CN114252013A - 一种基于有线通讯模式下的agv视觉识别精准定位系统 - Google Patents
一种基于有线通讯模式下的agv视觉识别精准定位系统 Download PDFInfo
- Publication number
- CN114252013A CN114252013A CN202111577396.2A CN202111577396A CN114252013A CN 114252013 A CN114252013 A CN 114252013A CN 202111577396 A CN202111577396 A CN 202111577396A CN 114252013 A CN114252013 A CN 114252013A
- Authority
- CN
- China
- Prior art keywords
- target
- agv
- preset
- determining
- image
- 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
- 230000000007 visual effect Effects 0.000 title claims abstract description 100
- 238000004891 communication Methods 0.000 title claims abstract description 43
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 238000010191 image analysis Methods 0.000 claims abstract description 4
- 230000005540 biological transmission Effects 0.000 claims description 35
- 238000003384 imaging method Methods 0.000 claims description 35
- 238000006243 chemical reaction Methods 0.000 claims description 30
- 238000012795 verification Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 6
- 230000000717 retained effect Effects 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000003708 edge detection Methods 0.000 claims description 4
- 238000000034 method Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 8
- 230000033001 locomotion Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000010354 integration Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种基于有线通讯模式下的AGV视觉识别精准定位系统,其包括:指令分析模块,用于控制AGV基于有线通讯接收目标对象识别指令,并对所述目标对象识别指令进行分析,确定目标识别对象;图像采集模块,用于控制所述AGV自动导引运动对目标范围内的环境进行视觉图像采集,并基于采集结果锁定所述目标识别对象所对应的目标图像;定位模块,用于对所述目标图像进行图像分析,确定所述目标识别对象的具体位置信息,并将所述具体位置信息反馈至用户智能终端。通过控制AGV自动导引运动采集视觉图像,提高了对目标范围内目标识别对象所处位置进行有效的图像采集,便于对目标识别对象的实时位置进行准确分析,增强了定位效率以及准确率。
Description
技术领域
本发明涉及图像识别定位技术领域,特别涉及一种基于有线通讯模式下的AGV视觉识别精准定位系统。
背景技术
目前,机器视觉系统具有精度高、连续性好、灵活性强的优点,是实现仪器设备精密控制、智能化、自动化的有效途径,因此在现代工业自动化生产中,机器视觉被广泛应于定位行业;
但是,目前机器视觉系统,一般是由自动控制系统控制工业相机按照设定的时间间隔固定拍照,且由于光源的位置、工业相机的固定性,会影响机器视觉系统识别的准确度,导致机器视觉系统对产品不能进行全方位的图像采集,从而导致对待识别物体的定位存在失误;
因此,本发明提供了一种基于有线通讯模式下的AGV视觉识别精准定位系统,通过控制AGV自动导引运动采集视觉图像,提高了对目标范围内目标识别对象所处位置进行有效的图像采集,同时通过对采集到的图像进行分析,提高了对目标识别对象实时位置的分析准确度,增强了定位效率以及准确率。
发明内容
本发明提供一种基于有线通讯模式下的AGV视觉识别精准定位系统,用以通过控制AGV自动导引运动采集视觉图像,提高了对目标范围内目标识别对象所处位置进行有效的图像采集,同时通过对采集到的图像进行分析,提高了对目标识别对象实时位置的分析准确度,增强了定位效率以及准确率。
本发明提供了一种基于有线通讯模式下的AGV视觉识别精准定位系统,包括:
指令分析模块,用于控制AGV基于有线通讯接收目标对象识别指令,并对所述目标对象识别指令进行分析,确定目标识别对象;
图像采集模块,用于控制所述AGV自动导引运动对目标范围内的环境进行视觉图像采集,并基于采集结果锁定所述目标识别对象所对应的目标图像;
定位模块,用于对所述目标图像进行图像分析,确定所述目标识别对象的具体位置信息,并将所述具体位置信息反馈至用户智能终端。
优选的,一种基于有线通讯模式下的AGV视觉识别精准定位系统,指令分析模块,包括:
AGV确定单元,用于供目标用户获取AGV终端标识列表,并基于所述终端标识列表确定目标AGV;
指令传输请求单元,用于确定所述目标AGV的当前运行状态,并当所述AGV处于空闲状态时,基于预设智能终端向所述目标AGV发送指令传输请求,其中,所述当前运行状体包括空闲状态以及工作状态;
验证单元,用于控制所述目标AGV对所述指令传输请求进行解析,确定所述指令传输请求是否合规,且在合规时与所述预设智能终端进行握手;
指令传输单元,用于基于握手结果,所述预设智能终端向所述目标AGV发送目标对象识别指令。
优选的,一种基于有线通讯模式下的AGV视觉识别精准定位系统,验证单元,包括:
指令解析子单元,用于获取所述指令传输请求,并确定所述指令传输请求对应的预设智能终端的属性信息;
校验子单元,用于将所述属性信息与预设智能终端注册表中记录的预设发送端信息进行匹配;
当不存在所述预设发送端信息与所述属性信息匹配,确定所述预设智能终端为不可信任发送端,并驳回所述指令传输请求;
否则,判定所述预设智能终端为可信任发送端,并与所述预设智能终端进行握手,同时将所述预设智能终端的访问时间进行记录保存。
优选的,一种基于有线通讯模式下的AGV视觉识别精准定位系统,指令分析模块,还包括:
指令转换单元,用于获取目标对象识别指令,并将所述目标对象识别指令进行格式转换,得到对应的指令脚本文件;
特征提取单元,用于提取所述指令脚本文件中所包含的对象特征数据,并将所述对象特征数据输入预设对象匹配模型,其中,所述预设对象匹配模型是基于多种物体特征数据训练得到的;
匹配单元,用于基于所述预设对象匹配模型提取所述对象特征数据中的关键字,并将所述关键字与内部预存储的对象数据进行匹配,得到所述目标对象识别指令中包含的目标识别对象。
优选的,一种基于有线通讯模式下的AGV视觉识别精准定位系统,图像采集模块,包括:
姿态检测单元,用于控制所述AGV上的预设光源装置对所述AGV所在区域进行光源照射,并基于照射结果确定所述AGV的定位信息;
所述姿态检测单元,用于基于所述定位信息确定所述AGV的当前车轮偏转角度,并确定所述当前车轮偏转角度与预设轨道之间的角度差;
路径规划单元,用于基于所述角度差对所述AGV的当前车轮偏转角度进行调整,控制所述AGV行驶至所述预设轨道,并控制所述AGV基于所述预设轨道进行运动;
图像采集单元,用于确定所述预设轨道上的图像采集点,并控制所述AGV在所述目标图像采集点处对目标范围内的环境图像进行视觉图像采集。
优选的,一种基于有线通讯模式下的AGV视觉识别精准定位系统,图像采集模块,还包括:
图像内容确定单元,获取采集到的视觉图像,并确定所述视觉图像中包含的物体属性信息,同时获取所述目标识别对象的外貌体征参数,其中,所述视觉图像至少为两张;
匹配单元,用于将所述外貌体征参数分别与所述视觉图像中包含的物体属性信息进行匹配,确定所述目标识别对象所在的目标视觉图像,其中,所述目标视觉图像至少为一张;
择优单元,用于确定所述目标识别对象在所述目标视觉图像中的显示完整度,并基于显示完整度递减的顺序将所述目标视觉图像进行排序;
所述择优单元,用于基于排序结果,将显示完整度最大的目标视觉图像锁定为所述目标识别对象所对应的目标图像。
优选的,一种基于有线通讯模式下的AGV视觉识别精准定位系统,定位模块,包括:
图像获取单元,用于获取历史视觉图像,其中,所述历史视觉图像中目标主体各不相同,且所述历史视觉图像至少为两张;
模型构建单元,用于提取每张所述历史视觉图像中目标主体的所有主要形状特征和所有次要形状特征;
判断每个主要形状特征在不同光线下的主次转换程度,若主次转换程度大于预设转换程度,将对应的主要形状特征作为中间形状特征,否则,继续保留;
判断每个次要形状特征在不同光线下的次主转换程度,若次主转换程度大于预设转换程度,将对应的次要形状特征作为中间形状特征,否则,继续保留;
分别构建保留的主要形状特征、保留的次要形状特征以及中间形状特征的形状特征层,并按照不同形状特征的特征权值对对应的形状特征层进行优先级设定,根据设定结果,匹配相邻层之间的补充信息,构建得到目标物体识别模型;
目标识别对象确定单元,用于将目标图像输入至所述目标物体识别模型,且所述目标物体识别模型对所述视觉图像进行边缘检测,确定所述目标图像中待识别对象的形状特征,其中,所述待识别对象为预设的参考物;
参考物确定单元,用于将所述待识别对象的形状特征与预设参考物形状参数表进行匹配,确定所述待识别对象对应的目标参考物,其中,所述目标参考物至少为一个;
距离确定单元,用于基于所述目标图像,确定所述目标识别对象在所述目标图像中与所述目标参考物之间的相对方向和相对距离;
所述距离确定单元,还用于基于所述目标图像确定所述AGV采集所述目标图像时的焦距信息,并基于所述焦距信息确定所述目标图像的成像比例;
所述距离确定单元,还用于根据所述目标识别对象在所述目标图像中与所述目标参考物之间的相对方向和相对距离以及所述目标图像的成像比例确定所述目标识别对象在目标范围内与所述目标参考物的实际方位与实际距离;
位置确定单元,用于获取目标范围内的地图信息,并基于所述目标识别对象在目标范围内与所述目标参考物的实际方位与实际距离确定所述目标识别对象的具体位置信息;
信息反馈单元,用于基于有线通讯将所述目标识别对象的具体位置信息反馈至用户智能终端,并向用户发送提醒信息。
优选的,一种基于有线通讯模式下的AGV视觉识别精准定位系统,定位模块,还包括:
成像距离确定单元,用于基于所述目标图像确定所述AGV上预设摄像头与所述目标识别对象的成像距离;
计算单元,用于根据所述成像距离计算所述预设摄像头的最佳成像焦距,并基于所述最佳成像焦距计算根据所述目标图像对目标识别对象定位的准确率,具体步骤包括:
第一计算单元,用于根据如下公式计算所述预设摄像头的最佳成像焦距:
其中,L表示预设摄像头的最佳成像焦距;k表示所述预设摄像头的像距;u表示所述预设摄像头与所述目标识别对象的实际距离值;D表示所述预设摄像头的有效光圈孔径值;β表示所述预设摄像头的最小分辨率值;τ表示所述预设摄像头的最大分辨率值;
第二计算单元,用于根据如下公式计算对目标识别对象定位的准确率:
其中,η表示对目标识别对象定位的准确率,且取值范围为(0,1);μ表示误差因子,且取值范围为(0.05,0.15);ρ表示成像比例;S表示所述目标图像中,目标识别对象与参考物之间的图像距离值;ω表示所述目标识别对象在目标范围内与参考物的实际距离值;δ表示所述预设摄像头采集目标图像时与水平方向上的相对偏差角度值;表示所述预设摄像头的最大可调控范围角度值;
比较单元,用于将计算得到的准确率与预设准确率进行比较;
若所述准确率大于或等于所述预设准确率,判定对所述目标识别对象的具体位置信息确定合格,并基于预设传输方法将所述目标识别对象的具体位置信息反馈至用户的智能终端;
否则,判定所述目标识别对象的具体位置信息确定不合格,并对所述预设摄像头的焦距进行调整,直至计算得到的准确率大于或等于所述预设准确率,完成对目标识别对象的具体位置信息的确定。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中基于有线通讯模式下的AGV视觉识别精准定位系统的结构图;
图2为本发明实施例中基于有线通讯模式下的AGV视觉识别精准定位系统中指令分析模块的结构图;
图3为本发明实施例中基于有线通讯模式下的AGV视觉识别精准定位系统中图像采集模块的结构图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1:
本实施例提供了一种基于有线通讯模式下的AGV视觉识别精准定位系统,如图1所示,包括:
指令分析模块,用于控制AGV基于有线通讯接收目标对象识别指令,并对所述目标对象识别指令进行分析,确定目标识别对象;
图像采集模块,用于控制所述AGV自动导引运动对目标范围内的环境进行视觉图像采集,并基于采集结果锁定所述目标识别对象所对应的目标图像;
定位模块,用于对所述目标图像进行图像分析,确定所述目标识别对象的具体位置信息,并将所述具体位置信息反馈至用户智能终端。
该实施例中,AGV指的是自动导引车,可自主进行巡航运动。
该实施例中,目标对象识别指令指的是用户通过有线通讯模式向AGV传达想要知道的物体在目标范围内的具体位置的指令信息,该指令中包括待识别物体的种类、外貌特征等。
该实施例中,目标识别对象指的是用户想要知道的目标物体,例如可以是宠物、也可以是工厂中某一种货物。
该实施例中,自动导引运动指的是AGV可以通过沿着地板上的导线或标记快或磁条运动,或者通过视觉导航或激光导航等方式自主运动。
该实施例中,目标范围指的是提前对AGV设定的运动范围,例如可以是一个家庭也可以是一个工厂或教室等。
该实施例中,目标图像指的是目标识别对象所在的图像信息,是AGV采集到的众多图像中的一张或多张。
上述技术方案的有益效果是:通过控制AGV自动导引运动采集视觉图像,提高了对目标范围内目标识别对象所处位置进行有效的图像采集,同时通过对采集到的图像进行分析,提高了对目标识别对象实时位置的分析准确度,增强了定位效率以及准确率。
实施例2:
在上述实施例1的基础上,本实施例提供了一种基于有线通讯模式下的AGV视觉识别精准定位系统,如图2所示,指令分析模块,包括:
AGV确定单元,用于供目标用户获取AGV终端标识列表,并基于所述终端标识列表确定目标AGV;
指令传输请求单元,用于确定所述目标AGV的当前运行状态,并当所述AGV处于空闲状态时,基于预设智能终端向所述目标AGV发送指令传输请求,其中,所述当前运行状体包括空闲状态以及工作状态;
验证单元,用于控制所述目标AGV对所述指令传输请求进行解析,确定所述指令传输请求是否合规,且在合规时与所述预设智能终端进行握手;
指令传输单元,用于基于握手结果,所述预设智能终端向所述目标AGV发送目标对象识别指令。
该实施例中,目标用户指的是想通过AGV获取预期物体具体位置的人。
该实施例中,AGV终端标识列表指的是将目标范围内所有的AGV终端信息进行记录的数据表,目的是为了方便用户选择对应的AGV执行相应的视觉识别。
该实施例中,目标AGV指的是目标用户从众多AGV中选出适合执行当前工作任务的AGV。
该实施例中,预设智能终端是提前设定好的,可以是手机或计算机。
该实施例中,确定所述指令传输请求是否合规指的是判断当前智能终端传输的指令传输请求是否包含非法字符等。
该实施例中,握手指的是建立目标AGV与当前智能终端之间的通讯通道。
上述技术方案的有益效果是:通过确定目标AGV,并与目标AGV进行握手,实现对目标对象识别指令的快速准确传输,同时在传输的过程中通过AGV对传输请求进行验证,提高了指令传输的准确性。
实施例3:
在上述实施例2的基础上,本实施例提供了一种基于有线通讯模式下的AGV视觉识别精准定位系统,验证单元,包括:
指令解析子单元,用于获取所述指令传输请求,并确定所述指令传输请求对应的预设智能终端的属性信息;
校验子单元,用于将所述属性信息与预设智能终端注册表中记录的预设发送端信息进行匹配;
当不存在所述预设发送端信息与所述属性信息匹配,确定所述预设智能终端为不可信任发送端,并驳回所述指令传输请求;
否则,判定所述预设智能终端为可信任发送端,并与所述预设智能终端进行握手,同时将所述预设智能终端的访问时间进行记录保存。
该实施例中,属性信息指的是预设智能终端的IP地址以及注册账号等。
该实施例中,预设智能终端注册表是提前设定好的,提前在AGV中进行存储,内部记录了允许AGV可连接的智能终端的注册信息。
该实施例中,预设发送端指的是能够与AGV建立通讯连接的智能终端。
上述技术方案的有益效果是:通过对预设智能终端的身份信息进行验证,便于准确有效的接收可信任设备传输的目标识别指令,提高了对目标范围内目标识别对象所处位置进行有效的图像采集的准确性,同时也提高了定位效果。
实施例4:
在上述实施例1的基础上,本实施例提供了一种基于有线通讯模式下的AGV视觉识别精准定位系统,指令分析模块,还包括:
指令转换单元,用于获取目标对象识别指令,并将所述目标对象识别指令进行格式转换,得到对应的指令脚本文件;
特征提取单元,用于提取所述指令脚本文件中所包含的对象特征数据,并将所述对象特征数据输入预设对象匹配模型,其中,所述预设对象匹配模型是基于多种物体特征数据训练得到的;
匹配单元,用于基于所述预设对象匹配模型提取所述对象特征数据中的关键字,并将所述关键字与内部预存储的对象数据进行匹配,得到所述目标对象识别指令中包含的目标识别对象。
该实施例中,指令脚本文件指的是将指令转换为对应的数据形式或代码形式。
该实施例中,对象特征数据指的是指令脚本文件中包含的有关对象的描述数据。
该实施例中,预设对象匹配模型是提前设定好的。
该实施例中,关键字指的是对象特征数据中描述对象种类或者尺寸的某一数据段。
上述技术方案的有益效果是:通过将指令转换为对应的脚本文件,从而实现对对象数据进行准确提取与识别,提高了对目标识别对象确定的准确率,同时也增强了对目标识别物的具体位置的定位效率以及准确率。
实施例5:
在上述实施例1的基础上,本实施例提供了一种基于有线通讯模式下的AGV视觉识别精准定位系统,如图3所示,图像采集模块,包括:
姿态检测单元,用于控制所述AGV上的预设光源装置对所述AGV所在区域进行光源照射,并基于照射结果确定所述AGV的定位信息;
所述姿态检测单元,用于基于所述定位信息确定所述AGV的当前车轮偏转角度,并确定所述当前车轮偏转角度与预设轨道之间的角度差;
路径规划单元,用于基于所述角度差对所述AGV的当前车轮偏转角度进行调整,控制所述AGV行驶至所述预设轨道,并控制所述AGV基于所述预设轨道进行运动;
图像采集单元,用于确定所述预设轨道上的图像采集点,并控制所述AGV在所述目标图像采集点处对目标范围内的环境图像进行视觉图像采集。
该实施例中,预设光源装置是提前设定好的,例如可以指灯泡等提供光源。
该实施例中,定位信息指的是AGV在当前空间范围内的位置情况信息。
该实施例中,当前车轮偏转角度指的是AGV车轮与直行情况下的车轮之间存在的偏差角度。
该实施例中,图像采集点是在预设轨道上提前设定好的,且图像采集点为多个。
该实施例中,目标范围可以是一个厂房或是一个房间等。
上述技术方案的有益效果是:通过确定AGV的当前行驶情况,并实时调整AGV在预定轨道上进行运动,提高了对目标范围内环境视觉图像的采集有效性,同时也为根据采集到的视觉图像准确定位目标对象的位置信息提供了便利。
实施例6:
在上述实施例1的基础上,本实施例提供了一种基于有线通讯模式下的AGV视觉识别精准定位系统,图像采集模块,还包括:
图像内容确定单元,获取采集到的视觉图像,并确定所述视觉图像中包含的物体属性信息,同时获取所述目标识别对象的外貌体征参数,其中,所述视觉图像至少为两张;
匹配单元,用于将所述外貌体征参数分别与所述视觉图像中包含的物体属性信息进行匹配,确定所述目标识别对象所在的目标视觉图像,其中,所述目标视觉图像至少为一张;
择优单元,用于确定所述目标识别对象在所述目标视觉图像中的显示完整度,并基于显示完整度递减的顺序将所述目标视觉图像进行排序;
所述择优单元,用于基于排序结果,将显示完整度最大的目标视觉图像锁定为所述目标识别对象所对应的目标图像。
该实施例中,物体属性信息指的是视觉图像中所包含的物体的种类、形状等。
该实施例中,外貌体征参数指的是目标识别对象的外貌情况,例如可以是长、宽高分别对应具体参数等。
该实施例中,目标视觉图像指的是包含目标识别对象的视觉图像,该图像中存在包含目标识别对象不完整的视觉图像。
该实施例中,显示完整度是用来目标识别对象在目标视觉图像中的显示情况,显示完整度越大,表明目标识别对象在目标视觉图像中越完整。
上述技术方案的有益效果是:便于准确确定目标识别对象所在的视觉图像,同时,便于根据视觉图像中包含的其他参考物位置情况准确确定目标识别对象的位置信息,为实现精准定位提供了保障。
实施例7:
在上述实施例1的基础上,本实施例提供了一种基于有线通讯模式下的AGV视觉识别精准定位系统,定位模块,包括:
图像获取单元,用于获取历史视觉图像,其中,所述历史视觉图像中目标主体各不相同,且所述历史视觉图像至少为两张;
模型构建单元,用于提取每张所述历史视觉图像中目标主体的所有主要形状特征和所有次要形状特征;
判断每个主要形状特征在不同光线下的主次转换程度,若主次转换程度大于预设转换程度,将对应的主要形状特征作为中间形状特征,否则,继续保留;
判断每个次要形状特征在不同光线下的次主转换程度,若次主转换程度大于预设转换程度,将对应的次要形状特征作为中间形状特征,否则,继续保留;
分别构建保留的主要形状特征、保留的次要形状特征以及中间形状特征的形状特征层,并按照不同形状特征的特征权值对对应的形状特征层进行优先级设定,根据设定结果,匹配相邻层之间的补充信息,构建得到目标物体识别模型;
目标识别对象确定单元,用于将目标图像输入至所述目标物体识别模型,且所述目标物体识别模型对所述视觉图像进行边缘检测,确定所述目标图像中待识别对象的形状特征,其中,所述待识别对象为预设的参考物;
参考物确定单元,用于将所述待识别对象的形状特征与预设参考物形状参数表进行匹配,确定所述待识别对象对应的目标参考物,其中,所述目标参考物至少为一个;
距离确定单元,用于基于所述目标图像,确定所述目标识别对象在所述目标图像中与所述目标参考物之间的相对方向和相对距离;
所述距离确定单元,还用于基于所述目标图像确定所述AGV采集所述目标图像时的焦距信息,并基于所述焦距信息确定所述目标图像的成像比例;
所述距离确定单元,还用于根据所述目标识别对象在所述目标图像中与所述目标参考物之间的相对方向和相对距离以及所述目标图像的成像比例确定所述目标识别对象在目标范围内与所述目标参考物的实际方位与实际距离;
位置确定单元,用于获取目标范围内的地图信息,并基于所述目标识别对象在目标范围内与所述目标参考物的实际方位与实际距离确定所述目标识别对象的具体位置信息;
信息反馈单元,用于基于有线通讯将所述目标识别对象的具体位置信息反馈至用户智能终端,并向用户发送提醒信息。
该实施例中,比如:主要形状特征存在01、02、03、04,次要形状特征存在b1、b2、b3、b4,此时,在不同光线下的主次转换程度,比如02处的主次转换程度大于预设转换程度(提前设定好的),b4处的次主转换程度大于预设转换程度(提前设定好的),此时,可以按照将01、03、04视为主要形状特征,b1、b2、b3视为次要形状特征,02、b4视为中间形状特征;
此时,分别构建01、03、04的特征层,b1、b2、b3的特征层以及02、b4的特征层,通过确定每个特征的特征权值,来确定对应形状层的总权值,进而总权值越大对应的优先级越高,比如最后结果为:中间形状特征的优先级>主要形状特征的优先级>次要形状特征的优先级。
该实施例中,中间形状特征的优先级与主要形状特征的优先级作为相邻层,主要形状特征的优先级与次要形状特征的优先级作为相邻层,此时,获取补充信息,即为是了方便将相邻层更好的融合在一起,避免相邻层之间出现排斥情况,保证数据的有效融合,进而根据三层形状特征层以及相邻层之间的补充信息,来构建得到目标物体识别模型。
该实施例中,目标主体指的是历史视觉图像中包含的被拍摄物体,目标主体例如可以是宠物、可以是货物也可以是电器等。
该实施例中,形状特征指的是目标主体的外貌、材质等。
该实施例中,目标物体识别模型指的是对构建的物体识别模型进行训练后得到的可以直接用于图像识别的物体识别模型。
该实施例中,边缘检测目的是为了确认目标图像中所包含的物品情况。
该实施例中,预设的参考物是提前设定好的,且在目标范围不同位置不同方向设定不同的参考物,例如可以是盆栽植物等。
该实施例中,预设参考物形状参数表是提前设定好的,内部记录了目标范围不同参考物对应的具体形状参数、外貌参数等。
该实施例中,目标参考物指的是目标图像中所包含的参考物,可以是预设的参考物中的一个或多个。
该实施例中,相对方向指的是目标识别对象相对于目标参考物的方向,例如可以是目标识别对象处于目标参考物的东北方向。
该实施例中,相对距离指的是目标识别对象相对于目标参考物的距离,例如可以是目标识别对象与目标参考物相聚2米。
该实施例中,焦距信息指的是摄像头图像采集时的焦距。
上述技术方案的有益效果是:通过构建三层以及获取的补充信息,即为是了方便将相邻层更好的融合在一起,避免相邻层之间出现排斥情况,保证数据的有效融合,保证构建的目标物体识别模型合理性,避免因为光线不同或者被遮挡等情况,导致不能对物体进行有效识别,且通过目标物体识别模型,可实现对目标图像中包含的参考物的准确识别,从而便于根据参考物的位置情况实现对目标识别对象的位置进行准确判断,同时根据成像距离与实际距离之间的转换比例,实现对目标识别对象在目标范围内的具体位置信息进行准确锁定,提高了AGV视觉识别定位的精度以及准确度。
实施例8:
在上述实施例1的基础上,本实施例提供了一种基于有线通讯模式下的AGV视觉识别精准定位系统,定位模块,还包括:
成像距离确定单元,用于基于所述目标图像确定所述AGV上预设摄像头与所述目标识别对象的成像距离;
计算单元,用于根据所述成像距离计算所述预设摄像头的最佳成像焦距,并基于所述最佳成像焦距计算根据所述目标图像对目标识别对象定位的准确率,具体步骤包括:
第一计算单元,用于根据如下公式计算所述预设摄像头的最佳成像焦距:
其中,L表示预设摄像头的最佳成像焦距;k表示所述预设摄像头的像距;u表示所述预设摄像头与所述目标识别对象的实际距离值;D表示所述预设摄像头的有效光圈孔径值;β表示所述预设摄像头的最小分辨率值;τ表示所述预设摄像头的最大分辨率值;
第二计算单元,用于根据如下公式计算对目标识别对象定位的准确率:
其中,η表示对目标识别对象定位的准确率,且取值范围为(0,1);μ表示误差因子,且取值范围为(0.05,0.15);ρ表示成像比例;S表示所述目标图像中,目标识别对象与参考物之间的图像距离值;ω表示所述目标识别对象在目标范围内与参考物的实际距离值;δ表示所述预设摄像头采集目标图像时与水平方向上的相对偏差角度值;表示所述预设摄像头的最大可调控范围角度值;
比较单元,用于将计算得到的准确率与预设准确率进行比较;
若所述准确率大于或等于所述预设准确率,判定对所述目标识别对象的具体位置信息确定合格,并基于预设传输方法将所述目标识别对象的具体位置信息反馈至用户的智能终端;
否则,判定所述目标识别对象的具体位置信息确定不合格,并对所述预设摄像头的焦距进行调整,直至计算得到的准确率大于或等于所述预设准确率,完成对目标识别对象的具体位置信息的确定。
该实施例中,最佳成像焦距指的是预设摄像头在图像采集时的最优焦距值,确保拍摄出的图像清晰。
该实施例中,前景深下的成像距离指的是从预设摄像头到目标识别对象之间的景深范围。
该实施例中,相对偏差角度值指的是预设摄像头图像采集时的俯视角度。
该实施例中,预设准确率是提前设定好的。
上述技术方案的有益效果是:通过计算预设摄像头的最佳成像焦距,实现对目标识别对象定位的准确率的计算,确保在最佳成像焦距下采集目标图像,从而实现根据目标图像对目标识别对象进行定位的准确率,增强了定位效率以及准确率。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种基于有线通讯模式下的AGV视觉识别精准定位系统,其特征在于,包括:
指令分析模块,用于控制AGV基于有线通讯接收目标对象识别指令,并对所述目标对象识别指令进行分析,确定目标识别对象;
图像采集模块,用于控制所述AGV自动导引运动对目标范围内的环境进行视觉图像采集,并基于采集结果锁定所述目标识别对象所对应的目标图像;
定位模块,用于对所述目标图像进行图像分析,确定所述目标识别对象的具体位置信息,并将所述具体位置信息反馈至用户智能终端。
2.根据权利要求1所述的一种基于有线通讯模式下的AGV视觉识别精准定位系统,其特征在于,指令分析模块,包括:
AGV确定单元,用于供目标用户获取AGV终端标识列表,并基于所述终端标识列表确定目标AGV;
指令传输请求单元,用于确定所述目标AGV的当前运行状态,并当所述AGV处于空闲状态时,基于预设智能终端向所述目标AGV发送指令传输请求,其中,所述当前运行状体包括空闲状态以及工作状态;
验证单元,用于控制所述目标AGV对所述指令传输请求进行解析,确定所述指令传输请求是否合规,且在合规时与所述预设智能终端进行握手;
指令传输单元,用于基于握手结果,所述预设智能终端向所述目标AGV发送目标对象识别指令。
3.根据权利要求2所述的一种基于有线通讯模式下的AGV视觉识别精准定位系统,其特征在于,验证单元,包括:
指令解析子单元,用于获取所述指令传输请求,并确定所述指令传输请求对应的预设智能终端的属性信息;
校验子单元,用于将所述属性信息与预设智能终端注册表中记录的预设发送端信息进行匹配;
当不存在所述预设发送端信息与所述属性信息匹配,确定所述预设智能终端为不可信任发送端,并驳回所述指令传输请求;
否则,判定所述预设智能终端为可信任发送端,并与所述预设智能终端进行握手,同时将所述预设智能终端的访问时间进行记录保存。
4.根据权利要求1所述的一种基于有线通讯模式下的AGV视觉识别精准定位系统,其特征在于,指令分析模块,还包括:
指令转换单元,用于获取目标对象识别指令,并将所述目标对象识别指令进行格式转换,得到对应的指令脚本文件;
特征提取单元,用于提取所述指令脚本文件中所包含的对象特征数据,并将所述对象特征数据输入预设对象匹配模型,其中,所述预设对象匹配模型是基于多种物体特征数据训练得到的;
匹配单元,用于基于所述预设对象匹配模型提取所述对象特征数据中的关键字,并将所述关键字与内部预存储的对象数据进行匹配,得到所述目标对象识别指令中包含的目标识别对象。
5.根据权利要求1所述的一种基于有线通讯模式下的AGV视觉识别精准定位系统,其特征在于,图像采集模块,包括:
姿态检测单元,用于控制所述AGV上的预设光源装置对所述AGV所在区域进行光源照射,并基于照射结果确定所述AGV的定位信息;
所述姿态检测单元,用于基于所述定位信息确定所述AGV的当前车轮偏转角度,并确定所述当前车轮偏转角度与预设轨道之间的角度差;
路径规划单元,用于基于所述角度差对所述AGV的当前车轮偏转角度进行调整,控制所述AGV行驶至所述预设轨道,并控制所述AGV基于所述预设轨道进行运动;
图像采集单元,用于确定所述预设轨道上的图像采集点,并控制所述AGV在所述目标图像采集点处对目标范围内的环境图像进行视觉图像采集。
6.根据权利要求1所述的一种基于有线通讯模式下的AGV视觉识别精准定位系统,其特征在于,图像采集模块,还包括:
图像内容确定单元,获取采集到的视觉图像,并确定所述视觉图像中包含的物体属性信息,同时获取所述目标识别对象的外貌体征参数,其中,所述视觉图像至少为两张;
匹配单元,用于将所述外貌体征参数分别与所述视觉图像中包含的物体属性信息进行匹配,确定所述目标识别对象所在的目标视觉图像,其中,所述目标视觉图像至少为一张;
择优单元,用于确定所述目标识别对象在所述目标视觉图像中的显示完整度,并基于显示完整度递减的顺序将所述目标视觉图像进行排序;
所述择优单元,用于基于排序结果,将显示完整度最大的目标视觉图像锁定为所述目标识别对象所对应的目标图像。
7.根据权利要求1所述的一种基于有线通讯模式下的AGV视觉识别精准定位系统,其特征在于,定位模块,包括:
图像获取单元,用于获取历史视觉图像,其中,所述历史视觉图像中目标主体各不相同,且所述历史视觉图像至少为两张;
模型构建单元,用于提取每张所述历史视觉图像中目标主体的所有主要形状特征和所有次要形状特征;
判断每个主要形状特征在不同光线下的主次转换程度,若主次转换程度大于预设转换程度,将对应的主要形状特征作为中间形状特征,否则,继续保留;
判断每个次要形状特征在不同光线下的次主转换程度,若次主转换程度大于预设转换程度,将对应的次要形状特征作为中间形状特征,否则,继续保留;
分别构建保留的主要形状特征、保留的次要形状特征以及中间形状特征的形状特征层,并按照不同形状特征的特征权值对对应的形状特征层进行优先级设定,根据设定结果,匹配相邻层之间的补充信息,构建得到目标物体识别模型;
目标识别对象确定单元,用于将目标图像输入至所述目标物体识别模型,且所述目标物体识别模型对所述视觉图像进行边缘检测,确定所述目标图像中待识别对象的形状特征,其中,所述待识别对象为预设的参考物;
参考物确定单元,用于将所述待识别对象的形状特征与预设参考物形状参数表进行匹配,确定所述待识别对象对应的目标参考物,其中,所述目标参考物至少为一个;
距离确定单元,用于基于所述目标图像,确定所述目标识别对象在所述目标图像中与所述目标参考物之间的相对方向和相对距离;
所述距离确定单元,还用于基于所述目标图像确定所述AGV采集所述目标图像时的焦距信息,并基于所述焦距信息确定所述目标图像的成像比例;
所述距离确定单元,还用于根据所述目标识别对象在所述目标图像中与所述目标参考物之间的相对方向和相对距离以及所述目标图像的成像比例确定所述目标识别对象在目标范围内与所述目标参考物的实际方位与实际距离;
位置确定单元,用于获取目标范围内的地图信息,并基于所述目标识别对象在目标范围内与所述目标参考物的实际方位与实际距离确定所述目标识别对象的具体位置信息;
信息反馈单元,用于基于有线通讯将所述目标识别对象的具体位置信息反馈至用户智能终端,并向用户发送提醒信息。
8.根据权利要求1所述的一种基于有线通讯模式下的AGV视觉识别精准定位系统,其特征在于,定位模块,还包括:
成像距离确定单元,用于基于所述目标图像确定所述AGV上预设摄像头与所述目标识别对象的成像距离;
计算单元,用于根据所述成像距离计算所述预设摄像头的最佳成像焦距,并基于所述最佳成像焦距计算根据所述目标图像对目标识别对象定位的准确率,具体步骤包括:
第一计算单元,用于根据如下公式计算所述预设摄像头的最佳成像焦距:
其中,L表示预设摄像头的最佳成像焦距;k表示所述预设摄像头的像距;u表示所述预设摄像头与所述目标识别对象的实际距离值;D表示所述预设摄像头的有效光圈孔径值;β表示所述预设摄像头的最小分辨率值;τ表示所述预设摄像头的最大分辨率值;
第二计算单元,用于根据如下公式计算对目标识别对象定位的准确率:
其中,η表示对目标识别对象定位的准确率,且取值范围为(0,1);μ表示误差因子,且取值范围为(0.05,0.15);ρ表示成像比例;S表示所述目标图像中,目标识别对象与参考物之间的图像距离值;ω表示所述目标识别对象在目标范围内与参考物的实际距离值;δ表示所述预设摄像头采集目标图像时与水平方向上的相对偏差角度值;表示所述预设摄像头的最大可调控范围角度值;
比较单元,用于将计算得到的准确率与预设准确率进行比较;
若所述准确率大于或等于所述预设准确率,判定对所述目标识别对象的具体位置信息确定合格,并基于预设传输方法将所述目标识别对象的具体位置信息反馈至用户的智能终端;
否则,判定所述目标识别对象的具体位置信息确定不合格,并对所述预设摄像头的焦距进行调整,直至计算得到的准确率大于或等于所述预设准确率,完成对目标识别对象的具体位置信息的确定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111577396.2A CN114252013B (zh) | 2021-12-22 | 2021-12-22 | 一种基于有线通讯模式下的agv视觉识别精准定位系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111577396.2A CN114252013B (zh) | 2021-12-22 | 2021-12-22 | 一种基于有线通讯模式下的agv视觉识别精准定位系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114252013A true CN114252013A (zh) | 2022-03-29 |
CN114252013B CN114252013B (zh) | 2024-03-22 |
Family
ID=80796598
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111577396.2A Active CN114252013B (zh) | 2021-12-22 | 2021-12-22 | 一种基于有线通讯模式下的agv视觉识别精准定位系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114252013B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
CN109059895A (zh) * | 2018-03-28 | 2018-12-21 | 南京航空航天大学 | 一种基于手机摄像头和传感器的多模态室内测距及定位方法 |
CN109948523A (zh) * | 2019-03-18 | 2019-06-28 | 中国汽车工程研究院股份有限公司 | 一种基于视频与毫米波雷达数据融合的目标物识别方法及其应用 |
CN110189375A (zh) * | 2019-06-26 | 2019-08-30 | 中国科学院光电技术研究所 | 一种基于单目视觉测量的图像目标识别方法 |
CN110763224A (zh) * | 2019-11-13 | 2020-02-07 | 内蒙古工业大学 | 一种自动导引运输车导航方法及导航系统 |
CN110842928A (zh) * | 2019-12-04 | 2020-02-28 | 中科新松有限公司 | 一种复合机器人视觉引导定位装置及方法 |
CN111694349A (zh) * | 2019-03-12 | 2020-09-22 | 北京京东尚科信息技术有限公司 | 一种控制自动导引运输车运动的方法和装置 |
CN112540382A (zh) * | 2019-09-07 | 2021-03-23 | 山东大学 | 一种基于视觉识别检测的激光导航agv辅助定位方法 |
CN113267787A (zh) * | 2021-02-26 | 2021-08-17 | 深圳易行机器人有限公司 | 基于激光导航agv精准定位系统及其控制方法 |
WO2021217859A1 (zh) * | 2020-04-30 | 2021-11-04 | 平安国际智慧城市科技股份有限公司 | 目标异常识别方法、装置、电子设备及存储介质 |
-
2021
- 2021-12-22 CN CN202111577396.2A patent/CN114252013B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
CN109059895A (zh) * | 2018-03-28 | 2018-12-21 | 南京航空航天大学 | 一种基于手机摄像头和传感器的多模态室内测距及定位方法 |
CN111694349A (zh) * | 2019-03-12 | 2020-09-22 | 北京京东尚科信息技术有限公司 | 一种控制自动导引运输车运动的方法和装置 |
CN109948523A (zh) * | 2019-03-18 | 2019-06-28 | 中国汽车工程研究院股份有限公司 | 一种基于视频与毫米波雷达数据融合的目标物识别方法及其应用 |
CN110189375A (zh) * | 2019-06-26 | 2019-08-30 | 中国科学院光电技术研究所 | 一种基于单目视觉测量的图像目标识别方法 |
CN112540382A (zh) * | 2019-09-07 | 2021-03-23 | 山东大学 | 一种基于视觉识别检测的激光导航agv辅助定位方法 |
CN110763224A (zh) * | 2019-11-13 | 2020-02-07 | 内蒙古工业大学 | 一种自动导引运输车导航方法及导航系统 |
CN110842928A (zh) * | 2019-12-04 | 2020-02-28 | 中科新松有限公司 | 一种复合机器人视觉引导定位装置及方法 |
WO2021217859A1 (zh) * | 2020-04-30 | 2021-11-04 | 平安国际智慧城市科技股份有限公司 | 目标异常识别方法、装置、电子设备及存储介质 |
CN113267787A (zh) * | 2021-02-26 | 2021-08-17 | 深圳易行机器人有限公司 | 基于激光导航agv精准定位系统及其控制方法 |
Non-Patent Citations (2)
Title |
---|
胡博;邢武;吴斌;: "机器视觉识别袜品纹理与精准定位的测控装置", 测控技术, no. 06 * |
黄敏高;: "基于单目视觉的工业机器人定位系统设计", 现代电子技术, no. 18 * |
Also Published As
Publication number | Publication date |
---|---|
CN114252013B (zh) | 2024-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109977813B (zh) | 一种基于深度学习框架的巡检机器人目标定位方法 | |
CN108496129B (zh) | 一种基于飞行器的设施检测方法及控制设备 | |
CN110344621A (zh) | 一种面向智能车库的车轮点云检测方法 | |
CN111958592A (zh) | 一种变电站巡检机器人图像语义分析系统及方法 | |
CN105700525B (zh) | 基于Kinect传感器深度图机器人工作环境不确定性地图构建法 | |
Yuan et al. | RGB-D sensor-based visual SLAM for localization and navigation of indoor mobile robot | |
CN108961276B (zh) | 基于视觉伺服的配电线路巡检数据自动采集方法及系统 | |
CN115346256A (zh) | 机器人寻人方法及系统 | |
CN112509355A (zh) | 一种基于停车场的寻车方法、设备、系统和存储介质 | |
CN202010257U (zh) | 基于贝叶斯理论的病房巡视服务机器人系统 | |
CN111724130A (zh) | 一种配网机巡作业管理系统及管理方法 | |
Tsubouchi | Introduction to simultaneous localization and mapping | |
Tomono et al. | Mobile robot navigation in indoor environments using object and character recognition | |
CN114020039A (zh) | 无人机巡检杆塔自动对焦系统及方法 | |
CN110320912A (zh) | 激光与视觉slam融合的agv定位导航装置及方法 | |
CN111290384B (zh) | 一种多传感器融合的充电座检测方法 | |
CN117516513A (zh) | 智能割草机路径规划方法、装置、设备及存储介质 | |
Coradeschi et al. | Anchoring symbols to vision data by fuzzy logic | |
CN112689234A (zh) | 室内车辆定位方法、装置、计算机设备和存储介质 | |
CN110334648B (zh) | 适用于机器人的充电桩识别系统和方法 | |
CN114252013A (zh) | 一种基于有线通讯模式下的agv视觉识别精准定位系统 | |
CN112560751A (zh) | 一种阳台高空坠物风险检测方法及系统 | |
CN115586748B (zh) | 一种移动式智能柔性运动控制系统及其方法 | |
CN115019216B (zh) | 实时地物检测和定位计数方法、系统及计算机 | |
WO2019187772A1 (ja) | 建造物管理システム、学習装置、位置判定装置、及び位置判定方法 |
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 |