法和系统、设备 | |
| WO2021138475A1 (en) | Vehicle control to join and depart a route | |
| CN110533234A (zh) | 结合避碰策略的agv优化控制方法、终端设备及存储介质 | |
| Sinha et al. | An approach towards automated navigation of vehicles using overhead cameras | |
| Gunes et al. | Speed and position control of autonomous mobile robot on variable trajectorydepending on its curvature | |
| Li et al. | On-line planning of nonholonomic trajectories in crowded and geometrically unknown environments | |
| CN118071124B (zh) | 大型自动化码头智能引导小车的调度方法、装置及设备 | |
| CN118115975B (zh) | 一种基于障碍物检测的低速无人驾驶控制方法和系统 | |
| Xiaohua et al. | Visual servo technique of autonomous mobile robot in bended pipe | |
| CN117416342B (zh) | 一种无人驾驶车辆的智能泊车方法 | |
| CN207198659U (zh) | 无人驾驶小车的无轨迹引导控制装置及无人驾驶小车 | |
| Conner et al. | Multiple camera, laser rangefinder, and encoder data fusion for navigation of a differentially steered three-wheeled autonomous vehicle |
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 |