复杂工况下视觉AGV导航标识带中心线的提取研究

针对光照不均匀、导航标识带破损、少量杂物干扰的复杂工况条件下,对视觉AGV采集到的路面导航标识带图片进行特征提取,采用灰度化、中值滤波进行了图像预处理,研究了Otsu法和迭代法等动态阈值分割算法以及形态学在图像分割中的应用,并对预处理图像作了分割对比实验;然后对分割后的图像进行边缘提取,分析了基于最小二乘法和Hough变换算法的直线拟合原原理,提出了Hough算法下基于边缘线的中心线拟合算法,并作了直线拟合对比试验;实验表明,复杂工况下,采用基于形态学和Otsu算法相结合的方法对图像进行分割,得到的二值图像边界更完整,效果更好,基于Hough变换算法较最小二乘法能更精确有效地提取出导航标识带中心线及其方程。     

强光照条件下车道标识线识别与跟踪方法

为了实现强光照条件下车道标识线的准确识别和跟踪,采用基于直方图锥形拉伸算法对原始图像进行处理,以提高图像整体对比度,利用SUSAN算法提取出处理后图像中的边缘,对边缘图像利用定向边界跟踪算法进行滤波,利用Hough变换提取出车道标识线参数完成对道路图像中的车道标识线的识别,最后采用建立梯形感兴趣区域来实现对车道标识线的实时跟踪.试验结果表明该方法具有较强的鲁棒性和较好的实时性.     

梯形视野结构化道路视觉识别方法研究

本文对基于机器视觉的路径识别方法进行了研究。通过对采集的路面图像进行中值滤波、边缘增强、动态阈值二值化,获得良好的路标图像。根据道路特征识别出道路标识线,并拟合出车辆运动的引导线。使用梯形小视野直线拟合法,减少图像处理时间和提高道路识别的可靠性。通过自制小车的实验表明,该算法具有良好的实时性、可靠性。     

偏振光实时定位的标识线导航路径图像识别

针对传统方法存在图像噪声免疫性弱、识别偏差大、导航路径实时性较差的问题,提出基于偏振光实时定位的标识线导航路径图像识别方法.通过选取四个偏振光的偏振方向向量、时间信息、太阳方向向量判定方式与地磁信息,获取当地的地理坐标,完成偏振光实时定位.采用中值滤波技术实现图像的降噪与边缘处理,通过目标、背景区域与整体路径图像的关系,利用Otsu方法在直方图灰度变化区间内选取一个阈值,令该阈值满足类内方差极小、类间方差极大的条件,从而获得最佳阈值.再使用架构的判定函数验证阈值,根据抽行扫描法获得标识线的中心像素方位,并对其拟合,最后依据数学形态学实现对标识线的有效识别.实验结果表明,所提方法可以有效去除图像中存在的噪声点,在路径识别中能有效识别出各类标识物,识别效果较好.     

基于视觉AGV的行驶状态数字化控制技术的研究

基于视觉导航的自动导航小车(AGV)依靠车载CCD摄像机获取车辆周围的图像信息,再经车载计算机对获取的图像信息进行分析得出控制AGV行驶的控制信息,从而便车辆在无人控制下按设定的路径的行驶状态自动行驶;提出将AGV行驶的速度、定时停车、停车等行驶状态信息进行数字化并用条形码进行表示的方法实现对AGV行驶状态的控制,给出控制信息数字化和条形码编制、扫描、识别的算法;利用计算机模拟AGV实际的运行状态对上述方法进行仿真,仿真结果表明,该方法具有识别算法简单、易于进行定性和定量控制、使用灵活、鲁棒性好的特点.     

基于边缘分布函数的车道标识线识别方法

为了得到较理想的车道标识线的边缘,考虑车道标识线的方向特性,提出一种基于边缘分布函数（EDF）的图像预处理方法。将图像分区处理,在对图像中的噪声特性进行EDF分析的基础上,对处理区域作如下处理：首先将梯度角量化为4-方向,去除与车道标识线方向不一致的噪声,得到边缘图像;然后利用EDF对边缘图像滤波,确定车道标识线角度初值;最后应用Hough变换定位出车道标识线。实验结果表明,该方法能够更加有效地强化车道标识线信息,去除噪声,具有较好的鲁棒性和实时性。     

视觉引导AGV中的数字图像处理方法

利用计算机视觉技术引导自动运输车AGV(Automatic Guided Vehicle)是一种重要的AGV导航手段。该方法通过摄像头获取道路图像信息并进行处理,获得道路参数,以此来指引AGV导航。现有的视觉导航算法大多复杂度较大,难以满足实际应用的实时性需求。提出一种基于道路参数识别的视觉引导方法,将道路中的道路识别为曲线参数,结合预测进行修正,在保证精度的前提下,大幅提高算法效率。理论分析和实验结果表明,该方法具有识别精度高,执行速度快,能达到实用化的要求。     

智能车辆导航中道路图像的处理

本文首先用循环迭代阈值分割的方法对道路标识线图像进行二值化处理,然后用数学形态学滤波的图像处理方法对二值化图像进行去噪处理.验证结果表明,本文所提算法原理简单,计算量小,有效提高了道路图像地识别速度,从而为后续的智能车辆导航参数的提取提供了有力保证,以及为实现智能车辆视觉导航的实时性、鲁棒性和抗噪声能力奠定了基础.     

基于OpenCv的车道标识线检测识别算法的研究

由于路面结构、光照变化、阴影等因素的影响,传统的道路标识线的识别算法常常会出现道路标识线识别不准确的现象。针对这种情况,提出基于Open Cv的车道标识线检测识别算法。算法首先先对原始图像进行平滑处理和中值滤波处理,去除周围环境的影响,再使用canny算子进行边缘检测,得到车道标识线基本轮廓,最后再进行图像的二值化分割和Hough变换得到车道标识线参数。实验结果表明,该方法通过一系列的变换和处理后,能够消除路面结构、光照变化、阴影等的影响,清晰准确地识别出道路标识线,具有很好的准确性、鲁棒性和可靠性。     

输送带跑偏检测方法研究

基于机器视觉的输送带跑偏检测方法检测的输送带边缘特征中包含伪边缘,现有研究难以识别伪边缘,且多场景适应性差。针对该问题,对输送带监控图像提取感兴趣区域（ROI）并进行归一化,采用较大阈值区间的Canny算法提取边缘特征点,以提高算法的场景适应性,并采用形态学滤波方法处理部分杂质及伪边缘;对于Canny算法无法检测到有效边缘的图像,对提取的ROI进行伽马变换和45,135°方向的梯度滤波,以增强边缘特征,之后进行基于Canny算法的特征点提取和形态学滤波。以边缘点像素值关系、邻域特征、紧密性特征,以及边缘线长度、相对位置、斜率等作为约束条件,采用基于分治搜索思想的直线筛选排序算法对提取的边缘特征点进行筛选及拟合,得到输送带实时边缘。将实时边缘的像素值与未发生跑偏时边缘像素值做差,得到当前跑偏的像素值。试验结果表明,针对多种场景下的输送带监控图像,基于Canny算法和直线筛选排序的输送带跑偏检测方法检测误差小于3个像素值,百张图像检测时间为6.945 1 s,边缘计算机处理4路视频图像的CPU占有率为132%,满足现场输送带边缘检测的准确性、实时性要求。     

Model-based location of automated guided vehicles in the navigation sessions by 3d computer vision

A model-based approach to determining the location of an automated guided vehicle (AGV) in the navigation session is proposed. Significant scenes along the navigation path are taken and stored as model images. Also, specific templates of each model image are chosen in advance for matching. When the AGV approaches one significant scene in the navigation session, an input image is taken and the corresponding model image is fetched. Each template in the model image is matched with the input image through the use of the three-step method. The templates are directly used for matching; therefore, no special image processing techniques are required for the input image in the navigation session. In addition, several templates in a model image are used for matching instead of the model image itself. This promotes the robustness of the matching results and saves the computation cost. Furthermore, the 2D string method is used as a post-verifier to discard erroneous matching results. The remaining correct matching results then can be used to determine the vehicle location on the navigation path. Simulated experiments are implemented and the results confirm the feasibility of the proposed approach. © 1994 John Wiley & Sons, Inc.     

AGV视觉导向Hough变换算法的FPGA硬件实现

目前,自动导引小车的应用越来越普遍,视觉导向作为一种灵活的自动导引小车的导向方式有广阔的应用前景。为了实现地面标示线的自动识别跟踪,提出了一种基于FPGA硬件实现Hough变换算法的方法,应用在自动导引小车上可以满足实时的图像处理与路径跟踪需求。     

一种基于PCNN的医学图像边缘提取方法*

边缘提取是图像处理的基础工作,如何精确、有效地提取边缘是图像处理领域相关学者讨论的热点问题,由此产生的各种边缘检测方法层出不穷并且得到了很好的应用,但这些方法都无法达到人眼识别物体边缘的精确程度。目前脉冲耦合神经网络（pulse coupled neural network, PCNN）是图像处理领域较为接近生物视觉进行图像处理的有力工具。改进基本的PCNN模型,提出了一种新的模拟生物视觉提取图像边缘的方法,该改进方法有效地利用了PCNN的特性。将该方法应用于医学图像的边缘提取,并与几种经典边缘检测算法、     

基于改进遗传算法的AGV路径规划

为解决基本遗传算法在规划AGV运行路径时存在早熟收敛的问题,对基本遗传算法进行改进优化。用模拟退火法进行种群选择,提高种群的差异性;改进交叉、变异算子自整定策略和精英策略,提高算法的收敛速度;在适应度函数中加入路径曲折度、路径繁忙度和车辆负重度等多个规划指标,使规划出的路径更符合实际。将优化后的算法与基本遗传算法进行比较,仿真结果表明,改进后算法在AGV路径规划中具有高效性。     

基于改进CBS算法的自动化码头多AGV无冲突路径规划

针对自动化集装箱码头上自动引导车（automated guided vehicle,AGV）数量增加导致冲突更频繁。提出一种改进的基于冲突的搜索（conflict based search,CBS）算法。底层采用基于曼哈顿距离的A*算法,上层结合二叉树原理建立冲突树对AGV之间的冲突进行规避。以最小化AGV在岸桥和堆场之间的总路径长度为目标,使用栅格法建立AGV路网模型。考虑AGV之间的点冲突与边冲突,将自动化码头多AGV无冲突路径规划问题规约为多智能体寻径问题。实验结果表明,所提出的算法在保证堵塞率为0%的前提下,缩短总路径长度并提高运算速度,验证算法的有效性。     

基于免疫蚁群融合算法的机械臂目标图像边缘检测*

针对工业机械臂目标自识别所需的高效图像边缘检测要求,提出了一种基于免疫蚁群融合算法的图像边缘检测方法。该方法以信息素为基准,通过注射疫苗进行免疫选择从而优化启发信息,提高后续遍历效率并有效缩短检测时间。避免了蚁群在游历全图时可能产生的局部最优、收敛停滞等问题,从而得到符合机械臂自识别要求的图像处理结果,并能够较好地提高迭代遍历效率,缩短后续处理时间。仿真实验结果表明,该算法能够得到较好的边缘检测结果。     

基于深度强化学习的AGV智能导航系统设计

针对现有的AGV在大规模未知复杂环境中进行自主导航配送的问题,基于深度强化学习完成了AGV智能导航系统设计。首先,结合传感器对周围的障碍物进行探测感知,利用DDPG（deep deterministic policy gradient）算法实现AGV小车从环境的感知输入到动作的直接输出控制,帮助AGV完成自主导航和避障任务。此外,针对训练样本易受环境干扰的问题,提出了一种新颖的DL（disturb learning）- DDPG算法,通过对学习样本中相关数据进行高斯噪声预处理,帮助智能体适应噪声状态下的训练环境,提升了AGV在真实环境中的鲁棒性。仿真实验表明,经改进后的DL-DDPG 算法能够为AGV导航系统提供更高效的在线决策能力,使AGV小车完成自主导航与智能控制。     

基于PMAC的自动引导车视觉导航研究

介绍了,一种基于PMAC技术的视觉导航自动引导车的组成及工作原理,针对室内自动引导车的工作特点,探讨了包括直线及特殊路标的视觉识别方法,并将所开发的路标识别算法移植到工控机中,对所研制的自动引导车进行了,导航路径跟踪实验;实验结果表明,该视觉导航系统自可比较准确地动引导车跟踪导航路标,具有较高的行驶稳定性,横向位移偏差可保持在10～10mm内。     

对AGV路径规划A星算法的改进与验证

为了减少AGV（Automate Guide Vehicle,自动导引车）的运输路径长度和转折次数,提出了改进的A星算法,采用几何方法对传统A星算法规划出的路径进行进一步优化。首先遍历路径上的所有节点,剔除路径中冗余节点和不必要拐点,获取仅包含起点、必要拐点、终点的路径。最后计算AGV在拐点处的旋转角度及旋转方向,使AGV在拐点处能够调整自身姿态。并分别对传统A星算法、蚁群算法和改进A星算法进行了对比实验。实验结果表明该方法不仅保留了A星算法运算速度快的优点,还能够有效地规划出距离短且平滑的路径。提高了AGV的运行效率,降低了AGV的耗能。