雙向運動型視覺導引AGV關(guān)鍵技術(shù)研究及實現(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)得到了廣泛應用。從理論上看，視覺導引AGV具有較好的技術(shù)應用前景，然而其卻沒能像電磁導引和激光導引AGV那樣廣泛使用，主要問題在于視覺導引技術(shù)在實時性、魯棒性和測量精度方面還有待進一步突破。本文在回顧了國內(nèi)外研究人員在AGV和視覺導航方面的研究現(xiàn)狀的基礎(chǔ)上，以雙向運動型視覺導引AGV為對象，主要圍繞四個關(guān)鍵技術(shù)問題開展研究。
　

2、　 視覺導引AGV的系統(tǒng)誤差主要來自兩個方面，即圖像失真和攝像機相對AGV運動控制坐標系的位姿誤差，精確地標定能夠有效消除其系統(tǒng)誤差。本文針對雙向運動型視覺導引AGV的系統(tǒng)結(jié)構(gòu)特性，本文提出一種基于靜止和運動兩種狀態(tài)的系統(tǒng)標定方法。首先在靜止狀態(tài)下采用平面模板標定法標定出攝像機的內(nèi)部參數(shù)、徑向畸變參數(shù)和相對地面的外部參數(shù)，然后建立了一種針對三種圖像失真的聯(lián)合校正模型。最后，在AGV直線運動和自轉(zhuǎn)運動兩種狀態(tài)下，標定出失真校正后的圖像坐

3、標系相對AGV運動控制坐標系的旋轉(zhuǎn)和平移參數(shù)，在AGV運動控制坐標系中得到攝像機的精確位置姿態(tài)，以消除系統(tǒng)誤差。實驗證明，該方法具有精度高、柔性好的特點。
　　 視覺信息處理要建立在真實、準確的路徑特征提取基礎(chǔ)之上，即解決與攝像機同軸的環(huán)形LED陣列光源對遠場景、大視場的非均勻光照問題和高光現(xiàn)象。本文建立了遠場景環(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)估計出光照模型的參數(shù)，并通過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YCbCr彩色圖像的藍色色度分量Cb補色，再采用雙邊濾波算法做圖像增強，提高藍色導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圖像增強后，由彩色圖像處理算法可以提取雙向?qū)б窂街行木€。為了實現(xiàn)直線、圓弧和其他非理想路徑的自適應模型估計，本文提出了基于曲率角估計統(tǒng)計特征的自適應路徑模型分類和

5、模型估計新方法。首先分析了雙向運動型AGV運動特性和3種平面曲線特性，再根據(jù)測量目標精度，提出了一種基于曲率角估計統(tǒng)計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的自適應加權(quán)擬合算法對三種模型的參數(shù)進行回歸，并對計算結(jié)果進行系統(tǒng)誤差補償，有效提高了視覺測量精度。
　　 視覺導引AGV導引路徑分為雙向路徑和多分支路徑。為了實時、可靠地識別雙向運動型視覺導引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方法結(jié)合起來，提出了一種基于知識獲取實時性和類的相似性的分層多分支路徑識別新方法。利用粗糙集信息粒化理論，采用分層遞階的規(guī)則約簡方法獲得最小的識別決策規(guī)則，有效降低分類識別的復雜性；利用分類決策安全區(qū)域?qū)W習的方法，使線性不可分的不確定性問題有條件地線性可分，提高多分支路徑識別的魯棒性。最后，多種環(huán)境下的AGV運行測試驗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、計開發(fā)了一種雙向運動型視覺導引AGV樣車 NHV-Ⅱ。NHV-Ⅱ以TMS320DM642 DSP作為視覺導引系統(tǒng)處理器，在嵌入式實時操作系統(tǒng)DSP/BIOS上實現(xiàn)了視頻采集、視頻處理、通訊等多任務算法。通過車載RFID讀卡器、工業(yè)無線以太網(wǎng)通訊和地面控制站實現(xiàn)AGVS地圖創(chuàng)建、工位識別、路徑規(guī)劃、任務調(diào)度和狀態(tài)監(jiān)控。最后，在多種不同實驗環(huán)境下通過NHV-Ⅱ，對本文提出的方法和技術(shù)進行了實驗驗證。實驗表明其有效解決了視覺導引技術(shù)在實時性、