AGV视觉导向Hough变换算法的FPGA硬件实现

目前,自动导引小车的应用越来越普遍,视觉导向作为一种灵活的自动导引小车的导向方式有广阔的应用前景。为了实现地面标示线的自动识别跟踪,提出了一种基于FPGA硬件实现Hough变换算法的方法,应用在自动导引小车上可以满足实时的图像处理与路径跟踪需求。

基于FPGA的全自动定位捡乒乓球机器人系统设计

对现有电子辅助的运动器材行业进行分析可以发现,目前市场上应用于场馆训练的大量散落乒乓球主要依靠人力或者简单的工具拾捡,而已有的捡乒乓球机器人很多智能化程度不高、识别不够精确。为此,提出一种基于FPGA(Field Programmable Gate Array)的全自动定位捡乒乓球机器人的系统设计方案,利用摄像头采集机器人前方的图像数据实现乒乓球定位,利用超声波传感器实现机器人的自动避障,利用机械臂完成抓取乒乓球动作。图像识别乒乓球的部分创新性地将Hough变换算法硬件化,有效提高识别率和捡球速度。测试结果表明,机器人在定制测试条件下可以达到97.8%的识别准确率,具有自动寻球、自动捡球、自动避障以及手机蓝牙便捷开关机的功能。系统可以快速方便应用到乒乓球球馆中,市场潜力很大。

复杂环境下自动导引车路径识别算法

为了快速准确提取复杂环境下的自动导引车(AGV)引导路标参数,提出一种基于先验知识的直线识别算法。根据视野和引导线结构特征将全图划分为若干子区域,确定子区域自适应阈值,利用前帧图像中的直线参数信息选择行列扫描方式,剔除干扰点并获得中线点集,然后采用带搜索角度限制和分区域非均匀采样的改进Hough变换得到直线参数,最后用交比定理对参数加以校正。试验表明本算法能在不同光照、反光、阴影下对路径进行有效识别,具有较好鲁棒性,处理分辨率为576×768的图像,每帧平均用时不超过90 ms,满足运行需要。

基于多传感器融合的叉车型AGV定位技术研究

对移动机器人定位问题进行研究,提出一种改进的正态分布变换-无迹卡尔曼滤波(NDT-UKF)算法。该算法利用无迹卡尔曼滤波(UKF)对移动机器人编码器数据及激光雷达观测数据进行融合。相比于扩展卡尔曼滤波(EKF),采用无迹卡尔曼滤波进行数据融合时,无需对系统的非线性方程进行线性化处理,因此不存在系统线性化误差。同时,无迹卡尔曼滤波也不需要求解系统非线性方程的雅可比矩阵,对于复杂的非线性系统,减小了计算量。为了对提出的算法进行验证,以叉车型自动导引小车(AGV)为背景,在Matlab R2019b软件中对提出的算法进行仿真,并将仿真结果与NDT算法、NDT-EKF算法进行对比。结果表明,提出的NDT-UKF算法定位精度更高。该研究为移动机器人定位提供了一种新思路,并且定位精度的提高有利于创建高度一致性的环境地图。

视觉引导AGV中的数字图像处理方法

利用计算机视觉技术引导自动运输车AGV(Automatic Guided Vehicle)是一种重要的AGV导航手段。该方法通过摄像头获取道路图像信息并进行处理,获得道路参数,以此来指引AGV导航。现有的视觉导航算法大多复杂度较大,难以满足实际应用的实时性需求。提出一种基于道路参数识别的视觉引导方法,将道路中的道路识别为曲线参数,结合预测进行修正,在保证精度的前提下,大幅提高算法效率。理论分析和实验结果表明,该方法具有识别精度高,执行速度快,能达到实用化的要求。

基于智能小车实现自主功能的视觉算法与控制

为了满足智能小车实现自主功能,对视觉算法与控制进行了研究,通过在视觉模块引入3种算法:基于神经网络的分割、基于阈值的道路分割方法和基于Hough变换的车道线追踪方法,并通过采用阈值算法对停止标志牌检测从而实现自动停车。结果表明,基于Hough变换的算法能够较好地实现对道路的检测;采用聚类算法实现对停止标志牌检测也能较好地实现自动停车。证明提出的算法设计能满足智能小车实现自主功能,对后续实现人机交互控制以及搭建自主执行任务的无人平台有着重要的意义。