CN108534788B - 一种基于kinect视觉的AGV导航方法 - Google Patents
一种基于kinect视觉的AGV导航方法 Download PDFInfo
- Publication number
- CN108534788B CN108534788B CN201810185790.3A CN201810185790A CN108534788B CN 108534788 B CN108534788 B CN 108534788B CN 201810185790 A CN201810185790 A CN 201810185790A CN 108534788 B CN108534788 B CN 108534788B
- Authority
- CN
- China
- Prior art keywords
- agv
- frame image
- contour
- image
- moving range
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于kinect视觉的AGV导航方法，为各AGV预设行走路径；当AGV活动范围上方的kinect仪实时获取图像，并且构建出二维地图；通过每帧图像的AGV轮廓对各AGV进行追踪。每当获取到当前帧图像时，通过当前帧图像和上一帧图像计算出各AGV轮廓走偏的斜率，确定是否要对AGV的当前行走轨迹进行修正；每当获取到当前帧图像时，通过计算相同行走方向的相邻两部AGV之间距离确定是否要控制AGV的行走，同时通过判断AGV活动范围内每一位置在下一时刻是否会有多部AGV同时到达控制各AGV的行走；本发明方法通过Kinect视觉进行全局定位，能够进行合理有效的智能避障。
Description
技术领域
本发明涉及一种AGV导航方法，特别涉及一种基于kinect视觉的AGV导航方法。
背景技术
传统人力和半机械化的工厂物流方式成本高、效率低，无法满足生产自动化和智能化的要求。AGV(Automated Guided Vehicle)作为一种新型智能物流设备，具有高自动化、高一体化、高灵活性等特点，能够很快捷地与各类RS/AS入/出口、生产线、装配线、输送线、站台、货架、作业点等有机结合；能够根据不同的需求，以不同的组合，实现各种不同的功能；能最大限度地缩短物流周转周期，降低物料的周转消耗，实现来料与加工、物流与生产、成品与销售等的柔性衔接，最大限度地提高生产***的工作效率,现已广泛应用于仓储业、制造业等行业中。
近年来，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。传统工业会逐渐被取代，跟不上行业的发展，机器人来代替人工，提高效率和准确性，降低成本是发展的必然趋势。AGV物流分拣***用大量的移动机器人进行装载、搬运快递包裹，能够极大地提高工作效率。
我国目前的自动化物流分拣主要还是依靠着大型的物流分拣设备，虽然具有较高的物流分拣效率，但是物流分拣设备的大型化就决定了工作场地的大型化，这样就大大的限制了物流分拣的适用范围。我国的自动化物流分拣的发展还处于大型化的阶段，主要适用于大型仓库，进行大批量大包裹的自动化物流分拣。但是现如今，小包裹、小型化的物流分拣的应用范围却越来越广。
我国现在物流分拣只有少数实现了自动化，例如一些大型企业或则大型的物流公司才会有属于自己的大型的自动化物流分拣仓库。而只有在这些大型的自动化物流仓库中才有专业的自动化物流分拣设备来完成对物流包裹的自动化分拣。
在大多数情况下，我国的物流分拣都还是通过人工完成的。一般都是待分拣的货物到达仓库后，由物流工作人员扫描快递包裹上的条形码将物流信息录入***，然后在根据物流信息将一个个物流包裹按堆进行分类，待一堆货物数量较多时在一次性的将这一堆货物运送至相对应的仓库区域。但是在这总情况下往往会由于工作人员的操作失误或者是注意力不集中导致货物堆放混乱或者是货物损坏，这样就会导致物流分拣的货物损坏率和错误率大大增加。
传统AGV导航方式主要采用电磁导航和光学导航。此类导航方式需在地面铺设路径，根据AGV车体中轴线和路径的偏差实现运动控制，灵活性差，路径更改和拓展困难。
移动机器人的定位功能是其导航的多个领域中最重要的一项功能,也是完成机器人导航任务最基本的环节。定位的准确性和可靠性直接决定了移动机器人能否正确完成导航功能。AGV定位一般有两种方式——相对定位与绝对定位：相对定位即AGV在确定初始位姿的情况下，利用光电编码器、加速度计等内部传感器，计算当前时刻和上一时刻的位姿变化以更新当前状态和初始状态间的相对位姿。这是使用最广泛的AGV定位方式。该方式在短距离移动中具有较高的定位精度，但由于采用增量计算方式，定位误差随运动距离和时间的增加会不断累积，需配合额外传感器以消除误差。相比之下绝对定位指利用外部传感器直接计算AGV的绝对位置，不存在累积误差，且可解决AGV在非自主移动下的“绑架”问题。
发明内容
本发明的目的在于克服现有技术的缺点与不足，提供一种基于kinect视觉的AGV导航方法，相比传统的AGV上装传感器(比如红外传感器)进行避障的方法，本发明方法通过Kinect视觉进行全局定位，知晓各AGV的周围环境信息，能够进行合理有效的智能避障。
本发明的目的通过下述技术方案实现：一种基于kinect视觉的AGV导航方法，步骤如下：
步骤S1、为AGV活动范围内的各AGV预设行走路径；
步骤S2、通过放置于AGV活动范围上方的kinect仪实时获取AGV活动范围的图像；
步骤S3、针对于kinect仪获取到的AGV活动范围的当前帧图像，根据该帧图像构建出对应AGV活动范围的二维地图；
同时，针对kinect仪获取到的AGV活动范围的当前帧图像，首先对当前帧图像进行灰度化和二值化的依次处理，然后从灰度化和二值化处理后的图像中提取出物体轮廓，并且过滤物体轮廓得到AGV轮廓，最后根据该帧图像下构建出的AGV活动范围的二维地图获取到各AGV轮廓的质心坐标；
步骤S4、根据当前帧图像以及上一帧图像中提取出的各AGV轮廓的质心坐标，以对各AGV轮廓进行跟踪；
步骤S5、针对于当前帧图像中的每一AGV轮廓，根据当前帧图像下构建的二维地图获取该AGV轮廓的质心坐标，同时根据上一帧图像下构建的二维地图获取该AGV轮廓的质心坐标，然后计算出该AGV轮廓的走偏的斜率，判断该斜率是否大于一定值，若是，则控制该AGV进行当前行走轨迹的修正；
同时，根据当前帧图像下构建的二维地图获取当前帧图像中各AGV轮廓的质心坐标，根据各AGV轮廓的质心坐标以及各AGV的行走路径，判断AGV活动范围内每一位置在下一时刻是否会有多部AGV同时到达，若是，则依次控制各部AGV通过该位置；同时根据各AGV轮廓的质心坐标以及各AGV的行走路径，判断同一行走方向的相邻两部AGV之间的距离是否小于一定值e，若是，则控制其中一部AGV先停止行走；
步骤S6、判断kinect仪获取到的AGV活动范围的当前帧图像是否为最后一帧图像，若否，则在kinect仪获取到AGV活动范围的下一帧图像时，返回到步骤S3；若是，则结束。
优选的，所述步骤S3中，针对于kinect仪获取到的AGV活动范围的当前帧图像，根据该帧图像构建出对应AGV活动范围的二维地图的具体过程如下：
首先针对于AGV活动范围的当前帧图像，根据该帧图像构建图像坐标(u,v)，然后将图像坐标转换成实际坐标(x,y)：
x＝au；
y＝bv；
其中：
其中width为AGV活动范围的当前帧图像的宽度，higth为AGV活动范围的当前帧图像的长度，diatance_x为AGV活动范围地面的实际宽度，diatance_y为AGV活动范围地面的实际长度。
优选的，所述步骤S3中，针对kinect仪获取到的AGV活动范围的当前帧图像，对该帧图像进行灰度化和二值化处理的过程如下：
在kinect仪获取到的AGV活动范围的当前帧图像后，针对于该帧图像新建一张mat形式图片src，然后通过cvtColor()函数，将图像灰度化并储存在新建的mat图片src中；最后再通过Threshold()函数选择合适的阀值，将已经灰度化的图片src像素点的灰度值设置为0或255；
其中cvtColor()函数的公式如下：
Gray＝0.299R+0.587G+0.114B；
其中Gray为图像灰度化后的灰度值。
优选的，所步骤S3中，从灰度化和二值化处理后的图像中提取出物体轮廓后，过滤物体轮廓得到AGV轮廓的过程如下：
针对于图像中提取出的每一物体轮廓，判断该物体轮廓是否满足以下条件：长度大于第一阈值g，且宽度大于第二阈值h；
若是，则判定该物体轮廓为图像中的AGV轮廓；
若否，则判断该物体轮廓不为图像中的AGV轮廓，去除该物体轮廓。
优选的，所述步骤S4中，根据当前帧图像以及上一帧图像中提取出的各AGV轮廓的质心坐标，对各AGV轮廓进行跟踪的过程具体如下：
首先预设两帧图像之间各AGV走过的路程为S；
每当kinect仪获取到AGV活动范围的当前图像时，针对于当前帧图像中的每一AGV轮廓，将上一帧图像中与该AGV轮廓之间的距离小于S的AGV轮廓认定为该AGV轮廓；若上一帧图像中没有与该AGV轮廓之间的距离小于S的AGV轮廓，则将该AGV轮廓作为AGV活动范围内出现的新AGV；
其中上一帧图像中AGV轮廓与当前帧图像中AGV轮廓之间的距离为s：
其中(x″,y″)为某AGV轮廓的质心在上一帧图像下构建的二维地图中的坐标，(x′,y′)为该AGV轮廓的质心在当前帧图像下构建的二维地图中的坐标。
更进一步的，所述S为6cm。
优选的，所述步骤S5中，计算出AGV轮廓的走偏的斜率k为：
其中(x2,y2)为某AGV轮廓的质心在当前帧图像下构建的二维地图中的坐标，(x1,y1)为该AGV轮廓的质心在上一帧图像下构建的二维地图中的坐标。
更进一步的，当判断出AGV轮廓的走偏的斜率k大于一定值0.17时，则控制该AGV自动进行行走轨迹的修正。
优选的，一定值e为10cm。
优选的，所述步骤S1中，由上位机对AGV活动范围内的各AGV的行走路径进行预设，AGV的行走路径包括起始点、拐角点和目标点，各AGV由起始点到达目标点后再返回到起始点；其中同一AGV活动范围内的各AGV的起始点相同；当起始点上的AGV接收到上位机预设的行走路径信息且货物信息已经接收成功后，按照预设行走路径向目标点运动，达到目标点卸货后，再接着按照预设行走路径从目标点返回到起始点。
本发明相对于现有技术具有如下的优点及效果：
(1)本发明一种基于kinect视觉的AGV导航方法，首先为AGV活动范围内的各AGV预设行走路径；当AGV活动范围内的AGV开始分拣工作时，通过放置于AGV活动范围上方的kinect仪实时获取AGV活动范围的图像，并且根据获取到的AGV活动范围的图像实时构建出AGV活动范围的二维地图；通过kinect仪获取到的AGV活动范围的每帧图像的AGV轮廓对各AGV进行追踪。其中，每当kinect仪获取到AGV活动范围的当前帧图像时，通过当前帧图像和上一帧图像计算出各AGV轮廓走偏的斜率，通过走偏的斜率确定是否要对AGV的当前行走轨迹进行修正；另外每当kinect仪获取到AGV活动范围的当前帧图像时，通过计算相同行走方向的相邻两部AGV之间的距离确定是否要控制AGV的行走，同时通过判断AGV活动范围内每一位置在下一时刻是否会有多部AGV同时到达控制各AGV的行走；由上述可见，本发明方法通过Kinect视觉进行全局定位，知晓各AGV的周围环境信息，相比传统的AGV上装传感器(比如红外传感器)进行避障的方法，能够进行合理有效的智能避障。
(2)本发明基于kinect视觉的AGV导航方法中，针对kinect仪获取到的AGV活动范围的每帧图像，首先对该帧图像进行灰度化和二值化的依次处理，然后从灰度化和二值化处理后的图像中提取出物体轮廓；本发明通过灰度化和二值化处理后的图像来提取物体轮廓，可以有效将AGV和其周围环境明显区分开来，方便下一步对AGV轮廓进行特征提取。
附图说明
图1是本发明基于kinect视觉的AGV导航方法流程图。
图2是本发明方法中各AGV的行走流程图。
图3是本发明方法中kinect仪放置于AGV活动范围上方的示意图。
图4是本发明方法中各AGV在二维地图中的行走路径示意图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
实施例本发明公开了一种基于kinect视觉的AGV导航方法，如图1所示，步骤如下：
步骤S1、为AGV活动范围内的各AGV预设行走路径；其中，在本实施例中，由上位机对AGV活动范围内的各AGV的行走路径进行预设，AGV的行走路径包括起始点、拐角点和目标点；如图2中所示，各AGV由起始点到达目标点后再返回到起始点，其中同一AGV活动范围内的各AGV的起始点相同；当起始点上的AGV接收到上位机发送的预设行走路径信息且货物信息已经接收成功后，按照预设行走路径向目标点运动，达到目标点卸货后，再接着按照预设行走路径从目标点返回到起始点。其中AGV可以通过wifi通信模块接收上位机的行走路径信息以及货物信息。
步骤S2、当AGV活动范围内的AGV开始分拣工作时，通过放置于AGV活动范围上方的kinect仪实时获取AGV活动范围的图像，并且传送给上位机；如图3所示，为kinect仪放置于AGV活动范围上方的示意图，其中本实施例中，kinect放置高度与其视觉覆盖率有关，最好是刚好覆盖AGV的活动范围。
步骤S3、针对于kinect仪获取到的AGV活动范围的当前帧图像，根据该帧图像构建出对应AGV活动范围的二维地图；在本实施例中，上位机在接收到kinect仪发送的AGV活动范围的当前帧图像后，根据该帧图像进行AGV活动范围的二维地图构建，具体为：首先针对于AGV活动范围的当前帧RGB图像，根据该帧RGB图像构建图像坐标(u,v)，然后将图像坐标转换成实际坐标(x,y)：
x＝au；
y＝bv；
其中：
其中width为AGV活动范围的当前帧图像的宽度，higth为AGV活动范围的当前帧图像的长度，diatance_x为AGV活动范围地面的实际宽度，diatance_y为AGV活动范围地面的实际长度。其中如图4所示为6部AGV在二维地图中的预设行走路径示意图，6部AGV分别为第一AGV、第二AGV、第三AGV、第四AGV、第五AGV和第六AGV，各箭头方向即为各AGV的行走方向，其中第一AGV从起始点1开始行走至第一目标点2-1，然后再从第一目标点2-1返回至起始点1；第二AGV从起始点1开始行走至第二目标点2-2，然后再从第二目标点2-1返回至起始点1，第三AGV从起始点1开始行走至第三目标点2-3，然后再从第三目标点2-3返回至起始点1，第四AGV从起始点1开始行走至第四目标点2-4，然后再从第四目标点2-4返回至起始点1，第五AGV从起始点1开始行走至第五目标点2-5，然后再从第五目标点2-5返回至起始点1，第六AGV从起始点1开始行走至第六目标点2-6，然后再从第六目标点2-6返回至起始点1。
同时，针对kinect仪获取到的AGV活动范围的当前帧图像，首先对当前帧图像进行灰度化和二值化的依次处理，然后从灰度化和二值化处理后的图像中提取出物体轮廓，并且过滤物体轮廓得到AGV轮廓，最后根据该帧图像下构建出的AGV活动范围的二维地图获取到各AGV轮廓的质心坐标；
其中在本实施例中，针对kinect仪获取到的AGV活动范围的当前帧图像，对该帧图像进行灰度化和二值化处理的过程如下：
在kinect仪获取到的AGV活动范围的当前帧RGB图像后，针对于该帧RGB图像新建一张mat形式图片src，然后通过cvtColor()函数，将RGB图像灰度化并储存在新建的mat图片src中；最后再通过Threshold()函数选择合适的阀值，将已经灰度化的图片src像素点的灰度值设置为0或255；其中上述cvtColor()函数的公式如下：
Gray＝0.299R+0.587G+0.114B；
其中Gray为RGB图像灰度化后的灰度值。
其中在本实施例中，上述步骤中，从灰度化和二值化处理后的图像中提取出物体轮廓后，过滤物体轮廓得到AGV轮廓的过程如下：针对于图像中提取出的每一物体轮廓，判断该物体轮廓是否满足以下条件：长度大于第一阈值g，且宽度大于第二阈值h；若是，则判定该物体轮廓为图像中的AGV轮廓；若否，则判断该物体轮廓不为图像中的AGV轮廓，去除该物体轮廓。其中上述第一阈值g和第二阈值h的值根据实际AGV的长宽进行设定。
步骤S4、根据当前帧图像以及上一帧图像中提取出的各AGV轮廓的质心坐标，以对各AGV轮廓进行跟踪；具体为：
首先预设两帧图像之间各AGV走过的路程为S；在本实施例中，S为6cm。每当kinect仪获取到AGV活动范围的当前帧图像时，针对于当前帧图像中的每一AGV轮廓，将上一帧图像中与该AGV轮廓之间的距离小于S的AGV轮廓认定为该AGV轮廓；若当前帧图像为kinect仪获取到的AGV活动范围的第一帧图像，则直接对各AGV轮廓进行标记；
其中上一帧图像中AGV轮廓与当前帧图像中AGV轮廓之间的距离为s：
其中(x″,y″)为某AGV轮廓的质心在上一帧图像下构建的二维地图中的坐标，(x′,y′)为该AGV轮廓的质心在当前帧图像下构建的二维地图中的坐标。
在本步骤中，若上一帧图像中没有与该AGV轮廓之间的距离小于S的AGV轮廓，则将该AGV轮廓作为AGV活动范围内出现的新AGV。
步骤S5、针对于当前帧图像中的每一AGV轮廓，根据当前帧图像下构建的二维地图获取该AGV轮廓的质心坐标，同时根据上一帧图像下构建的二维地图获取该AGV轮廓的质心坐标，然后计算出该AGV轮廓的走偏的斜率，判断该AGV轮廓的走偏的斜率是否大于一定值，若是，则控制该AGV进行当前行走轨迹的修正，若否，则无需对该AGV进行行走轨迹的修正；在本实施例中，AGV活动范围内每部AGV在如图2的方式行走过程中，需要按照以上方法进行行走轨迹的修正。
其中，在本实施例中，AGV轮廓的走偏的斜率k为：
其中(x2,y2)为某AGV轮廓的质心在当前帧图像下构建的二维地图中的坐标，(x1,y1)为该AGV轮廓的质心在上一帧图像下构建的二维地图中的坐标。在本实施例中，判断该AGV轮廓的走偏的斜率是否大于一定值0.17，若是，则控制该AGV进行当前行走轨迹的修正。
同时，根据当前帧图像下构建的二维地图获取当前帧图像中各AGV轮廓的质心坐标，根据各AGV轮廓的质心坐标以及各AGV的行走路径判断AGV活动范围内每一位置在下一时刻是否会有多部AGV同时到达，若是，则依次控制各部AGV通过该位置；同时，根据各AGV轮廓的质心坐标以及各AGV的行走路径，判断同一行走方向的相邻两部AGV之间的距离是否小于一定值e，若是，则控制其中一部AGV先停止行走，直到两部AGV之间的距离大于一定值e；在实施例中一定值e可以设定为10cm。在本实施例中，AGV活动范围内每部AGV在如图2的方式行走过程中，需要按照以上方法进行执行，以实现多部AGV协同与避障。
步骤S6、判断kinect仪获取到的AGV活动范围的当前帧图像是否为最后一帧图像，若否，则在kinect仪获取到AGV活动范围的下一帧图像时，返回到步骤S3；若是，则结束。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。
Claims (10)
1.一种基于kinect视觉的AGV导航方法，其特征在于，步骤如下：
步骤S1、为AGV活动范围内的各AGV预设行走路径；
步骤S2、通过放置于AGV活动范围上方的kinect仪实时获取AGV活动范围的图像；
步骤S3、针对于kinect仪获取到的AGV活动范围的当前帧图像，根据该帧图像构建出对应AGV活动范围的二维地图；
同时，针对kinect仪获取到的AGV活动范围的当前帧图像，首先对当前帧图像进行灰度化和二值化的依次处理，然后从灰度化和二值化处理后的图像中提取出物体轮廓，并且过滤物体轮廓得到AGV轮廓，最后根据该帧图像下构建出的AGV活动范围的二维地图获取到各AGV轮廓的质心坐标；
步骤S4、根据当前帧图像以及上一帧图像中提取出的各AGV轮廓的质心坐标，以对各AGV轮廓进行跟踪；
步骤S5、针对于当前帧图像中的每一AGV轮廓，根据当前帧图像下构建的二维地图获取该AGV轮廓的质心坐标，同时根据上一帧图像下构建的二维地图获取该AGV轮廓的质心坐标，然后计算出该AGV轮廓的走偏的斜率，判断该斜率是否大于一定值，若是，则控制该AGV进行当前行走轨迹的修正；
同时，根据当前帧图像下构建的二维地图获取当前帧图像中各AGV轮廓的质心坐标，根据各AGV轮廓的质心坐标以及各AGV的行走路径，判断AGV活动范围内每一位置在下一时刻是否会有多部AGV同时到达，若是，则依次控制各部AGV通过该位置；同时根据各AGV轮廓的质心坐标以及各AGV的行走路径，判断同一行走方向的相邻两部AGV之间的距离是否小于一定值e，若是，则控制其中一部AGV先停止行走；
步骤S6、判断kinect仪获取到的AGV活动范围的当前帧图像是否为最后一帧图像，若否，则在kinect仪获取到AGV活动范围的下一帧图像时，返回到步骤S3；若是，则结束。
2.根据权利要求1所述的基于kinect视觉的AGV导航方法，其特征在于，所述步骤S3中，针对于kinect仪获取到的AGV活动范围的当前帧图像，根据该帧图像构建出对应AGV活动范围的二维地图的具体过程如下：
首先针对于AGV活动范围的当前帧图像，根据该帧图像构建图像坐标(u,v)，然后将图像坐标转换成实际坐标(x,y)：
x＝au；
y＝bv；
其中：
其中width为AGV活动范围的当前帧图像的宽度，higth为AGV活动范围的当前帧图像的长度，diatance_x为AGV活动范围地面的实际宽度，diatance_y为AGV活动范围地面的实际长度。
3.根据权利要求1所述的基于kinect视觉的AGV导航方法，其特征在于，所述步骤S3中，针对kinect仪获取到的AGV活动范围的当前帧图像，对该帧图像进行灰度化和二值化处理的过程如下：
在kinect仪获取到的AGV活动范围的当前帧图像后，针对于该帧图像新建一张mat形式图片src，然后通过cvtColor()函数，将图像灰度化并储存在新建的mat图片src中；最后再通过Threshold()函数选择合适的阀值，将已经灰度化的图片src像素点的灰度值设置为0或255；
其中cvtColor()函数的公式如下：
Gray＝0.299R+0.587G+0.114B；
其中Gray为图像灰度化后的灰度值。
4.根据权利要求1所述的基于kinect视觉的AGV导航方法，其特征在于，所步骤S3中，从灰度化和二值化处理后的图像中提取出物体轮廓后，过滤物体轮廓得到AGV轮廓的过程如下：
针对于图像中提取出的每一物体轮廓，判断该物体轮廓是否满足以下条件：长度大于第一阈值g，且宽度大于第二阈值h；
若是，则判定该物体轮廓为图像中的AGV轮廓；
若否，则判断该物体轮廓不为图像中的AGV轮廓，去除该物体轮廓。
5.根据权利要求1所述的基于kinect视觉的AGV导航方法，其特征在于，所述步骤S4中，根据当前帧图像以及上一帧图像中提取出的各AGV轮廓的质心坐标，对各AGV轮廓进行跟踪的过程具体如下：
首先预设两帧图像之间各AGV走过的路程为S；
每当kinect仪获取到AGV活动范围的当前图像时，针对于当前帧图像中的每一AGV轮廓，将上一帧图像中与该AGV轮廓之间的距离小于S的AGV轮廓认定为该AGV轮廓；若上一帧图像中没有与该AGV轮廓之间的距离小于S的AGV轮廓，则将该AGV轮廓作为AGV活动范围内出现的新AGV；
其中上一帧图像中AGV轮廓与当前帧图像中AGV轮廓之间的距离为s：
其中(x″,y″)为某AGV轮廓的质心在上一帧图像下构建的二维地图中的坐标，(x′,y′)为该AGV轮廓的质心在当前帧图像下构建的二维地图中的坐标。
6.根据权利要求5所述的基于kinect视觉的AGV导航方法，其特征在于，所述S为6cm。
7.根据权利要求1所述的基于kinect视觉的AGV导航方法，其特征在于，所述步骤S5中，计算出AGV轮廓的走偏的斜率k为：
其中(x2,y2)为某AGV轮廓的质心在当前帧图像下构建的二维地图中的坐标，(x1,y1)为该AGV轮廓的质心在上一帧图像下构建的二维地图中的坐标。
8.根据权利要求7所述的基于kinect视觉的AGV导航方法，其特征在于，当判断出AGV轮廓的走偏的斜率k大于一定值0.17时，则控制该AGV自动进行行走轨迹的修正。
9.根据权利要求1所述的基于kinect视觉的AGV导航方法，其特征在于，一定值e为10cm。
10.根据权利要求1所述的基于kinect视觉的AGV导航方法，其特征在于，所述步骤S1中，由上位机对AGV活动范围内的各AGV的行走路径进行预设，AGV的行走路径包括起始点、拐角点和目标点，各AGV由起始点到达目标点后再返回到起始点；其中同一AGV活动范围内的各AGV的起始点相同；当起始点上的AGV接收到上位机预设的行走路径信息且货物信息已经接收成功后，按照预设行走路径向目标点运动，达到目标点卸货后，再接着按照预设行走路径从目标点返回到起始点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810185790.3A CN108534788B (zh) | 2018-03-07 | 2018-03-07 | 一种基于kinect视觉的AGV导航方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810185790.3A CN108534788B (zh) | 2018-03-07 | 2018-03-07 | 一种基于kinect视觉的AGV导航方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108534788A CN108534788A (zh) | 2018-09-14 |
| CN108534788B true CN108534788B (zh) | 2020-06-05 |
Family
ID=63486459
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810185790.3A Active CN108534788B (zh) | 2018-03-07 | 2018-03-07 | 一种基于kinect视觉的AGV导航方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108534788B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111007855A (zh) * | 2019-12-19 | 2020-04-14 | 厦门理工学院 | 一种agv车导航控制方法 |
| CN112149555B (zh) * | 2020-08-26 | 2023-06-20 | 华南理工大学 | 一种基于全局视觉的多仓储agv追踪方法 |
| CN114202687B (zh) * | 2021-08-12 | 2024-07-26 | 昆明理工大学 | 基于无人机影像的烟草植株自动提取和计数方法及*** |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105843223A (zh) * | 2016-03-23 | 2016-08-10 | 东南大学 | 一种基于空间词袋模型的移动机器人三维建图与避障方法 |
| CN106774310A (zh) * | 2016-12-01 | 2017-05-31 | 中科金睛视觉科技（北京）有限公司 | 一种机器人导航方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8594935B2 (en) * | 2009-03-18 | 2013-11-26 | Intouch Graphics, Inc. | Systems, methods, and software for providing wayfinding orientation and wayfinding data to blind travelers |
-
2018
- 2018-03-07 CN CN201810185790.3A patent/CN108534788B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105843223A (zh) * | 2016-03-23 | 2016-08-10 | 东南大学 | 一种基于空间词袋模型的移动机器人三维建图与避障方法 |
| CN106774310A (zh) * | 2016-12-01 | 2017-05-31 | 中科金睛视觉科技（北京）有限公司 | 一种机器人导航方法 |
Non-Patent Citations (2)
| Title |
|---|
| Obstacle Avoidance for AGV with Kinect Sensor;Jianping Han;《International Journal of Smart Home》;20161031;第10卷(第8期);第65-74页 * |
| 基于视觉和距离传感器的SLAM和导航方法的探新;花罡辰;《深圳信息职业技术学院学报》;20150315;第13卷(第01期);第83-88页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108534788A (zh) | 2018-09-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10810544B2 (en) | Distributed autonomous robot systems and methods | |
| US11638993B2 (en) | Robotic system with enhanced scanning mechanism | |
| CN111496770B (zh) | 基于3d视觉与深度学习的智能搬运机械臂***及使用方法 | |
| US20200380722A1 (en) | Robotic system with dynamic packing mechanism | |
| US20240078512A1 (en) | Robotic system with automated object detection mechanism and methods of operating the same | |
| CN108534788B (zh) | 一种基于kinect视觉的AGV导航方法 | |
| CN107065861A (zh) | 机器人集智能搬运、装卸于一体的方法和装置 | |
| WO2023005384A1 (zh) | 可移动设备的重定位方法及装置 | |
| WO2022121460A1 (zh) | Agv智能叉车及地堆库存区域站台状态的检测方法、装置 | |
| CN114030805B (zh) | 仓储***、用于仓储***的穿梭车及其导航方法 | |
| CN108622590B (zh) | 一种物流仓库用的智能运输机器人 | |
| CN114089735A (zh) | 可移动机器人调整货架位姿的方法和装置 | |
| CN114537940A (zh) | 用于仓储***的穿梭车、仓储***和穿梭车的控制方法 | |
| Beinschob et al. | Advances in 3d data acquisition, mapping and localization in modern large-scale warehouses | |
| CN114862301A (zh) | 基于二维码辅助定位的托盘叉车agv自动装载方法 | |
| KR102281588B1 (ko) | 운송 로봇의 실내자율주행 시스템 | |
| US11797906B2 (en) | State estimation and sensor fusion switching methods for autonomous vehicles | |
| CN101497420B (zh) | 工业用自动化载具***及其操作方法 | |
| CN111470244B (zh) | 机器人***的控制方法以及控制装置 | |
| CN114283193A (zh) | 一种栈板三维视觉定位方法及*** | |
| CN111056197B (zh) | 基于局部定位***的货箱自动转移方法 | |
| CN114603561A (zh) | 智能机器人视觉传感器控制***及方法 | |
| TWI715358B (zh) | 移動載具及其狀態估測與感測融合切換方法 | |
| US20230236600A1 (en) | Operational State Detection for Obstacles in Mobile Robots | |
| CN111056195B (zh) | 一种用于无人设备用的自动上下货柜的对接控制方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| EE01 | Entry into force of recordation of patent licensing contract | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20180914 Assignee: GUANGZHOU DAWEI COMMUNICATION CO.,LTD. Assignor: Guangzhou University Contract record no.: X2022980024622 Denomination of invention: An AGV Navigation Method Based on Kinect Vision Granted publication date: 20200605 License type: Common License Record date: 20221202 |
|
| EE01 | Entry into force of recordation of patent licensing contract | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20180914 Assignee: QIANHAI JUYING (SHENZHEN) PRECISION TECHNOLOGY Co.,Ltd. Assignor: Guangzhou University Contract record no.: X2022980024921 Denomination of invention: An AGV Navigation Method Based on Kinect Vision Granted publication date: 20200605 License type: Common License Record date: 20221207 Application publication date: 20180914 Assignee: Shenzhen Jinsui Fangyuan Technology Co.,Ltd. Assignor: Guangzhou University Contract record no.: X2022980024991 Denomination of invention: An AGV Navigation Method Based on Kinect Vision Granted publication date: 20200605 License type: Common License Record date: 20221207 Application publication date: 20180914 Assignee: Shenzhen Zhonghaocheng Technology Development Co.,Ltd. Assignor: Guangzhou University Contract record no.: X2022980024911 Denomination of invention: An AGV Navigation Method Based on Kinect Vision Granted publication date: 20200605 License type: Common License Record date: 20221207 |