基于机器视觉的AGV定位方法探索
来源:用户上传
作者:
摘 要：AGV是近几年科技进步的产物，其主要是由电磁或光学等自动引导设备与运输设备组装而成，AGV是具有较高安全保护与运载功能的运输车辆。但传统的AGV在运行时的预先设计路径不可改变，缺少较高的灵活性。而基于机器视觉的AGV定位方法具有较高的灵活性同时还可以针对实际情况更改预先设计的路径，为运输工作提供保障。本文主要简述了基于机器视觉的AGV定位设计与基于机器视觉的AGV定位算法，希望可以给相关技术人员提供参考作用。
关键词：机器视觉;AGV;定位方法
DOI：10.16640/j.cnki.37-1222/t.2019.04.136
传统的AGV定位方法主要是以电磁感应为主要引导因素，并通过RFID、红外感应以及超声波感应等无线传感器来进行测距定位引导，同时基于图像传感器的视觉引导进行定位，但其灵活性较差同时预先设定的路径不可更改。而基于机器视觉的AGV定位方法可以通过设计包含具体位置、方向信息的二位数字标签以及CMOS工业相机来获得目标图像，并通过自动白平衡以及自动曝光等方式来提高获取图像的质量，这不仅有效提高AGV定位方法的准确性，同时还为实际工业操作起到一定程度上的推动作用，因此为了使得基于机器视觉的AGV定位方法可以顺利应用在工业行业当中，就需要针对基于机器视觉的AGV定位方法进行分析。
1 基于机器视觉的AGV定位设计
1.1 基于机器视觉的AGV数字化标签设计
在基于机器视觉的AGV数字化标签设计进行时主要分为以下两个方面：数字化标签的外部环境以及AGV图像采集与处理系统。通常情况下基于机器视觉的AGV自由路线引导方式主要是利用了图像传感器，在AGV运行的过程中可以提取周边环境图像信息，并将实际捕捉到的环境图像信息与图像数据库中的信息进行对比，从而能够确定AGV的运行轨迹与捕捉AGV的实际位置。基于机器视觉的AGV数字化标签设计的主要优点是可以针对预设的路线进行更改，通过较为灵活的方式针对突发情况进行路线更改工作，在很大基础上解决了传统AGV运行中存在的问题。但有优点就会存在相应的缺点，其主要缺点在于缺少实时性，同时环境图像数据库较难建立，因此在应用数字化标签设计时就需要针对实际情况对环境图像数据库的建立工作进行调整，从而能够从真正意义上实现标签数字化的转变。
1.2 基于机器视觉的AGV图像采集
在选择AGV视觉传感器时需要针对传感器的功能与性能进行选择，通常情况下可以选择型号为GH-GV400UC-ML的工业数字相机，该相机具备全帧曝光的功能，并且可以设置曝光的时间，能够为AGV运动时的图像清晰程度提供保障，从而为后续的图像收集与图像处理工作提供保障。AGV图像采集与处理设计在进行的过程中，需要针对相机实际拍摄的图像信息进行处理，并结合AGV所处的位置与方向分析出图像处理的具体流程。除此之外，在图像采集工作进行的过程中需要确保实际图像的清晰程度，若图像的色温差距较大就会导致图像出现偏黄或偏蓝的情况，最终会对接下来的图像处理工作造成影响。因此就需要针对实际图像采集工作进行调整，将色温调至到较为适合的位置，以便确保实际采集工作可以顺利进行[1]。
2 基于机器视觉的AGV定位算法
2.1 自动曝光设计算法
自动曝光设计算法主要应用在AGV快速运动的过程中。由于AGV在运动时会对摄像机的成像质量造成一定程度上的影响，因此就需要将摄像机快门速度设置至65ms以上。同时由于AGV的运动环境光照变化较为明显，因此在实际设置快门速度时就可以将自动曝光设计实际应用在摄像过程中，基于自动曝光设计实时对快门速度进行调节，以便确保可以获得效果较为清晰的图像。在对自动曝光算法进行设计的过程中需要将初始快门时间设置为15ms—20ms，而后根据已经设计好的快门时间拍摄一组图像，并根據图像识别函数对拍摄好的图像进行处理，同时在针对图像进行处理的过程中若可以得到正确的识别参数就可以进行接下来的拍摄工作，若无法得到正确的识别参数时就需要将快门时间延长至25—35ms，而后进行拍摄工作，直至快门时间超过65ms时就需要将其重新设置为1ms，通过循环的方式寻找出较为适合的快门时间。
2.2 标签角度与内容的识别
2.2.1 标签角度的识别方式
AGV标签角度的识别可以通过计算图像中心而进行，在实际识别标签角度的过程中需要精准的计算出标签的偏转角度A，同时在将标签角度A顺时针旋转时，需要确保标签的边缘与图像的边缘保持平行或垂直的状态。除此之外在识别标签角度时，需要将不可抗力的因素规划到实际识别工作进行的过程中，针对可能会出现的非正确直线、图像模糊以及标签角度旋转失误等问题进行充分的考虑，并针对可能会出现的因素与问题制定出相应的解决措施，以便能够在出现问题与因素的第一时间针对问题进行解决，从而为标签角度的识别工作提供保障。
2.2.2 标签内容的识别方式
在对标签内容识别的过程中，需要针对标签所在区域进行霍夫变换检测，同时还需要确保检测到的直线能够保持在相互平行或垂直的状态，并严格过滤掉不合格的直线。在针对标签内容进行识别的过程中可以得知标签的角度，并将标签的角度设定为A，而后根据标签角度A旋转标签所在区域内的图像，并将原图放大至8倍—10倍，以便能够提高标签内容的识别准确率[2]。
3 结束语
综上所述，本文在针对基于机器视觉的AGV定位方法进行研究的过程中，主要通过两个方面开展研究与分析，一方面是基于机器视觉的AGV定位方法设计，另一方面是基于机器视觉的AGV定位算法，通过上述的研究与分析可以为基于机器视觉的AGV定位方法的可靠性提供保障，同时还可以有效提高AGV的工作效率，从而为实际应用与工业发展起到一定程度上的推动作用。
参考文献：
[1]徐叶帆.基于机器视觉的AGV定位方法研究[J].工业控制计算机，2016，29（08）：6-8.
[2]任云星，马世杰.AGV+工业机器人在精密搬运中的应用[J].山西电子技术，2016（03）：51-52.
转载注明来源:https://www.xzbu.com/1/view-15322897.htm
