视觉导引AGV鲁棒特征识别与精确路径跟踪研究

摘要：

针对AGV多分支路径与工位点标识的可靠识别以及导引路径的精确跟踪问题,提出了一种基于双视野窗口的鲁棒特征识别与精确路径跟踪方法.采用整幅视野范围作为模式识别窗口,在该窗口采用基于核主成分分析(KPCA)和BP神经网络的识别方法,将路径特征通过核函数映射到高维空间进行PCA降维,再利用BP神经网络识别降维后的样本矩阵.同时提出一种导引扫描窗口设置方法,该窗口范围取决于摄像机竖直视角以及摄像机安装倾斜角,在导引扫描窗口内将导引路径简化为直线模型并用最小二乘法拟合,针对拟合直线计算导引所需的路径偏差.实验结果表明,KPCA-BP方法显著提高了路径特征识别的实时性和鲁棒性,6类路径特征的平均特征识别正确率为99.5％;导引扫描窗口有效减小了导引路径直线拟合的计算误差,直线路径跟踪误差小于3 mm,曲线路径跟踪误差小于30 mm.

关键词：自动导引车、视觉导引、特征识别、路径跟踪、核主成分分析、BP神经网络

所属期刊栏目：47

分类号：TP242(自动化技术及设备)

资助基金：国家自然科学基金项目61105114、江苏省科技支撑计划项目BE2014137、中国博士后科学基金项目2015M580421、江苏省博士后科研计划项目1501103C、中央高校基本科研业务费专项资金项目NS2016050和南京航空航天大学研究生创新基地实验室开放基金项目KFJJ20150519

在线出版日期：2016-08-16（万方平台首次上网日期，不代表论文的发表时间）

页码：48-56