隨著“工業(yè)4.0”和“中國制造2025”的發(fā)展,傳統(tǒng)制造業(yè)向智能制造轉(zhuǎn)變,自動導(dǎo)航車（Automated Guided Vehicle,AGV）也變得越發(fā)重要,以其快速性、準(zhǔn)確性、高柔性和穩(wěn)定性被廣泛用于分揀、運輸、裝配等領(lǐng)域。本文以AGV為研究對象,研究AGV視覺導(dǎo)航的圖像處理算法以及路徑規(guī)劃算法,實現(xiàn)視覺導(dǎo)航AGV自主行駛。根據(jù)視覺導(dǎo)航的需求,本文設(shè)計了AGV軟硬件平臺:中間驅(qū)動前后從動的六輪底盤結(jié)構(gòu),通過對AGV運動性能和承重性能分析,選擇合適的驅(qū)動電機,對AGV的視覺系統(tǒng)、控制系統(tǒng)、避障系統(tǒng)硬件結(jié)構(gòu)進行設(shè)計。同時搭建AGV的軟件系統(tǒng)平臺和設(shè)計軟件系統(tǒng)架構(gòu),從而構(gòu)建出一臺具有實際用途的實驗型AGV,為導(dǎo)航算法的驗證提供實驗平臺。AGV的視覺檢測,主要包括對前景圖像和側(cè)景圖像的檢測。針對前景圖像,本文采用改進FT算法,對圖像進行視覺顯著性處理,確定二維碼位置,再通過圖像切割后進行二維碼識別,確定AGV當(dāng)前位置;對側(cè)景圖像則采用逆透視變換算法進行圖像矯正,再利用霍夫變換進行道路標(biāo)示線信息提取,計算出AGV的偏差角度和偏差距離。針對AGV的路徑規(guī)劃,本文分析了全局與局部路徑規(guī)劃算法,對... 

【文章來源】：合肥工業(yè)大學(xué)安徽省 211工程院校 教育部直屬院校

【文章頁數(shù)】：98 頁

【學(xué)位級別】：碩士

【部分圖文】：

等比縮放圖像

合肥工業(yè)大學(xué)碩士學(xué)位論文20（1）前置攝像頭圖像預(yù)處理1)縮放操作前置攝像頭采集到的原始圖像較大，直接進行處理會因工作量大而降低算法圖像處理速度，影響項目對于實時性檢測的要求，所以選擇對原始圖像進行圖像等比縮放，選取適當(dāng)比值，在保證圖像質(zhì)量的情況下盡可能減少圖像處理負(fù)擔(dān)。本文選用雙立方插值方法進行縮放處理。處理結(jié)果如下:圖3.1等比縮放圖像Fig3.1Zoomimage2)小波去噪處理對進行等比縮放的圖像進行去噪處理，本文采用小波去噪方法對RGB圖像進行去噪處理。小波變換具有很強的去數(shù)據(jù)相關(guān)性，可以使信號的能量在小波域進行集中，具體步驟如下：確定小波變換函數(shù)，對圖像進行高低頻分解確定小波變換函數(shù)相關(guān)閾值，對分解圖像的各層高頻系數(shù)進行過濾利用過濾后得到的頻率參數(shù)重構(gòu)圖像，得到去噪圖像。圖3.2去噪圖像Fig3.2Denoisingimage3)本預(yù)處理優(yōu)點利用圖像縮放操作，調(diào)整圖像大小，有利于快速處理圖像去噪處理使得圖像質(zhì)量提升，對后續(xù)視覺顯著性檢測提升了檢測精度（2）后置攝像頭圖像預(yù)處理1)灰度化為了減輕算法處理工作量，需將采集到的彩色圖像轉(zhuǎn)變?yōu)榛叶葓D像。本文采用加權(quán)平均法根據(jù)重要性及其它指標(biāo)，用不同的權(quán)值對RGB圖像的三個分量進行加

合肥工業(yè)大學(xué)碩士學(xué)位論文22經(jīng)過二值化后的圖像由于原圖像受噪聲干擾，可能會出現(xiàn)斑點，道路標(biāo)示線區(qū)域還會出現(xiàn)毛刺現(xiàn)象，需要進行去噪處理，去除干擾信息。對比多種去噪方法后，本文選用了形態(tài)學(xué)開運算的處理方法，對二值圖像進行腐蝕處理后進行膨脹處理。腐蝕處理將會減少圖像的稀疏特征，將強特征留下來，該操作有利于斑點的去除。之后再利用膨脹運算，使得強特征目標(biāo)邊界擴大，填補二值圖像中前特征目標(biāo)可能存在的漏洞。開運算公式如（3.3）所示：G(f)=(fb)b（3.3）其中，G(f)表示經(jīng)過開運算之后的圖像，f表示原二值圖像，表示圖像進行腐蝕運算，表示圖像進行膨脹運算，b表示二值圖像進行開運算的結(jié)構(gòu)核。如圖3.5所示為道路標(biāo)示線開運算后的效果圖。圖3.5去噪效果圖Fig3.5Denoisingeffectdiagram4)圖像邊緣檢測提取在去除干擾信息之后，本文為了進一步降低圖像處理的數(shù)據(jù)量，降低圖像分析處理耗時，利用邊緣檢測中處理效果優(yōu)異的Canny算子進行道路標(biāo)示線的邊緣提齲圖3.6為標(biāo)示線邊緣檢測提取效果圖。圖3.6邊緣提取效果圖Fig3.6Edgeextractioneffectdiagram5)本預(yù)處理優(yōu)點預(yù)處理操作降低了原圖像的信息量，提高了圖像的信息質(zhì)量和后續(xù)處理速度；

【參考文獻】：
期刊論文
[1]基于改進遺傳算法的AGV路徑規(guī)劃[J]. 孫波,姜平,周根榮,董殿永.  計算機工程與設(shè)計. 2020(02)
[2]改進A*算法的AGV路徑規(guī)劃[J]. 劉生偉,馬鉞,孟樹峰,孫樹琪.  計算機應(yīng)用. 2019(S2)
[3]一種改進的粒子群算法的路徑規(guī)劃研究[J]. 王文豐,宋勇,韓龍哲,包學(xué)才,劉天元,徐燈.  小型微型計算機系統(tǒng). 2019(12)
[4]基于Dijkstra算法優(yōu)化的城市交通路徑分析[J]. 吳紅波,王英杰,楊肖肖.  北京交通大學(xué)學(xué)報. 2019(04)
[5]改進人工勢場法自主移動機器人路徑規(guī)劃[J]. 羅強,王海寶,崔小勁,何晶昌.  控制工程. 2019(06)
[6]移動機器人行業(yè):百花齊放,快速發(fā)展[J]. 王宏玉.  物流技術(shù)與應(yīng)用. 2019(03)
[7]采用視覺顯著性和卷積網(wǎng)絡(luò)的車牌定位算法[J]. 劉華春,侯向?qū)?  計算機技術(shù)與發(fā)展. 2019(06)
[8]基于快速不變卡爾曼濾波的視覺慣性里程計[J]. 黃偉杰,張國山.  控制與決策. 2019(12)
[9]AGV導(dǎo)航技術(shù)的創(chuàng)新路徑[J]. 張穎川.  物流技術(shù)與應(yīng)用. 2018(07)
[10]多目視覺與激光組合導(dǎo)航AGV精確定位技術(shù)研究[J]. 何珍,樓佩煌,錢曉明,武星,朱立群.  儀器儀表學(xué)報. 2017(11)

碩士論文
[1]停車AGV的優(yōu)化設(shè)計與轉(zhuǎn)向穩(wěn)定性分析[D]. 張晉暢.中北大學(xué) 2019
[2]AGV路徑跟蹤控制研究[D]. 劉景檸.江西理工大學(xué) 2015
[3]室內(nèi)移動機器人的動態(tài)路徑規(guī)劃[D]. 劉敬坤.鄭州大學(xué) 2014
[4]基于BFS算法的三維動態(tài)環(huán)境下機器人路徑規(guī)劃[D]. 金何.河南大學(xué) 2011



本文編號：3356052