描述停止地標(biāo)區(qū)域特征提取與判定過程如下：
[0059] 4. 1)選取圖像所有連通域中面積最大的兩塊區(qū)域。計(jì)算兩塊區(qū)域的面積，并將兩 個(gè)面積值作差得到差值，并取差值的絕對(duì)值除以兩塊區(qū)域的面積和，得到結(jié)果為η。將該結(jié) 果η與一個(gè)預(yù)先設(shè)定的閾值N比較，若小于閾值Ν，即η〈Ν，則認(rèn)為地標(biāo)區(qū)域提取正確。
[0060] 4. 2)若滿足4. 1)的條件，則計(jì)算兩塊區(qū)域的外接矩形長(zhǎng)寬比外接矩形，如圖4中 標(biāo)號(hào)③所示。將矩形長(zhǎng)寬比與與實(shí)際地面的停止地標(biāo)的外接矩形長(zhǎng)寬比（取0.25)作差得 到差值，并取差值的絕對(duì)值m。同樣將該結(jié)果m與預(yù)先設(shè)定的閾值M比較，若小于閾值Μ，即 m〈M，則認(rèn)為地標(biāo)區(qū)域提取正確。
[0061] 4. 3)若4. 1)和4. 2)的條件都滿足，則計(jì)算兩塊區(qū)域的重心坐標(biāo)，重心位置如圖 4中標(biāo)號(hào)④所示，將其橫向坐標(biāo)X2與中間導(dǎo)航線的坐標(biāo)X。，如圖4中標(biāo)號(hào)①所示，做y = S=^Xti-X1-X2計(jì)算得到結(jié)果y。取y的絕對(duì)值與預(yù)先設(shè)定的閾值Y比較，若小于閾值Y，即y〈Y， 則認(rèn)為地標(biāo)區(qū)域提取正確，所述兩塊區(qū)域?yàn)檎_的停止地標(biāo)區(qū)域。
[0062] 5)通過已有的坐標(biāo)轉(zhuǎn)換表格將步驟4)得到平均縱向圖像坐標(biāo)轉(zhuǎn)換為真實(shí)的地面 距離信息d y。將七與AGV編碼器上讀取的車速進(jìn)行卡爾曼濾波進(jìn)一步提高地標(biāo)與AGV距 離信息的穩(wěn)定性以及準(zhǔn)確性。上述的坐標(biāo)轉(zhuǎn)換表格是通過實(shí)際標(biāo)尺在圖像中的位置記錄得 到的。將這些表格轉(zhuǎn)換成圖表如圖5所示。圖中橫坐標(biāo)為實(shí)際距離，縱坐標(biāo)為圖像中縱向 像素坐標(biāo)。
[0063] 在步驟5)中，進(jìn)一步描述卡爾曼濾波算法的濾波過程如下：
[0064] 5. 1)首先建立系統(tǒng)的狀態(tài)方程：
[0065]
[0066] 上式中，111^_(171<是k時(shí)刻真實(shí)的地面距離信息d y，k時(shí)刻編碼器測(cè)得 的速度偏差，dt是更新周期，Img_dyk 1是k-Ι時(shí)刻圖像中測(cè)得的地面距離信息d y，q_biask 1 是k-1時(shí)刻編碼器測(cè)得的速度偏差值，speed_m是編碼器的過程噪聲，w_Img_dy和w_speed 分別是圖像中測(cè)得的七與編碼器測(cè)得的速度值的測(cè)量噪聲；
[0067] 5. 2)建立測(cè)量方程：
？，式中 111^_(171<是k時(shí)刻真實(shí)的地面距離信息dy，q_biask是編碼器測(cè)得的速度偏差值，v_Img_dy 是地面距離信息七的白噪聲；
[0068] 5. 3)構(gòu)造過程噪聲矩陣
^中Q_Img_dy為地面距離 信息dy的過程噪聲，Q_speed為編碼器測(cè)得的速度值的過程噪聲；
[0069] 5. 4)構(gòu)造測(cè)量噪聲矩陣：[R_Img_dy]，其中R_Img_dy為地面距離信息dy的測(cè)量噪 聲；
[0070] 5. 5)角度預(yù)測(cè)：
[0084] 重復(fù)計(jì)算公式（1)~（5)得到距離dy最優(yōu)的結(jié)果。
[0085] 6)將地面距離信息dy作為輸入量，輸入到自抗擾控制器中，計(jì)算得到下一時(shí)刻的 AGV輸出速度，形成一個(gè)位置閉環(huán)控制器。
[0086] 進(jìn)一步描述自抗擾控制器，自抗擾（ADRC)控制器自PID控制器演變過來，采取了 PID誤差反饋控制的核心理念。傳統(tǒng)PID控制直接引取輸出與參考輸入做差作為控制信號(hào)， 導(dǎo)致出現(xiàn)響應(yīng)快速性與超調(diào)性的矛盾出現(xiàn)。自抗擾控制器主要由三部分組成：跟蹤微分器， 擴(kuò)張狀態(tài)觀測(cè)器和非線性組合。跟蹤微分器為參數(shù)輸入安排過渡過程，得到光滑的輸入信 號(hào)，并提取其微分信號(hào)。擴(kuò)張狀態(tài)觀測(cè)器采用雙通道補(bǔ)償?shù)姆椒ǜ脑鞂?duì)象模型，將非線性、 不確定的系統(tǒng)近似線性化和確定性化。非線性組合給出被控對(duì)象的控制策略。自抗擾控制 算法架構(gòu)框圖如圖6所示。
[0087] 7)重復(fù)步驟1)~6)就能實(shí)時(shí)分離提取圖像中的停止地標(biāo)并控制AGV高精度定位 停車，直到車輛停止。整個(gè)定點(diǎn)停車控制框圖如圖7所示。由圖像采集的距離數(shù)據(jù)以及編 碼器采集的速度數(shù)據(jù)融合輸入到卡爾曼濾波器中得到更為精確的距離數(shù)據(jù)，將更為精確的 距離數(shù)據(jù)輸入到自抗擾控制器中，控制無刷電機(jī)的轉(zhuǎn)速?gòu)亩刂栖囕v的當(dāng)前速度，最終實(shí) 現(xiàn)定點(diǎn)停車。
【主權(quán)項(xiàng)】
1. 一種基于圖像巡線的AGV定點(diǎn)停車方法，其特征在于，包括如下步驟： 1) 將采集到的圖像進(jìn)行中值濾波； 2) 將濾波后的圖像轉(zhuǎn)換為HSV數(shù)據(jù)格式，調(diào)整H與S的閾值，提取圖像中設(shè)定顏色的停 止地標(biāo)，得到含有停止地標(biāo)的二值圖像； 3) 對(duì)步驟2)中得到的二值圖像先后進(jìn)行開閉運(yùn)算，得到停止地標(biāo)區(qū)域； 4) 對(duì)步驟3)得到的停止地標(biāo)區(qū)域統(tǒng)計(jì)連通區(qū)域的數(shù)量、各區(qū)域面積，計(jì)算其外接矩形 的長(zhǎng)寬比以及導(dǎo)航引導(dǎo)線的關(guān)系；若以上這些特征滿足預(yù)設(shè)條件，則認(rèn)為得到的地標(biāo)區(qū)域 無誤，并分別提取各個(gè)連通區(qū)域重心坐標(biāo)并求得平均坐標(biāo)，同時(shí)往后執(zhí)行步驟5);否則丟 棄該幀圖像數(shù)據(jù)，并更新攝像機(jī)采集圖像然后返回執(zhí)行步驟1); 5) 通過已有的坐標(biāo)轉(zhuǎn)換表格將步驟4)得到平均縱向圖像坐標(biāo)轉(zhuǎn)換為真實(shí)的地面距離 信息dy，將七與AGV編碼器上讀取的車速進(jìn)行卡爾曼濾波； 6) 將地面距離信息dy作為輸入量，輸入到自抗擾控制器中，計(jì)算得到下一時(shí)刻的AGV 輸出速度，形成一個(gè)位置閉環(huán)控制器； 7) 重復(fù)步驟1)~6)，實(shí)時(shí)分離提取圖像中的停止地標(biāo)并控制AGV高精度定位停車，直 到車輛停止。2. 如權(quán)利要求1所述的一種基于圖像巡線的AGV定點(diǎn)停車方法，其特征在于，在步驟 2)中所述的停止地標(biāo)包括如下特征： 停止地標(biāo)的顏色與AGV導(dǎo)航引導(dǎo)線不同，且限于在黃色、綠色、紅色以及藍(lán)色之中選 擇，設(shè)定停止地標(biāo)為兩個(gè)長(zhǎng)20cm寬5cm的矩形實(shí)心區(qū)域，并對(duì)稱的分布在導(dǎo)航引導(dǎo)線的兩 偵h同時(shí)，設(shè)定停止地標(biāo)與導(dǎo)航引導(dǎo)線相隔15cm，停止地標(biāo)長(zhǎng)邊與導(dǎo)航引導(dǎo)線垂直分布。3. 如權(quán)利要求1或2所述的一種基于圖像巡線的AGV定點(diǎn)停車方法，其特征在于，在步 驟4)中，所述的停止地標(biāo)區(qū)域特征提取與判定過程如下： 4. 1)選取圖像所有連通域中面積最大的兩塊區(qū)域，計(jì)算兩塊區(qū)域的面積，并將兩個(gè)面 積值作差得到差值，再取差值的絕對(duì)值除以兩塊區(qū)域的面積和，得到結(jié)果為n，將該結(jié)果n 與一個(gè)預(yù)先設(shè)定的閾值N比較，若小于閾值N，即n〈N，則認(rèn)為地標(biāo)區(qū)域提取正確； 4.2) 若滿足4. 1)的條件，則計(jì)算兩塊區(qū)域的外接矩形長(zhǎng)寬比，將矩形長(zhǎng)寬比與實(shí)際地 面的停止地標(biāo)的外接矩形長(zhǎng)寬比作差得到差值，并取差值的絕對(duì)值m，同樣將該結(jié)果m與預(yù) 先設(shè)定的閾值M比較，若小于閾值M，即m〈M，則認(rèn)為地標(biāo)區(qū)域提取正確。 4.2) 若4.1)和4. 2)的條件都滿足，則計(jì)算兩塊區(qū)域的重心坐標(biāo)，將其橫向坐標(biāo)七、知 與中間導(dǎo)航線的坐標(biāo)X。做y=S+Xo-Xi-x；；計(jì)算得到結(jié)果y，取y的絕對(duì)值與預(yù)先設(shè)定的閾 值Y比較，若小于閾值Y，即y〈Y，則認(rèn)為地標(biāo)區(qū)域提取正確，所述兩塊區(qū)域?yàn)檎_的停止地 標(biāo)區(qū)域。4. 如權(quán)利要求1或2所述的一種基于圖像巡線的AGV定點(diǎn)停車方法，其特征在于，在步 驟5)中，所述的卡爾曼濾波算法的濾波過程如下： 5. 1)首先建立系統(tǒng)的狀態(tài)方程：上式中，11^_(^15是k時(shí)刻真實(shí)的地面距離信息dy, 9_1^&815是k時(shí)刻編碼器測(cè)得的速 度偏差，dt是更新周期，Img_dyk1是k_l時(shí)刻圖像中測(cè)得的地面距尚彳目息dy，q_biask1是 k-1時(shí)刻編碼器測(cè)得的速度偏差值，speed_m是編碼器的過程噪聲，w_Img_dy和w_speed分 別是圖像中測(cè)得的七與編碼器測(cè)得的速度值的測(cè)量噪聲； 5. 2)建立測(cè)量方程：式中Img_dyk 是k時(shí)刻真實(shí)的地面距離信息dy，q_biask是編碼器測(cè)得的速度偏差值，v_Img_dy是地面距 離信息dy的白噪聲； 5. 3)構(gòu)造過程噪聲矩陣：，其中Q_Img_dy為地面距離信息 dy的過程噪聲，Q_speed為編碼器測(cè)得的速度值的過程噪聲； 5. 4)構(gòu)造測(cè)量噪聲矩陣：[R_Img_dy]，其中R_Img_dy為地面距離信息4的測(cè)量噪聲； 5. 5)角度預(yù)測(cè)：其中，Pk|ki為通過k-1時(shí)刻狀態(tài)量對(duì)k時(shí)刻預(yù)測(cè)的協(xié)方差矩陣； 5. 7)計(jì)算卡爾曼增益：5. 8)方差更新：其中，E為單位矩陣，Pk|k為k時(shí)刻的協(xié)方差矩陣； 5. 9)狀態(tài)估計(jì)：重復(fù)計(jì)算公式（1)~（5)得到距離七最優(yōu)的結(jié)果。5.如權(quán)利要求1或2所述的一種基于圖像巡線的AGV定點(diǎn)停車方法，其特征在于，在步 驟6)中，所述自抗擾控制器包括跟蹤微分器、擴(kuò)張狀態(tài)觀測(cè)器和非線性組合，跟蹤微分器 為參數(shù)輸入安排過渡過程，得到光滑的輸入信號(hào)，并提取其微分信號(hào)，擴(kuò)張狀態(tài)觀測(cè)器采用 雙通道補(bǔ)償?shù)姆椒ǜ脑鞂?duì)象模型，將非線性、不確定的系統(tǒng)近似線性化和確定性化，非線性 組合給出被控對(duì)象的控制策略。
【專利摘要】一種基于圖像巡線的AGV定點(diǎn)停車方法，將采集到的圖像進(jìn)行中值濾波；將圖像轉(zhuǎn)換為HSV數(shù)據(jù)格式，提取圖像中設(shè)定顏色的停止地標(biāo)，得到含有停止地標(biāo)的二值圖像；對(duì)二值圖像先后進(jìn)行開閉運(yùn)算；判定得到的地標(biāo)區(qū)域無誤，分別提取各個(gè)連通區(qū)域重心坐標(biāo)并求得平均坐標(biāo)；通過已有的坐標(biāo)轉(zhuǎn)換表格將得到平均縱向圖像坐標(biāo)轉(zhuǎn)換為真實(shí)的地面距離信息dy；將dy與AGV編碼器上讀取的車速進(jìn)行卡爾曼濾波；將地面距離信息dy作為輸入量，輸入到自抗擾控制器中，計(jì)算得到下一時(shí)刻的AGV輸出速度，形成一個(gè)位置閉環(huán)控制器；重復(fù)以上步驟，實(shí)時(shí)分離提取圖像中的停止地標(biāo)并控制AGV高精度定位停車，直到車輛停止。本發(fā)明控制精度較高、穩(wěn)定性良好。
【IPC分類】G05D1/02, G05D13/62, G01C21/00
【公開號(hào)】CN105094134
【申請(qǐng)?zhí)枴緾N201510528410
【發(fā)明人】董輝, 賴宏煥, 陳婷婷, 羅立鋒, 吳祥
【申請(qǐng)人】杭州金人自動(dòng)控制設(shè)備有限公司
【公開日】2015年11月25日
【申請(qǐng)日】2015年8月25日