CN113721625B - Agv控制方法、装置、设备及存储介质 - Google Patents
Agv控制方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113721625B CN113721625B CN202111015672.6A CN202111015672A CN113721625B CN 113721625 B CN113721625 B CN 113721625B CN 202111015672 A CN202111015672 A CN 202111015672A CN 113721625 B CN113721625 B CN 113721625B
- Authority
- CN
- China
- Prior art keywords
- image
- agv
- road condition
- points
- road surface
- 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
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000004590 computer program Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 10
- 238000005286 illumination Methods 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect 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
- G05D1/0253—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 relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
-
- 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
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- 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
- G05D1/0259—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic 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
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0285—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using signals transmitted via a public communication network, e.g. GSM network
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及人工智能领域，具体公开了一种AGV控制方法、装置、设备及存储介质，所述方法包括：采集当前路面的路面图像，并根据所述路面图像进行图像处理后的像素点的灰度值确定当前路面的路况图像；根据所述路况图像中像素点的灰度值对所述路况图像进行特征点提取，得到多个特征点；基于多个所述特征点构建行驶路径；根据所述行驶路径控制AGV的行驶。
Description
技术领域
本申请涉及人工智能领域，尤其涉及一种AGV控制方法、装置、设备及存储介质。
背景技术
无线式视觉导向是利用CCD摄像系统动态摄取运行路径周围的环境图像信息，并与预先设定的运行路径周围环境的图像数据库中的信息、进行比较，从而确定当前位置以及对是否继续运行做出决策。而有线式视觉导向技术的优点是获取的信息容量大、系统柔性好、路径的设置和变更简单方便易行等，是当前AGV导向技术研究的主流方向。但目前为了实现AGV的稳定性和高精度的控制，对硬件和软件的要求非常高，这导致AGV的生产升本较高，并且在执行一些简易功能时会出现性能过剩的情况。
发明内容
本申请提供了一种AGV控制方法、装置、设备及存储介质，以降低AGV的成本，并保证AGV的稳定性。
第一方面，本申请提供了一种AGV控制方法，所述方法包括：
采集当前路面的路面图像，并根据所述路面图像进行图像处理后的像素点的灰度值确定当前路面的路况图像；
根据所述路况图像中像素点的灰度值对所述路况图像进行特征点提取，得到多个特征点；
基于多个所述特征点构建行驶路径；
根据所述行驶路径控制AGV的行驶。
第二方面，本申请还提供了一种AGV控制装置，所述装置包括：
图像处理模块，用于采集当前路面的路面图像，并根据所述路面图像进行图像处理后的像素点的灰度值确定当前路面的路况图像；
特征提取模块，用于根据所述路况图像中像素点的灰度值对所述路况图像进行特征点提取，得到多个特征点；
路径构建模块，用于基于多个所述特征点构建行驶路径；
行驶控制模块，用于根据所述行驶路径控制AGV的行驶。
第三方面，本申请还提供了一种计算机设备，所述计算机设备包括存储器和处理器；所述存储器用于存储计算机程序；所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如上述的AGV控制方法。
第四方面，本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如上述的AGV控制方法。
本申请公开了一种AGV控制方法、装置、设备及存储介质，通过采集当前路面的路面图像，并且根据路面图像进行图像处理后的像素点的灰度值来确定当前路面的路况图像，然后根据路况图像中各个像素点的灰度值进行特征点提取，得到特征点，最后基于得到的多个特征点构建行驶路径，从而按照行驶路径控制AGV的行驶。简化了AGV在路径规划时的判断过程，简洁了AGV的速度控制，并且也保证了AGV的稳定性。
附图说明
为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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他的附图。
图1是本申请实施例提供的AGV控制的步骤示意流程图；
图2是本申请实施例提供的对路面图像进行图像处理，得到路况图像的步骤示意图；
图3是本申请实施例提供的基于多个特征点构建行驶路径的步骤示意图；
图4a是本申请实施例提供的一种连接顺序的行驶路径示意图；
图4b是本申请实施例提供的另一种连接顺序的行驶路径示意图；
图5是本申请实施例提供的构建出的行驶路径的示意图；
图6是本申请实施例提供的一种AGV控制装置的示意性框图；
图7是本申请实施例提供的一种计算机设备的结构示意性框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
本申请的实施例提供了一种AGV控制方法、装置、计算机设备及存储介质。AGV控制方法可通过读取路径信息来对AGV进行控制，在简易环境下高效稳定的AGV。
其中，AGV也即Automated Guided Vehicle，通常也指AGV小车。AGV上通常装备有电磁或光学等自动导航装置，能够沿规定的导航路径行驶。在本申请实施例中，AGV上安装有摄像头，通过摄像头来采集路面图像，并将路面图像发送至AGV上安装的处理器进行处理，得到行驶路径，再根据行驶路径确定AGV左轮和右轮的速度，并将确定出的速度发送至驱动模块，由驱动模块控制电机转动，实现对AGV的控制。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
请参阅图1，图1是本申请实施例提供的一种AGV控制方法的示意流程图。该AGV控制方法通过采集路面图像，然后对路面图像进行分析得到路况图像，并从路况图像中提取特征点完成行驶路径的构建，从而实现对AGV的行驶控制。
如图1所示，该AGV控制方法，具体包括：步骤S101至步骤S104。
S101、采集当前路面的路面图像，并根据所述路面图像进行图像处理后的像素点的灰度值确定当前路面的路况图像。
在AGV的行驶过程中，可以通过AGV上安装的摄像头采集AGV当前行驶前方的路面图像，然后对路面图像进行图像处理，得到路面图像中各个像素点的灰度值，最终根据像素点的灰度值来确定当前路面的路况图像。其中，路况图像上反应了前方的路况信息，比如前方道路发生转弯，前方道路上有障碍物等信息。
在一实施例中，如图2所示，根据所述路面图像进行图像处理后的像素点的灰度值确定当前路面的路况图像的步骤可以包括：S1011、对所述路面图像进行预处理，得到预处理后的路面图像；S1012、获取所述预处理后的路面图像中像素点的灰度值；S1013、若所述像素点的灰度值大于预设阈值，则将所述像素点设置为第一颜色；S1014、若所述像素点的灰度值小于或等于预设阈值，则将所述像素点设置为第二颜色；S1015、将设置为第一颜色的所述像素点和设置为第二颜色的所述像素点形成的图像作为路况图像。
首先对路面图像进行预处理，得到预处理后的路面图像，根据预处理后的路面图像可以获取到各个像素点的灰度值。
在一实施例中，所述路面图像进行预处理，得到预处理后的路面图像的步骤可以包括：对所述路面图像进行灰度变换，得到所述路面图像对应的灰度图像；对所述灰度图像进行滤波处理，得到滤波图像；对所述滤波图像进行二值化，得到预处理后的路面图像。
具体来说，将路面图像进行灰度变换，转换为灰度图像，然后对灰度图像进行平滑滤波处理，去噪以增强图像，然后对平滑滤波处理后的图像进行二值化处理，得到预处理后的路面图像。
然后获取预处理后的路面图像中各个像素点的灰度值，并获取路面图像中各个像素点的灰度值，然后比较各个像素点的灰度值与预设阈值之间的大小关系。其中，预设阈值为预设的灰度值阈值。
当像素点的灰度值大于预设的灰度值阈值时，将该像素点的颜色设置为第一颜色，例如可以是白色，当像素点的灰度值小于预设的灰度值阈值时，将该像素点的颜色设置为第二颜色，例如可以是黑色。另外，由于灰度值的大小与进行拍摄时的光照强度有关，如果光照较强，那么灰度值就会偏大，光照较弱，灰度值就会偏小，因此预设的灰度值阈值可以根据拍摄路面图像时光线的强弱进行自适应的调整。
在灰度图像中，若路面上出现障碍物或行驶路线边界，通常会在灰度图像中表示为深色，而由于像素点的灰度值在0-255之间。黑色的灰度值接近于0，白色的灰度值接近255，因此，灰度值较小的点，在灰度图像中可以认为是路径的边界。而灰度值较大的点，在灰度图像中则可以被认为是可以行驶的区域。因此，可以将设置为第一颜色的像素点和设置为第二颜色的像素点所形成的图像作为路况图像。也即，路况图像其实是将路面图像中的各个像素点按照设置颜色的不同进行归类，得到的能够直观显示当前路况的黑白图像。
S102、根据所述路况图像中像素点的灰度值对所述路况图像进行特征点提取，得到多个特征点。
在得到路况图像后，可以根据路况图像中各个的像素点的灰度值对路况图像进行特征提取，从路况图像中提取出特征点，路况图像中的特征点可以用于规划行驶路径。其中，特征提取可以是根据路况图像中各个像素点的灰度值来进行提取。
在一实施例中，对所述路况图像进行特征点提取的步骤可以包括：对所述路况图像进行等分分割，得到多个分割图像；获取各个所述分割图像中像素点的灰度值，并确定所述分割图像中灰度值最大的像素点为特征点。
在对路况图像进行图像分割时，可以对路况图像进行等分分割，分割后得到的每个分割图像中所包括的像素点的个数相同。例如可以将路面图像等分为12个区域，从而得到12个分割图像。然后获取每个分割图像中像素点的灰度值，然后比较分割图像中各个像素点的灰度值，将每个分割图像中灰度值最大的点作为特征点，完成特征点的提取。
可以理解的是，在对路况图像进行特征点提取时，在获取像素点的灰度值时，获取的是对像素点重新设置颜色之前的初始灰度值。
S103、基于多个所述特征点构建行驶路径。
在提取出多个特征点后，基于确定出的多个特征点构建行驶路径，也即可以将将确定出的多个特征点按照其在路面图像中的位置依次连接，从而得到行驶路径。
在一实施例中，请参阅图3，基于多个特征点构建行驶路径的步骤可以包括：S1031、确定多个所述特征点在所述路况图像中的位置坐标；S1032、基于AGV的行驶方向、所述路况图像和所述位置坐标确定所述特征点的连接顺序；S1033、根据确定的连接顺序连接所述特征点，将多个所述特征点之间的连线作为构建的行驶路径。
在确定出多个特征点后，以路况图像构建平面坐标系，其中，以路况图像左方边界线作为平面坐标系的纵轴，也即Y轴，以路况图像的左下方边界点作为平面坐标系的原点，以路况图像的下方边界线作为平面坐标系的横轴，也即X轴。
根据各个特征点在路况图像中的位置确定其在平面坐标系中的坐标，得到特征点的位置坐标，然后获取AGV的行驶方向，根据AGV的行驶方向来确定特征点之间的初始顺序。
当AGV的行驶方向不同时，可能会在特征点之间存在多种连接顺序，可能出现如图4a中所示1-2-3-4-5-6-7-8的行驶路径，其中，图4a中标记十字的黑色圆点表示特征点，数字代表特征点的编号，特征点之间的箭头表示AGV在该行驶路径上的行驶方向。也可能出现如图4b中所示1-2-3-8-7-6-5-4的行驶路径，其中，图4b中标记十字的黑色圆点表示特征点，数字代表特征点的编号，特征点之间的箭头表示AGV在该行驶路径上的行驶方向。因此，对于得到的连接顺序，需要根据AGV的行驶方向来从连接顺序中选择出符合AGV行驶方向的顺序，作为初始顺序。
然后在得到初始顺序后，还需要再结合路况图像进行进一步的分析，从而确定按照初始顺序所确定的路径AGV是否能够正常行走，若能够正常行走，则可以将初始顺序作为连接顺序，用于构建行驶路径，若不能够正常行走，则需要再调整顺序。
例如，根据AGV的行驶方向确定出的初始顺序包括1-2-3-4-5-6-7-8和1-2-3-5-4-6-7-8两种情况，若根据路况图像得知在特征点3和特征点5之间存在障碍物，如图5所示，其中，带有斜纹的部分表示此处有障碍物。此时若按照1-2-3-5-4-6-7-8的初始顺序构建行驶路径，则AGV无法正常行驶，因此，可以将1-2-3-4-5-6-7-8的初始顺序作为连接顺序，构建行驶路径。
S104、根据所述行驶路径控制AGV的行驶。
根据行驶路径调整AGV左轮和右轮的速度，从而实现对AGV的行驶方向和行驶速度的控制。在具体实施过程中，可以通过设置实时占空比来计算左右轮的速度，从而实现对左右轮速度的控制，若左轮和右轮的速度一致，则AGV表现为直行状态，若左轮的速度大于右轮速度，则AGV表现为右转状态，若右轮速度大于左轮速度，则AGV表现为左转状态。
在一实施例中，步骤S104可以包括：获取所述特征点的位置坐标；根据所述行驶路径的位置坐标确定所述行驶路径的路线偏移量；根据所述路线偏移量和预设的占空比分别计算AGV左轮和右轮的车轮转速。
获取特征点的位置坐标，然后再根据特征点的位置坐标来计算行驶路径的路线偏移量。其中，计算出的行驶路径的路线偏移量为行驶路径相对于坐标系中线的偏移量。其中，在计算路线偏移量时，可以按照预设的计算公式计算行驶路径的路线偏移量，其中，预设的计算公式为：s＝(x-m)/m*100％。其中，s表示路线偏移量，x表示特征点的位置坐标中的横坐标，m表示中线的横坐标。
在得到路线偏移量后，再根据预设的占空比，利用公式来计算AGV的车轮转速。其中，预设的占空比可以自行设置。公式为：v＝s*q，其中，v表示计算出的车轮速度，s表示路线偏移量，q表示预设的占空比。
其中，当计算出的路线偏移量为正值时，此时说明行驶路径向右偏转，AGV需要进行右转，此时左轮的计算公式为v＝+s*q，右轮的计算公式为v＝-s*q。而当计算出的路线偏移量为负值时，说明行驶路径向左偏转，AGV需要进行左转，此时左轮的计算公式为v＝-s*q，右轮的计算公式为v＝+s*q。
上述实施例提供的AGV控制方法，通过采集当前路面的路面图像，并且根据路面图像进行图像处理后的像素点的灰度值来确定当前路面的路况图像，然后根据路况图像中各个像素点的灰度值进行特征点提取，得到特征点，最后基于得到的多个特征点构建行驶路径，从而按照行驶路径控制AGV的行驶。简化了AGV在路径规划时的判断过程，简洁了AGV的速度控制，并且也保证了AGV的稳定性。
请参阅图6，图6是本申请的实施例还提供一种AGV控制装置的示意性框图，该AGV控制装置用于执行前述的AGV控制方法。其中，该AGV控制装置可以配置于服务器或终端中。
其中，服务器可以为独立的服务器，也可以为服务器集群。该终端可以是手机、平板电脑、笔记本电脑、台式电脑、个人数字助理和穿戴式设备等电子设备。
如图6所示，AGV控制装置200包括：图像处理模块201、特征提取模块202、路径构建模块203和行驶控制模块204。
图像处理模块201，用于采集当前路面的路面图像，并根据所述路面图像进行图像处理后的像素点的灰度值确定当前路面的路况图像。
在一实施例中，图像处理模块201包括预处理子模块2011、灰度比较子模块2012、第一设置子模块2013、第二设置子模块2014和图像生成子模块2015。
其中，预处理子模块2011，用于对所述路面图像进行预处理，得到预处理后的路面图像；灰度比较子模块2012，用于获取所述预处理后的路面图像中像素点的灰度值；第一设置子模块2013，用于若所述像素点的灰度值大于预设阈值，则将所述像素点设置为第一颜色；第二设置子模块2014，用于若所述像素点的灰度值小于或等于预设阈值，则将所述像素点设置为第二颜色；图像生成子模块2015，用于将设置为第一颜色的所述像素点和设置为第二颜色的所述像素点形成的图像作为路况图像。
特征提取模块202，用于根据所述路况图像中像素点的灰度值对所述路况图像进行特征点提取，得到多个特征点。
路径构建模块203，用于基于多个所述特征点构建行驶路径。
在一实施例中，路径构建模块203包括坐标确定子模块2031、顺序确定子模块2032和路径连接子模块2033。
其中，坐标确定子模块2031，用于确定多个所述特征点在所述路况图像中的位置坐标；顺序确定子模块2032，用于基于AGV的行驶方向、所述路况图像和所述位置坐标确定所述特征点的连接顺序；路径连接子模块2033，用于根据确定的连接顺序连接所述特征点，将多个所述特征点之间的连线作为构建的行驶路径。
行驶控制模块204，用于根据所述行驶路径控制AGV的行驶。
需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的AGV控制装置和各模块的具体工作过程，可以参考前述AGV控制方法实施例中的对应过程，在此不再赘述。
上述的AGV控制装置可以实现为一种计算机程序的形式，该计算机程序可以在如图7所示的计算机设备上运行。
请参阅图7，图7是本申请实施例提供的一种计算机设备的结构示意性框图。该计算机设备可以是服务器或终端。
参阅图7，该计算机设备包括通过系统总线连接的处理器、存储器和网络接口，其中，存储器可以包括非易失性存储介质和内存储器。
非易失性存储介质可存储操作系统和计算机程序。该计算机程序包括程序指令，该程序指令被执行时，可使得处理器执行任意一种AGV控制方法。
处理器用于提供计算和控制能力，支撑整个计算机设备的运行。
内存储器为非易失性存储介质中的计算机程序的运行提供环境，该计算机程序被处理器执行时，可使得处理器执行任意一种AGV控制方法。
该网络接口用于进行网络通信，如发送分配的任务等。本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
应当理解的是，处理器可以是中央处理单元(Central Processing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
其中，在一个实施例中，所述处理器用于运行存储在存储器中的计算机程序，以实现如下步骤：
采集当前路面的路面图像，并根据所述路面图像进行图像处理后的像素点的灰度值确定当前路面的路况图像；
根据所述路况图像中像素点的灰度值对所述路况图像进行特征点提取，得到多个特征点；
基于多个所述特征点构建行驶路径；
根据所述行驶路径控制AGV的行驶。
在一个实施例中，所述处理器在实现所述根据所述路面图像进行图像处理后的像素点的灰度值确定当前路面的路况图像时，用于实现：
对所述路面图像进行预处理，得到预处理后的路面图像；
获取所述预处理后的路面图像中像素点的灰度值；
若所述像素点的灰度值大于预设阈值，则将所述像素点设置为第一颜色；
若所述像素点的灰度值小于或等于预设阈值，则将所述像素点设置为第二颜色；
将设置为第一颜色的所述像素点和设置为第二颜色的所述像素点形成的图像作为路况图像。
在一个实施例中，所述处理器在实现所述对所述路面图像进行预处理，得到预处理后的路面图像时，用于实现：
对所述路面图像进行灰度变换，得到所述路面图像对应的灰度图像；
对所述灰度图像进行滤波处理，得到滤波图像；
对所述滤波图像进行二值化，得到预处理后的路面图像。
在一个实施例中，所述处理器在实现所述对所述路况图像进行特征点提取，得到多个特征点时，用于实现：
对所述路况图像进行等分分割，得到多个分割图像；
获取各个所述分割图像中像素点的灰度值，并确定所述分割图像中灰度值最大的像素点为特征点。
在一个实施例中，所述处理器在实现所述基于多个所述特征点构建行驶路径时，用于实现：
确定多个所述特征点在所述路况图像中的位置坐标；
基于行驶方向、所述路况图像和所述位置坐标确定所述特征点的连接顺序；
根据确定的连接顺序连接所述特征点，将多个所述特征点之间的连线作为构建的行驶路径。
在一个实施例中，所述处理器在实现所述根据所述行驶路径控制AGV的行驶时，用于实现：
获取所述特征点的位置坐标；
根据所述行驶路径的位置坐标确定所述行驶路径的路线偏移量；
根据所述路线偏移量和预设的占空比分别计算AG左轮和右轮的车轮转速。
在一个实施例中，所述处理器在实现所述根据所述行驶路径的位置坐标确定所述行驶路径的路线偏移量时，用于实现：
按照预设的计算公式计算行驶路径的路线偏移量，所述预设的计算公式为：
其中，s表示路线偏移量，x表示特征点的位置坐标中的横坐标，m表示中线的横坐标。
本申请的实施例中还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序中包括程序指令，所述处理器执行所述程序指令，实现本申请实施例提供的任一项AGV控制方法。
其中，所述计算机可读存储介质可以是前述实施例所述的计算机设备的内部存储单元，例如所述计算机设备的硬盘或内存。所述计算机可读存储介质也可以是所述计算机设备的外部存储设备，例如所述计算机设备上配备的插接式硬盘，智能存储卡(SmartMedia Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。
以上所述，仅为本申请的具体实施方式，但本申请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申请揭露的技术范围内，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申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (5)
1.一种AGV控制方法，其特征在于，所述方法包括：
采集当前路面的路面图像，并根据所述路面图像进行图像处理后的像素点的灰度值确定当前路面的路况图像；
根据所述路况图像中像素点的灰度值对所述路况图像进行特征点提取，得到多个特征点；
基于多个所述特征点构建行驶路径；
根据所述行驶路径控制AGV的行驶，
其中，所述根据所述路面图像进行图像处理后的像素点的灰度值确定当前路面的路况图像，包括：
对所述路面图像进行预处理，得到预处理后的路面图像；
获取所述预处理后的路面图像中像素点的灰度值；
若所述像素点的灰度值大于预设阈值，则将所述像素点设置为第一颜色；
若所述像素点的灰度值小于或等于预设阈值，则将所述像素点设置为第二颜色；
将设置为第一颜色的所述像素点和设置为第二颜色的所述像素点形成的图像作为路况图像，
其中，所述对所述路况图像进行特征点提取，得到多个特征点，包括：
对所述路况图像进行等分分割，得到多个分割图像；
获取各个所述分割图像中像素点的灰度值，并确定所述分割图像中灰度值最大的像素点为特征点，
其中，所述基于多个所述特征点构建行驶路径，包括：
确定多个所述特征点在所述路况图像中的位置坐标；
基于行驶方向、所述路况图像和所述位置坐标确定所述特征点的连接顺序；
根据确定的连接顺序连接所述特征点，将多个所述特征点之间的连线作为构建的行驶路径，
其中，所述根据所述行驶路径控制AGV的行驶，包括：
获取所述特征点的位置坐标；
根据所述行驶路径的位置坐标确定所述行驶路径的路线偏移量；
根据所述路线偏移量和预设的占空比分别计算AGV左轮和右轮的车轮转速，
其中，所述根据所述行驶路径的位置坐标确定所述行驶路径的路线偏移量，包括：
按照预设的计算公式计算行驶路径的路线偏移量，所述预设的计算公式为：
其中，所述s表示所述路线偏移量，所述x表示特征点的位置坐标中的横坐标，所述m表示中线的横坐标，
其中，所述根据所述路线偏移量和预设的占空比分别计算AGV左轮和右轮的车轮转速，包括：
v=s*q，
其中，所述v表示所述车轮转速，所述s表示所述路线偏移量，所述q表示所述预设的占空比。
2.根据权利要求1所述的AGV控制方法，其特征在于，所述对所述路面图像进行预处理，得到预处理后的路面图像，包括：
对所述路面图像进行灰度变换，得到所述路面图像对应的灰度图像；
对所述灰度图像进行滤波处理，得到滤波图像；
对所述滤波图像进行二值化，得到预处理后的路面图像。
3.一种AGV控制装置，其特征在于，包括：
图像处理模块，用于采集当前路面的路面图像，并根据所述路面图像进行图像处理后的像素点的灰度值确定当前路面的路况图像；
特征提取模块，用于根据所述路况图像中像素点的灰度值对所述路况图像进行特征点提取，得到多个特征点；
路径构建模块，用于基于多个所述特征点构建行驶路径；
行驶控制模块，用于根据所述行驶路径控制AGV的行驶，
所述图像处理模块，还用于对所述路面图像进行预处理，得到预处理后的路面图像；获取所述预处理后的路面图像中像素点的灰度值；若所述像素点的灰度值大于预设阈值，则将所述像素点设置为第一颜色；若所述像素点的灰度值小于或等于预设阈值，则将所述像素点设置为第二颜色；将设置为第一颜色的所述像素点和设置为第二颜色的所述像素点形成的图像作为路况图像；
所述特征提取模块，还用于对所述路况图像进行等分分割，得到多个分割图像；获取各个所述分割图像中像素点的灰度值，并确定所述分割图像中灰度值最大的像素点为特征点；
所述路径构建模块，还用于确定多个所述特征点在所述路况图像中的位置坐标；基于行驶方向、所述路况图像和所述位置坐标确定所述特征点的连接顺序；根据确定的连接顺序连接所述特征点，将多个所述特征点之间的连线作为构建的行驶路径；
所述行驶控制模块，还用于获取所述特征点的位置坐标；根据所述行驶路径的位置坐标确定所述行驶路径的路线偏移量；根据所述路线偏移量和预设的占空比分别计算AGV左轮和右轮的车轮转速，
所述行驶控制模块，还用于按照预设的计算公式计算行驶路径的路线偏移量，所述预设的计算公式为：
其中，所述s表示所述路线偏移量，所述x表示特征点的位置坐标中的横坐标，所述m表示中线的横坐标，
其中，所述根据所述路线偏移量和预设的占空比分别计算AGV左轮和右轮的车轮转速，包括：
v=s*q，
其中，所述v表示所述车轮转速，所述s表示所述路线偏移量，所述q表示所述预设的占空比。
4.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器；
所述存储器用于存储计算机程序；
所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如权利要求1至2中任一项所述的AGV控制方法。
5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如权利要求1至2中任一项所述的AGV控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111015672.6A CN113721625B (zh) | 2021-08-31 | 2021-08-31 | Agv控制方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111015672.6A CN113721625B (zh) | 2021-08-31 | 2021-08-31 | Agv控制方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113721625A CN113721625A (zh) | 2021-11-30 |
| CN113721625B true CN113721625B (zh) | 2023-07-18 |
Family
ID=78680063
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111015672.6A Active CN113721625B (zh) | 2021-08-31 | 2021-08-31 | Agv控制方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113721625B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102252681A (zh) * | 2011-04-18 | 2011-11-23 | 中国农业大学 | 基于gps和机器视觉的组合导航定位系统及方法 |
| 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 |
| CN106873600A (zh) * | 2017-03-31 | 2017-06-20 | 深圳市靖洲科技有限公司 | 一种面向无人自行车的局部避障路径规划方法 |
| CN107992036A (zh) * | 2017-11-20 | 2018-05-04 | 汕头大学 | 一种智能停车库中存取车路径规划方法、装置及存储介质 |
| CN108009522A (zh) * | 2017-12-21 | 2018-05-08 | 海信集团有限公司 | 一种道路检测方法、装置及终端 |
| CN108181897A (zh) * | 2017-12-11 | 2018-06-19 | 华侨大学 | 一种双足机器人自动循迹的方法 |
| 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 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109254564B (zh) * | 2017-07-13 | 2021-03-26 | 杭州海康机器人技术有限公司 | 物品搬运方法、装置、终端及计算机可读存储介质 |
| US20210096568A1 (en) * | 2019-09-30 | 2021-04-01 | Wipro Limited | System and method for dynamically adjusting a trajectory of an autonomous vehicle during real-time navigation |
-
2021
- 2021-08-31 CN CN202111015672.6A patent/CN113721625B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102252681A (zh) * | 2011-04-18 | 2011-11-23 | 中国农业大学 | 基于gps和机器视觉的组合导航定位系统及方法 |
| 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 |
| CN106873600A (zh) * | 2017-03-31 | 2017-06-20 | 深圳市靖洲科技有限公司 | 一种面向无人自行车的局部避障路径规划方法 |
| CN107992036A (zh) * | 2017-11-20 | 2018-05-04 | 汕头大学 | 一种智能停车库中存取车路径规划方法、装置及存储介质 |
| CN108181897A (zh) * | 2017-12-11 | 2018-06-19 | 华侨大学 | 一种双足机器人自动循迹的方法 |
| CN108009522A (zh) * | 2017-12-21 | 2018-05-08 | 海信集团有限公司 | 一种道路检测方法、装置及终端 |
| 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 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113721625A (zh) | 2021-11-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107274445B (zh) | 一种图像深度估计方法和系统 | |
| EP3786835A1 (en) | Traffic image recognition method and apparatus, and computer device and medium | |
| CN108629292B (zh) | 弯曲车道线检测方法、装置及终端 | |
| CN111860155A (zh) | 一种车道线的检测方法及相关设备 | |
| CN111310508B (zh) | 一种二维码识别方法 | |
| CN112528807B (zh) | 行驶轨迹的预测方法、装置、电子设备及存储介质 | |
| CN112819864B (zh) | 一种行驶状态检测方法、装置及存储介质 | |
| CN111931683B (zh) | 图像识别方法、装置及计算机可读存储介质 | |
| CN111105452A (zh) | 基于双目视觉的高低分辨率融合立体匹配方法 | |
| CN115147809B (zh) | 一种障碍物检测方法、装置、设备以及存储介质 | |
| CN109214996A (zh) | 一种图像处理方法及装置 | |
| CN112395962A (zh) | 数据增广方法及装置、物体识别方法及系统 | |
| CN111563517A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| CN111199169A (zh) | 图像处理方法和装置 | |
| CN108090425B (zh) | 一种车道线检测方法、装置及终端 | |
| CN110288608B (zh) | 作物行中心线提取方法和装置 | |
| WO2021200038A1 (ja) | 道路劣化診断装置、道路劣化診断方法、及び、記録媒体 | |
| CN111932530B (zh) | 三维对象检测方法、装置、设备和可读存储介质 | |
| CN115115964A (zh) | 车载视频稳像方法、装置、车辆及存储介质 | |
| CN112966687B (zh) | 图像分割模型训练方法、装置及通信设备 | |
| CN113721625B (zh) | Agv控制方法、装置、设备及存储介质 | |
| CN112902981A (zh) | 机器人导航方法和装置 | |
| CN116703979A (zh) | 目标跟踪方法、装置、终端及存储介质 | |
| CN115115546A (zh) | 一种图像处理方法、系统、电子设备及可读存储介质 | |
| CN111695491B (zh) | 用于检测行人的方法和装置 |
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 |