專利名稱：室內(nèi)外兩用自動(dòng)搬運(yùn)車導(dǎo)引裝置的制作方法
專利說明
一、技術(shù)領(lǐng)域本發(fā)明的室內(nèi)外兩用自動(dòng)搬運(yùn)車導(dǎo)引裝置及zigbee模塊的實(shí)施方法，屬自動(dòng)搬運(yùn)車輛的導(dǎo)引裝置。
二背景技術(shù)：
自動(dòng)搬運(yùn)車裝置簡(jiǎn)稱AGVS，是當(dāng)今柔性制造裝置(FMS)和自動(dòng)化倉儲(chǔ)裝置中物流運(yùn)輸?shù)挠行侄?。自?dòng)搬運(yùn)車裝置的核心設(shè)備是自動(dòng)搬運(yùn)車(AGV)，作為一種無人駕駛工業(yè)搬運(yùn)車輛，AGV在本世紀(jì)50年代即得到了應(yīng)用。一般用蓄電池作為動(dòng)力，載重量從幾公斤到上百噸，工作場(chǎng)地可以是辦公室、車間，也可以是港口、碼頭?，F(xiàn)代的AGV都是由計(jì)算機(jī)控制的，車上裝有微處理器。多數(shù)的AGVS配有裝置集中控制與管理計(jì)算機(jī)，用于對(duì)AGV的作業(yè)過程進(jìn)行優(yōu)化，發(fā)出搬運(yùn)指令，跟蹤傳送中的構(gòu)件以及控制AGV的路線。
由于室內(nèi)外環(huán)境的差別，導(dǎo)致自動(dòng)搬運(yùn)車的導(dǎo)引裝置也有很大的差異。室內(nèi)環(huán)境的自動(dòng)搬運(yùn)車受場(chǎng)地的限制形體較小，載重量較輕，但對(duì)定位和導(dǎo)引的精度要求很高，常用的導(dǎo)引方式有激光式、電磁感應(yīng)式，軌道式等；室外環(huán)境的自動(dòng)搬運(yùn)車形體較大，載重量大，并要求能夠全天候工作，常用的導(dǎo)引方式有GPS、陀螺儀、加速度計(jì)等。
這些導(dǎo)引裝置均很昂貴，對(duì)于那些要求導(dǎo)引精度較高的裝置，器件的費(fèi)用更是居高不下。而且有些導(dǎo)引方式要對(duì)自動(dòng)搬運(yùn)車作業(yè)的環(huán)境進(jìn)行較大幅度的改造，無形間有提高了裝置的成本。對(duì)于有些需要搬運(yùn)車穿梭于室內(nèi)與室外的環(huán)境，傳統(tǒng)的自動(dòng)搬運(yùn)車導(dǎo)引裝置明顯的暴露出了一定的不足之處。
三、實(shí)用新型內(nèi)容本實(shí)用新型的目的在于提供一種導(dǎo)引、定位精度高，能全天候的適合于室內(nèi)室外兩種環(huán)境下使用的，成本低廉的室內(nèi)外兩用自動(dòng)搬運(yùn)車導(dǎo)引裝置。
實(shí)現(xiàn)上述目的的室內(nèi)外兩用自動(dòng)搬運(yùn)車導(dǎo)引裝置，包括在自動(dòng)搬運(yùn)車車體前端安裝CCD攝像頭，在車體的車輪上安裝高精度的車輪解碼器，在使用場(chǎng)地的定點(diǎn)位置和搬運(yùn)車上分別安裝zigbee模塊，進(jìn)行相互的通信，中央處理器安放在搬運(yùn)車上。CCD攝像頭、車輪解碼器及搬運(yùn)車上的zigbee模塊分別與中央處理器相連，裝置通過CCD攝像頭識(shí)別地面上事先畫好的標(biāo)志線，獲得搬運(yùn)車的位置信息和航向信息，再通過車輪解碼器獲得車體的位移信息，與航向信息和位置信息融合進(jìn)行航位推算，最后中央處理器將結(jié)果實(shí)時(shí)地傳給搬運(yùn)車的控制裝置，導(dǎo)引搬運(yùn)車的工作。在整個(gè)過程中，裝置還通過zigbee模塊建立起總調(diào)度中心和每個(gè)搬運(yùn)車的無限通信，協(xié)調(diào)各個(gè)搬運(yùn)車的相互工作，同時(shí)zigbee模塊的無線定位功能還可以在一定程度上糾正車輪解碼器隨時(shí)間的累積而產(chǎn)生的誤差，使得整個(gè)裝置更好地完成整體的工作。
本發(fā)明具有如下有益效果裝置的導(dǎo)引位置精度在5CM左右；導(dǎo)引航向精度在0.5度左右；導(dǎo)引定位精度在20cm以內(nèi)；每秒鐘傳輸給控制裝置12次以上的控制信號(hào)。
器件成本遠(yuǎn)遠(yuǎn)低于上述的其他種類的導(dǎo)引裝置。
能夠全天候的在室內(nèi)和室外的場(chǎng)合工作。
室內(nèi)外環(huán)境轉(zhuǎn)換時(shí)反應(yīng)迅速，大約0.1秒。
對(duì)工作場(chǎng)地改造不大，只用畫少量的導(dǎo)引標(biāo)志即可。
四

圖1是室內(nèi)外兩用自動(dòng)搬運(yùn)車導(dǎo)引裝置組成示意圖。
圖2是視頻采集與處理模塊軟件結(jié)構(gòu)示意圖。
圖3是線條識(shí)別——Hough變換示意圖。
圖4是Hough變換原圖。
圖5是Hough變換的結(jié)果示意圖。
圖6是圖像中線條的分布示意圖。
圖7是圖像線條的坐標(biāo)轉(zhuǎn)換示意圖。
圖8是非首幅圖像標(biāo)志線跟蹤原理圖。
圖9是模糊其參數(shù)曲線示意圖，色標(biāo)最大識(shí)別點(diǎn)個(gè)數(shù)Max曲線，識(shí)別直線個(gè)數(shù)L曲線，與之修正值t曲線，Hough變換參數(shù)d(％)曲線。
圖10是模糊器推理規(guī)則示意圖。
圖11是微功率無線網(wǎng)絡(luò)定位示意圖。
圖1中的標(biāo)號(hào)名稱1與6，車輪解碼器，2.zigbee模塊，3.中央處理，4.視頻標(biāo)志引導(dǎo)線，5.搬運(yùn)車。
五具體實(shí)施方式
由圖1可知，本發(fā)明的室內(nèi)外兩用自動(dòng)搬運(yùn)車導(dǎo)引裝置包括CCD攝像頭，zigbee模塊，車輪解碼器和中央處理器，其中Zigbee模塊主要安放在搬運(yùn)車上和地面若干固定位置。Zigbee模塊功率小，體積有一張信用卡大小。
CCD攝像頭安放在搬運(yùn)車的正前方，視野范圍前方4M見方的路面。CCD的分辨率100萬左右。
車輪解碼器安放在搬運(yùn)車的前方的車輪上。價(jià)格視裝置要求的精度而定，十分低廉。
中央處理器安放在搬運(yùn)車上，目前用工控機(jī)實(shí)現(xiàn)，產(chǎn)品化后可用DSP等做成控制板的中央處理器，降低成本。
裝置在自動(dòng)搬運(yùn)車體前方安放CCD攝像頭，實(shí)時(shí)獲取車體前方地面圖像。在車輪上安裝高精度的車輪解碼器，實(shí)時(shí)獲取車輪的位移情況。在場(chǎng)地的一些定點(diǎn)位置和自動(dòng)搬運(yùn)車上安裝zigbee模塊，用來做定位校正和通信。圖像數(shù)據(jù)、位移數(shù)據(jù)和zigbee的通信數(shù)據(jù)實(shí)時(shí)傳入車體上的中央處理系統(tǒng)，中央處理系統(tǒng)完成以下的功能從地面的圖像中識(shí)別導(dǎo)引標(biāo)志(軌跡線條，岔道選擇標(biāo)志)；實(shí)時(shí)地定位跟蹤導(dǎo)引標(biāo)志，并通過模糊自適應(yīng)的方法快速地使處理計(jì)算的各項(xiàng)參數(shù)達(dá)到最佳的參數(shù)設(shè)定；消除因路面不平、發(fā)動(dòng)機(jī)等原因產(chǎn)生的抖動(dòng)的干擾；從圖像中標(biāo)志線條獲得航向信息，并和車輪解碼器的位移信息進(jìn)行行為推算(DR)，實(shí)時(shí)地確定車體的位置；從圖像中檢測(cè)車體前方有無障礙物，提供防撞預(yù)警；每個(gè)搬運(yùn)車上的zigbee模塊自動(dòng)通信，提供防撞預(yù)警；搬運(yùn)車上的zigbee與地面上的定位zigbee通信，計(jì)算校正定位信息；用zigbee的定位校正信息消除車輪解碼器信息的時(shí)間累積誤差；搬運(yùn)車上的zigbee與總調(diào)度室通信，完成對(duì)搬運(yùn)車的總體調(diào)度；將處理后的控制信息實(shí)時(shí)地傳遞給機(jī)車的控制裝置。
一般的DR裝置由里程儀和陀螺儀或者磁羅盤來組成，但使用陀螺儀不僅成本較高，而且所得的航向信息會(huì)隨時(shí)間產(chǎn)生累積誤差，不能保證特殊軍事場(chǎng)合中很高的定位精度要求；而且有些復(fù)雜的磁環(huán)境也不允許使用磁羅盤。本算法采用價(jià)格低廉的視頻攝像頭得到裝置的航向信息，同時(shí)使用精度較高的里程儀得到車輛的位移信息，完成航位推算。最重要的是攝像頭產(chǎn)生的機(jī)器視覺本身就可以提供車輛行駛的路線信息，以導(dǎo)引車輛沿著規(guī)定的路線精準(zhǔn)地行駛；由機(jī)器視覺產(chǎn)生的路線信息和航向信息不會(huì)隨著時(shí)間累積誤差。這樣就從根本上提高了裝置的精確性。視覺和DR獲得的信息利用串口傳輸給車輛控制裝置，就可完成對(duì)車輛的導(dǎo)引。
圖2所示的是視頻采集與處理模塊軟件結(jié)構(gòu)圖。
整個(gè)軟件的流程在VC++6.0的環(huán)境下編譯實(shí)現(xiàn)，下面將一一進(jìn)行說明。
(1)邊緣檢測(cè)——增強(qiáng)型Sobel算子。
邊緣是圖像的最基本特征。邊緣中包含著有價(jià)值的目標(biāo)邊界信息，這些信息可以用于圖像分析、目標(biāo)識(shí)別以及圖像濾波。因?yàn)樵趫D像中邊緣和噪聲都在高頻范圍內(nèi)，很難用頻帶區(qū)分，所以邊緣檢測(cè)的任務(wù)往往是尋求抑制噪聲與提高邊緣清晰度的最佳折中。
在邊緣檢測(cè)中，常用的一種算法是sobel算子。有兩個(gè)模板，一個(gè)是檢測(cè)水平邊沿的.一個(gè)是檢測(cè)豎直平邊沿的。如下表所示


B1B2為了使邊緣檢測(cè)的效果更好并增加算法對(duì)斜方向上直線的判斷，我們又增加了兩個(gè)模板，如下表格所示


B3B4具體算法如下1.將采集到的圖像放置到一個(gè)2維數(shù)組中，并建立一個(gè)與原圖像數(shù)組一樣大小的空的目標(biāo)數(shù)組；2.遍歷整個(gè)圖像數(shù)組中的每一個(gè)點(diǎn)，當(dāng)遍歷到圖像的某一個(gè)點(diǎn)時(shí)，這個(gè)點(diǎn)和其周圍的8個(gè)鄰域上的點(diǎn)組成一個(gè)3*3矩陣；3.將這個(gè)矩陣一一和這四個(gè)模板作處理，處理方式相對(duì)位置上的兩個(gè)數(shù)相乘后求和的絕對(duì)值；4.比較這四個(gè)數(shù)，將最大的值填寫在目標(biāo)圖像數(shù)組的對(duì)應(yīng)位置；5.目標(biāo)數(shù)組即為所得。
下面的部分是算法的備用方案，適用于圖像要區(qū)分白色的標(biāo)志線和陰影，從而排除陰影對(duì)標(biāo)志線識(shí)別的干擾。
在邊緣提取的環(huán)節(jié)，通過對(duì)Sobel算子的改進(jìn)，增加到4個(gè)模板對(duì)圖像的方向性邊緣進(jìn)行檢測(cè)，如表格1所示。這樣有助于更好提取標(biāo)志線的邊緣。另外在提取邊緣值的時(shí)候，不像往常的Sobel算法那樣求所有模板計(jì)算結(jié)果絕對(duì)值的最大值，而是放棄求模板的絕對(duì)值，將所有模板的最大值和最小值分別保留下來，得到兩幅邊緣檢測(cè)圖。因?yàn)樵趫D像中標(biāo)志線為白色，像素值較大；路面較暗，像素值較小。在邊緣檢測(cè)的計(jì)算中，標(biāo)志線的左邊緣的模板計(jì)算值＞0，右邊緣的模板計(jì)算值＜0，這樣所得到的兩幅邊緣檢測(cè)圖中就分別包含了標(biāo)志線的左右邊緣。如表格2所示。
表格1




B1B2B3B4表格2

具體算法如下1.將采集到的圖像放置到兩個(gè)2維數(shù)組中，并建立兩個(gè)與原圖像數(shù)組一樣大小的空的目標(biāo)數(shù)組；2.遍歷整個(gè)圖像數(shù)組中的每一個(gè)點(diǎn)，當(dāng)遍歷到圖像的某一個(gè)點(diǎn)時(shí)，這個(gè)點(diǎn)和其周圍的8個(gè)鄰域上的點(diǎn)組成一個(gè)3*3矩陣；3.將這個(gè)矩陣一一和這四個(gè)模板作處理，處理方式相對(duì)位置上的兩個(gè)數(shù)相乘后求和；4.比較這四個(gè)數(shù)，將最大的值和最小值(負(fù)數(shù))分別填寫在兩個(gè)目標(biāo)圖像數(shù)組的對(duì)應(yīng)位置；
5.目標(biāo)數(shù)組即為所得。
(2)圖像分割——最佳閾值分割。
邊緣檢測(cè)所得到的圖像雖然顯示的是所有事物的邊緣的信息，但依然是灰度圖像。如果直接進(jìn)行識(shí)別計(jì)算，計(jì)算量依然很大，所以我們要通過圖像的分割將灰度圖像轉(zhuǎn)化成為只有黑色和白色的二值圖像。
首先，我們要統(tǒng)計(jì)圖像的灰度直方圖。建立一個(gè)數(shù)組。
將圖像的直方圖用兩個(gè)或更多個(gè)正態(tài)分布的概率密度函數(shù)來近似的方法，代表了一種被稱之為最佳閾值化的方法。閾值取為離對(duì)應(yīng)于兩個(gè)或更多個(gè)正態(tài)分布最大值之間的最小概率處最近的灰度值，其結(jié)果是最小錯(cuò)誤的分割。這一算法的步驟如下1.求出圖像中的最大和最小灰度值Zl和Zk，令閾值初值T°＝(Zl+Zk)/2；2.根據(jù)閾值Tk將圖像分割成目標(biāo)和背景兩個(gè)部分，求出兩個(gè)部分的平均灰度值ZO和ZBZO=Σz(x,y)<Tkz(x,y)×N(x,y)Σz(x,y)<TkN(x,y)]]>ZB=Σz(x,y)>Tkz(x,y)×N(x,y)Σz(x,y)>TkN(x,y)]]>式中在z(x，y)是圖像上(x，y)點(diǎn)的灰度值，N(x，y)是(x，y)的權(quán)重系數(shù)，一般N(x，y)＝1.0；3.求出新的閾值TK+1＝(ZO+ZB)/2；4.如果TK＝TK+1，則結(jié)束，否則K←K+1，轉(zhuǎn)步驟2；5.求出閾值后，根據(jù)閾值將原圖像轉(zhuǎn)化成為二值圖像。大于閾值的像素值為255；小于閾值的像素值為0。
(3)線條的識(shí)別——Hough變換Hough變換用來在圖象中查找直線。它的原理很簡(jiǎn)單假設(shè)有一條與原點(diǎn)距離為s，方向角為θ的一條直線，如圖3所示。直線上的每一點(diǎn)都滿足方程s＝xcosθ+ysinθ利用這個(gè)事實(shí)，我們可以找出某條直線來。下面將給出一段程序，用來找出圖象中最長(zhǎng)的直線(見圖4)。找到直線的兩個(gè)端點(diǎn)，在它們之間連一條紅色的直線。為了看清效果，將結(jié)果描成粗線，如圖5所示。
可以看出，找到的確實(shí)是最長(zhǎng)的直線。方法是，開一個(gè)二維數(shù)組做為計(jì)數(shù)器，第一維是角度，第二維是距離。先計(jì)算可能出現(xiàn)的最大距離為 用來確定數(shù)組第二維的大小。對(duì)于每一個(gè)黑色點(diǎn)，角度的變化范圍從0°到179°(為了減少存儲(chǔ)空間和計(jì)算時(shí)間，角度每次增加1°)，按方程求出對(duì)應(yīng)的距離s來，相應(yīng)的數(shù)組元素[s][θ]加1。同時(shí)開一個(gè)數(shù)組Line，計(jì)算每條直線的上下兩個(gè)端點(diǎn)。所有的象素都算完后，找到數(shù)組元素中最大的，就是最長(zhǎng)的那條直線。直線的端點(diǎn)可以在Line中找到。要注意的是，我們處理的雖然是二值圖，但實(shí)際上是256級(jí)灰度圖，不過只用到了0和255兩種顏色。
具體算法如下1.初始化一個(gè)變換域，[s][θ]空間的數(shù)組，s方向上的量化數(shù)目圖像對(duì)角線方向上的像素?cái)?shù)，θ方向上的量化數(shù)目為180；2.順序搜索圖像中所有邊緣點(diǎn)，對(duì)每個(gè)邊緣點(diǎn)，在變換域的對(duì)應(yīng)的各點(diǎn)上加1；3.求出變換域中的最大值并記錄；4.根據(jù)參數(shù)的設(shè)定計(jì)算此最大值的d％作為參考值Y；5.遍歷變換域上的各點(diǎn)，如果該點(diǎn)的值大于Y就將其取出，其它點(diǎn)不作處理；6.根據(jù)記錄的點(diǎn)的位置得到其變換域上的極徑和極角(s、θ)；7.根據(jù)(s、θ)求得其在直角坐標(biāo)系下的參數(shù)。
下面的部分是算法的備用方案，適用于圖像要區(qū)分白色的標(biāo)志線和陰影，從而排除陰影對(duì)標(biāo)志線識(shí)別的干擾。
經(jīng)過圖像的分割原始圖像被處理成兩幅二值圖像，分別包含有標(biāo)志線的左、右邊緣信息。裝置通過Hough變換來識(shí)別標(biāo)志線的左右邊緣信息。設(shè)定圖像底邊上的中點(diǎn)處為極坐標(biāo)的極點(diǎn)，將二值圖像從直角坐標(biāo)系轉(zhuǎn)化為極坐標(biāo)系。這樣原來圖像中某條直線上的點(diǎn)轉(zhuǎn)化成極坐標(biāo)后的線條將都經(jīng)過相同的一點(diǎn)(S，θ)，S和θ分別表示這條直線在極坐標(biāo)系下的極徑和極角。如果將極坐標(biāo)中每一個(gè)點(diǎn)所被經(jīng)過線條的次數(shù)做個(gè)統(tǒng)計(jì)，那么被經(jīng)過次數(shù)最多的點(diǎn)(Smax，θmax)的極徑和極角就是圖像中最長(zhǎng)的直線的極坐標(biāo)特性，這條直線就是標(biāo)志線的左、右邊緣。具體算法如下1.初始化一個(gè)變換域，建立極坐標(biāo)二維空間數(shù)組，S方向上的取值范圍從0到圖像中做能顯示的極徑的最大值，即從圖像底邊中點(diǎn)到右邊頂點(diǎn)的距離，量化的步長(zhǎng)為p個(gè)像素，θ方向上取值的范圍從0度到180度，其量化步長(zhǎng)為q度；2.順序搜索圖像中所有邊緣點(diǎn)，對(duì)每個(gè)邊緣點(diǎn)，在變換域的對(duì)應(yīng)的各點(diǎn)上加1；3.求出變換域中的最大值并記錄；4.根據(jù)參數(shù)的設(shè)定計(jì)算此最大值的d％作為參考值Y；5.遍歷變換域上的各點(diǎn)，如果該點(diǎn)的值大于Y就將其取出，其它點(diǎn)不作處理；6.根據(jù)記錄的點(diǎn)的位置得到其變換域上的極徑和極角(S，θ)；7.根據(jù)(S，θ)求得其在直角坐標(biāo)系下的參數(shù)。
注意p，q，d可以根據(jù)圖像識(shí)別的質(zhì)量進(jìn)行實(shí)時(shí)的調(diào)整，詳細(xì)情況見下文。初始值p＝2；q＝1；d＝70。
經(jīng)過Hough變換，裝置可以從兩幅二值圖像中分別提取出若干個(gè)線條(線條的個(gè)數(shù)和參數(shù)的精度與p，q，d值有關(guān))。其參數(shù)分別求均值可得到標(biāo)志線左右邊界的精確參數(shù)，這些精確的參數(shù)再求均值即可得到標(biāo)志線中心線的精確參數(shù)。
這樣，橫向標(biāo)志線的極角和縱向標(biāo)志線的極角垂直，如果裝置在跟蹤的時(shí)候出現(xiàn)清晰度相仿的極角差為90度左右的兩條線段。說明圖像該時(shí)刻出現(xiàn)了橫向標(biāo)志線。
因?yàn)闃?biāo)志線的灰度值相對(duì)于地面高，陰影的灰度值相對(duì)于地面低。則如果裝置分析的左邊緣圖像位于右邊緣圖像的左側(cè)，說明該邊緣是標(biāo)志線的邊緣；反之，為陰影邊緣。
(4)圖像的跟蹤處理。
圖像的分割取出的所有線條信息，有很多的干擾。這些線條主要有以下幾類，如圖6所示。將圖像像素點(diǎn)值以及它們的位置過程的直角坐標(biāo)平面轉(zhuǎn)換為極坐標(biāo)平面。如圖7所示，極點(diǎn)位置在底邊中點(diǎn)處，即車子所在的位置。
首幅圖像處理時(shí)需要全部處理，從圖中所有的線條中找出直線來，并將直線的參數(shù)信息記錄下來，存放到公共變量組中。公共變量組中存放的信息為圖像中每條直線的S(精確到1個(gè)像素)，θ(精確到1°)，D(精確到1個(gè)像素)，其表示的含義如圖7所示。
首幅圖像處理完成后，接下來的圖像就可以進(jìn)行線條跟蹤。具體處理過程從公共變量組中取出上一幅圖像中直線的位置，在本幅圖像中的該位置及其周圍的小范圍內(nèi)搜索直線，再將結(jié)果傳到公共變量組中。如圖8所示。
這樣做既減少了計(jì)算量，使得裝置的實(shí)時(shí)性得到提高，而且減少了圖像邊界部分不必要的障礙物的干擾。
(5)圖像分隔閾值自適應(yīng)反饋調(diào)整。
雖然裝置通過上述的算法能夠得到較為精確的標(biāo)志線的位置和偏角，但是標(biāo)志線的識(shí)別質(zhì)量并不穩(wěn)定。直線的偏角還是比較穩(wěn)定的，誤差保持在0.5度以內(nèi)。但是標(biāo)志線的中心點(diǎn)位置的精度在1-10個(gè)像素的范圍內(nèi)擺動(dòng)；進(jìn)行標(biāo)志線跟蹤時(shí)，每幅圖像的處理時(shí)間也在0.06秒-0.12秒的范圍內(nèi)擺動(dòng)。據(jù)分析，造成裝置識(shí)別質(zhì)量不穩(wěn)定的原因是因?yàn)镃CD獲取圖像質(zhì)量的不穩(wěn)定。由于在某些軍事環(huán)境中，車輛是進(jìn)行全天候工作的。白天的陽光、晚上的燈光、雨天地面的反光和各種遮擋物的陰影等都會(huì)使地面圖像的亮度和清晰度受到影響，從而直接導(dǎo)致標(biāo)志線識(shí)別質(zhì)量的不穩(wěn)定。經(jīng)過大量的實(shí)驗(yàn)后發(fā)現(xiàn)，算法中的參數(shù)T和d的取值直接影響著每幅圖像的計(jì)算時(shí)間和識(shí)別的質(zhì)量。因此，本算法設(shè)計(jì)了一個(gè)數(shù)據(jù)負(fù)反饋處理模塊，實(shí)時(shí)地評(píng)估每幅圖像識(shí)別質(zhì)量的優(yōu)劣，并將信息反饋回來，調(diào)整T和d的值，使得裝置在下一幅圖像識(shí)別的時(shí)候達(dá)到較好的效果。以此循環(huán)下去，使裝置在短時(shí)間內(nèi)達(dá)到最佳。這個(gè)數(shù)據(jù)反饋的模塊用模糊器的方式實(shí)現(xiàn)輸入?yún)?shù)為最大識(shí)別點(diǎn)個(gè)數(shù)Max，識(shí)別直線個(gè)數(shù)L；輸出參數(shù)為Hough變換參數(shù)d和閾值的修正值t。隸屬度函數(shù)分別為梯形隸屬度函數(shù)ftrap(x，a，b，c，d)和三角形隸屬度函數(shù)ftri(x，a，b，c)，具體表示形式如下所示，模糊器各個(gè)參數(shù)曲線及模糊推理規(guī)則如下式所示ftrap(x,a,b,c,d)=0x≤a(x-a)/(b-a)a≤x≤b1b≤x≤c(d-x)/(d-c)c≤x≤d0x≥d---(1)]]>ftri(x,a,b,c)=0x≤a(x-a)/(b-a)a≤x≤b(c-x)/(c-b)b≤x≤c0x≥c---(2)]]>
模糊器各個(gè)參數(shù)曲線如圖9所示，模糊推理規(guī)則如圖10所示。
這樣，圖7的這幅圖像中的閾值T+閾值修正值t＝圖8幅圖像的閾值T，再配合Hough變換參數(shù)d，就可以實(shí)時(shí)的修正圖像算法中的參數(shù)，使裝置識(shí)別的質(zhì)量保持穩(wěn)定。同時(shí)，由于有了閾值修正值t，可以不必每幅圖像都用最佳閾值的方法計(jì)算閾值，只用在第一幅圖像中計(jì)算一次，此后的圖像計(jì)算中利用本模糊器產(chǎn)生的t修正，進(jìn)一步的提高了計(jì)算的速度。
抖動(dòng)的消除經(jīng)過上一步的處理，已經(jīng)可以得到圖像中標(biāo)志線的精確的參數(shù)信息。但是這里所說的精確的參數(shù)信息是針對(duì)獲取的圖像而言的，也就是說，如果AGV靜止不動(dòng)的時(shí)候圖像處理所得到的。但是當(dāng)AGV運(yùn)行的時(shí)候，由于機(jī)車發(fā)動(dòng)機(jī)或者是路面不平的情況下會(huì)造成車體的輕微的抖動(dòng)，由于CCD攝像頭是連接在車體上的，所以CCD所獲取的圖像也不可避免的受到抖動(dòng)的干擾。本模塊的功能就是消除抖動(dòng)給線條的識(shí)別所造成的干擾。
如此以來，CCD的抖動(dòng)只會(huì)對(duì)線條參數(shù)的有關(guān)橫向的信息造成一些干擾，雖然不大，但是在求精確的角度考慮還是將其消除較好。另外，識(shí)別線條的參數(shù)最終的目的是為了供AGV的控制裝置使用，若是識(shí)別標(biāo)志線的中心位置點(diǎn)總是反復(fù)的左右跳動(dòng)，也給機(jī)車的控制帶來了不便，因?yàn)闄C(jī)車的控制需要的是平滑的穩(wěn)定的控制，不允許連續(xù)的突變。
消除抖動(dòng)的具體算法如下1.設(shè)定一個(gè)參數(shù)D的取值是可以調(diào)整的；2.本次識(shí)別的標(biāo)志線的中心點(diǎn)坐標(biāo)和上次識(shí)別的標(biāo)志線的中心點(diǎn)坐標(biāo)的差的絕對(duì)值為C；3.如果C＞D，本次識(shí)別的參數(shù)是有效的；4.如果C＜D，本次識(shí)別的參數(shù)無效，但做記錄；5.下一次的圖像處理過程中，如果識(shí)別的點(diǎn)和上一次識(shí)別無效的點(diǎn)是同向的移動(dòng)，則本次識(shí)別有效；6.下一次的圖像處理過程中，如果識(shí)別的點(diǎn)和上一次識(shí)別無效的點(diǎn)是反向的移動(dòng)，且移動(dòng)的距離＞D，則本次識(shí)別有效；7.下一次的圖像處理過程中，如果識(shí)別的點(diǎn)和上一次識(shí)別無效的點(diǎn)是反向的移動(dòng)，且移動(dòng)的距離＜D，則本次識(shí)別無效。
(6)新型的航位推算(DR)方法。
航位推算(DR)是一種自主式車輛定位方法。它以地面某點(diǎn)作為當(dāng)?shù)刈鴺?biāo)系的原點(diǎn)，利用距離信息和角度信息計(jì)算確定車輛當(dāng)前的位置。地面車輛的運(yùn)動(dòng)可看作二維平面運(yùn)動(dòng)，根據(jù)運(yùn)動(dòng)學(xué)原理，知道車輛的起始點(diǎn)和初始航向角，通過實(shí)時(shí)測(cè)量車輛的行駛距離和航向角的變化，就可推算出車輛的位置信息。假定在當(dāng)?shù)厮阶鴺?biāo)系下，車輛的初始位置為(x0，y0)，初始航向角θ0，每隔一定的時(shí)間T采集到行駛距離Si和航向角θi，則車輛在任意時(shí)刻的位置可由下式給出xk=x0+Σi=1kSi·cosθi-1yk=y0+Σi=1kSi·sinθi-1]]>目前所應(yīng)用的DR裝置都是以陀螺儀或磁羅盤為航向傳感器，以里程儀或車輪解碼器為位移傳感器，分別實(shí)時(shí)地提供行駛距離Si和航向角θi。陀螺儀不僅價(jià)格昂貴，而且誤差隨著時(shí)間累積，必須通過積分才能得到航向角信息，計(jì)算量較大，不宜于全天候工作。此外，在某些特殊的軍事場(chǎng)合存在多磁環(huán)境，也不宜用磁羅盤作為航向傳感器；也不適用GPS來輔助DR算法一是因?yàn)檐娛聢?chǎng)合并不能依靠GPS，二是因?yàn)檐囕v在山洞和隧道中進(jìn)行長(zhǎng)時(shí)間搬運(yùn)時(shí)，GPS無信號(hào)。
此算法采用廉價(jià)的CCD攝像頭作為航向傳感器，高精度車輪解碼器作為位移傳感器，很好的解決了這些問題。通過上述的算法，裝置可以實(shí)時(shí)地獲得DR算法所需要的航向信息，精度為0.5度，頻率為12Hz。裝置可以保證車輛沿著既定的行車路線行進(jìn)，不受環(huán)境的影響。僅僅依靠車前燈的照明就足以完成視覺的信息獲取，保證了車輛在黑夜和無照明的隧道里正常的工作。
(7)zigbee模塊具體實(shí)施步驟a.在需要定位區(qū)域內(nèi)，建立一個(gè)由控制中心，和若干具有固定位置的FFD(全功能設(shè)備)，組成的無線網(wǎng)絡(luò)通信裝置.每一個(gè)FFD就是一個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)。在定位區(qū)域圖上，對(duì)每一個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)的位置加以標(biāo)識(shí)。如圖11所示全功能設(shè)備(Full function device，以下簡(jiǎn)稱FFD)，可以支持任何一種拓?fù)浣Y(jié)構(gòu)，可以作為網(wǎng)絡(luò)協(xié)商者和普通協(xié)商者，并且可以和任何一種設(shè)備進(jìn)行通信。
b.對(duì)需要定位的自動(dòng)導(dǎo)航車輛技術(shù)AGV進(jìn)行標(biāo)識(shí)，并在自動(dòng)導(dǎo)航車輛技術(shù)AGV(以下簡(jiǎn)稱AGV)上安裝RFD(消減功能設(shè)備)；削減功能設(shè)備(Reduced function device，以下簡(jiǎn)稱RFD)，只支持星型結(jié)構(gòu)，不能成為任何協(xié)商者，可以和網(wǎng)絡(luò)協(xié)商者進(jìn)行通信，實(shí)現(xiàn)簡(jiǎn)單。RFD只能與FFD通信，不能與其他RFD通信，但它們內(nèi)部的電路比FFD少，只有很少或沒有消耗能量的內(nèi)存。
FFD的安裝一定要保證搬運(yùn)車在經(jīng)過標(biāo)志軌跡的某個(gè)固定的點(diǎn)時(shí)，搬運(yùn)車上的RFD能收到至少3個(gè)FFD信號(hào)(FFD和RFD之間的通信范圍是10m)，并且不能有障礙物的干擾。這樣，就可以通過信號(hào)衰減定位的方法進(jìn)行定位。
c.建立網(wǎng)絡(luò)節(jié)點(diǎn)FFD與AGV上的RFD之間，以及網(wǎng)絡(luò)節(jié)點(diǎn)FFD與控制中心之間的通信聯(lián)系；d.根據(jù)網(wǎng)絡(luò)節(jié)點(diǎn)FFD是否接收到某個(gè)AGV上RFD的定位信號(hào)，以及接收到的定位信號(hào)的強(qiáng)度大小，從相關(guān)節(jié)點(diǎn)的位置來確定該移動(dòng)目標(biāo)的位置，并將對(duì)車輛的控制信號(hào)通過AGV周圍的FFD傳送給AGV上的RFD；建立這樣網(wǎng)絡(luò)的zigbee設(shè)備應(yīng)該具有以下的一些特點(diǎn)。
每個(gè)AGV上的RFD都能夠發(fā)送規(guī)定的相同強(qiáng)度的信號(hào)。這個(gè)信號(hào)的內(nèi)容應(yīng)是該AGV的ID碼，這是最基本的。后續(xù)開發(fā)的時(shí)候還可以加上車輛所要行進(jìn)的目的地的坐標(biāo)、車上是否有集裝箱等信息；所述控制中心計(jì)算機(jī)，存儲(chǔ)有每個(gè)FFD的地址，每個(gè)移動(dòng)目標(biāo)的身份識(shí)別信息以及網(wǎng)絡(luò)管理軟件；所述網(wǎng)絡(luò)節(jié)點(diǎn)FFD，應(yīng)具有定位信號(hào)強(qiáng)度顯示功能(RSSI)；所述網(wǎng)絡(luò)中的FFD，應(yīng)具有自動(dòng)中轉(zhuǎn)來自其它FFD和RFD的信息的功能。
權(quán)利要求1.一種室內(nèi)外兩用自動(dòng)搬運(yùn)車導(dǎo)引裝置，其特征在于在自動(dòng)搬運(yùn)車車體前端安裝CCD攝像頭，在車體的車輪上安裝高精度的車輪解碼器，在使用場(chǎng)地的定點(diǎn)位置和搬運(yùn)車上分別安裝zigbee模塊，進(jìn)行相互的通信，中央處理器安放在搬運(yùn)車上；CCD攝像頭、車輪解碼器以及搬運(yùn)車上的zigbee模塊都與中央處理器相連。
專利摘要一種室內(nèi)外兩用自動(dòng)搬運(yùn)車導(dǎo)引裝置及zigbee模塊的實(shí)施方法，屬自動(dòng)搬運(yùn)車輛的導(dǎo)引裝置。包括搬運(yùn)車前端的CCD攝像頭，車輪上的車輪解碼器，場(chǎng)地定點(diǎn)位置和搬運(yùn)車上的zigbee模塊以及搬運(yùn)車上的中央處理器。本導(dǎo)引裝置能完成從地面的圖像中識(shí)別導(dǎo)引標(biāo)志，獲得搬運(yùn)車的位置信息和航向信息；與解碼器獲得車體的位移信息融合，進(jìn)行航位推算；實(shí)時(shí)定位跟蹤導(dǎo)引標(biāo)志；消除機(jī)車抖動(dòng)對(duì)裝置的干擾；通過zigbee模塊建立起總調(diào)度中心和每個(gè)搬運(yùn)車的無線通信，協(xié)調(diào)各個(gè)搬運(yùn)車的相互工作，提供防撞預(yù)報(bào)；通過zigbee模塊的無線定位功能糾正解碼器隨時(shí)間累積而產(chǎn)生的誤差等功能。本導(dǎo)引裝置適用于室內(nèi)外兩用環(huán)境，且導(dǎo)引定位精度高。
文檔編號(hào)G05D3/00GK2898895SQ20052007780
公開日2007年5月9日 申請(qǐng)日期2005年11月22日 優(yōu)先權(quán)日2005年11月22日
發(fā)明者姜涌, 杜亞玲, 曹杰 申請(qǐng)人:南京航空航天大學(xué)