CN117908544A - 基于机器视觉的玻璃运输用agv装置的控制系统及方法 - Google Patents
基于机器视觉的玻璃运输用agv装置的控制系统及方法 Download PDFInfo
- Publication number
- CN117908544A CN117908544A CN202410072681.6A CN202410072681A CN117908544A CN 117908544 A CN117908544 A CN 117908544A CN 202410072681 A CN202410072681 A CN 202410072681A CN 117908544 A CN117908544 A CN 117908544A
- Authority
- CN
- China
- Prior art keywords
- glass
- agv
- module
- loading
- transportation
- 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
- 239000011521 glass Substances 0.000 title claims abstract description 274
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000004458 analytical method Methods 0.000 claims abstract description 71
- 230000008901 benefit Effects 0.000 claims abstract description 54
- 238000005303 weighing Methods 0.000 claims description 24
- 230000011218 segmentation Effects 0.000 claims description 15
- 238000010276 construction Methods 0.000 claims description 13
- 230000005484 gravity Effects 0.000 claims description 6
- 239000006185 dispersion Substances 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000035939 shock Effects 0.000 claims description 3
- 230000001960 triggered effect Effects 0.000 claims description 3
- 230000032258 transport Effects 0.000 description 84
- 230000008569 process Effects 0.000 description 10
- 230000002452 interceptive effect Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及自动引导运输车技术领域,具体涉及基于机器视觉的玻璃运输用AGV装置的控制系统及方法,包括控制终端、分析层、采集层、控制层:控制终端,是系统的主控端,用于发出控制命令;AGV上装载玻璃通过分析层获取装载玻璃规格参数,并基于装载玻璃规格参数生成装载玻璃模型,基于装载玻璃模型分析装载玻璃震动传导效益,采集层同步获取分析层中分析的装载玻璃震动传导效益,本发明结合AGV运行过程中震动传导效益分析结果及AGV运输安全风险识别结果,对AGV的运输过程带来更加可靠精准的安全分析,并进一步基于分析结果,实现AGV运输路径的优化,确保AGV按运输路径运输物品的过程稳定,尽可能规避颠簸路段,为运输物品带来安全保障。
Description
技术领域
本发明涉及自动引导运输车技术领域,具体涉及基于机器视觉的玻璃运输用AGV装置的控制系统及方法。
背景技术
自动导向车(AGV)是采用自动或人工方式装载货物,再将装载货物按预先设定路径运输的智能运输设备。
然而,目前的AGV在应用过程中,往往仅具有自动避障等相关运输功能,在AGV被应用于玻璃这类易碎品的运输时,AGV不会考虑路况而作出运输路径优化,从而造成运输路径中路面不平整的颠簸路段,对AGV运输的玻璃这个类易碎品产生影响,可能导致运输物品的崩角、碎裂。
发明内容
针对现有技术所存在的上述缺点,本发明提供了基于机器视觉的玻璃运输用AGV装置的控制系统及方法,解决了上述背景技术中提出的技术问题。
为实现以上目的,本发明通过以下技术方案予以实现:
第一方面,基于机器视觉的玻璃运输用AGV装置的控制系统,包括控制终端、分析层、采集层、控制层:
控制终端,是系统的主控端,用于发出控制命令;
AGV上装载玻璃通过分析层获取装载玻璃规格参数,并基于装载玻璃规格参数生成装载玻璃模型,基于装载玻璃模型分析装载玻璃震动传导效益,采集层同步获取分析层中分析的装载玻璃震动传导效益,并于AGV装载玻璃运输阶段,实时采集运输路径路面状态参数,基于运输路径路面状态参数,识别AGV运输风险,控制层实时接收采集层中识别的AGV运输风险,基于AGV运输风险决策是否对当前运输路径进行协调,并在决策结果为对当前运输路径进行协调,为AGV配置运输路径协调逻辑,AGV基于运输路径协调逻辑进一步运行;
所述采集层包括接收模块、采集模块、分割模块及识别模块,接收模块用于接收分析层中分析到的装载玻璃震动传导效益,采集模块用于采集AGV装载玻璃运输阶段运输路径的实时路面图像数据,分割模块用于接收采集模块采集的路面图像数据,对路面图像数据进行分割,得到子路面图像数据,识别模块用于获取分割模块中分割到的子路面图像数据,基于各子路面图像数据识别AGV运输风险;
所述识别模块中AGV运输风险通过下式进行求取,公式为:
式中:K为AGV运输风险表现值;i、j为灰度级别的索引;GLCM(i,j)为图像的GLCM中相应索引位置的值;μ为图像的GLCM中所有元素的均值;μx、μy为图像的GLCM中的行和列的均值;σx、σy为图像的GLCM中的行和列的标准差;
其中,∑(((i+j)-μ)4×GLCM(i,j))表示子路面图像的簇倾斜度,∑(|i-j|2×GLCM(i,j))表示子路面图像的对比度,表示子路面图像的相关性。
更进一步地,所述分析层包括传感模组、构建模块及分析模块,传感模组用于感应AGV上是否装载玻璃,在装载玻璃时,对玻璃的规格参数进行获取,构建模块用于接收传感模组中获取到的玻璃规格参数,应用玻璃规格参数构建AGV上装载玻璃模型,分析模块用于接收传感模组中获取的玻璃规格参数及装载玻璃模型,基于玻璃规格参数及装载玻璃模型分析装载玻璃震动传导效益;
其中,所述传感模组由若干组称重传感器组成、若干组所述称重传感器均匀分布在AGV的顶面,所述传感模组中获取的玻璃规格参数包括:装载玻璃质量、装载玻璃重心,所述玻璃规格参数还包括装载玻璃中一组玻璃的厚度、密度及面积,装载玻璃的厚度、密度及面积规格参数由系统端用户手动上传至传感模组中,于传感模组中储存,构建模块在构建装载玻璃模型时,基于玻璃规格参数中装载玻璃中一组玻璃的厚度、密度及面积,求得一组玻璃的质量,进一步基于玻璃规格参数中装载玻璃质量与一组玻璃的质量求得装载玻璃层数,再以求取的装载玻璃层数及装载玻璃中一组玻璃的厚度及面积构建装载玻璃模型,所述构建模块中构建的装载玻璃模型即分析层中生成的装载玻璃模型。
更进一步地,基于玻璃规格参数中装载玻璃质量与一组玻璃的质量求取装载玻璃层数时,采用进一法取整,求得装载玻璃的层数。
更进一步地,所述分析模块中对于装载玻璃震动传导效益的分析逻辑表示为:
式中:γ为装载玻璃震动传导效益;q为AGV上装载玻璃的数量;m为AGV上装载玻璃中一组玻璃的质量;υdis为AGV上装载玻璃的离散程度;ρ为AGV上装载玻璃的密度;η为归一化因子;
其中,装载玻璃震动传导效益γ越高,则表示AGV上装载玻璃的运输稳定性越差,反之,则表示AGV上装载玻璃的运输稳定性越佳,fcog为AGV上装载玻璃的重心偏移,n为受力的称重传感器的集合;PMAX为受力最大的称重传感器感应到的重量;PMIN为受力最小的称重传感器感应到的重量;Pi为第i组受力的称重传感器感应到的重量;Pftf为第i组受力称重传感器相对侧受力称重传感器感应到的重量,/>为表示求和结果的求均,η∈[1,2),且服从ρ越大,η取值越大,ρ越小,η取值越小的设定逻辑。
更进一步地,所述分割模块在对实时路面图像数据进行分割处理后,进一步对各分割得到的子路面图像数据进行纹理特征识别,子路面图像数据的纹理特征识别结果即运输路径路面状态参数;
其中,子路面图像数据的纹理特征包括:图像簇倾斜度、图像对比度、图像相关性。
更进一步地,所述分割模块在对路面图像数据进行分割时,服从:
式中:M为分割组数;Lwidth为运输路径路面宽度;AGVwidth为AGV宽度;λ为常数;
其中,1≤λ<1.5,分割组数M采用去尾法取整,分割组数M被应用于路面图像数据的分割,且路面图像数据在基于分割组数M进行分割时,基于运输路径前进方向进行分割,分割所得的各子路面图像数据形状、大小相同相等。
更进一步地,所述控制层包括判定模块、决策模块及驱动模块,判定模块用于设定运输安全判定阈值,接收分析层中分析的装载玻璃震动传导效益及采集层中识别的AGV运输风险,结合装载玻璃震动传导效益及采集层中识别的AGV运输风险与运输安全判定阈值比对,判定AGV当前运输状态是否安全,决策模块用于获取判定模块中AGV当前运输状态安全判定结果,基于判定结果触发AGV运输路径协调逻辑的配置,驱动模块用于接收决策模块中AGV运输路径协调逻辑的配置结果,应用AGV运输路径协调逻辑的配置结果驱动AGV运行;
其中,所述判定模块中结合装载玻璃震动传导效益及采集层中识别的AGV运输风险与运输安全判定阈值比对的逻辑为:
式中:Know为AGV当前于运输路径中前进方向上与路面图像数据中子路面图像数据对应的AGV运输风险表现值;(u,v)表示运输安全判定阈值,Know×γ的值于式(1)中成立时,判定模块运行结束,刷新系统运行,Know×γ的值于式(2)中成立时,判定模块运行结束,触发决策模块运行,配置AGV运输路径协调逻辑。
更进一步地,所述决策模块中配置AGV运输路径协调逻辑的操作为:
Logicalsteps1:求取AGV于每一子路面图像数据对应路径上的AGV运输风险表现值,将各组求取的AGV运输风险表现值与装载玻璃震动传导效益γ相乘;
Logicalsteps2:获取处于(u,v)内,且值最小的一组相乘结果,获取最小一组相乘结果来源子路面图像数据;
Logicalsteps2:以Logicalsteps2中获取的子路面图像数据对应运输路径中区域作为目标区域,驱动AGV于运输路径中向目标区域移动;
其中,AGV于运输路径中向目标区域移动并到达后,进一步基于运输路径运行,并刷新系统运行。
更进一步地,所述控制终端与分析层、采集层及控制层通过无线网络交互连接,所述接收模块通过介质电性连接有采集模块、分割模块及识别模块,所述接收模块通过无线网络交互连接有分析模块,所述分析模块通过介质电性连接有传感模组及构建模块,所述识别模块通过无线网络交互连接有判定模块,所述判定模块通过介质电性连接有决策模块及驱动模块。
第二方面,基于机器视觉的玻璃运输用AGV装置的控制方法,包括以下步骤:
步骤1:获取AGV上装载玻璃的规格参数,基于装载玻璃规格参数生成装载玻璃模型;
步骤2:应用AGV上装载玻璃的规格参数及装载玻璃模型分析装载玻璃震动传导效益;
步骤21:装载玻璃震动传导效益分析逻辑的设定阶段;
步骤3:采集AGV于运输路径上的实时路面图像数据,于实时路面图像数据中获取路面状态参数,基于路面状态参数识别AGV运输风险;
步骤31:路面状态参数获取逻辑的设定阶段,AGV运输风险识别逻辑的设定阶段;
步骤4:结合AGV运输风险与装载玻璃震动传导效益判定AGV当前是否安全;
步骤41:判定逻辑的设定阶段;
步骤5:步骤4判定结果为是,结束,并刷新步骤执行;
步骤6:步骤4判定结果为否,对AGV于当前运输路径中进行路径协调;
步骤61:运输路径协调逻辑的设定阶段。
采用本发明提供的技术方案,与已知的公有技术相比,具有如下
有益效果:
1、本发明提供一种基于机器视觉的玻璃运输用AGV装置的控制系统,该系统在运行过程中,以AGV运输玻璃为例,对AGV上运输的玻璃进行规格参数采集,进而为运输玻璃三维模型的构建提供了构建逻辑支持,为用户带来可视化读取条件,且基于玻璃规格参数完成了震动传导效益分析,进一步的基于运输路径中实时路面的图像采集,对AGV运输安全风险进行识别,最终结合震动传导效益分析结果及AGV运输安全风险识别结果,对AGV的运输过程带来更加可靠精准的安全分析,并进一步基于分析结果,实现AGV运输路径的优化,确保AGV按运输路径运输物品的过程稳定,尽可能规避颠簸路段,为运输物品带来安全保障。
2、本发明中系统在运行过程中,在AGV运输路径路面图像采集阶段,对路面图像进行分割处理,并进一步基于图像分割结果所得的子路面图像数据对路面进行分布式分析,使得分析结果更加精准有效,且以此作为AGV运输路径优化的数据支持,为AGV带来连续的安全可靠的运输路径维护效果。
3、本发明提供一种基于机器视觉的玻璃运输用AGV装置的控制方法,该方法在其步骤执行过程中,为系统的运行提供了更进一步的运行逻辑支持,且由该方法中步骤的执行,使系统运行更加稳定,为AGV带来稳定的智能控制效果。
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,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为基于机器视觉的玻璃运输用AGV装置的控制系统的结构示意图;
图2为基于机器视觉的玻璃运输用AGV装置的控制方法的流程示意图;
图3为本发明中AGV于运输路径中移动状态示意图;
图4为本发明中系统配置AGV运输路径协调逻辑示例图;
图中的标号分别代表:1、运输路径;2、路面图像数据;21、子路面图像数据;3、AGV。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,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一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面结合实施例对本发明作进一步的描述。
实施例1:
本实施例的基于机器视觉的玻璃运输用AGV装置的控制系统,如图1所示,包括控制终端、分析层、采集层、控制层:
控制终端,是系统的主控端,用于发出控制命令;
AGV上装载玻璃通过分析层获取装载玻璃规格参数,并基于装载玻璃规格参数生成装载玻璃模型,基于装载玻璃模型分析装载玻璃震动传导效益,采集层同步获取分析层中分析的装载玻璃震动传导效益,并于AGV装载玻璃运输阶段,实时采集运输路径路面状态参数,基于运输路径路面状态参数,识别AGV运输风险,控制层实时接收采集层中识别的AGV运输风险,基于AGV运输风险决策是否对当前运输路径进行协调,并在决策结果为对当前运输路径进行协调,为AGV配置运输路径协调逻辑,AGV基于运输路径协调逻辑进一步运行;
分析层包括传感模组、构建模块及分析模块,传感模组用于感应AGV上是否装载玻璃,在装载玻璃时,对玻璃的规格参数进行获取,构建模块用于接收传感模组中获取到的玻璃规格参数,应用玻璃规格参数构建AGV上装载玻璃模型,分析模块用于接收传感模组中获取的玻璃规格参数及装载玻璃模型,基于玻璃规格参数及装载玻璃模型分析装载玻璃震动传导效益;
其中,传感模组由若干组称重传感器组成、若干组称重传感器均匀分布在AGV的顶面,传感模组中获取的玻璃规格参数包括:装载玻璃质量、装载玻璃重心,玻璃规格参数还包括装载玻璃中一组玻璃的厚度、密度及面积,装载玻璃的厚度、密度及面积规格参数由系统端用户手动上传至传感模组中,于传感模组中储存,构建模块在构建装载玻璃模型时,基于玻璃规格参数中装载玻璃中一组玻璃的厚度、密度及面积,求得一组玻璃的质量,进一步基于玻璃规格参数中装载玻璃质量与一组玻璃的质量求得装载玻璃层数,再以求取的装载玻璃层数及装载玻璃中一组玻璃的厚度及面积构建装载玻璃模型,构建模块中构建的装载玻璃模型即分析层中生成的装载玻璃模型;
采集层包括接收模块、采集模块、分割模块及识别模块,接收模块用于接收分析层中分析到的装载玻璃震动传导效益,采集模块用于采集AGV装载玻璃运输阶段运输路径的实时路面图像数据,分割模块用于接收采集模块采集的路面图像数据,对路面图像数据进行分割,得到子路面图像数据,识别模块用于获取分割模块中分割到的子路面图像数据,基于各子路面图像数据识别AGV运输风险;
识别模块中AGV运输风险通过下式进行求取,公式为:
式中:K为AGV运输风险表现值;i、j为灰度级别的索引;GLCM(i,j)为图像的GLCM中相应索引位置的值;μ为图像的GLCM中所有元素的均值;μx、μy为图像的GLCM中的行和列的均值;σx、σy为图像的GLCM中的行和列的标准差;
其中,∑(((i+j)-μ)4×GLCM(i,j))表示子路面图像的簇倾斜度,∑(|i-j|2×GLCM(i,j))表示子路面图像的对比度,表示子路面图像的相关性;
分析模块中对于装载玻璃震动传导效益的分析逻辑表示为:
式中:γ为装载玻璃震动传导效益;q为AGV上装载玻璃的数量;m为AGV上装载玻璃中一组玻璃的质量;υdis为AGV上装载玻璃的离散程度;ρ为AGV上装载玻璃的密度;η为归一化因子;
其中,装载玻璃震动传导效益γ越高,则表示AGV上装载玻璃的运输稳定性越差,反之,则表示AGV上装载玻璃的运输稳定性越佳,fcog为AGV上装载玻璃的重心偏移,n为受力的称重传感器的集合;PMAX为受力最大的称重传感器感应到的重量;PMIN为受力最小的称重传感器感应到的重量;Pi为第i组受力的称重传感器感应到的重量;Pftf为第i组受力称重传感器相对侧受力称重传感器感应到的重量,/>为表示求和结果的求均,η∈[1,2),且服从ρ越大,η取值越大,ρ越小,η取值越小的设定逻辑;
控制层包括判定模块、决策模块及驱动模块,判定模块用于设定运输安全判定阈值,接收分析层中分析的装载玻璃震动传导效益及采集层中识别的AGV运输风险,结合装载玻璃震动传导效益及采集层中识别的AGV运输风险与运输安全判定阈值比对,判定AGV当前运输状态是否安全,决策模块用于获取判定模块中AGV当前运输状态安全判定结果,基于判定结果触发AGV运输路径协调逻辑的配置,驱动模块用于接收决策模块中AGV运输路径协调逻辑的配置结果,应用AGV运输路径协调逻辑的配置结果驱动AGV运行;
其中,判定模块中结合装载玻璃震动传导效益及采集层中识别的AGV运输风险与运输安全判定阈值比对的逻辑为:
式中:Know为AGV当前于运输路径中前进方向上与路面图像数据中子路面图像数据对应的AGV运输风险表现值;(u,v)表示运输安全判定阈值,Know×γ的值于式(1)中成立时,判定模块运行结束,刷新系统运行,Know×γ的值于式(2)中成立时,判定模块运行结束,触发决策模块运行,配置AGV运输路径协调逻辑;
控制终端与分析层、采集层及控制层通过无线网络交互连接,接收模块通过介质电性连接有采集模块、分割模块及识别模块,接收模块通过无线网络交互连接有分析模块,分析模块通过介质电性连接有传感模组及构建模块,识别模块通过无线网络交互连接有判定模块,判定模块通过介质电性连接有决策模块及驱动模块。
在本实施例中,控制终端控制分析层运行,传感模组运行感应AGV上是否装载玻璃,在装载玻璃时,对玻璃的规格参数进行获取,构建模块同步接收传感模组中获取到的玻璃规格参数,应用玻璃规格参数构建AGV上装载玻璃模型,分析模块后置运行接收传感模组中获取的玻璃规格参数及装载玻璃模型,基于玻璃规格参数及装载玻璃模型分析装载玻璃震动传导效益,接收模块实时接收分析层中分析到的装载玻璃震动传导效益,采集模块进一步运行采集AGV装载玻璃运输阶段运输路径的实时路面图像数据,再由分割模块接收采集模块采集的路面图像数据,对路面图像数据进行分割,得到子路面图像数据,并通过识别模块获取分割模块中分割到的子路面图像数据,基于各子路面图像数据识别AGV运输风险,最后判定模块运行设定运输安全判定阈值,接收分析层中分析的装载玻璃震动传导效益及采集层中识别的AGV运输风险,结合装载玻璃震动传导效益及采集层中识别的AGV运输风险与运输安全判定阈值比对,判定AGV当前运输状态是否安全,决策模块同步获取判定模块中AGV当前运输状态安全判定结果,基于判定结果触发AGV运输路径协调逻辑的配置,驱动模块接收决策模块中AGV运输路径协调逻辑的配置结果,应用AGV运输路径协调逻辑的配置结果驱动AGV运行。
通过上述实施例在配置于AGV使用时,能够在不改变AGV运行运输路径状态下,对AGV运行运输路径进行优化,有效规避运输路径中颠簸、不平整路段,使得AGV的运行运输过程更加稳定,对AGV运输的玻璃这类易碎品干扰损伤更小。
参见图3及图4所示,图3进一步展示了AGV3于运输路径1中的运行状态,并展示有路面图像数据2及子路面图像数据21,进而基于图4中显示内容,基于箭头指示,对AGV3于运输路径1中,由系统对AGV3进行控制,在运输路径1中的移动方向进行优化,从而尽可能规避了AGV3于运输路径1中存在不平整或颠簸的区域上移动的情况。
实施例2:
在具体实施层面,在实施例1的基础上,本实施例参照图1对实施例1中基于机器视觉的玻璃运输用AGV装置的控制系统做进一步具体说明:
基于玻璃规格参数中装载玻璃质量与一组玻璃的质量求取装载玻璃层数时,采用进一法取整,求得装载玻璃的层数。
通过上述设置,进一步为装载玻璃模型提供构建逻辑支持,为系统端用户带来了AGV上装载玻璃模型的可视化读取条件。
如图1所示,分割模块在对实时路面图像数据进行分割处理后,进一步对各分割得到的子路面图像数据进行纹理特征识别,子路面图像数据的纹理特征识别结果即运输路径路面状态参数;
其中,子路面图像数据的纹理特征包括:图像簇倾斜度、图像对比度、图像相关性。
通过上述设置,进一步限定了分割模块运行对实时路面图像数据进行分割时应用的分割逻辑,且为系统中采集层在执行AGV运输风险识别时,提供了必要的识别数据支持。
如图1所示,分割模块在对路面图像数据进行分割时,服从:
式中:M为分割组数;Lwidth为运输路径路面宽度;AGVwidth为AGV宽度;λ为常数;
其中,1≤λ<1.5,分割组数M采用去尾法取整,分割组数M被应用于路面图像数据的分割,且路面图像数据在基于分割组数M进行分割时,基于运输路径前进方向进行分割,分割所得的各子路面图像数据形状、大小相同相等。
通过上述公式计算,精准限定了分割模块在对路面图像数据进行分割时的分割逻辑。
如图1所示,决策模块中配置AGV运输路径协调逻辑的操作为:
Logicalsteps1:求取AGV于每一子路面图像数据对应路径上的AGV运输风险表现值,将各组求取的AGV运输风险表现值与装载玻璃震动传导效益γ相乘;
Logicalsteps2:获取处于(u,v)内,且值最小的一组相乘结果,获取最小一组相乘结果来源子路面图像数据;
Logicalsteps2:以Logicalsteps2中获取的子路面图像数据对应运输路径中区域作为目标区域,驱动AGV于运输路径中向目标区域移动;
其中,AGV于运输路径中向目标区域移动并到达后,进一步基于运输路径运行,并刷新系统运行。
通过上述逻辑步骤的设定,为系统中决策模块在为AGV配置运输路径协调逻辑时提供必要的逻辑支持,使AGV稳定完成路径协调操作,并使系统运行逻辑更加完整,能够连续运行,为AGV带来维护效果。
实施例3:
在具体实施层面,在实施例1的基础上,本实施例参照图2对实施例1中基于机器视觉的玻璃运输用AGV装置的控制系统做进一步具体说明:
基于机器视觉的玻璃运输用AGV装置的控制方法,包括以下步骤:
步骤1:获取AGV上装载玻璃的规格参数,基于装载玻璃规格参数生成装载玻璃模型;
步骤2:应用AGV上装载玻璃的规格参数及装载玻璃模型分析装载玻璃震动传导效益;
步骤21:装载玻璃震动传导效益分析逻辑的设定阶段;
步骤3:采集AGV于运输路径上的实时路面图像数据,于实时路面图像数据中获取路面状态参数,基于路面状态参数识别AGV运输风险;
步骤31:路面状态参数获取逻辑的设定阶段,AGV运输风险识别逻辑的设定阶段;
步骤4:结合AGV运输风险与装载玻璃震动传导效益判定AGV当前是否安全;
步骤41:判定逻辑的设定阶段;
步骤5:步骤4判定结果为是,结束,并刷新步骤执行;
步骤6:步骤4判定结果为否,对AGV于当前运输路径中进行路径协调;
步骤61:运输路径协调逻辑的设定阶段。
综上而言,上述实施例中系统在运行过程中,以AGV运输玻璃为例,对AGV上运输的玻璃进行规格参数采集,进而为运输玻璃三维模型的构建提供了构建逻辑支持,为用户带来可视化读取条件,且基于玻璃规格参数完成了震动传导效益分析,进一步的基于运输路径中实时路面的图像采集,对AGV运输安全风险进行识别,最终结合震动传导效益分析结果及AGV运输安全风险识别结果,对AGV的运输过程带来更加可靠精准的安全分析,并进一步基于分析结果,实现AGV运输路径的优化,确保AGV按运输路径运输物品的过程稳定,尽可能规避颠簸路段,为运输物品带来安全保障;且本系统在运行过程中,在AGV运输路径路面图像采集阶段,对路面图像进行分割处理,并进一步基于图像分割结果所得的子路面图像数据对路面进行分布式分析,使得分析结果更加精准有效,且以此作为AGV运输路径优化的数据支持,为AGV带来连续的安全可靠的运输路径维护效果;同时,实施例中方法为系统的运行提供了更进一步的运行逻辑支持,且由该方法中步骤的执行,使系统运行更加稳定,为AGV带来稳定的智能控制效果。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.基于机器视觉的玻璃运输用AGV装置的控制系统,其特征在于,包括控制终端、分析层、采集层、控制层:
控制终端,是系统的主控端,用于发出控制命令;
AGV上装载玻璃通过分析层获取装载玻璃规格参数,并基于装载玻璃规格参数生成装载玻璃模型,基于装载玻璃模型分析装载玻璃震动传导效益,采集层同步获取分析层中分析的装载玻璃震动传导效益,并于AGV装载玻璃运输阶段,实时采集运输路径路面状态参数,基于运输路径路面状态参数,识别AGV运输风险,控制层实时接收采集层中识别的AGV运输风险,基于AGV运输风险决策是否对当前运输路径进行协调,并在决策结果为对当前运输路径进行协调,为AGV配置运输路径协调逻辑,AGV基于运输路径协调逻辑进一步运行;
所述采集层包括接收模块、采集模块、分割模块及识别模块,接收模块用于接收分析层中分析到的装载玻璃震动传导效益,采集模块用于采集AGV装载玻璃运输阶段运输路径的实时路面图像数据,分割模块用于接收采集模块采集的路面图像数据,对路面图像数据进行分割,得到子路面图像数据,识别模块用于获取分割模块中分割到的子路面图像数据,基于各子路面图像数据识别AGV运输风险;
所述识别模块中AGV运输风险通过下式进行求取,公式为:
式中:K为AGV运输风险表现值;i、j为灰度级别的索引;GLCM(i,j)为图像的GLCM中相应索引位置的值;μ为图像的GLCM中所有元素的均值;μx、μy为图像的GLCM中的行和列的均值;σx、σy为图像的GLCM中的行和列的标准差;
其中,∑(((i+j)-μ)4×GLCM(i,j))表示子路面图像的簇倾斜度,∑(|i-j|2×GLCM(i,j))表示子路面图像的对比度,表示子路面图像的相关性。
2.根据权利要求1所述的基于机器视觉的玻璃运输用AGV装置的控制系统,其特征在于,所述分析层包括传感模组、构建模块及分析模块,传感模组用于感应AGV上是否装载玻璃,在装载玻璃时,对玻璃的规格参数进行获取,构建模块用于接收传感模组中获取到的玻璃规格参数,应用玻璃规格参数构建AGV上装载玻璃模型,分析模块用于接收传感模组中获取的玻璃规格参数及装载玻璃模型,基于玻璃规格参数及装载玻璃模型分析装载玻璃震动传导效益;
其中,所述传感模组由若干组称重传感器组成、若干组所述称重传感器均匀分布在AGV的顶面,所述传感模组中获取的玻璃规格参数包括:装载玻璃质量、装载玻璃重心,所述玻璃规格参数还包括装载玻璃中一组玻璃的厚度、密度及面积,装载玻璃的厚度、密度及面积规格参数由系统端用户手动上传至传感模组中,于传感模组中储存,构建模块在构建装载玻璃模型时,基于玻璃规格参数中装载玻璃中一组玻璃的厚度、密度及面积,求得一组玻璃的质量,进一步基于玻璃规格参数中装载玻璃质量与一组玻璃的质量求得装载玻璃层数,再以求取的装载玻璃层数及装载玻璃中一组玻璃的厚度及面积构建装载玻璃模型,所述构建模块中构建的装载玻璃模型即分析层中生成的装载玻璃模型。
3.根据权利要求2所述的基于机器视觉的玻璃运输用AGV装置的控制系统,其特征在于,基于玻璃规格参数中装载玻璃质量与一组玻璃的质量求取装载玻璃层数时,采用进一法取整,求得装载玻璃的层数。
4.根据权利要求1所述的基于机器视觉的玻璃运输用AGV装置的控制系统,其特征在于,所述分析模块中对于装载玻璃震动传导效益的分析逻辑表示为:
式中:γ为装载玻璃震动传导效益;q为AGV上装载玻璃的数量;m为AGV上装载玻璃中一组玻璃的质量;υdis为AGV上装载玻璃的离散程度;ρ为AGV上装载玻璃的密度;η为归一化因子;
其中,装载玻璃震动传导效益γ越高,则表示AGV上装载玻璃的运输稳定性越差,反之,则表示AGV上装载玻璃的运输稳定性越佳,fcog为AGV上装载玻璃的重心偏移,n为受力的称重传感器的集合;PMAX为受力最大的称重传感器感应到的重量;PMIN为受力最小的称重传感器感应到的重量;Pi为第i组受力的称重传感器感应到的重量;Pftf为第i组受力称重传感器相对侧受力称重传感器感应到的重量,/>为表示求和结果的求均,η∈[1,2),且服从ρ越大,η取值越大,ρ越小,η取值越小的设定逻辑。
5.根据权利要求1所述的基于机器视觉的玻璃运输用AGV装置的控制系统,其特征在于,所述分割模块在对实时路面图像数据进行分割处理后,进一步对各分割得到的子路面图像数据进行纹理特征识别,子路面图像数据的纹理特征识别结果即运输路径路面状态参数;
其中,子路面图像数据的纹理特征包括:图像簇倾斜度、图像对比度、图像相关性。
6.根据权利要求1所述的基于机器视觉的玻璃运输用AGV装置的控制系统,其特征在于,所述分割模块在对路面图像数据进行分割时,服从:
式中:M为分割组数;Lwidth为运输路径路面宽度;AGVwidth为AGV宽度;λ为常数;
其中,1≤λ<1.5,分割组数M采用去尾法取整,分割组数M被应用于路面图像数据的分割,且路面图像数据在基于分割组数M进行分割时,基于运输路径前进方向进行分割,分割所得的各子路面图像数据形状、大小相同相等。
7.根据权利要求1所述的基于机器视觉的玻璃运输用AGV装置的控制系统,其特征在于,所述控制层包括判定模块、决策模块及驱动模块,判定模块用于设定运输安全判定阈值,接收分析层中分析的装载玻璃震动传导效益及采集层中识别的AGV运输风险,结合装载玻璃震动传导效益及采集层中识别的AGV运输风险与运输安全判定阈值比对,判定AGV当前运输状态是否安全,决策模块用于获取判定模块中AGV当前运输状态安全判定结果,基于判定结果触发AGV运输路径协调逻辑的配置,驱动模块用于接收决策模块中AGV运输路径协调逻辑的配置结果,应用AGV运输路径协调逻辑的配置结果驱动AGV运行;
其中,所述判定模块中结合装载玻璃震动传导效益及采集层中识别的AGV运输风险与运输安全判定阈值比对的逻辑为:
式中:Know为AGV当前于运输路径中前进方向上与路面图像数据中子路面图像数据对应的AGV运输风险表现值;(u,v)表示运输安全判定阈值,Know×γ的值于式(1)中成立时,判定模块运行结束,刷新系统运行,Know×γ的值于式(2)中成立时,判定模块运行结束,触发决策模块运行,配置AGV运输路径协调逻辑。
8.根据权利要求7所述的基于机器视觉的玻璃运输用AGV装置的控制系统,其特征在于,所述决策模块中配置AGV运输路径协调逻辑的操作为:
Logicalsteps1:求取AGV于每一子路面图像数据对应路径上的AGV运输风险表现值,将各组求取的AGV运输风险表现值与装载玻璃震动传导效益γ相乘;
Logicalsteps2:获取处于(u,v)内,且值最小的一组相乘结果,获取最小一组相乘结果来源子路面图像数据;
Logicalsteps2:以Logicalsteps2中获取的子路面图像数据对应运输路径中区域作为目标区域,驱动AGV于运输路径中向目标区域移动;
其中,AGV于运输路径中向目标区域移动并到达后,进一步基于运输路径运行,并刷新系统运行。
9.根据权利要求1所述的基于机器视觉的玻璃运输用AGV装置的控制系统,其特征在于,所述控制终端与分析层、采集层及控制层通过无线网络交互连接,所述接收模块通过介质电性连接有采集模块、分割模块及识别模块,所述接收模块通过无线网络交互连接有分析模块,所述分析模块通过介质电性连接有传感模组及构建模块,所述识别模块通过无线网络交互连接有判定模块,所述判定模块通过介质电性连接有决策模块及驱动模块。
10.基于机器视觉的玻璃运输用AGV装置的控制方法,所述方法是对如权利要求1-9中任意一项所述基于机器视觉的玻璃运输用AGV装置的控制系统的实施方法,其特征在于,包括以下步骤:
步骤1:获取AGV上装载玻璃的规格参数,基于装载玻璃规格参数生成装载玻璃模型;
步骤2:应用AGV上装载玻璃的规格参数及装载玻璃模型分析装载玻璃震动传导效益;
步骤21:装载玻璃震动传导效益分析逻辑的设定阶段;
步骤3:采集AGV于运输路径上的实时路面图像数据,于实时路面图像数据中获取路面状态参数,基于路面状态参数识别AGV运输风险;
步骤31:路面状态参数获取逻辑的设定阶段,AGV运输风险识别逻辑的设定阶段;
步骤4:结合AGV运输风险与装载玻璃震动传导效益判定AGV当前是否安全;
步骤41:判定逻辑的设定阶段;
步骤5:步骤4判定结果为是,结束,并刷新步骤执行;
步骤6:步骤4判定结果为否,对AGV于当前运输路径中进行路径协调;
步骤61:运输路径协调逻辑的设定阶段。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410072681.6A CN117908544B (zh) | 2024-01-18 | 2024-01-18 | 基于机器视觉的玻璃运输用agv装置的控制系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410072681.6A CN117908544B (zh) | 2024-01-18 | 2024-01-18 | 基于机器视觉的玻璃运输用agv装置的控制系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117908544A true CN117908544A (zh) | 2024-04-19 |
CN117908544B CN117908544B (zh) | 2024-07-30 |
Family
ID=90688686
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410072681.6A Active CN117908544B (zh) | 2024-01-18 | 2024-01-18 | 基于机器视觉的玻璃运输用agv装置的控制系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117908544B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106774313A (zh) * | 2016-12-06 | 2017-05-31 | 广州大学 | 一种基于多传感器的室外自动避障agv导航方法 |
CN111783686A (zh) * | 2020-07-03 | 2020-10-16 | 中国交通通信信息中心 | 一种沥青路面健康状态监测系统和方法 |
CN112783133A (zh) * | 2021-01-25 | 2021-05-11 | 南京航空航天大学 | 一种agv运行状态预测方法 |
CN114715158A (zh) * | 2022-04-22 | 2022-07-08 | 石家庄铁道大学 | 一种基于路面纹理特征的路面附着系数的测定装置及方法 |
CN115285618A (zh) * | 2022-08-02 | 2022-11-04 | 成都振鑫丰机电设备有限公司 | 一种agv智能机器人运行作业状态监测分析控制系统 |
KR20230052523A (ko) * | 2021-10-13 | 2023-04-20 | 구자욱 | Agv 운행 영상 수집분석 시스템 |
CN117359636A (zh) * | 2023-11-12 | 2024-01-09 | 连云港中普鼎德科技有限公司 | 一种基于Python的巡检机器人的机器视觉系统 |
-
2024
- 2024-01-18 CN CN202410072681.6A patent/CN117908544B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106774313A (zh) * | 2016-12-06 | 2017-05-31 | 广州大学 | 一种基于多传感器的室外自动避障agv导航方法 |
CN111783686A (zh) * | 2020-07-03 | 2020-10-16 | 中国交通通信信息中心 | 一种沥青路面健康状态监测系统和方法 |
CN112783133A (zh) * | 2021-01-25 | 2021-05-11 | 南京航空航天大学 | 一种agv运行状态预测方法 |
KR20230052523A (ko) * | 2021-10-13 | 2023-04-20 | 구자욱 | Agv 운행 영상 수집분석 시스템 |
CN114715158A (zh) * | 2022-04-22 | 2022-07-08 | 石家庄铁道大学 | 一种基于路面纹理特征的路面附着系数的测定装置及方法 |
CN115285618A (zh) * | 2022-08-02 | 2022-11-04 | 成都振鑫丰机电设备有限公司 | 一种agv智能机器人运行作业状态监测分析控制系统 |
CN117359636A (zh) * | 2023-11-12 | 2024-01-09 | 连云港中普鼎德科技有限公司 | 一种基于Python的巡检机器人的机器视觉系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117908544B (zh) | 2024-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103593670A (zh) | 一种基于在线序列极限学习机的铜板带表面缺陷检测方法 | |
CN110969660B (zh) | 一种基于三维立体视觉和点云深度学习的机器人上料系统 | |
CN101567097B (zh) | 基于双行视差时空图的公交车客流自动计数方法及其系统 | |
CN112464773B (zh) | 一种道路类型识别方法、装置及系统 | |
CN114976306A (zh) | 一种基于车联云的动力锂电池智能化梯次利用方法 | |
CN117392853B (zh) | 一种基于云端的大数据智能车道控制系统 | |
CN117908544B (zh) | 基于机器视觉的玻璃运输用agv装置的控制系统及方法 | |
CN115294033A (zh) | 一种基于语义分割网络的轮胎带束层差级和错边缺陷检测方法 | |
CN117786439B (zh) | 医用搬运机器人视觉智能导航系统 | |
CN117690085A (zh) | 一种视频ai分析系统、方法及存储介质 | |
CN116777836A (zh) | 一种基于多模态数据驱动的注塑工艺产品品质检测方法 | |
CN115311229A (zh) | 基于激光雷达的路面病害检测分类方法、系统和存储介质 | |
Vosahlik et al. | Self-supervised learning of camera-based drivable surface friction | |
CN103179332B (zh) | 一种基于fpga技术的视觉目标自适应检测控制器 | |
CN114004820A (zh) | 基于双视觉融合的输送带纵向撕裂检测方法 | |
CN117563960A (zh) | 一种自动化外观检测方法和装置 | |
CN117269168B (zh) | 一种新能源汽车精密零配件表面缺陷检测装置及检测方法 | |
CN113657161A (zh) | 一种非标小障碍物检测方法、装置与自动驾驶系统 | |
CN111079744B (zh) | 适用于复杂光照环境的车辆车牌智能识别方法及装置 | |
CN107909024A (zh) | 基于图像识别和红外避障的车辆跟踪系统、方法及车辆 | |
CN116805409A (zh) | 一种利用行车视频进行路面状态识别与平整性评估的方法 | |
CN116630904A (zh) | 融合非临近跳连与多尺度残差结构的小目标车辆检测方法 | |
CN110084190B (zh) | 一种基于ann的剧烈光照环境下实时非结构化道路检测方法 | |
CN113222479A (zh) | 基于区块链和产业供应链的数据分析管理系统及方法 | |
Bezawada et al. | Modeling lane and road characteristics for drive quality rating |
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 |