雙向運(yùn)動(dòng)型視覺(jué)導(dǎo)引AGV關(guān)鍵技術(shù)研究及實(shí)現(xiàn).pdf

1、AGV(Automated Guided Vehicle，AGV)作為現(xiàn)代制造系統(tǒng)中的物料傳送設(shè)備，已經(jīng)得到了廣泛應(yīng)用。從理論上看，視覺(jué)導(dǎo)引AGV具有較好的技術(shù)應(yīng)用前景，然而其卻沒(méi)能像電磁導(dǎo)引和激光導(dǎo)引AGV那樣廣泛使用，主要問(wèn)題在于視覺(jué)導(dǎo)引技術(shù)在實(shí)時(shí)性、魯棒性和測(cè)量精度方面還有待進(jìn)一步突破。本文在回顧了國(guó)內(nèi)外研究人員在AGV和視覺(jué)導(dǎo)航方面的研究現(xiàn)狀的基礎(chǔ)上，以雙向運(yùn)動(dòng)型視覺(jué)導(dǎo)引AGV為對(duì)象，主要圍繞四個(gè)關(guān)鍵技術(shù)問(wèn)題開(kāi)展研究。
　

2、　 視覺(jué)導(dǎo)引AGV的系統(tǒng)誤差主要來(lái)自兩個(gè)方面，即圖像失真和攝像機(jī)相對(duì)AGV運(yùn)動(dòng)控制坐標(biāo)系的位姿誤差，精確地標(biāo)定能夠有效消除其系統(tǒng)誤差。本文針對(duì)雙向運(yùn)動(dòng)型視覺(jué)導(dǎo)引AGV的系統(tǒng)結(jié)構(gòu)特性，本文提出一種基于靜止和運(yùn)動(dòng)兩種狀態(tài)的系統(tǒng)標(biāo)定方法。首先在靜止?fàn)顟B(tài)下采用平面模板標(biāo)定法標(biāo)定出攝像機(jī)的內(nèi)部參數(shù)、徑向畸變參數(shù)和相對(duì)地面的外部參數(shù)，然后建立了一種針對(duì)三種圖像失真的聯(lián)合校正模型。最后，在AGV直線運(yùn)動(dòng)和自轉(zhuǎn)運(yùn)動(dòng)兩種狀態(tài)下，標(biāo)定出失真校正后的圖像坐

3、標(biāo)系相對(duì)AGV運(yùn)動(dòng)控制坐標(biāo)系的旋轉(zhuǎn)和平移參數(shù)，在AGV運(yùn)動(dòng)控制坐標(biāo)系中得到攝像機(jī)的精確位置姿態(tài)，以消除系統(tǒng)誤差。實(shí)驗(yàn)證明，該方法具有精度高、柔性好的特點(diǎn)。
　　 視覺(jué)信息處理要建立在真實(shí)、準(zhǔn)確的路徑特征提取基礎(chǔ)之上，即解決與攝像機(jī)同軸的環(huán)形LED陣列光源對(duì)遠(yuǎn)場(chǎng)景、大視場(chǎng)的非均勻光照問(wèn)題和高光現(xiàn)象。本文建立了遠(yuǎn)場(chǎng)景環(huán)形LED光源的光照模型，由單色漫反射模板圖像，采用非線性最小二乘算法列文伯格-馬夸爾特法(Levenberg-Mar

4、quardt)估計(jì)出光照模型的參數(shù)，并通過(guò)基于平均輻照度的歸一化方法去除非均勻光照的影響。為了解決高光現(xiàn)象，本文首先對(duì)YCbCr彩色圖像的藍(lán)色色度分量Cb補(bǔ)色，再采用雙邊濾波算法做圖像增強(qiáng)，提高藍(lán)色導(dǎo)引路徑特征提取的魯棒性。
　　 采集的圖像經(jīng)圖像失真校正和非均勻光照?qǐng)D像增強(qiáng)后，由彩色圖像處理算法可以提取雙向?qū)б窂街行木€。為了實(shí)現(xiàn)直線、圓弧和其他非理想路徑的自適應(yīng)模型估計(jì)，本文提出了基于曲率角估計(jì)統(tǒng)計(jì)特征的自適應(yīng)路徑模型分類和

5、模型估計(jì)新方法。首先分析了雙向運(yùn)動(dòng)型AGV運(yùn)動(dòng)特性和3種平面曲線特性，再根據(jù)測(cè)量目標(biāo)精度，提出了一種基于曲率角估計(jì)統(tǒng)計(jì)特征的路徑模型分類方法，將路徑分為直線、圓弧轉(zhuǎn)彎和非圓弧轉(zhuǎn)彎三種模型；最后，采用基于曲率角估計(jì)的自適應(yīng)加權(quán)擬合算法對(duì)三種模型的參數(shù)進(jìn)行回歸，并對(duì)計(jì)算結(jié)果進(jìn)行系統(tǒng)誤差補(bǔ)償，有效提高了視覺(jué)測(cè)量精度。
　　 視覺(jué)導(dǎo)引AGV導(dǎo)引路徑分為雙向路徑和多分支路徑。為了實(shí)時(shí)、可靠地識(shí)別雙向運(yùn)動(dòng)型視覺(jué)導(dǎo)引AGV的多分支路徑，本文根

6、據(jù)智能信息融合的思想，將粗糙集理論與多類支持向量機(jī)方法結(jié)合起來(lái)，提出了一種基于知識(shí)獲取實(shí)時(shí)性和類的相似性的分層多分支路徑識(shí)別新方法。利用粗糙集信息?；碚?，采用分層遞階的規(guī)則約簡(jiǎn)方法獲得最小的識(shí)別決策規(guī)則，有效降低分類識(shí)別的復(fù)雜性；利用分類決策安全區(qū)域?qū)W習(xí)的方法，使線性不可分的不確定性問(wèn)題有條件地線性可分，提高多分支路徑識(shí)別的魯棒性。最后，多種環(huán)境下的AGV運(yùn)行測(cè)試驗(yàn)證了該方法的有效性和可靠性。
　　 本文在理論研究的基礎(chǔ)上，設(shè)

7、計(jì)開(kāi)發(fā)了一種雙向運(yùn)動(dòng)型視覺(jué)導(dǎo)引AGV樣車 NHV-Ⅱ。NHV-Ⅱ以TMS320DM642 DSP作為視覺(jué)導(dǎo)引系統(tǒng)處理器，在嵌入式實(shí)時(shí)操作系統(tǒng)DSP/BIOS上實(shí)現(xiàn)了視頻采集、視頻處理、通訊等多任務(wù)算法。通過(guò)車載RFID讀卡器、工業(yè)無(wú)線以太網(wǎng)通訊和地面控制站實(shí)現(xiàn)AGVS地圖創(chuàng)建、工位識(shí)別、路徑規(guī)劃、任務(wù)調(diào)度和狀態(tài)監(jiān)控。最后，在多種不同實(shí)驗(yàn)環(huán)境下通過(guò)NHV-Ⅱ，對(duì)本文提出的方法和技術(shù)進(jìn)行了實(shí)驗(yàn)驗(yàn)證。實(shí)驗(yàn)表明其有效解決了視覺(jué)導(dǎo)引技術(shù)在實(shí)時(shí)性、