[发明专利]一种基于视觉的AGV导航方法

权利要求书

1.一种基于视觉的AGV导航方法，其特征在于包括如下步骤：

(1)在自动导引运输车的前方、后方、左侧、右侧中心位置各安装一套视 觉系统，其中，视觉系统包括相机、光源、镜头及位置调整机械机构。

(2)在地面任意位置粘贴任意数量纵向导引线、横向导引线、驻车标志， 其中，自动导引运输车的运动轨迹为纵向导引线或横向导引线，驻车标志位于 纵向导引线或横向导引线的末端，纵向导引线、横向导引线相互垂直；

(3)令自动导引运输车上的相机实时采集自动导引运输车前方、后方、左 侧或右侧图像，在采集得到的图像中设置N个尺寸为a像素×a像素子图像组 成的方形监控区域，计算得到N个子图像的平均灰度值为

G‾=1N·a2Σk=1NΣi=1aΣj=1agij]]>

其中，g_ij为一个子图像中第i行第j列像素的灰度值，i＝1，2，3…a，j＝1， 2，3…a，k＝1，2，3…N；

(4)从外部获取图像目标亮度G₀，得到N个子图像的平均灰度值与目 标亮度G₀的比例因子d为

d=G0/(G‾+1)]]>

进而得到目标曝光量＝当前曝光量×d，然后调节当前相机的曝光量至目标 曝光量；

(5)将采集得到的图像中第x行、第y列的像素灰度值记为f(x,y)，然后 得到图像灰度增量Δf(i,j)为

Δf(i,j)＝[f(i+1,j)-f(i,j)]+[f(i,j+1)-f(i,j)]

进而得到x方向的图像灰度梯度变化G_x，y方向的图像灰度梯度变化G_y， 得到图像总的灰度梯度变化G为

G=Gx+Gy;]]>

(6)根据图像总的灰度梯度变化G得到图像中第i行的最小梯度，并记为 Min(i)，然后计算图像中各行最小梯度的平均值Min_Avg为

Min_Avg=1NΣi=1MMin(i)]]>

其中，M为图像的行数，i＝1，2，3…M；

(7)从外部获取附加阈值T₀，检测图像中第i行第j列的梯度G_ij，如果 G_ij>Min_Avg+T₀，则图像中第i行第j列的像素为边缘像素，否则为背景像素； 其中，附加阈值T₀为的取值范围为[20,70],i＝1，2，3…M,j＝1，2，3…M’，M’ 为图像的列数；

(8)将在同一列中连续排列的边缘像素作为一个单元，记为U_i,j，i表示第 j列中第i个像素所在行，j表示行，将单元U_i,j与下一列的单元U_k,j+1进行比较， 如果两者有相连或者重合的边缘像素，则两者为一个联通区域，遍历所有列得 到图像中的所有联通区域，i＝1，2，3…M,j＝1，2，3…M’，k＝1，2，3…M；

(9)计算图像中的各个联通区域的面积Area(m)并判断，如果Area(m)<T₁， 则将当前联通区域去除，否则保留当前联通区域，其中，T₁为图像中污点的最 大面积，m为步骤(8)得到的联通区域的个数；

(10)判断保留的联通区域，如果当前联通区域内像素数目不少于2/3总 像素个数且面积Area(m)>T₂且与图像中第1行或最后1行相交且当前联通区 域相对图像纵向中心线的偏角在[α₀,α₁]内，则当前联通区域为纵向导引线，如 果当前联通区域边缘像素数目不少于2/3总像素个数且面积Area(m)>T₃且与图 像中第1列或最后一列相交且当前联通区域相对图像横向中心线的偏角在 [-α,α]范围内，则当前联通区域为横向导引线，如果当前联通区域垂直于纵向 导引线且均匀分布在该纵向导引线两侧且面积Area(m)>T₄，则当前联通区域 为驻车标志，其中，T₂为的取值范围为[5000,30000]，T₃的取值范围为 [5000,30000]，T₄的取值范围为[300,1500]，α₀的取值范围为[-25°,0]，α₁的取 值范围为[0，25°]，α为20°；

(11)以图像左上角像素为原心，以平行于图像横向中心线的方向为x轴 指向，以平行于图像纵向中心线的方向为y轴指向，建立图像坐标系，对图像 进行第0列-第M’列搜索，将每一行遇到的第一个边缘像素记为x_ij,进行第M’ 列-第0列搜索，将第0列遇到的第一个边缘像素记为x_i’j’，当上述两个边缘像 素满足

时，

边缘像素x_ij、x_i’j’为可信的边缘像素，遍历图像中所有行得到所有可信的 边缘像素，进而得到纵向导引线两条边缘像素集合{x'_ij,y'_ij}、{x'_i'j',y'_i'j'}，其中， W₁的取值范围为[0-20]像素，W₂的取值范围为[0-50]像素，x_ij为图像中第i行 第j列的像素，x_i’j’为图像中第I’行第j’列的像素，x'_ij为边缘像素x_ij在图像坐标 系中的横向坐标值，y'_ij为边缘像素x_ij在图像坐标系中的纵向坐标值{x'_ij,y'_ij}， i＝1，2，3…M,j＝1，2，3…M’，i’＝1，2，3…M,j’＝1，2，3…M’；

(12)把{x'_ij,y'_ij}、{x'_i'j',y'_i'j'}各自均匀划分为上下两部分，得到和在集合中分别任意选择一个边 缘像素点，得到对应的直线方程，计算集合{x'_ij,y'_ij}中各个边缘像素到该直线的 距离并判断，如果距离<T₅，则该边缘像素属于该直线，遍历{x'_ij,y'_ij}中各个边 缘像素，记录该直线拥有的边缘像素点数目Num_i,i'，分别遍历集合中所有可能的边缘像素，得所有直线对应的边缘像素点数目Num_i,i'，将 Num_Max＝Max(Num_i,i')且Num_Max>T₆对应的直线为纵向导引线左侧边缘直线，在集合 分别任意选择一个边缘像素点，得到对应的直线方程，计 算集合{x'_i'j',y'_i'j'}中各个边缘像素到该直线的距离并判断，如果距离<T₅，则该边 缘像素属于该直线，遍历{x'_i'j',y'_i'j'}中各个边缘像素，记录该直线拥有的边缘像 素点数目Num'_i,i'，遍历集合中所有可能的边缘像素，得所有 直线对应的边缘像素点数目Num'_i,i'，将Num'_Max＝Max(Num'_i,i')且Num'_Max>T₆对应的 直线为纵向导引线右侧边缘直线，其中，x'_ij为边缘像素x_ij在图像坐标系中的横 向坐标值，y'_ij为边缘像素x_ij在图像坐标系中的纵向坐标值，i＝1，2，3…M,j＝1， 2，3…M’，i’＝1，2，3…M,j’＝1，2，3…M’，为{x′_ij，y′_ij}的上半部分，为{x'_ij,y'_ij}的下半部分，为{x'_i'j',y'_i'j'}的上半部分，为{x'_i'j',y'_i'j'}的 下半部分，T₅的取值范围为[-5,+5]，T₆的取值范围为[80％-95％]M’；

(13)分别将纵向导引线左侧边缘直线斜率及截距、右侧边缘直线的斜率 及截距、横向导引线、驻车标志送至外部，控制自动导引运输车运动，完成驻 车。