基于机器视觉的AGV导航标识符识别方法研究

作者：时间：2014-01-13来源：网络收藏

前言

自动导引车(automated guided vehicle，agv)是自动化物流运输系统、柔性生产组织系统的核心设备。agv的引导方式有电磁感应式、磁铁—螺旋仪式、激光引导式、视觉引导式等。不同的引导方式不仅决定着由其组成的物流系统的柔性，也影响着系统运行的可靠性和系统成本。视觉引导式agv的基本原理是通过模拟人的视觉系统从而引导agv的运行，它具有理论上最佳的引导柔性[1]。视觉引导式agv在实际应用中存在多种运行工况，如加速、减速、停车、匀速行驶以及不同工位判别等。因此，对视觉引导式agv进行导航标识符识别研究是必要的，这也是反映视觉引导式agv优越于其他引导方式的标志之一。

导航标识符的设计

agv在实际应用中存在多种工况，这些是实现agv多分支路径识别的基础。根据agv实际运行的情况，设计了两类导航标识符：一种是控制标识符；另一种是数字标识符。控制标识符的识别是根据不同标识符水平所截线段宽度的变化规律来判断是加速、减速、停车还是正常行驶，加速标识符变化规律为小>中>大，减速标识符变化规律为大>中>小，停车标识符变化规律为小>大>小。数字标识符的识别是通过对路径上的0～9这十个字符的识别，然后根据各个字符被赋予不同含义完成agv的自动导航。

图1 控制标识符设计图

各种控制标识符如图1所示。加速符的形状为短边朝下的等腰梯形，下底边长30mm，上底边长60mm，高为30mm；减速符的形状为短边朝上的等腰梯形，下底边长60mm，上底边长30mm，高为30mm；停车标识符的形状是直径为30mm的实心圆。路径导航线是宽度为30mm的矩形条，它表示匀速行驶。导航标识符和导航线的颜色都为黑色，以和路面背景相区分。

由于工厂及物流中心多以数字表示不同的工位，数字的准确识别充分的体现视觉导航agv所具有的最佳引导柔性，也将直接影响到以agv为核心的生产物流智能配送系统的实现。

视觉引导式agv在实际运行的过程中，是沿固定路线行驶的，数字标识符一般出现在导航线上，放置在黑色标示线中间，同时数字纵向的中心线尽可能与导航线中心线重合，导航线与数字下边界之间有一个减速符，与数字上边界之间有一段空缺距离，这样便于提取数字标识符。实验中采集到的数字以及数字的形式如图2所示。本文所设计的数字工位0～9的数字字体是类似于led七段码形状的数字，高度为80mm，宽度为60mm。在实际运用中，我们发现将“1”设计成“”更容易识别。

图2 数字标识符的设计图

标识符的识别方法

特征的提取与选择

在一个完善的模式识别系统中，特征的提取与选择这一技术环节是必不可少的，它通常处于对象特征数据采集和分类识别这两个环节之间，起着承上启下的作用。特征提取与选择品质的优劣极大地影响着分类器的设计和性能，它是模式识别三大核心问题之一。特征提取与选择的基本任务是如何从众多特征中找出那些最有效的特征，即把高维特征空间压缩到低维特征空间，同时保留住绝大部分样本信息，以便更有效地设计分类器。

目前，用于图像处理的特征主要有：(1)几何特征，如边缘、纹理、轮廓、焦点(或角点)；(2)灰度统计特征，如灰度直方图、频谱、矩；(3)变换特征，如fourier描绘子、walsh变换系数等[1]。为了有效地完成识别或匹配，常常要求所提取的特征具有旋转不变性。关于特征不变量，一是直接从原始的目标中提取，二是从已抽取的特征中构造不变量。本文以全局特征为立足点，通过控制标识符本身的形状特征构造特征向量来实现对它的识别，采用图像的灰度均值为主要特征量实现对数字特征的提取与识别。

整个识别流程如图3所示：图像采集卡采集到一帧图像后，首先对图像进行预处理以除字符图像中的噪声、压缩冗余信息，得到规范化的点阵；然后判断当前图像中是否有导航标识符出现，如果没有则进入路径识别模块(这里假设自动导引车没有偏离导航线)；反之，则判断是数字标识符还是控制标识符，如果是控制标识符则进行控制标识符识别，如果是数字标识符将采取以下步骤：(1)抽行扫描，分析每行交点数目和边界信息，确定数字标识符的感兴趣区域，(2)提取数字标识符的特征，(3)应用特征匹配法进行数字识别并输出，(4)回归导航线。