[發明專利]基于卷積神經網絡的自動導航小車系統及小車定位方法在審
| 申請號: | 201710864272.X | 申請日: | 2017-09-22 |
| 公開(公告)號: | CN107703936A | 公開(公告)日: | 2018-02-16 |
| 發明(設計)人: | 周源遠;蔡梅高 | 申請(專利權)人: | 南京輕力舟智能科技有限公司 |
| 主分類號: | G05D1/02 | 分類號: | G05D1/02;G01C21/20 |
| 代理公司: | 北京中濟緯天專利代理有限公司11429 | 代理人: | 徐琳淞 |
| 地址: | 210000 江*** | 國省代碼: | 江蘇;32 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 卷積 神經網絡 自動 導航 小車 系統 定位 方法 | ||
技術領域
本發明涉及基于卷積神經網絡的自動導航小車系統及小車定位方法。
背景技術
在現代科學技術的發展中,電子化、信息化、網絡化和智能化已成為車輛以后發展的動向。AGV小車是該發展動向的完美表現。AGV小車,指裝備有電磁或光學等自動導引裝置,能夠沿規定的導引路徑行駛,具有安全保護以及各種移載功能的運輸車,AGV的全程是Automated Guided Vehicle。AGV小車越來越廣泛的應用于工業生產實踐中,由于它的高自動智能化,使工廠既節約了人工成本和生產成本,又提高了生產效率和生產周期。
目前市場上推出了由后臺計算機控制的自動無人搬運車,通過計算機發出搬運指令,控制AGV小車的行駛路線,AGV小車循線的引導方式主要有電磁感應引導、超聲波引導、激光引導或紅外引導。在實際循線中,AGV小車完成循線任務或者產生故障停止前進后,后臺服務器需要提供額外的計算和通訊服務來對AGV小車進行定位,AGV小車定位功能往往需要通過在AGV小車上加裝GPS定位裝置來實現,增加了功耗和成本,同時GPS定位信號在室內環境容易受干擾,穩定性不好。
發明內容
為解決上述問題,本發明的目的是提供一種基于卷積神經網絡的自動導航小車系統及小車定位方法。
實現本發明目的的技術方案是:基于卷積神經網絡的自動導航小車系統的小車定位方法,包括以下步驟:
步驟一、構建自動導航小車系統;所述自動導航小車系統包括AGV小車和引導機構;所述AGV小車上設有攝像頭與攝像頭連接的帶卷積神經網絡的控制芯片;所述引導機構包括由設置在路面上由若干條橫線和縱線形成的矩形網格,矩形網格的每個交叉點處設有不重復的路標;矩形網格中的路標為矩形標貼;每個所述路標的中心點與矩形網絡中的交叉點重合,路標左右側和前后側的對稱線與交叉點處的橫線和縱線重合;矩形網格中的路標為矩形標貼;每個所述路標上都設有不重復的數字標記,每個路標上的數字標記為不重復的三位數字;路標顏色選擇與路面主色反差較大的顏色,遠程服務器將每個路標上的數字標記以數字標記集方式保存并傳輸至AGV小車;
步驟二、遠程服務器將矩形網格的結構、矩形網格線中路標位置保存并以無線通訊方式傳輸至AGV小車;矩形網格中的路標位置即路標的坐標信息,每個路標的坐標信息均不相同,遠程服務器將矩形網絡中所有路標的坐標信息集傳輸至AGV小車;
步驟三、遠程服務器接收到AGV小車路徑規劃請求,將包括多個路標位置的路徑信息發送至AGV小車,AGV小車根據路徑信息開始行駛;路徑信息為多個路標位置的坐標信息集。
步驟四、AGV小車在行駛過程中通過攝像頭采集前方視頻圖像,通過帶卷積神經網絡的控制芯片進行視頻圖像的分析并識別路標,控制芯片統計由卷積神經網絡分析出的行駛過的路標數量,和矩形網格比對獲得AGV小車的大概位置;再通過卷積神經網絡計算前方最近路標距離本小車的距離,從而獲得AGV小車的精確位置。
當AGV小車在行駛過程中產生故障停止或接近抵達目標點時,控制芯片通過攝像頭將前方最近路標上的數字標記識別后與控制芯片內保存的所有路標的數字標記集對比后得出AGV小車當前位置,再計算前方最近路標距離AGV小車的距離即可得到AGV小車具體定位。
自動導航小車系統中,卷積神經網絡模型的處理過程包括以下步驟:
①、樣本采集;
采集路標圖像和小車圖像,對圖像進行分類生成路標樣本和小車樣本;
②、對路標樣本和車輛樣本預處理;
根據設定的樣本尺寸,對路標樣本和小車樣本隨機地進行對稱翻轉變化,隨機修剪,色彩抖動,噪聲擾動;手動將路標樣本、小車樣本中包含路標、小車的長方形區域框選出,將長方形框的左上角像素點的坐標值和右下角像素點的坐標值記錄下來,完成小車或路標的標注;
③、卷積網絡的訓練:
將步驟②中標注好的小車樣本和路標樣本輸入深度卷積網絡中去,獲得該圖像文件的網絡輸出,然后計算出網絡輸出和標注的矩形框坐標之間的差值,然后將該差值通過反向傳遞進行卷積網絡權重的更新。依照步驟③對所有的訓練圖像迭代上百次,最終獲得訓練好的卷積網絡模型。
④、將路標樣本和車輛樣本輸入已訓練完成的卷積神經網絡,卷積神經網絡計算后獲得識別結果,根據識別結果對路標和小車的位置、角度做進一步計算。
進一步優選地,①中步驟包括:從拍攝的視頻或圖片中截取大量路標樣本和小車樣本組成路標樣本和小車樣本,路標樣本和小車樣本分別包括了路標圖像的各個視角和小車圖像的各個視角。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于南京輕力舟智能科技有限公司,未經南京輕力舟智能科技有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201710864272.X/2.html,轉載請聲明來源鉆瓜專利網。





