关键词:
视觉引导
特殊标识符
统计特征
边界矩
模式识别
摘要:
AGV(自动引导车)是自动化物流运输系统、柔性生产组织系统的关键设备。加速我国现有生产模式向柔性生产组织模式的方向转化,提高工业生产的自动化程度,大力发展AGV 是我国工业生产领域的必然趋势。
图象处理技术是视觉引导AGV 的关键技术。本文针对工厂实际应用的视觉导航AGV,研究了AGV 特殊标识符脏污、残缺情况下的识别技术,目的是提高视觉导航AGV 图象识别的可靠性、实时性。论文的研究内容主要包括以下几个方面:
1. 图象的预处理:针对AGV 特殊光照条件,提出了一种光照不均匀校正的方法,该方法在一定程度上可以减小同类图象区域之间的类内差,增大异类之间的类间差。
2. 一种改进的阈值分割方法:本文提出了一种将直方图谷点和经典的Otsu 方法相结合的一种阈值分割方法,该方法首先依据图象的阈值可能出现在直方图谷点处的原理,先找到直方图谷点,然后将这些谷点作为Otsu 方法的候选阈值,最后依据Otsu 方法的有关理论找到最佳分割阈值。
3. 基于统计特征向量的特殊标识符识别:由于基于线扫描的特殊标识符识别方法在变光照、标识符脏污和噪声明显的情况下,其识别可靠性有所下降。本文在提取目标的统计特征的基础上,运用模式识别的有关方法和理论对图象目标进行了有效的识别,进而提出了一种基于目标边界统计特征的识别方法。另外,在标识符出现较严重脏污、残缺及干扰的情况下,提出了一种基于目标形状特征边的识别方法。在进行直角转弯符及交叉路口符的识别时,采用了基于快速一维灰度投影的识别方法。在特征选择方面,采用了基于方差的可分性判据进行特征的提取。
4. 视觉导航的试验:本文编制了所有的算法,实现了各种算法的功能,试验数据和试验图片分析表明了本文研究的图象处理技术使视觉引导AGV达到了预定的研究目标。