多窗口实时测距的视觉导引AGV精确定位技术研究

隆康+赵晓伟

摘 要：针对为提升视觉导引自动导引车（AGV）精准定位，探讨出多窗口实时测距精确定位方案。这种方案利用定位点设置圆形标识来进行定位标识符，首先依据车载视觉装置组装，建设模型进行视觉实时测距。提取运用椭圆几何特点来使用，并且利用椭圆周边来的曲角率估算方法来进行精确识别定位，而后使用最小二乘拟合直线来取得椭圆中心点，最后，采取多个窗口进行图像分别处理的办法，把定位划分成多个不同的进程来处理，缓步逼近，已达到精确定位的目的。实验结论表明，这种方案能把视觉导引AGV精确定位提高到2mm。

关键词：自动导引车；视觉导引；实时测距；精确识别

中图分类号：TP242 文献标识码：A

0.引言

物料运输的最好的工具是自动导引车（AGV），分别很好地运用在不同的行业领域。但是，AGV在使用过程中，定位精度不足，在各种工业领域很难推广使用。当前AGV有各种各样的驱动定位方式，AGV在各种领域使用不同驱动定位方式的使用成本和性能也有很大的区别。其中方便低廉的定位方法是磁力定位驱动方案，这种定位方式十分简单，但是不精确，大多数定位精度在±20mm范围内；AGV利用激光导引定位的精度能达到±5mm，但是其成本高，而且传感、发射器以及反射装置安装很复杂；定位的精确以及性价比高的方案就是采用视觉导引AGV，其前景市场发展很好，只是其精确定位技术存在不足，定位精度大多数在±10mm范围内。

使视觉导引的定位精度得到突破，就能解决它在AGV推广运用中遇到的瓶颈。

时下的视觉导引AGV存在着诸如定位的精确度不高、定位方法单一等多种缺点。以往的相对定位算法主要包括里程计法与惯性导航法，出现的误差主要是由轮子侧滑或者积分累积导致的，其定位精度也不尽人意。曾有人利用基于惯性导航和视觉里程计法的定位方式，也有人使用设备同一时间定位跟地图创建（SLAM），在大场景下实现了AGV定位，但其缺陷是缺少工作点处精确定位的策略，还需要额外安装大量传感器，而且没有实时测距功能。利用导航信标定位方案，是在地面架设工位标识，通过系统识别图像的定位标识后，进而给出停车信号，AGV接收执行后，反馈不能实时传达视觉信息，进而不能达到驱动系统进行闭环控制的目的，所以是相对较差的定位方案，而且该系统存在运输过程中如果速度过快或者负载过重，都会对系统的精确定位产生直接影响。

综上所述，根据多窗口实时测距的视觉导引AGV精确定位技术来进行研究，利用具有特殊性视觉导引AGV，搭建模型来进行视觉实时测距，并且利用椭圆周边来的曲角率估算方法来实现精确识别定位，而后使用最小二乘拟合直线来取得椭圆中心点来进行合成，来进行坐标的精确定位；最后，使用多个窗口进行图像分别处理的办法，将把设备定位停车划分成3个进程初步标识定位、根据预测进行减速、在进行精确定位，实时测量AGV和标识点之间的距离与角度，把测量的数据传达给AGV运动系统。再结合反馈所得视觉信息，对AGV移动线路进行调整，最终在显示器上展现采集、提前处理、位置识别、定位标识、距离实时测量、定位点精准停车的功能。

1.多窗口视觉实时测距模型

本文所设计的视觉导引AGV装置（如图1所示），采用多个麦克拉姆轮作为其动力装置，通过运动控制器对多个麦克拉姆轮进行控制，实现AGV可以沿着任何方向自由运动，其特点是灵活性高。其导引与定位监控设备置于AGV的前面，采用倾斜安装的方法。

跟视频头使用垂直安装方法比较，AGV的视野范围更大，可获取更多路线信息，能加强AGV对导引路径与目标工位点检测能力，能提升动力系统的精准性与实时性。本文探究多窗口视觉测距系统（如图2所示），该方式利用多窗口来划分单幅图像。利用上部窗口来进行预测，AGV提前预判地面信息，如若识别了椭圆标识，则立马进行减少操作；位于中间的显示器进行初步定位，依靠获得定为引导的路线对AGV进行调整，位于最下部显示器进行精确定为和精准测量距离。

2.精准定位与定位标识识别

2.1预先处理定位标识

倒相（PAL）的视频信号采用彩色模拟CCD监控裝置进行采集，再通过视频解码，就会在显示器上显示出8位BT.601YCbCr分辨率720×480彩色图像。利用YCbCr颜色格式系统，其颜色格式中的Cb与Cr两种元素能辨别蓝色与红色。此次在以水磨石为基础的路面的实验环境下进行，在路面上铺设蓝色引导带。当实验设备的行进线路与蓝色圆形标识来作为定位辨别点，辅助照明设备是采用LED光源，使用LED光源的非均匀光照和高光自然现象，利用对缺省的led光源使用补偿法，补色高光区域的Cb元素。同时，利用后TsaiR.Y.对增强后的图像的畸变参数进行校准，使用中值滤波器进行滤波处理。进而使用自适应全局阈值分割法，得到一副前景为1后景为0的二值图像，至此完成图像分割。

2.2进行检测与跟踪定位点边缘

由于用于检测定位的区域只是个整区域中的很小部分，为了提高定位系统的工作效率，所以只需在标记点附近设置成图像热点方位，获取只含有标记的区域图像，从而减轻计算庞大的像素点。再结合膨胀掩膜，进行扫描的热点方位，来对椭圆标记外围进行高效率扫描获取。但是传统的外围检测方式比较不好融入实现，而且也没办法保证在显示器中出现实时信息。实验总结出了几点非常好的利用椭圆的几何特征获取完美的边缘，如图3所示。

2.3进行识别定位点

实验总结出根据曲率角预算椭圆辨别方法，大力使用椭圆曲率角特征，来精准识别椭圆标记。曲线上两个相邻切向量中间夹角称作曲线角，可很有效地对曲线形状进行描述，就理论而言曲率角度越大，曲线的弯曲程度越大。

2.4进行定位标识

根据目标椭圆显示的轮廓中心进行精确定位，参数需要图像空间映射来进行多维计算，运算消耗非常大而且运算效率十分低下，实时传输不能达到AGV要求。最小二乘椭圆拟合方案根据椭圆外围点数据，估算椭圆方程的数据，采用数据参数，获得相对高椭圆拟合精度（如图4所示）。只是，此方案假定的数据噪声达到了独立的分布环境，在椭圆外围不完全的条件下，获得的数据误差很大。本文总结出利用最小二乘拟合椭圆正中心直线椭圆正中心定位方式。根据标准椭圆几何特点，两个平行的椭圆，其中点必定在一条直线，利用图像像素坐标程序的特征，来运用双边界外围进行扫描，就进行由左向右、由上至下对图像逐行逐列扫描，分别获得目标区域图像横向坐标和纵向坐标采样弦数据。

3.实验与其结果分析

本文使用的视觉导引AGV实验装置，其视觉采集装置使用车载广角摄像头与以DM642为主要的嵌入式图像处理设备，微控芯片是STM32F407，AGV利用ZigBee无线装置与上位机进行通信，上位机发送不同任务指令给AGV，不同的任务指令包含路线信息和不同的定位点。为了总结实验的稳定性和精确定位，此次采用普通水磨石为基础的路面的实验环境下进行，在路面上铺设蓝色引导带当实验设备的行进线路与蓝色圆形标识作为定位辨别点，使用分辨率为720×480的采集器模拟视频信号，使用25帧/秒的采集频率。

为判断本文的定位方法有作用，视觉导引AGV定位精度准确，进行了连续在同一个工位上连续长时间实验停车运行300次，AGV的定位误差如图5所示。实验结果表明AGV定位在水平方向距离偏差Δy稳定在±1mm，角度偏差Δθ稳定在±1°、停车误差Δy稳定在±2mm。

结语

结合多窗口实时测距的椭圆标志识别定位技术，车载导引识别设备为主要适用对象，组建木星来实现视觉实时测距。使用椭圆图像几何特点获得曲率角，并且根据曲率角估算获得椭圆外围的精确辨别；随后，利用最小二乘拟合直线得知该椭圆的中点的具体位置，最后，使用多窗口图像处理，精确划分为多个程序。实验表明，这种方案能使视觉导引AGV的定位精度提升到±2mm，为将来提高视觉导引AGV的定位精度提供参考作用。

参考文献

[1]张建鹏，楼佩煌，钱晓明，等.多窗口实时测距的视觉导引AGV精确定位技术研究[J].仪器仪表学报，2016（6）：48-50.

[2]喻俊，楼佩煌，钱晓明，等.自动导引车视觉导引路径的识别及精确测量[J].华南理工大学学报（自然科学版），2012（3）：52-54.

[2]石陈陈，楼佩煌，武星，等.自动导引车多摄像机主动导引系统的协同标定[J].仪器仪表学报，2014（11）：66-69.