双向型单目视觉自动导引车路径识别及测量

计算机工程与应用 ›› 2015, Vol. 51 ›› Issue (8): 260-265.

双向型单目视觉自动导引车路径识别及测量

李惠光，李金超，李国友，姜洪磊，刘长印

燕山大学电气工程学院，河北秦皇岛 066004

出版日期:2015-04-15 发布日期:2015-04-29

Path identification and measurement of bi-directional AGV based on monocular vision

LI Huiguang, LI Jinchao, LI Guoyou, JIANG Honglei, LIU Changyin

School of Electrical Engineering, Yanshan University, Qinhuangdao, Hebei 066004, China

Online:2015-04-15 Published:2015-04-29

摘要/Abstract

摘要： 为了提高双向型自动导引车的视觉导引精度，通过处理彩色图像提取导引路径中心线；根据测量目标对自动导引车的导引精度，提出一种基于平均斜率差及拐点分辨指数估计的路径模型分类方法，将路径分为直线、圆弧拐弯和非圆弧拐弯3种模型，并采用最小均方差法对直线模型参数进行回归，用Levenberg-Marquardt法对圆弧模型进行拟合，根据拐点位置将非圆弧拐弯进行分段拟合。实验结果表明，该方法对基于单目视觉的路径识别有很好的效果，同时测量精度也达到目标要求。

关键词: 视觉导航, 自动导引车, 平均斜率差, 拐点分辨指数, 圆弧拟合

Abstract: In order to improve visual navigation accuracy of bi-directional automatic guided vehicles, it extracts the centerline of guide path by processing color images. According to measurement accuracy between the target and automated guided vehicles, a method of path model classification based on the average slope difference and cornerity distinguish index estimation is proposed, which divides path into lines, arcs and non-circular turning three kinds of models, and it uses MMSE method for parametric regression to linear model, uses the Levenberg-Marquardt method to fit the arc model, according to the position of cornerity point, it divides non-circular turning model into sections and fits these sections respectively. Experimental results show that this method not only has a good performance on path identification which is based on monocular vision, but also achieves the measurement accuracy requirements of target.

Key words: visual navigation, automatic guided vehicles, average slope difference, cornerity distinguish index, arc fitting

李惠光，李金超，李国友，姜洪磊，刘长印. 双向型单目视觉自动导引车路径识别及测量[J]. 计算机工程与应用, 2015, 51(8): 260-265.

LI Huiguang, LI Jinchao, LI Guoyou, JIANG Honglei, LIU Changyin. Path identification and measurement of bi-directional AGV based on monocular vision[J]. Computer Engineering and Applications, 2015, 51(8): 260-265.

[1]	蒋林，方东君，雷斌，李维刚. 单目视觉移动机器人导航算法研究现状及趋势[J]. 计算机工程与应用, 2021, 57(5): 1-9.
[2]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[3]	陈展，公建宁，刘媛媛，徐京邦. 基于禁忌搜索的多AGV系统路径优化算法[J]. 计算机工程与应用, 2021, 57(10): 273-278.
[4]	于赫年，白桦，李超. 仓储式多AGV系统的路径规划研究及仿真[J]. 计算机工程与应用, 2020, 56(2): 233-241.
[5]	胡蔚旻，靳文舟. 改进平滑A*算法的多AGV路径规划[J]. 计算机工程与应用, 2020, 56(16): 204-210.
[6]	赵江，张岩，马泽文，叶子超. 对AGV路径规划A星算法的改进与验证[J]. 计算机工程与应用, 2018, 54(21): 217-223.
[7]	汤旻安1，2，谷宝慧1. 改进PSO在AGV系统路径优化调度中的应用研究[J]. 计算机工程与应用, 2016, 52(3): 261-265.
[8]	涂兵1，2，3，潘建武1，2，3，张国云1，2，3，李朝辉1，3，李孝春1，3. 基于LBP和稀疏表示的天际线检测算法研究[J]. 计算机工程与应用, 2016, 52(20): 158-162.
[9]	乔奎贤1，赵妮1，李耀军2. 基于SURF特征的航空序列图像位置估计算法[J]. 计算机工程与应用, 2013, 49(14): 164-169.
[10]	吴俊君1，2，胡国生1，朱克武1. 仿生机器人视觉导航研究分析[J]. 计算机工程与应用, 2012, 48(22): 1-9.
[11]	沈春生，王耀南. 移动机器人目标分割及测距方法研究[J]. 计算机工程与应用, 2011, 47(23): 181-184.
[12]	张志斌，潘华稳，李琛，王冰清. 一种基于平均垄间距的视觉导航垄线识别算法[J]. 计算机工程与应用, 2011, 47(22): 191-194.
[13]	蒋海波，张云伟，郭志伟，张伟. 室外机器人视觉导航的路径结构识别[J]. 计算机工程与应用, 2010, 46(7): 245-248.
[14]	王冠林，史海庆，谭洪胜，朱纪洪. 旋翼空中机器人系统架构及设计[J]. 计算机工程与应用, 2010, 46(27): 66-69.
[15]	傅瑶¹，张崇巍¹，鲍伟¹，徐玉华¹，汪木兰². 基于广义预测控制的移动机器人视觉导航[J]. 计算机工程与应用, 2009, 45(31): 230-232.