[发明专利]一种室内AGV分拣小车防冲突调度及应急避障方法

说明书

本发明提供一种室内AGV分拣小车防冲突调度及应急避障方法，该方法先获取小车已装载货物表面图像、表面深度图像和路况图像，再获得货物轮廓边缘、边缘深度、边缘交点和路面崎岖深度；由边缘交点获取货物零散度，由边缘深度和货物零散度得到零散度影响指标；根据小车到下一跳结点间路径图像中的信息以及小车行驶情况计算货物掉落指标；由货物零散度、凸包深度和货物掉落影响指标得到货物掉落概率；由零散度影响指标、凸包深度、货物掉落影响指标得到掉落半径；由掉落半径和掉落时间引导受影响小车进行避障。本发明在货物没有掉落之前对货物掉落概率和危险半径进行预测，使受影响小车能够及时避障,从而大大提高分拣流程的健壮性。

技术领域

本发明属于AGV小车技术领域，涉及一种室内AGV分拣小车防冲突调度及应急避障方法。

背景技术

目前， 电商行业的发展势不可挡，而物流又是该行业及其重要的部分，物流分拣的效率很大程度上影响着行业的发展速度。但是，实际操作中分拣中心无论是采用人工分拣，还是采用智能分拣，都会出现作业冲突、物理障碍乃至快件散落等异常情况。这就需要一套可靠且科学的分拣小车调度方法，使转运中心分拣流程更加精准高效。

发明内容

本发明针对现有技术存在的不足，提出一种室内AGV分拣小车防冲突调度及应急避障方法，该方法基于图像边缘计算在图像处理方面的应用，在货物没有掉落之前对货物掉落概率和危险半径进行预测，使受影响小车能够及时避障，并结合改进的A-Star算法对小车路径进行实时调整。

本发明提供一种室内AGV分拣小车防冲突调度及应急避障方法，包括以下步骤：

步骤1、首先获取小车已装载货物表面图像、表面深度图像和路况图像，由三张图像获得货物的轮廓边缘、边缘深度、边缘交点和路面的崎岖深度；

步骤2、由边缘交点获取货物零散度，由边缘深度和货物零散度得到零散度影响指标；

步骤3、根据小车到下一跳结点间路径图像中的信息以及小车行驶情况，计算货物掉落指标；由货物零散度、凸包深度和货物掉落影响指标得到货物的掉落概率；

步骤4、采用一种Hesitating star算法的静态路网最佳路径求解方法，帮助小车选择下一跳路径并初步预防冲突；

步骤5、使用一个处理方案决策函数Meth，根据小车运动情况与货品掉落事件的特点，确定小车的处理方式。

本发明的方法首先获取小车已装载货物表面图像、表面深度图像和路况图像，由三张图像获得货物的轮廓边缘、边缘深度、边缘交点和路面的崎岖深度；由边缘交点获取货物零散度，由边缘深度和货物零散度得到零散度影响指标；使用改良过的A-star算法，根据小车相关数据得到下一跳结点；根据小车到下一跳结点间路径图像中的信息以及小车行驶情况，计算货物掉落指标；由货物零散度、凸包深度和货物掉落影响指标得到货物的掉落概率；当掉落概率达到预设掉落阈值，由零散度影响指标、凸包深度、货物掉落影响指标得到掉落半径；由掉落半径和掉落时间引导受影响小车进行避障。本发明在货物没有掉落之前对货物掉落概率和危险半径进行预测，使受影响小车能够及时避障,从而大大提高分拣流程的健壮性。

本发明进一步优化的技术方案如下所示：

所述步骤1中，为了保证小车对外界环境有正确认知，使用加权去雾的图像度量评估方法，处理小车及其获取信息，具体操作如下：

步骤1.1、通过AGV小车上方部署的球形深度相机获取小车已装载货物表面图像、表面深度图像和路况图像，进而获得小车上货物的轮廓边缘、边缘深度、边缘交点和路面的崎岖深度，其中表面图像特指货物的俯视图像；在获取图像特征的同时，也通过传感器获取小车的相应数据，相应数据包括小车的实时速度、实时加速度和行驶方向；将每100帧图像划分为一个区间记为 ，其中n∈{0,1，2，……，100}，并通过下式计算区间内各图像结构相似性指标，视觉信息保真度以及图像色差矩阵，