【技术实现步骤摘要】
本专利技术涉及agv，具体为一种agv小车自适应路径模型预测算法。
技术介绍
1、视觉导引agv是通过在环境中铺设特殊标识线和符号，由视觉系统识别预定义的路径模型，并测量agv相对导引路径的位置偏差和角度偏差，由运动控制器按照路径导引信息完成既定的路径导引任务。模型估计包括两部分内容：模型选择和参数估计。
2、在视觉导引agv路径模型选择方面，直线和圆弧路径是当前研究人员研究较多的路径模型，其他非理想路径状态模型(如，折线路径、直线与圆弧过渡路径)研究的较少。直线路径是agv运行较多的路径，也是最简单一种路径模型。圆弧转弯方式能够使agv在连续运动中实现转弯，保证了agv的运行效率，已获得成熟运用的激光导引和磁导引agv通常也采用圆弧转弯方式。在工业现场实际铺设的agv路径，因车间布局的需要或路径铺设不够精确，可能存在非理想的圆弧路径，本文称之为非圆弧转弯路径。如何对当前路径是直线路径、圆弧路径、直线到圆弧路径的过渡路径以及非圆弧转弯路径自适应地模型识别，研究人员目前对此很少做精细地研究。
3、在计算机视觉领域，模型选择是寻找数据的正确表示方法，因此模型选择技术是计算机视觉算法中的关键技术。模型选择主要包括似然比、aic标准、bic标准以及gric标准。
4、现实中的图像一般都受到外界噪声的干扰，信噪比较低，此时常规hough变换的性能将急剧下降，进行参数空间极大值的搜索时由于合适的阈值难以确定，往往出现“虚峰”和“漏检”的问题。hough变换中参数空间的峰值检测是一个聚类检测问题，阈值的选取
5、目前，解决视觉导引agv路径模型参数估计问题，针对直线路径模型，主要采用hough变换法[26,27,28]和最小二乘法[23,25,66]，针对圆弧路径模型，主要采用hough变换法。
6、从上述分析可以看出，由最小二乘法估计路径模型对噪声敏感，其假定测量数据点误差来源仅发生在对该点的位置测量，并且服从高斯分布。而agv导引环境中，测量点误差不可能完全都服从高斯分布，存在一些测量数据点的数值由于种种原因而严重偏离真值，这些测量数据点对于高斯误差分布来说是外点。一旦测量数据存在外点，即使外点的数目很少，如果使用最小二乘法得到的估计结果也可能与真实值有极大的偏差。
7、所以针对以上问题就需要一种agv小车自适应路径模型预测算法。
技术实现思路
1、本专利技术的目的在于提供一种agv小车自适应路径模型预测算法。
2、本专利技术是这样实现的：
3、本专利技术提供一种agv小车自适应路径模型预测算法，具体按以下步骤执行：
4、具体按以下步骤执行：
5、s1:首先对agv小车运行的路径，进行路径中心线特征提取，具体通过建立在由图像预处理算法精确地进行特征提取；
6、s2:对采集图像的cb分量首先用第二章系统标定得到的图像失真校正模型做图像校正，然后用第三章的非均匀光照图像增强算法处理后，采用自适应全局阈值分割法提取目标路径；cb的分割阈值t在区间[115，155]内，否则，图像中不存在导引路径，令全局最优阈值误差为t＝2，自适应全局阈值求解具体过程如下：
7、s2.1:初始阈值t0，选取为区间的中值135，然后由t0为阈值将图像的像素点分作两部分，计算两部分各自的平均色度，小于t0的部分记为ta，大于t0的部分记为tb；
8、s2.2:令第k次迭代计算的阈值；如式(1)；
9、
10、第k次计算的全局阈值误差为εk＝tk–tk-1，若εk>εt，令tk+1＝tk，返回步骤s2,否则结束迭代计算。
11、s3:通过双向导引路径模型对agv小车运行的路径进行识别；
12、s4:对agv小车行进路线进行生成精确预测模型。由于agv小车转弯半径有大小，半径越大误差越大，对中心轮廓点集合sm，取以点(xi，yi)为中心，在观测窗口半径为rw的观测区域内，计算近似的曲率角估计，如式(2)；
13、
14、其中，lf和lb为观测窗口的两个近似端点。
15、设直线与转弯路径模型分类的总曲率角估计阈值为kε，当观测窗口rw较小时，kε与曲率角估计的均值有关，以目标最大测量误差σmpix为限制条件，找出临界转弯半径，得到总曲率角估计的分类阈值kε。
16、进一步，agv小车大转弯半径的圆弧路径在图像坐标系中的小段可以近似看作直线路径，确定满足mpix条件下，用直线路径替代圆弧路径的转弯半径范围，设在图像坐标系中，转弯半径为r的理想圆弧路径，计算采用直线路径拟合不同转弯半径圆弧路径的标准方差σpix。圆弧路径的转弯半径越小，采用直线路径模型替代圆弧路径的拟合误差越大，记σmpix对应的临界转弯半径为rt，计算不同转弯半径的理想圆弧路径总曲率角，rt对应的总曲率角估计即为阈值kε，因此，当确定了坐标中的最大路径测量误差σmw后，得到σmpix，即可确定区分直线路径与圆弧转弯路径的总曲率角估计阈值kε。
17、与现有技术相比，本专利技术的有益效果是：
18、1、基于估计统计特征的自适应路径模型分类方法，将路径分为直线、圆弧转弯和非圆弧转弯三种模型，再采用基于曲率角估计的自适应加权拟合算法对三种模型的参数进行估计，并对计算结果由标定得出的系统误差做误差补偿，提高路径模型估计的精度。本专利技术基于曲率估计模型分类方法的有效性和模型估计的精度达到了目标要求。
本文档来自技高网...【技术保护点】
1.一种AGV小车自适应路径模型预测算法，其特征在于：具体按以下步骤执行：
2.根据权利要求1所述的一种AGV小车自适应路径模型预测算法，其特征在于：在步骤S2中，Cb的分割阈值T在区间[115，155]内，否则，图像中不存在导引路径，令全局最优阈值误差为T＝2，自适应全局阈值求解具体过程如下：
3.根据权利要求1所述的一种AGV小车自适应路径模型预测算法，其特征在于：在步骤S4中，由于AGV小车转弯半径有大小，半径越大误差越大，对中心轮廓点集合SM，取以点(xi，yi)为中心，在观测窗口半径为Rw的观测区域内，计算近似的曲率角估计，如式(2)；
4.根据权利要求3所述的一种AGV小车自适应路径模型预测算法，其特征在于，设直线与转弯路径模型分类的总曲率角估计阈值为kε，当观测窗口Rw较小时，kε与曲率角估计的均值有关，以目标最大测量误差σmpix为限制条件，找出临界转弯半径，得到总曲率角估计的分类阈值kε。
5.根据权利要求1所述的一种AGV小车自适应路径模型预测算法，其特征在于，AGV小车大转弯半径的圆弧路径在图像坐标系中的小段可
6.根据权利要求1所述的一种AGV小车自适应路径模型预测算法，其特征在于，圆弧路径的转弯半径越小，采用直线路径模型替代圆弧路径的拟合误差越大，记σmpix对应的临界转弯半径为RT，计算不同转弯半径的理想圆弧路径总曲率角，RT对应的总曲率角估计即为阈值kε，因此，当确定了坐标中的最大路径测量误差σmw后，得到σmpix，即可确定区分直线路径与圆弧转弯路径的总曲率角估计阈值kε。
...【技术特征摘要】
1.一种agv小车自适应路径模型预测算法，其特征在于：具体按以下步骤执行：
2.根据权利要求1所述的一种agv小车自适应路径模型预测算法，其特征在于：在步骤s2中，cb的分割阈值t在区间[115，155]内，否则，图像中不存在导引路径，令全局最优阈值误差为t＝2，自适应全局阈值求解具体过程如下：
3.根据权利要求1所述的一种agv小车自适应路径模型预测算法，其特征在于：在步骤s4中，由于agv小车转弯半径有大小，半径越大误差越大，对中心轮廓点集合sm，取以点(xi，yi)为中心，在观测窗口半径为rw的观测区域内，计算近似的曲率角估计，如式(2)；
4.根据权利要求3所述的一种agv小车自适应路径模型预测算法，其特征在于，设直线与转弯路径模型分类的总曲率角估计阈值为kε，当观测窗口rw较小时，kε与曲率角估计的均值有关，以目标最...
【专利技术属性】
技术研发人员：牛运丰，吴限福，
申请(专利权)人：苏州维达奇智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。