一种半成品仓中载具输送机器人的控制方法技术

本发明专利技术涉及人工智能技术领域，具体涉及一种半成品仓中载具输送机器人的控制方法，采集路径图像；增强路径图像；根据路径图像与增强图像的边缘图像之间的差别得到路径图像的增益效果；根据当前路径图像中各边缘在历史图像中的出现情况得到当前路径图像中重要边缘图像；获取重要边缘图像的增益效果；根据路径图像及重要边缘图像的增益效果得到增强图像的增强值；比较不同对比度增益系数的增强图像的增强值得到最优增强图像；通过

【技术实现步骤摘要】
一种半成品仓中载具输送机器人的控制方法


[0001]本申请涉及人工智能
，具体涉及一种半成品仓中载具输送机器人的控制方法
。

技术介绍

[0002]在制造业或物流行业，半成品可能需要从一个工作站或仓库区域转移到另一个工作站或仓库区域
。
为了提高效率和减少人力成本，采用载具输送机器人来完成这些任务
。
但是在进行转移的过程中，容易突然出现障碍物，可能会影响机器人的正常运行，故需要对机器人输送路径上的物体进行识别，进而提前进行避障
。
[0003]由于机器人处在移动过程中，以及机器人拍摄设备等原因，导致机器人采集图像质量较差，导致障碍物识别中可能出现识别不准确的情况，使用现有算法进行图像质量增强时，使用不同参数会得到不同去噪效果，故需要一种自适应参数的增强方法
。
[0004]综上所述，本专利技术提出一种半成品仓中载具输送机器人的控制方法，采集机器人前方运输路径图像，通过对比当前路径图像与历史路径图像中的差异，得到当前路径图像中重要边缘，将重要边缘组成的图像作为重要边缘图像，采用
ACE
图像增强算法，不同对比度增益系数对路径图像及重要边缘图像进行增强，通过比较路径图像及重要边缘图像的增益效果，自适应得到最优对比度增益系数，完成图像增强，结合神经网络完成障碍物识别，具有较高路径图像增强效果及障碍物识别精度
。

技术实现思路

[0005]为了解决上述技术问题，本专利技术提供一种半成品仓中载具输送机器人的控制方法，以解决现有的问题
。
[0006]本专利技术的一种半成品仓中载具输送机器人的控制方法采用如下技术方案：本专利技术一个实施例提供了一种半成品仓中载具输送机器人的控制方法，该方法包括以下步骤：采集机器人正前方路径图像；结合自适应对比度增强算法及初始对比度增益系数得到增强图像；设定初始低阈值及低阈值的变化量；设定固定高阈值；采用
Canny
算子结合初始低阈值及固定高阈值获取路径边缘图像及增强边缘图像；将路径边缘图像及增强边缘图像中的各边缘线分别作为一类边缘及二类边缘；根据一类边缘与二类边缘之间的匹配情况及相似性得到路径边缘图像与增强边缘图像之间的差异度；根据路径边缘图像与增强边缘图像之间的差异度及低阈值的变化量进行迭代得到最优低阈值；根据初始低阈值及最优低阈值得到路径图像的增益效果；获取当前路径边缘图像及各历史路径边缘图像中各闭合边缘；将各闭合边缘内区域在所属路径图像中对应区域的灰度均值作为各闭合边缘的特征值；根据各闭合边缘的特征值对各闭合边缘进行聚类得到各聚类簇；将当前路径边缘图像中各闭合边缘作为当前闭
合边缘；根据各当前闭合边缘与所属聚类簇中每个闭合边缘之间的相似性得到各当前闭合边缘的重要程度；根据各当前闭合边缘的重要程度得到重要闭合边缘及非重要闭合边缘；将重要闭合边缘组成的图像作为重要边缘图像；获得重要边缘图像的增益效果；根据非重要闭合边缘的重要程度
、
路径图像的增益效果及重要边缘图像的增益效果得到增强图像的增强值；设定对比度增益系数变化量；根据增强图像的增强值及对比度增益系数变化量进行迭代得到最优增强图像；采用
bp
神经网络对最优增强图像进行识别，根据识别结果完成机器人避障
。
[0007]优选的，所述根据一类边缘与二类边缘之间的匹配情况及相似性得到路径边缘图像与增强边缘图像之间的差异度，包括的具体步骤为：采用形状上下文算法获取每个一类边缘与每个二类边缘之间的相似性，记为第一相似性
。
采用匈牙利算法，根据第一相似性得到各一类边缘匹配的二类边缘；根据各一类边缘与匹配的二类边缘之间的第一相似性得到路径边缘图像与增强边缘图像之间的差异度的表达式为：式中，为路径边缘图像与增强边缘图像之间的差异度，为以为底的指数函数，为一类边缘数量与二类边缘数量的差值，为一类边缘数量，为第个一类边缘与匹配的二类边缘之间的长度差值，为第个一类边缘与匹配的二类边缘之间的第一相似性
。
[0008]优选的，根据路径边缘图像与增强边缘图像之间的差异度及低阈值的变化量进行迭代得到最优低阈值，包括的具体步骤为：步骤1：设定差异阈值；设定低阈值变化范围；步骤2：当路径边缘图像相对增强边缘图像的差异度大于差异阈值时，将初始低阈值加上变化量得到新的低阈值；根据新的低阈值获取增强图像的增强边缘图像；获取路径边缘图像相对增强边缘图像的差异度；步骤3：重复步骤2进行迭代，当路径边缘图像相对增强边缘图像的差异度小于差异阈值时或新的低阈值超出变化范围时停止迭代，将最后一次迭代的低阈值作为最优低阈值；步骤4：获取最优增强边缘图像与各次迭代的增强边缘图像之间的差异度；设定第一阈值；将差异度小于第一阈值的各次迭代增强边缘图像所用低阈值作为优选调整低阈值；将优选调整低阈值中最小值作为最终的最优低阈值
。
[0009]优选的，所述根据初始低阈值及最优低阈值得到路径图像的增益效果，具体包括：路径图像的增益效果与最优低阈值及初始低阈值的差值成负相关，与最优低阈值成负相关
。
[0010]优选的，所述获取当前路径边缘图像及各历史路径边缘图像中各闭合边缘，包括的具体步骤为：
以当前边缘图像及各历史边缘图像中各边缘点为中心像素点建立邻域；获取各边缘点的邻域内边缘点数量；设定数量阈值；当边缘线上各边缘点的邻域内边缘点数量均大于数量阈值时，将边缘线作为闭合边缘
。
[0011]优选的，所述根据各闭合边缘的特征值对各闭合边缘进行聚类得到各聚类簇，包括的具体步骤为：根据各闭合边缘的特征值对当前边缘图像及各历史路径边缘图像中的闭合边缘进行聚类得到各聚类簇，记为综合聚类簇；将综合聚类簇中当前边缘图像的各闭合边缘的聚类簇作为当前聚类簇
。
[0012]优选的，所述根据各当前闭合边缘与所属聚类簇中每个闭合边缘之间的相似性得到各当前闭合边缘的重要程度，具体包括：各当前闭合边缘的重要程度与各当前闭合边缘所在当前聚类簇中闭合边缘个数成反比，与各当前闭合边缘所在当前聚类簇中闭合边缘个数及所在综合聚类簇中闭合边缘个数的比值成反比，与各当前闭合边缘与所在当前聚类簇中各条闭合边缘之间的相似性成反比
。
[0013]优选的，所述根据各当前闭合边缘的重要程度得到重要闭合边缘及非重要闭合边缘，包括的具体步骤为：根据各当前闭合边缘的重要程度进行聚类；将聚类结果中各当前闭合边缘的重要程度均值最大的聚类簇中各闭合边缘作为重要闭合边缘；将其它当前闭合边缘作为非重要闭合边缘
。
[0014]优选的，所述根据非重要闭合边缘的重要程度
、
路径图像的增益效果及重要边缘图像的增益效果得到增强图像的增强值，具体包括：增强图像的增强值与路径图像的增益效果及重要边缘图像的增益效果之和成正比
。
[0015]优选的，所述根据增强图像的增强值及对比度增益系数变化量进行迭代得到最优增强图像，包括的具体步骤为：步骤1：设本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种半成品仓中载具输送机器人的控制方法，其特征在于，该方法包括以下步骤：采集机器人正前方路径图像；结合自适应对比度增强算法及初始对比度增益系数得到增强图像；设定初始低阈值及低阈值的变化量；设定固定高阈值；采用
Canny
算子结合初始低阈值及固定高阈值获取路径边缘图像及增强边缘图像；将路径边缘图像及增强边缘图像中的各边缘线分别作为一类边缘及二类边缘；根据一类边缘与二类边缘之间的匹配情况及相似性得到路径边缘图像与增强边缘图像之间的差异度；根据路径边缘图像与增强边缘图像之间的差异度及低阈值的变化量进行迭代得到最优低阈值；根据初始低阈值及最优低阈值得到路径图像的增益效果；获取当前路径边缘图像及各历史路径边缘图像中各闭合边缘；将各闭合边缘内区域在所属路径图像中对应区域的灰度均值作为各闭合边缘的特征值；根据各闭合边缘的特征值对各闭合边缘进行聚类得到各聚类簇；将当前路径边缘图像中各闭合边缘作为当前闭合边缘；根据各当前闭合边缘与所属聚类簇中每个闭合边缘之间的相似性得到各当前闭合边缘的重要程度；根据各当前闭合边缘的重要程度得到重要闭合边缘及非重要闭合边缘；将重要闭合边缘组成的图像作为重要边缘图像；获得重要边缘图像的增益效果；根据非重要闭合边缘的重要程度
、
路径图像的增益效果及重要边缘图像的增益效果得到增强图像的增强值；设定对比度增益系数变化量；根据增强图像的增强值及对比度增益系数变化量进行迭代得到最优增强图像；采用
bp
神经网络对最优增强图像进行识别，根据识别结果完成机器人避障
。2.
如权利要求1所述的一种半成品仓中载具输送机器人的控制方法，其特征在于，所述根据一类边缘与二类边缘之间的匹配情况及相似性得到路径边缘图像与增强边缘图像之间的差异度，包括的具体步骤为：采用形状上下文算法获取每个一类边缘与每个二类边缘之间的相似性，记为第一相似性；采用匈牙利算法，根据第一相似性得到各一类边缘匹配的二类边缘；根据各一类边缘与匹配的二类边缘之间的第一相似性得到路径边缘图像与增强边缘图像之间的差异度的表达式为：式中，为路径边缘图像与增强边缘图像之间的差异度，为以为底的指数函数，为一类边缘数量与二类边缘数量的差值，为一类边缘数量，为第个一类边缘与匹配的二类边缘之间的长度差值，为第个一类边缘与匹配的二类边缘之间的第一相似性
。3.
如权利要求1所述的一种半成品仓中载具输送机器人的控制方法，其特征在于，根据路径边缘图像与增强边缘图像之间的差异度及低阈值的变化量进行迭代得到最优低阈值，包括的具体步骤为：步骤1：设定差异阈值；设定低阈值变化范围；步骤2：当路径边缘图像相对增强边缘图像的差异度大于差异阈值时，将初始低阈值加
上变化量得到新的低阈值；根据新的低阈值获取增强图像的增强边缘图像；获取路径边缘图像相对增强边缘图像的差异度；步骤3：重复步骤2进行迭代，当路径边缘图像相对增强边缘图像的差异度小于差异阈值时或新的低阈值超出变化范围时停止迭代，将最后一次迭代的低阈值作为最优低阈值；步骤4：获取最优增强边缘图像与各次迭代的增强边缘图像之间的差异度；设定第一阈值；将差异度小于第一阈...

【专利技术属性】
技术研发人员：曹军，房传球，刘冬梅，吴海波，侯廷帅，
申请(专利权)人：超技工业广东股份有限公司，
类型：发明
国别省市：