学位论文 > 优秀研究生学位论文题录展示

基于视觉的AGV道路识别和导引

作　者: 姚佳杰
导　师: 林志赟
学　校: 浙江大学
专　业: 控制理论与控制工程
关键词: 道路检测道路跟踪聚类分析自适应视觉
分类号: TP23
类　型: 硕士论文
年　份: 2014年
下　载: 28次
引　用: 0次
阅　读: 论文下载

内容摘要

AGV系统在自动化生产中发挥着重要的作用,通过应用AGV系统,能大幅减少人力成本,提高生产效率。近年来,随着传感器技术的完善和计算机计算能力的提升,视觉导航技术逐渐成为当前研究热点,出现了各种基于视觉导引的智能化车辆,AGV系统也从室内车间的物料搬运扩展到各个应用领域。本文结合当前热点,通过研究室外AGV的道路识别和导引,旨在实现一个可靠、高效的室外AGV系统。研究内容主要分为四部分：1、道路检测算法的设计和实现；2、路径跟踪算法的设计和实现;3、AGV硬件系统设计和集成；4、AGV上位机软件系统设计和开发。通过对道路识别方法的研究,本文提出并实现了基于视觉和聚类分析的自适应道路检测算法(第2章)。算法通过路面样本的自动选择,实现了自动导航车在没有人工参与情况下的动态样本添加。克服了基于学习算法的道路识别方法所存在的缺陷：为了适应变化剧烈的路面环境,需要人工收集大量的路面样本进行训练。经过自主设计的实验平台(AGV自动导航车)验证,算法能有效减低光照、阴影、车道线对道路识别的影响,能够适应道路条件变化剧烈的场合,减少了运行过程中所需要的人工操作。在路面识别算法的基础上,本文提出并实现了适用于简单路况(无交叉道路)的路径跟踪算法(第3章)。算法通过提取道路中心线作为自动导航车行进参考线,实现了自动导航车在简单路况下的平稳运行。针对复杂路况(交叉路口)下的道路跟踪,提出了道路模式判断以及道路图像的视角转换等方案作为后续研究工作的重点。同时,在本文的研究过程中,自主设计并实现了新颖的AGV系统硬件平台,硬件平台集成了多种传感器,相比于依靠单一类型传感器的AGV,该平台更具可靠性。在硬件平台的基础上,设计并开发了自动导航车的上位机软件系统,通过上位机软件调试并验证了本文设计的识别和跟踪算法。最后,本文总结并分析了当前研究存在的不足,提出了相应的改进方案作为后续研究的重点。

全文目录

致谢  4-5
摘要  5-6
Abstract  6-13
1. 引言  13-19
  1.1 AGV系统的应用现状  13-14
  1.2 视觉导引技术的研究现状  14-16
  1.3 研究内容  16-18
    1.3.1 基于视觉的道路识别算法设计  16-17
    1.3.2 基于视觉的路径跟踪算法设计  17
    1.3.3 AGV系统的硬件设计和集成  17-18
    1.3.4 AGV系统的上位机软件设计和开发  18
  1.4 结构安排  18-19
2. 自适应道路检测算法设计  19-31
  2.1 算法流程  19-20
  2.2 图像预处理  20
  2.3 自适应学习  20-26
    2.3.1 边缘检测和样本区域的自动选择  21-24
    2.3.2 聚类分析  24-26
  2.4 路面检测  26-27
  2.5 移动策略  27-28
  2.6 路面识别实验结果  28-29
  2.7 本章小结  29-31
3. 基于视觉的AGV路径跟踪算法设计  31-41
  3.1 简单道路的路径跟踪  31-36
    3.1.1 道路中心线及行进参考线的拟合  31-33
    3.1.2 参考路径估算的改进·使用卡尔曼滤波器  33-36
  3.2 自动导航车的移动策略  36-38
  3.3 复杂路况下的路径跟踪  38-39
  3.4 本章小结  39-41
4. AGV硬件系统设计和集成  41-57
  4.1 自动导航车的主要参数  41-42
  4.2 电机和电机驱动部分  42-43
  4.3 超声波测距模块  43-48
    4.3.1 远距离超声波测距雷达  44-46
    4.3.2 近距离超声波测距雷达  46-48
  4.4 视频采集模块  48-49
  4.5 全局定位模块  49-50
  4.6 电源模块  50-51
  4.7 通讯方式,指令格式  51-52
    4.7.1 运动指令  51-52
    4.7.2 查询指令  52
  4.8 自动导航车的运动模型  52-57
    4.8.1 自动导航车的近似位置估算模型  53-57
5. 上位机软件系统设计和开发  57-68
  5.1 开发环境  57-58
    5.1.1 Qt开发环境  57-58
    5.1.2 OpenCV视觉库  58
    5.1.3 串口通讯工具PComm Lite  58
  5.2 系统模块  58-62
    5.2.1 视频捕获和预处理模块  59-60
    5.2.2 边缘检测和自适应学习模块  60
    5.2.3 道路检测模块  60-62
    5.2.4 导航模块  62
    5.2.5 驱动模块  62
  5.3 实验结果  62-68
    5.3.1 人工样本选择  63-64
    5.3.2 识别参数和导航参数的设置  64-67
    5.3.3 其他参数的设置  67-68
6. 总结与展望  68-70
  6.1 本文的研究内容总结  68-69
  6.2 未来展望  69-70
参考文献  70-73
作者简历  73
在校期间发表论文  73

基于视觉的AGV道路识别和导引

内容摘要

全文目录

相似论文