基于機器視覺的AGV定位方法探索

張華林

摘 要：AGV是近幾年科技進步的產物，其主要是由電磁或光學等自動引導設備與運輸設備組裝而成，AGV是具有較高安全保護與運載功能的運輸車輛。但傳統的AGV在運行時的預先設計路徑不可改變，缺少較高的靈活性。而基于機器視覺的AGV定位方法具有較高的靈活性同時還可以針對實際情況更改預先設計的路徑，為運輸工作提供保障。本文主要簡述了基于機器視覺的AGV定位設計與基于機器視覺的AGV定位算法，希望可以給相關技術人員提供參考作用。

關鍵詞：機器視覺;AGV;定位方法

DOI：10.16640/j.cnki.37-1222/t.2019.04.136

傳統的AGV定位方法主要是以電磁感應為主要引導因素，并通過RFID、紅外感應以及超聲波感應等無線傳感器來進行測距定位引導，同時基于圖像傳感器的視覺引導進行定位，但其靈活性較差同時預先設定的路徑不可更改。而基于機器視覺的AGV定位方法可以通過設計包含具體位置、方向信息的二位數字標簽以及CMOS工業相機來獲得目標圖像，并通過自動白平衡以及自動曝光等方式來提高獲取圖像的質量，這不僅有效提高AGV定位方法的準確性，同時還為實際工業操作起到一定程度上的推動作用，因此為了使得基于機器視覺的AGV定位方法可以順利應用在工業行業當中，就需要針對基于機器視覺的AGV定位方法進行分析。

1 基于機器視覺的AGV定位設計

1.1 基于機器視覺的AGV數字化標簽設計

在基于機器視覺的AGV數字化標簽設計進行時主要分為以下兩個方面：數字化標簽的外部環境以及AGV圖像采集與處理系統。通常情況下基于機器視覺的AGV自由路線引導方式主要是利用了圖像傳感器，在AGV運行的過程中可以提取周邊環境圖像信息，并將實際捕捉到的環境圖像信息與圖像數據庫中的信息進行對比，從而能夠確定AGV的運行軌跡與捕捉AGV的實際位置。基于機器視覺的AGV數字化標簽設計的主要優點是可以針對預設的路線進行更改，通過較為靈活的方式針對突發情況進行路線更改工作，在很大基礎上解決了傳統AGV運行中存在的問題。但有優點就會存在相應的缺點，其主要缺點在于缺少實時性，同時環境圖像數據庫較難建立，因此在應用數字化標簽設計時就需要針對實際情況對環境圖像數據庫的建立工作進行調整，從而能夠從真正意義上實現標簽數字化的轉變。

1.2 基于機器視覺的AGV圖像采集

在選擇AGV視覺傳感器時需要針對傳感器的功能與性能進行選擇，通常情況下可以選擇型號為GH-GV400UC-ML的工業數字相機，該相機具備全幀曝光的功能，并且可以設置曝光的時間，能夠為AGV運動時的圖像清晰程度提供保障，從而為后續的圖像收集與圖像處理工作提供保障。AGV圖像采集與處理設計在進行的過程中，需要針對相機實際拍攝的圖像信息進行處理，并結合AGV所處的位置與方向分析出圖像處理的具體流程。除此之外，在圖像采集工作進行的過程中需要確保實際圖像的清晰程度，若圖像的色溫差距較大就會導致圖像出現偏黃或偏藍的情況，最終會對接下來的圖像處理工作造成影響。因此就需要針對實際圖像采集工作進行調整，將色溫調至到較為適合的位置，以便確保實際采集工作可以順利進行[1]。

2 基于機器視覺的AGV定位算法

2.1 自動曝光設計算法

自動曝光設計算法主要應用在AGV快速運動的過程中。由于AGV在運動時會對攝像機的成像質量造成一定程度上的影響，因此就需要將攝像機快門速度設置至65ms以上。同時由于AGV的運動環境光照變化較為明顯，因此在實際設置快門速度時就可以將自動曝光設計實際應用在攝像過程中，基于自動曝光設計實時對快門速度進行調節，以便確保可以獲得效果較為清晰的圖像。在對自動曝光算法進行設計的過程中需要將初始快門時間設置為15ms—20ms，而后根據已經設計好的快門時間拍攝一組圖像，并根據圖像識別函數對拍攝好的圖像進行處理，同時在針對圖像進行處理的過程中若可以得到正確的識別參數就可以進行接下來的拍攝工作，若無法得到正確的識別參數時就需要將快門時間延長至25—35ms，而后進行拍攝工作，直至快門時間超過65ms時就需要將其重新設置為1ms，通過循環的方式尋找出較為適合的快門時間。

2.2 標簽角度與內容的識別

2.2.1 標簽角度的識別方式

AGV標簽角度的識別可以通過計算圖像中心而進行，在實際識別標簽角度的過程中需要精準的計算出標簽的偏轉角度A，同時在將標簽角度A順時針旋轉時，需要確保標簽的邊緣與圖像的邊緣保持平行或垂直的狀態。除此之外在識別標簽角度時，需要將不可抗力的因素規劃到實際識別工作進行的過程中，針對可能會出現的非正確直線、圖像模糊以及標簽角度旋轉失誤等問題進行充分的考慮，并針對可能會出現的因素與問題制定出相應的解決措施，以便能夠在出現問題與因素的第一時間針對問題進行解決，從而為標簽角度的識別工作提供保障。

2.2.2 標簽內容的識別方式

在對標簽內容識別的過程中，需要針對標簽所在區域進行霍夫變換檢測，同時還需要確保檢測到的直線能夠保持在相互平行或垂直的狀態，并嚴格過濾掉不合格的直線。在針對標簽內容進行識別的過程中可以得知標簽的角度，并將標簽的角度設定為A，而后根據標簽角度A旋轉標簽所在區域內的圖像，并將原圖放大至8倍—10倍，以便能夠提高標簽內容的識別準確率[2]。

3 結束語

綜上所述，本文在針對基于機器視覺的AGV定位方法進行研究的過程中，主要通過兩個方面開展研究與分析，一方面是基于機器視覺的AGV定位方法設計，另一方面是基于機器視覺的AGV定位算法，通過上述的研究與分析可以為基于機器視覺的AGV定位方法的可靠性提供保障，同時還可以有效提高AGV的工作效率，從而為實際應用與工業發展起到一定程度上的推動作用。

參考文獻：

[1]徐葉帆.基于機器視覺的AGV定位方法研究[J].工業控制計算機，2016，29（08）：6-8.

[2]任云星，馬世杰.AGV+工業機器人在精密搬運中的應用[J].山西電子技術，2016（03）：51-52.