计算机视觉与 AGV

1. 计算机视觉与AGV 赵 永

2. 1. 计算机视觉 2. AGV简介 3. AGV视觉导引 4. 研究方向与内容 目 录

3. 计算机视觉 计算机视觉是人工智能领域最热门的研究课题之 一。研究表明，人类在感知外部世界信息中，有83% 是通过视觉获得，其他来自于触觉、听觉、嗅觉等感 觉器官。人类的视觉系统是一个非常好的信息处理系 统，它能够快速、有效地完成大量纷繁复杂的外部景 物识别、定位、追踪任务。以人类视觉系统为模型， 开发出具有类似人眼功能的智能机器以协助、代替人 类完成某些工作，具有重要意义。

4. 计算机视觉利用计算机模拟人眼的视觉功能，从图像或图像序列中提取信息，对客观世界的三维景物和物体进行形态和运动识别。计算机视觉利用计算机模拟人眼的视觉功能，从图像或图像序列中提取信息，对客观世界的三维景物和物体进行形态和运动识别。 内容 目的之一就是寻找人类的视觉规律，从而开发出从图像输入到自然景物分析的图像理解系统，可以代替人类的视觉从事检验、目标跟踪、机器人导向等方面的工作。 目的 视觉技术理论涉及图像处理、模式识别、人工智能等方面。 技术 计算机视觉

5. AGV 计算机视觉最终研究目标是使计算机能像人那样 通过视觉观察和理解世界，具有自主适应环境的能力。 在实现最终目标之前，人们努力的方向是建立一种视 觉系统，这个系统能依据视觉敏感和反馈的某种程度 的智能完成一定的任务。在这个方面最为典型的重要 应用领域就是自动导引车辆（AGV: Automated Guided Vehicle）的视觉导引。

6. AGV

7. AGV

8. AGV • AGV 结 构 示 意 图

9. AGV AGV的应用可以大大提高企业自动化生产线和仓 储物流系统的运行效率，提高企业的自动化水平，具 有广泛的应用价值。 AGV在工业、农业、医学和人类生活中的各方面 显示了越来越多的应用前景，也逐渐成为国际机器人 界的热门研究领域。

10. 1.有轨式 2.无轨式 AGV类型 • 按运行时有无固定轨道划分 沿固定的轨道运行，导引技术相对简单，但铺设轨道的工作量大，AGV系统灵活性差，是早期经常采用的一种技术，在现代AGVS中使用极少。 由于没有轨道，AGV系统具有良好的柔性，可以根据系统的需要，重新设定运行路径，因此近年来得到广泛应用。但受技术限制，无轨AGV系统仍存在诸多技术难题。

11. AGV导引方式 电磁感应导引 光学导引 AGV 导引方式 机器视觉导引 激光导引 超声波测量导引…

12. AGV视觉导引 传统AGV导引方式，由于难以获取丰富的周边环 境信息，因此无法适应多节点、多分支网络复杂路径 环境下的作业需求，不利于实现高智能化控制管理， 从而降低了其即时化柔性作业的效率，限制了AGV使 用范围和领域。随着图像处理技术的日益成熟及硬件 设备性能的不断提高，视觉导引凭借信息容量大、路 径设置变更简单方便、导引柔性好、技术先进、更高 性价比等优点，逐渐成为AGV导引技术发展的主流。 沿固定的轨道运行，导引技术相对简单，但铺设轨道的工作量大，AGV系统灵活性差，是早期经常采用的一种技术，在现代AGVS中使用极少。 由于没有轨道，AGV系统具有良好的柔性，可以根据系统的需要，重新设定运行路径，因此近年来得到广泛应用。但受技术限制，无轨AGV系统仍存在诸多技术难题。

13. AGV视觉导引 真正的AGV视觉系统 结构化道路视觉导引 沿固定的轨道运行，导引技术相对简单，但铺设轨道的工作量大，AGV系统灵活性差，是早期经常采用的一种技术，在现代AGVS中使用极少。 1.实时性 - 要求系统的数据处理必须与车体的高速 行驶同步进行 2.鲁棒性 - 要求车辆对不同的道路环境、复杂的路 面状况以及变化的具体条件等均具有良 好的适应性 3.实用性 - 要求车辆系统在体积与成本等方面能够 为用户所接受 AGV视觉导引应用环境 非结构化道路视觉导引

14. AGV视觉导引 真正的AGV视觉系统 与非结构化道路上的导引比较而言，已取得了较为突出的成果，其核心是道路标识线图像识别 沿固定的轨道运行，导引技术相对简单，但铺设轨道的工作量大，AGV系统灵活性差，是早期经常采用的一种技术，在现代AGVS中使用极少。 根据路面或路边的明显路径标识线，通过车载CCD摄像机动态摄取路面图像，经车载计算机处理识别出路径标识，并判断出车辆纵向轴线偏离标识线的距离和夹角 结构化道路上的AGV视觉导引 通过控制转向系统使车辆的实际行驶路线与路径标识线的偏差保持在允许的范围内，以达到视觉导航的目的

15. AGV视觉导引 通过两台或多台摄像机摄取的图像对道路场景进行3D重建，获得车体位姿和道路场景，进而实现AGV的导航 非结构化道路没有明显的道路标识线和边界标识，道路场景具有很大的随机性，道路模型难以重建 根据图像的纹理、颜色、边界、运动等特征对道路区域与非道路区域进行识别与分割 • 非结构化道路上的AGV视觉导引 真正的AGV视觉系统 沿固定的轨道运行，导引技术相对简单，但铺设轨道的工作量大，AGV系统灵活性差，是早期经常采用的一种技术，在现代AGVS中使用极少。 • 缺点1 • 由于道路场景的复杂性，往往需要多种方法同时应用才能进行正确的道路分割，处理时间多，系统实时性受到严重制约 • 缺点 2 • 采用双目或多目视觉进行道路场景3D重建，需要很大的计算量，目前的硬件能力还难以满足实时性的要求，并且系统结构设计复杂，影响实际使用

16. 研究方向与内容 路径（目标）识别 图像预处理、图像分割、特征提取、3D视 觉、特征识别、人物检测、人物识别… 目标跟踪 卡尔曼滤波、粒子滤波、均值漂移、KLT、状态空间模型、Hough变换… AGV视觉导引 路径规划 动态路径规划、定位、避障、寻优、人工智能方法… 控制策略 模糊逻辑、神经网络、智能控制… 信息融合 传感器数据融合、多种检测方法和算法的融合… ……

17. Thank You! http://log.seu.edu.cn 2014/10/12