女人自慰AV免费观看内涵网,日韩国产剧情在线观看网址,神马电影网特片网,最新一级电影欧美,在线观看亚洲欧美日韩,黄色视频在线播放免费观看,ABO涨奶期羡澄,第一导航fulione,美女主播操b

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

一種基于單目視覺的誤差檢測方法

新機器視覺 ? 來源:起重運輸機械雜志社 ? 作者:起重運輸機械雜志 ? 2021-03-20 09:29 ? 次閱讀

摘 要:雙輪差速驅動搬運AGV 在實際運動過程中,由于傳感器讀數誤差和機械傳動誤差會產生運動累積誤差,針對該問題,文中提出一種基于單目視覺的誤差檢測方法。首先采用基于柵格分割、聚類的方法提取二值圖像中的定位塊并使用平均值算法計算定位塊的中心點;然后根據定位塊中心點的相對位置關系建立誤差檢測計算模型;最后通過實驗對本方法進行驗證,位置和航向角檢測結果誤差分別小于1 mm 和1°,證明所述方法具有較高的檢測精度。該方法對硬件要求低,具有較高的實用價值。

0 引言

基于雙輪差速驅動的倉儲物流搬運AGV 結構簡單,控制方便,廣泛應用于各種物流分揀系統中。由于AGV 搭載的傳感器讀數誤差和機械傳動誤差具有累計效應,其誤差會隨著時間的增加而增大。如果不能檢測并消除移動過程中產生的位置累計誤差和航向角累計誤差,將導致導航錯誤。迄今為止,已經有許多在工業生產中被使用或在實驗室里被設計并證明可用的累計誤差檢測方法。張濤[1] 等人設計了一種基于單目視覺的二維碼導航誤差檢測方法,將定位誤差控制在±4 cm 以內;Arturo Gil 等人[2] 通過提取視覺地標,獲得它們的相對測量值,通過估算機器人的路徑和視覺地標的位置來消除運動過程中的累積誤差;張艷[3] 等人使用DM 二維碼導航方式檢測產生的累積誤差,實現了AGV 自主導航與精準定位;羅高[4] 等人使用里程計結合單目視覺測距對移動機器人誤差檢測和定位技術進行研究;王勇[5]等人通過自適應位姿跟蹤,提高了AGV 在高遮擋環境下的定位精度。 目前對運動過程中產生的累積誤差進行檢測的方法存在位置誤差檢測以及航向角誤差檢測精度低、抗干擾能力弱等缺點。為此,本文基于單目視覺[6] 和信標[7,8],設計了一種應用于室內倉儲物流搬運AGV 的運動累計誤差檢測方法。本方法在運動節點處設置特定信標,首先對信標圖像進行灰度處理,計算信標圖像的內間方差,使用最大內間方差對應的分割閾值對灰度圖像進行分割,獲取二值圖像;其次在二值圖像的基礎上使用柵格對圖像進行分割,對含有前景色的柵格單元進行聚類,使用平均值算法求解信標的中心點坐標,并按照位置關系將中心點與信標定位塊一一對應;然后建立誤差計算模型,計算運動過程中產生的累積誤差;最后通過實驗驗證所述方法能夠檢測出倉儲物流搬運AGV 運動過程中產生的累積誤差,該方法具有較高的精度,滿足倉儲物流搬運AGV 精準定位的要求。

1 累積誤差檢測方案

雙輪差速驅動搬運AGV 在運動過程中,由于傳感器的累積誤差、機械傳動誤差以及裝配誤差等因素,會導致AGV 通過傳感器讀數計算的位姿與實際位姿之間產生累積誤差。具體表現在短時間內AGV 定位精度下降,隨著時間的增加,累積誤差會越來越大,最后導致AGV 運動出錯。為了保證AGV 運動的正確性,須在累積誤差造成運動錯誤前,檢測出累積誤差并對誤差進行補償。采用無畸變攝像頭,其成像原理[9-10] 如圖1 所示,圖像傳感器所在平面與信標所在平面平行。信標中含有3 個定位塊,分別為A、B 、C ,其中A 的中心點為校準點,OC 為攝像頭光心,ZC 為攝像機主軸,O-XYZ 為世界坐標系,OC -XCYC ZC 為攝像機坐標系,o1 ? x1y1為圖像坐標系,o ? xy 為信標中各定位塊中心點確定的信標坐標系,o′ ? x′y′為信標坐標系在圖像平面的投影。 依據定位塊A、B 、C 在圖像傳感器上成像中心點坐標之間的相對位置確定坐標系o′ ? x′y′。通過建立坐標系o′ ? x′y′與坐標系o1 ? x1y1之間的旋轉、平移關系模型,可以計算出航向角累積誤差θ ,在攝像頭安裝高度h 和攝像頭焦距f 已知的條件下,可以求出圖像傳感器中心點在信標坐標系下關于x 軸、y 軸的位置累積誤差dx、dy。

25b6e920-88ef-11eb-8b86-12bb97331649.png

圖1 世界坐標系與圖像坐標系之間的關系模型

2 計算定位塊中心點在圖像傳感器上坐標

2.1 基于柵格分割的聚類方法 首先按照灰度處理[11]、求解最大內間方差[12]、動態閾值分割[13]、中值濾波[14] 流程獲取二值圖像,然后分別提取出前景色中的3 個定位塊,并計算每個定位塊的中心點坐標,確定坐標系o′ ? x′y′ 。信標的分割聚類方法是采用柵格將二值圖像分割成若干個單元,再對柵格單元進行聚類,從前景色中將3 個定位塊分離。使用聚類法從分割后的圖像中篩選出含有前景色的單元,按照以下方法分離定位塊: Step1 設所有含有前景色像素點的單元構成集合S ,S ={s 1,s 2,s 3,……,sn},通過遍歷法可確定集合S 中所有的元素; Step 2 建立空集A1,將集合S 中的第1 個元素s 1添加到集合A1 中并將s 1 從集合S 中移除; Step 3 從集合S 第1 個元素開始,依次取集合S 中的元素si 與集合A1 中的所有元素進行比較,若這兩個元素代表的單元相鄰,則將集合S 中的元素si 添加到集合A1 中并將元素si 從集合S 中移除; Step 4 重復步驟Step 3,直至集合A1 中的任意元素aj 與集合S 中任意元素si 分別所代表的單元不相鄰; Step 5 判斷集合S 是否為空集,若為空集則前景色分聚類完成,否則重復Step 2 至Step 5,分別建立集合A2、A3、A4、……、An,直至集合S 為空集,并且將A1、A2、A3、……、An 作為元素構成集合A,即A={A1,A2,A3……An}。分割聚類實驗結果如圖2 所示。

圖2 分割聚類結果 2.2 各定位塊中心點坐標計算 對于至少具有兩條互相垂直的對稱軸圖形,可使用平均值算法計算圖形中心點。圖形中心點坐標滿足

269da89c-88ef-11eb-8b86-12bb97331649.png

式中:xt 為第t 個定位塊的中心點在圖像坐標系o1 ? x1y1下的橫坐標, yt 為第t 個定位塊的中心點在圖像坐標系o1 ? x1y1 下的縱坐標,n 為第t 個定位塊中黑色像素點的總個數,xi 為第t 個定位塊中第i 個黑色像素點在圖像坐標系o1 ? x1y1下的橫坐標,yi 為第t 個定位塊中第i 個黑色像素點在圖像坐標系o1 ? x1y1 下的縱坐標。 利用式(1) 可以計算出集合A 中每個元素對應的中心點坐標oi,所有中心點構成集合O,即O={ o 1,o 2,o 3,……,on }。對于所述方法,O={ o 1,o 2,o 3 }。任意兩定位塊中心點之間的距離

26becc84-88ef-11eb-8b86-12bb97331649.png

式中:h 為攝像頭的安裝高度,f 為攝像頭的焦距,xi 為中心點oi 在圖像坐標系o1 ? x1y1下的橫坐標,yi 為中心點oi 在圖像坐標系o1 ? x1y1下的縱坐標,xj 為中心點oj 在圖像坐標系o1 ? x1y1 下的橫坐標,yj 為中心點oj在圖像坐標系o1 ? x1y1下的縱坐標。i、j k 分別取1、2、3 且互不相同。當dk 取得最大值時中心點及對應邊長如圖3 所示。

26f36cbe-88ef-11eb-8b86-12bb97331649.png

圖3 中心點及對應邊長 中心點ok 對應定位塊A,記中心點ok 的坐標為(xk,yk),取中心點oi(xi,yi),構建向量,利用式(3)判斷中心點oj(xj,yj)與向量之間的關系,有 287d7b60-88ef-11eb-8b86-12bb97331649.png ? 當t > 0,點oj 在oi 的左側,中心點oi 對應定位塊B ,中心點oj 對應定位塊C ;當t < 0,點oj 在oi 的右側,中心點oi 對應定位塊C ,中心點oj 對應定位塊B 。確定定位塊中心點在圖像坐標系o1 ? x1y1下的坐標,將定位塊A、B 、C 的中心點在圖像傳感器上的投影記為A(xa , ya ), B(xb , yb ),C(xc , yc )。 ?

3 累積誤差計算模型

圖像坐標系o1 ? x1y1與信標投影坐標系o′ ? x′y′之間的旋轉、平移關系模型如圖4 所示。圖中,dx 為AGV 在信標坐標系下X 軸方向上位置累積誤差,dy 為AGV 在信標坐標系下Y 軸方向上位置累積誤差,θx 為AGV 在信標坐標系下X 軸方向上航向角累積誤差,θy 為AGV 在信標坐標系下Y 軸方向上航向角累積誤差,有

圖4 累計誤差計算模型

28fb0152-88ef-11eb-8b86-12bb97331649.png

293930da-88ef-11eb-8b86-12bb97331649.png

4 實驗結果

實驗采用無畸變攝像頭,將其安裝于AGV 的回轉中心并與地面保持平行,拍攝位于地面的特定信標。利用所述方法計算在任意位置下的位置偏差和角度偏差,將實際測量值與計算結果進行比較。每次實驗進行20次計算,進行6 次獨立重復實驗。選取第1 次、第10 次、第20 次的實驗結果和實際測量結果,如表1 所示。第1 次獨立重復實驗的計算結果與實際測量結果進行比較,誤差如圖5 所示。圖5 計算結果與測量結果之間的誤差由表1 可知,每次獨立重復實驗計算結果,dx、dy的波動不超過1 mm,θ 的波動不超過0.5°,說明本方法計算結果具有較高的穩定性。從圖5 可以看出,每次獨立重復實驗計算結果與實際測量結果相比較,dx、dy的誤差不超過1 mm,θ 的誤差不超過1°,說明本方法具有較高的準確度。6 次獨立重復實驗的計算結果與實際測量結果相比較,結果都在誤差允許范圍內,說明本方法具有較高的可靠性。

5 結語

從信標特征識別開始到定位偏差計算,研究了一種用于倉儲物流搬運AGV 運動累積誤差檢測方法。針對特定的信標,在特征提取中使用柵格對二值圖像進行分割,對柵格單元進行聚類,利用平均值算法計算信標中定位塊的中心點坐標,建立圖像與世界坐標系的旋轉、平移關系模型,計算倉儲物流搬運AGV 在世界坐標系下的位姿。最后通過實驗測量,將計算結果與測量結果比較,證明所述方法具有較高精度、穩定性和可靠性。進一步提高圖像處理速度和提高定位精度是下一步研究重點。

責任編輯:lq

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • 傳感器
    +關注

    關注

    2562

    文章

    52508

    瀏覽量

    763307
  • 視覺
    +關注

    關注

    1

    文章

    154

    瀏覽量

    24277
  • AGV
    AGV
    +關注

    關注

    27

    文章

    1429

    瀏覽量

    41957

原文標題:基于單目視覺的倉儲物流搬運AGV 累積誤差檢測方法研究

文章出處:【微信號:vision263com,微信公眾號:新機器視覺】歡迎添加關注!文章轉載請注明出處。

收藏 人收藏

    評論

    相關推薦
    熱點推薦

    一種實時多線程VSLAM框架vS-Graphs介紹

    ,vSGraphs優于當前最先進的VSLAM方法,在真實數據上平均降低3.38%的軌跡誤差,最大降幅達9.58%。同時,所提出的框架還具有良好的可擴展性,能夠處理大規模場景。此外,僅通過視覺特征,本框架實現的語義實體
    的頭像 發表于 04-19 14:07 ?234次閱讀
    <b class='flag-5'>一種</b>實時多線程VSLAM框架vS-Graphs介紹

    焊接質量檢測方法

    焊接作為一種關鍵的金屬連接工藝,其質量直接決定了產品的整體性能和使用壽命。因此,準確檢測焊接質量對于保障產品安全性和可靠性至關重要。目視檢查目視檢查是焊接質量
    的頭像 發表于 03-28 12:19 ?336次閱讀
    焊接質量<b class='flag-5'>檢測</b><b class='flag-5'>方法</b>

    一種基于點、線和消失點特征的目SLAM系統設計

    本文提出了一種穩健的目視覺SLAM系統,該系統同時利用點、線和消失點特征來進行精確的相機位姿估計和地圖構建,有效解決了傳統基于點特征的SLAM的局限性。
    的頭像 發表于 03-21 17:07 ?356次閱讀
    <b class='flag-5'>一種</b>基于點、線和消失點特征的<b class='flag-5'>單</b>目SLAM系統設計

    一種降低VIO/VSLAM系統漂移的新方法

    本文提出了一種方法,通過使用點到平面匹配將VIO/VSLAM系統生成的稀疏3D點云與數字孿生體進行對齊,從而實現精確且全球致的定位,無需視覺數據關聯。所提
    的頭像 發表于 12-13 11:18 ?576次閱讀
    <b class='flag-5'>一種</b>降低VIO/VSLAM系統漂移的新<b class='flag-5'>方法</b>

    一種將NeRFs應用于視覺定位任務的新方法

    視覺定位旨在估計在已知環境中捕獲的給定圖像的旋轉和位置,大致可以分為絕對姿態回歸(APR),場景坐標回歸(SCR)和分層方法(HM)。
    的頭像 發表于 10-28 10:03 ?487次閱讀
    <b class='flag-5'>一種</b>將NeRFs應用于<b class='flag-5'>視覺</b>定位任務的新<b class='flag-5'>方法</b>

    一種簡單高效配置FPGA的方法

    本文描述了一種簡單高效配置FPGA的方法,該方法利用微處理器從串行外圍接口(SPI)閃存配置FPGA設備。這種方法減少了硬件組件、板空間和成本。
    的頭像 發表于 10-24 14:57 ?1356次閱讀
    <b class='flag-5'>一種</b>簡單高效配置FPGA的<b class='flag-5'>方法</b>

    管交流放大電路誤差分析方法

    管交流放大電路誤差分析方法主要包括以下幾個方面: 誤差來源分析 儀器誤差 : 定義 :儀器
    的頭像 發表于 09-03 10:06 ?2761次閱讀

    視覺檢測可以食品中檢測出毛發嗎

    。那么,視覺檢測可以在食品中檢測出毛發嗎? 先說結論,視覺檢測是可以在食品中檢測出毛發的。
    的頭像 發表于 09-02 13:54 ?510次閱讀

    視覺檢測是什么意思?機器視覺檢測的適用行業及場景有哪些?

    在快速迭代的工業世界中,機器視覺檢測以其精準、高效的力量,已成為眾多產業不可或缺的技術支持。本文將深入探討機器視覺檢測的含義、應用行業及具體場景,揭示其如何在現代生產中扮演關鍵角色。
    的頭像 發表于 08-30 11:20 ?775次閱讀

    分析討論臂電橋電阻的誤差原因

    引言 臂電橋是一種基于惠斯通電橋原理的電阻測量儀器,廣泛應用于實驗室和工業生產中。然而,臂電橋的測量結果往往受到多種因素的影響,導致誤差的產生。本文將從
    的頭像 發表于 08-27 15:14 ?4855次閱讀

    機器視覺在焊接質量檢測中的應用

    的可能性。今天跟隨創想智控小編起了解機器視覺在焊接質量檢測中的應用。 1. 機器視覺原理 機器視覺
    的頭像 發表于 08-13 16:33 ?532次閱讀

    一種無透鏡成像的新方法

    使用OAM-HHG EUV光束對高度周期性結構進行成像的EUV聚光顯微鏡 為了研究微電子或光子元件中的納米級圖案,一種基于無透鏡成像的新方法可以實現近乎完美的高分辨率顯微鏡。 層析成像是一種強大的無
    的頭像 發表于 07-19 06:20 ?670次閱讀
    <b class='flag-5'>一種</b>無透鏡成像的新<b class='flag-5'>方法</b>

    rup是一種什么模型

    RUP(Rational Unified Process,統建模語言)是一種軟件開發過程模型,它是一種迭代和增量的軟件開發方法。RUP是由Rational Software公司(現為
    的頭像 發表于 07-09 10:13 ?2237次閱讀

    人臉檢測的五種方法各有什么特征和優缺點

    人臉檢測是計算機視覺領域的個重要研究方向,主要用于識別和定位圖像中的人臉。以下是五常見的人臉檢測方法
    的頭像 發表于 07-03 14:47 ?1421次閱讀

    提高SMT貼片質量的檢測方式

    ,接下來深圳SMT加工廠為大家介紹下SMT貼片加工常見檢測方法。 SMT貼片加工中常用的檢測手段 1. 視覺檢查(Visual Inspection):
    的頭像 發表于 06-25 09:20 ?1065次閱讀