[发明专利]基于卷积神经网络的自动导航小车系统及其冲突规避方法

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其冲突规避方法。

背景技术

循线小车在工业生产实践中已得到越来越广泛的运用，因为循线小车的高智能化和自动化，让工业生产既节省了人工成本和生产成本，又提升了生产效率和生产周期。循线小车在工业物流管理中有着极为突出的地位。

由于整个区域中会有数量较多的小车同时行驶，所以自动导航小车系统设计时需要避免小车互相碰撞。传统的解决方案是依靠服务器集中调度所有小车在所有时间点上的行进速度、行进位置来确定是否会冲突，再确定具体哪部小车停车避让。这种方案的问题是服务器需要在时间上同步所有的小车，调度的效率较差。

发明内容

本发明的目的是提供一种自动导航小车系统及分布式小车冲突规避方法。

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及其冲突规避方法，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包含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，设定所有横线为主路、所有纵线为支路或者采用相反设定；

步骤二、AGV小车根据路径信息开始行驶；

步骤三、AGV小车利用设置在AGV小车前端的摄像头进行摄像，识别出前方或者左右两侧出现在视野内的其他AGV小车，通过包含卷积神经网络的控制芯片识别判断其他AGV小车与本AGV小车是否会碰撞，若是，则在支路上的AGV小车让主路上的AGV小车优先通过；若否，则AGV小车正常通行。

所述步骤一中，矩形网格中的每条横线和纵线均为单向行驶线。

所述步骤三中，其他AGV小车与本AGV小车同向行驶时，通过带卷积神经网络的控制芯片识别判断前方AGV小车与本AGV小车的距离决定是否选择停车避让。

所述步骤三中，其他AGV小车从前方两侧来时，AGV小车通过带卷积神经网络的控制芯片判断识别其他AGV小车距离本AGV小车的距离、角度、行驶方向，通过带卷积神经网络的控制芯片识别计算比对左右两侧AGV小车距离前方最近路标的距离与自己AGV小车距离前方最近路标距离，若距离过近，则在支路上的AGV小车让主路上的AGV小车优先通过；若距离正常，则AGV小车正常通行。

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。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、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。

进一步优选地，②中步骤包括：将样本图像的像素尺寸范围转换至288*288–544*544。

进一步优选地，③中步骤包括：在识别出路标后，将该路标中心与图像底线中心连线，中心连接与垂直线的夹角即为本小车当前行进方向的夹角。中心连接的长度即为本小车距离前面路标的距离。

采用了上述技术方案，本发明具有以下的有益效果：本发明对于自动导航小车系统内的所有AGV小车的冲突规避完全由AGV小车自主控制，通过包含卷积神经网络的控制芯片识别判断其他AGV小车与本AGV小车是否会碰撞，通过矩形网格中主、支路的分配以及支路避让主路的规则合理规避冲突，不需要通过中央服务器的同一调配，对于AGV小车的规避冲突具有更高的处理效率，提高了系统整体的吞吐率。

附图说明