徐桂林

(長(zhǎng)春氣象儀器研究所有限責(zé)任公司，長(zhǎng)春130102)

0 引言

AGV(Automated Guided Vehicle，AGV)作為一種集環(huán)境感知、動(dòng)態(tài)決策與規(guī)劃、運(yùn)動(dòng)控制等功能于一體的智能機(jī)器人系統(tǒng)，集中了傳感器技術(shù)、機(jī)械工程、電子技術(shù)、計(jì)算機(jī)、自動(dòng)化及人工智能等多學(xué)科的研究成果，是目前科學(xué)技術(shù)發(fā)展非?；钴S的領(lǐng)域之一，在智能工廠、交通運(yùn)輸、倉(cāng)儲(chǔ)物流、醫(yī)療衛(wèi)生及家庭服務(wù)業(yè)等領(lǐng)域應(yīng)用日趨廣泛[1]。鑒于應(yīng)用場(chǎng)景的復(fù)雜性，基于視覺導(dǎo)引的AGV較其他路徑引導(dǎo)方式系統(tǒng)具有更大的應(yīng)用潛力[2]。視覺導(dǎo)引AGV在路徑信息識(shí)別上需要完成圖像信號(hào)采集、噪聲濾除、分析判別處理等路徑識(shí)別與預(yù)測(cè)問題，其中引導(dǎo)線的有效提取及路徑預(yù)測(cè)是保證AGV可靠高效運(yùn)行的核心算法。目前視覺導(dǎo)引AGV在引導(dǎo)線識(shí)別提取上經(jīng)常采用的是閾值判別法和邊緣檢測(cè)法，其中閾值法通過計(jì)算平均閾值作為基準(zhǔn)，這種算法可濾除視覺圖像上的噪聲擾動(dòng)點(diǎn)，但受光線環(huán)境的影響較大，當(dāng)存在較大環(huán)境反光情況時(shí)，平均閾值偏差較大，容易造成路徑識(shí)別錯(cuò)誤；邊緣檢測(cè)法通過對(duì)圖像灰度信息矩陣閾值跳變檢測(cè)確定引導(dǎo)線位置，可較好地適應(yīng)光照條件，但數(shù)據(jù)處理過程復(fù)雜，對(duì)控制器計(jì)算能力要求高，經(jīng)濟(jì)性和實(shí)時(shí)性不好[3，4]。

1 引導(dǎo)線圖像識(shí)別原理

對(duì)引導(dǎo)線的實(shí)時(shí)圖像進(jìn)行信息采集時(shí)，CCD攝像頭按特定分辨力以隔行掃描的方式采集像素點(diǎn)。當(dāng)掃描到某點(diǎn)時(shí)，圖像傳感芯片就將該點(diǎn)處的圖像灰度轉(zhuǎn)換成相對(duì)應(yīng)的電壓值，每完成一行掃描就輸出一段連續(xù)電壓信號(hào)，電壓信號(hào)的幅值變化反映圖像灰度變化，完成一行的掃描后輸出行同步脈沖，然后跳過一行后開始新一行的掃描，直到完成一場(chǎng)圖像的掃描；在一場(chǎng)掃描完成后會(huì)出現(xiàn)場(chǎng)消隱區(qū)，發(fā)出場(chǎng)同步脈沖；隔行掃描CCD攝像頭每秒掃描25幅圖像，分為奇場(chǎng)和偶場(chǎng)，奇場(chǎng)時(shí)只掃描圖像中的奇數(shù)行，偶場(chǎng)時(shí)只掃描偶數(shù)行，每秒掃描50場(chǎng)，攝像頭輸出的視頻同步信號(hào)經(jīng)過采集、去噪、增強(qiáng)和判別處理，提取出正確的引導(dǎo)線信息作為運(yùn)動(dòng)路徑規(guī)劃的依據(jù)[5]。CCD攝像頭視頻信號(hào)如圖1所示。

圖1 攝像頭視頻信號(hào)

2 動(dòng)態(tài)分割最優(yōu)閾值引導(dǎo)線提取算法

攝像頭采集的灰度圖像由于現(xiàn)場(chǎng)環(huán)境光線和運(yùn)行路面情況等噪聲干擾，固定閾值并不能有效處理圖像，需要根據(jù)圖像條件確定多個(gè)閾值來(lái)處理圖像灰度，從而準(zhǔn)確提取引導(dǎo)線。

每幀圖像的灰度平均值：

(1)

(2)

式(1)、(2)表明隨著迭代次數(shù)的增加，灰度平均值將趨向于真值。

首先選擇初始值T0進(jìn)行圖像分割：

(3)

式(3)中，Zmax、Zmin分別為圖像中的最大和最小灰度值。

利用Tk將圖像分割R1、R2兩組，其中：

(4)

(5)

計(jì)算區(qū)域R1、R2的灰度均值Z1、Z2，分別為：

(6)

(7)

式中，f(i，j)是圖像上(i，j)點(diǎn)的灰度值。

選擇Tk+1值：

(8)

如果|Tk-Tk+1|≤A，Tk+1為閾值；否則使K=K+1，繼續(xù)迭代計(jì)算。式中A是預(yù)先設(shè)定的閾值允許誤差范圍。

依據(jù)上述步驟完成一幀圖像的處理后，引導(dǎo)線中心位置可表示為：

Center=i+j/2×4

(9)

式中，i表示黑線的起始位置；j表示賽道黑線的點(diǎn)數(shù)。

視頻數(shù)據(jù)二值化后，圖像數(shù)據(jù)中除包含有效路徑信息外，還存在較多的環(huán)境噪聲。為提高路徑識(shí)別的準(zhǔn)確性需進(jìn)行濾波以消除噪聲干擾，噪聲判定準(zhǔn)則如下：

1)if(j>1)，則為有效點(diǎn)；Else判定為噪聲點(diǎn)。j為二值化處理后當(dāng)前行上黑點(diǎn)個(gè)數(shù)。

2)連續(xù)性判斷。判斷當(dāng)前行引導(dǎo)線位置起點(diǎn)與上一場(chǎng)圖像最后一行引導(dǎo)線位置起點(diǎn)差值是否在可能的范圍內(nèi)，由于圖像是連續(xù)的，差值應(yīng)該較小，若超出給定的標(biāo)定值，則認(rèn)為是噪聲。

3 路徑預(yù)測(cè)算法

AGV運(yùn)行時(shí)會(huì)遇到較大轉(zhuǎn)彎或交叉引導(dǎo)線等情況。當(dāng)速度較快時(shí)，如果只通過提取引導(dǎo)線信息確定行走路徑并不能對(duì)路徑進(jìn)行有效控制，容易出現(xiàn)路徑偏離或路徑錯(cuò)誤等情況，為此必須設(shè)計(jì)有效的路徑預(yù)測(cè)模型。傳統(tǒng)路徑預(yù)測(cè)采用引導(dǎo)線保存算法，即通過比較前后兩幀引導(dǎo)線數(shù)據(jù)判定路徑曲率，其數(shù)據(jù)存儲(chǔ)量和計(jì)算量均較大，文章結(jié)合圖像的遠(yuǎn)近信息提出了一種具有一定自適應(yīng)能力的路徑預(yù)測(cè)算法(圖2)。

圖2 路徑預(yù)測(cè)

3)找出圖像中間行引導(dǎo)線中心位置(X2，Y2)，計(jì)算X=X3-X2；

4)根據(jù)K和X預(yù)測(cè)路徑曲率走向及彎曲程度，方向矢量可用式(10)估算：

(10)

4 結(jié)束語(yǔ)

視覺引導(dǎo)AGV系統(tǒng)路徑識(shí)別中圖像處理算法是非常重要的環(huán)節(jié)，只有實(shí)時(shí)獲得穩(wěn)定可靠的引導(dǎo)線位置信息，并設(shè)計(jì)出合理實(shí)用的路徑預(yù)測(cè)算法，才能保證AGV系統(tǒng)的穩(wěn)定性和快速性。