[发明专利]一种基于无人机的地面多AGV状态监测方法

说明书

本发明公开了一种基于无人机的地面多AGV状态监测方法，包括以下步骤：首先用于AGV导航与定位的航向特征标识符，并将其放置到AGV顶部；在初始化基于无人机的地面多AGV状态监测系统之后，利用无人机摄像头对地面进行全局拍摄，使用YOLOV4目标检测算法对图像中的AGV进行定位；然后，对图像中检测到的AGV进行处理，识别航向图案并计算AGV的航向角，随后对特征标识符进行解码，获取AGV的编号；最后，无人机将AGV信息发送给主控计算机，若发现AGV轨迹异常，则及时对AGV进行位置信息更新，直至完成监测任务。

技术领域

本发明属于信息编码和机器视觉识别领域，具体涉及一种基于无人机的地面多AGV状态监测方法。

背景技术

随着信息技术的发展，人们生产生活方式的方方面面开始逐渐呈现出自动化、智能化趋势。机器人技术作为提高工业自动化程度的重要技术之一，其发展在国内外受到密切的关注。自动导引车(AGV)是移动机器人的一项重要研究成果，以其高度自动化、灵活性好、安全性高等特点，在整个生产运输环节中发挥着关键作用。例如，近年来受电子商务影响而规模大增的物流仓储行业，在使用AGV代替人工进行货物分拣和运输后，效率大大增加，有效地缩减了物流时间和人工成本，提高了物流服务质量。除物流仓库外，AGV在生产制造车间、自动化流水线、医院等领域也发挥着运输或巡检的作用，并且其应用场景也开始逐渐由室内向室外扩展，如集装箱码头、高尔夫球场等。

AGV导航定位方式的研究是AGV系统开发设计中关键的一个环节，AGV的精确定位为下一步的控制和调度提供了充分的信息基础。目前，AGV存在多种导引方式，其中，视觉导引方式因具有柔性好、环境适应能力强等优点，成为当前的研究热点。YOLO系列算法是广为人知的目标检测算法，利用深度学习中的目标检测算法对多AGV进行快速定位(Bochkovskiy A,Wang C Y,Liao H Y M.Yolov4:Optimal speed and accuracy ofobject detection[J].arXiv preprint arXiv:2004.10934,2020.)。运用QR码的特殊性进行视觉定位，通过AGV搭载的摄像头识别运行站点之间铺设的QR码，从而对AGV行进距离和方向进行控制(徐庆,徐志伟,杜晓峰.基于QR码的视觉导航AGV系统[J].传感器与微系统,2019,38(02):83-86+90.)。但该方式需要在每台AGV上都安装高速摄像头等视觉传感器，增加了AGV的配置成本。将基于顶部摄像头的全局视觉应用于AGV导航，利用顶部摄像头监视整个仓库，并使用图像处理技术对AGV进行定位，从而节约了传感器的配置成本(E,Kocamaz A F,Dirik M.A Vision-Based Real-Time Mobile RobotController Design Based on Gaussian Function for Indoor Environment[J].Arabian Journal for Science and Engineering,2018,43(12):7127-7142.)。但该方式适用于一定区域内的室内场景，对室外场景则具有一定局限性，因此，仍需探索更具普适性的解决方案。

无人机具有构造简单、成本较低、机动性好、复杂环境适应能力强等特点。随着无人机技术的不断成熟，配备摄像头的无人机在各个领域得到广泛普及和应用，如军事侦察、地图测绘、民用航拍等。即使无人机处于飞行状态中，其搭载的摄像头也能捕捉到清晰的航拍画面，为下一步的地面目标检测任务提供良好处理条件。利用无人机在空中进行监测，则仅需一个摄像设备，即可捕捉地面的多台AGV目标，再配合无人机自带的传感器，便能根据两者关系解析出每台AGV当前的状态。以无人机作为媒介，能够将每台AGV的信息实时反馈给中央控制系统以诊断当前每台AGV是否偏离预期的工作状态。

发明内容

本发明旨在利用无人机航拍技术并通过机器视觉获取地面多台AGV的状态信息，方便中央控制系统诊断AGV是否偏离正常的运行轨迹，避免因需要在每台AGV上配备传感器所造成的成本高昂、控制算法复杂等问题，为此提供一种基于无人机的地面多AGV状态监测方法。