RTG视觉纠偏的局部引导图像滤波算法

针对轮胎式集装箱门式起重机(RTG)在基于视觉的行走纠偏过程中环境因素干扰导致的定位失败问题,提出了基于局部引导图像滤波和均值漂移聚类的RTG纠偏视觉辅助算法。该算法首先对图像进行基于局部引导图像滤波的高效预处理,在降噪的同时保留图像边缘特征;然后基于预先标定的引导线宽度和间距等特征,获取自适应分割阈值及简化均值漂移聚类算法的参数,从而实现引导线边缘的筛选提取和偏移量的计算。现场试验表明,该算法能够克服夜间环境下偏色光谱对识别的影响,有效提高纠偏的实时性和精度。

基于视觉的驾驶机器人导航技术

对驾驶机器人的视觉导航技术进行了研究,提出了一种快速可靠的车辆引导线检测算法。该算法首先对感兴趣的移动窗口进行有条件的边缘检测,进而引入了梯度方向直方图的处理思想,制定了车辆引导线边缘候选点集与有效点集的筛选算法,最后,通过所提出的一种基于标量化处理Kalman滤波方法实现了引导线特征参数的快速准确提取。试验表明,本文提出的检测算法能够满足复杂路况下的导航需要,具有30ms/帧的实时处理速度。

基于机器视觉的AGV系统设计

视觉传感器能够为AGV提供丰富的环境信息,为AGV运行提供可靠的路径信息。本文设计了基于视觉引导方式的AGV系统,主要包括引导线检测和转向控制两部分,其中引导线检测通过边缘检测、霍夫变换、最小二乘拟合等实现,转向控制采用PID控制来实现。试验表明,引导线检测程序能够准确检测并提取引导线,控制程序能够使AGV小车自动沿引导线行驶,实现自动引导功能。

基于视觉的智能车导航技术

本文对智能车的视觉导航技术进行了研究,提出了一种快速可靠的由道路标志线获取导航参数的方法。该方法对智能车辆在行驶过程中采集的图像进行二值化及滤波去噪处理,根据引导线特征获取引导线信息,再对其进行逆投影变换,实现单引导线制导参数的快速提取。该方法简单、快速,减少了图像处理的计算量,提高了导航参数提取的实时性和鲁棒性。