[发明专利]基于卷积神经网络的自动导航小车系统及小车定位方法

说明书

技术领域

本发明涉及基于卷积神经网络的自动导航小车系统及小车定位方法。

背景技术

在现代科学技术的发展中，电子化、信息化、网络化和智能化已成为车辆以后发展的动向。AGV小车是该发展动向的完美表现。AGV小车，指装备有电磁或光学等自动导引装置，能够沿规定的导引路径行驶，具有安全保护以及各种移载功能的运输车，AGV的全程是Automated Guided Vehicle。AGV小车越来越广泛的应用于工业生产实践中，由于它的高自动智能化，使工厂既节约了人工成本和生产成本，又提高了生产效率和生产周期。

目前市场上推出了由后台计算机控制的自动无人搬运车，通过计算机发出搬运指令，控制AGV小车的行驶路线，AGV小车循线的引导方式主要有电磁感应引导、超声波引导、激光引导或红外引导。在实际循线中，AGV小车完成循线任务或者产生故障停止前进后，后台服务器需要提供额外的计算和通讯服务来对AGV小车进行定位，AGV小车定位功能往往需要通过在AGV小车上加装GPS定位装置来实现，增加了功耗和成本，同时GPS定位信号在室内环境容易受干扰，稳定性不好。

发明内容

为解决上述问题，本发明的目的是提供一种基于卷积神经网络的自动导航小车系统及小车定位方法。

实现本发明目的的技术方案是：基于卷积神经网络的自动导航小车系统的小车定位方法，包括以下步骤：

步骤一、构建自动导航小车系统；所述自动导航小车系统包括AGV小车和引导机构；所述AGV小车上设有摄像头与摄像头连接的带卷积神经网络的控制芯片；所述引导机构包括由设置在路面上由若干条横线和纵线形成的矩形网格，矩形网格的每个交叉点处设有不重复的路标；矩形网格中的路标为矩形标贴；每个所述路标的中心点与矩形网络中的交叉点重合，路标左右侧和前后侧的对称线与交叉点处的横线和纵线重合；矩形网格中的路标为矩形标贴；每个所述路标上都设有不重复的数字标记，每个路标上的数字标记为不重复的三位数字；路标颜色选择与路面主色反差较大的颜色，远程服务器将每个路标上的数字标记以数字标记集方式保存并传输至AGV小车；

步骤二、远程服务器将矩形网格的结构、矩形网格线中路标位置保存并以无线通讯方式传输至AGV小车；矩形网格中的路标位置即路标的坐标信息，每个路标的坐标信息均不相同，远程服务器将矩形网络中所有路标的坐标信息集传输至AGV小车；

步骤三、远程服务器接收到AGV小车路径规划请求，将包括多个路标位置的路径信息发送至AGV小车，AGV小车根据路径信息开始行驶；路径信息为多个路标位置的坐标信息集。

步骤四、AGV小车在行驶过程中通过摄像头采集前方视频图像，通过带卷积神经网络的控制芯片进行视频图像的分析并识别路标，控制芯片统计由卷积神经网络分析出的行驶过的路标数量，和矩形网格比对获得AGV小车的大概位置；再通过卷积神经网络计算前方最近路标距离本小车的距离，从而获得AGV小车的精确位置。

当AGV小车在行驶过程中产生故障停止或接近抵达目标点时，控制芯片通过摄像头将前方最近路标上的数字标记识别后与控制芯片内保存的所有路标的数字标记集对比后得出AGV小车当前位置，再计算前方最近路标距离AGV小车的距离即可得到AGV小车具体定位。

自动导航小车系统中，卷积神经网络模型的处理过程包括以下步骤：

①、样本采集；

采集路标图像和小车图像，对图像进行分类生成路标样本和小车样本；

②、对路标样本和车辆样本预处理；

根据设定的样本尺寸，对路标样本和小车样本随机地进行对称翻转变化，随机修剪，色彩抖动，噪声扰动；手动将路标样本、小车样本中包含路标、小车的长方形区域框选出，将长方形框的左上角像素点的坐标值和右下角像素点的坐标值记录下来，完成小车或路标的标注；

③、卷积网络的训练：

将步骤②中标注好的小车样本和路标样本输入深度卷积网络中去，获得该图像文件的网络输出，然后计算出网络输出和标注的矩形框坐标之间的差值，然后将该差值通过反向传递进行卷积网络权重的更新。依照步骤③对所有的训练图像迭代上百次，最终获得训练好的卷积网络模型。

④、将路标样本和车辆样本输入已训练完成的卷积神经网络，卷积神经网络计算后获得识别结果，根据识别结果对路标和小车的位置、角度做进一步计算。

进一步优选地，①中步骤包括：从拍摄的视频或图片中截取大量路标样本和小车样本组成路标样本和小车样本，路标样本和小车样本分别包括了路标图像的各个视角和小车图像的各个视角。