一種自引導(dǎo)叉車中多路徑的圖像分離提取方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像中引導(dǎo)路徑的分離提取領(lǐng)域，涉及一種適用于自引導(dǎo)叉車中多路 徑的圖像分離提取方法。
【背景技術(shù)】
[0002] 自引導(dǎo)叉車技術(shù)是自動導(dǎo)引運輸車也就是AGV(Automated Guided Vehicle)的一 個衍生領(lǐng)域，該項技術(shù)主要用于軍用以及民用的具有大量高層貨架的大型倉庫中的物資搬 運存儲工作里。主要涉及傳感器數(shù)據(jù)采集、數(shù)據(jù)濾波、路徑信息提取、運動控制、電機驅(qū)動、 數(shù)據(jù)傳輸?shù)榷鄠€相關(guān)學(xué)科。
[0003] 隨著近幾年自動駕駛汽車技術(shù)的迅速發(fā)展，應(yīng)用于大型倉庫的自動引導(dǎo)的叉車的 市場需求也越來越強烈。在自引導(dǎo)叉車控制技術(shù)中的路徑識別是十分重要的一個環(huán)節(jié)。一 般識別引導(dǎo)路徑的傳感方案有磁導(dǎo)航以及激光導(dǎo)航等，這些方案相對簡單和成熟，但是傳 感器的成本很高。而基于圖像處理的自引導(dǎo)叉車則成本較低，并且精度相對較高。目前，基 于圖像的自引導(dǎo)叉車技術(shù)中對于路徑的提取的方法都只是針對單條路徑，都不具備對圖像 中同時出現(xiàn)的不同引導(dǎo)方向的路徑進(jìn)行分離提取，這限制了圖像導(dǎo)航在AGV領(lǐng)域的應(yīng)用。 所以，如果能解決基于圖像的多路徑分離提取問題，則圖像導(dǎo)航可廣泛用于AVG領(lǐng)域，從而 大大降低控制成本，提高控制精度。

【發(fā)明內(nèi)容】

[0004] 為了克服已有于圖像的自引導(dǎo)叉車方式的僅僅適用于單條路徑、無法適用于多路 徑引導(dǎo)的不足，本發(fā)明提供一種在保證準(zhǔn)確識別地面單條路徑信息的同時，又能夠同時分 離出多條不同路徑信息的種自引導(dǎo)叉車中多路徑的圖像分離提取方法。
[0005] 本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：
[0006] 一種自引導(dǎo)叉車中多路徑的圖像分離提取方法，所述圖像分離提取方法包括如下 步驟：
[0007] 1)將采集到的圖像進(jìn)行中值濾波；
[0008] 2)將濾波得到的圖像進(jìn)行二值化處理；
[0009] 3)將步驟2)中得到二值化圖像進(jìn)行細(xì)化處理，得到引導(dǎo)線的骨架，得到叉車行進(jìn) 的大致路徑；
[0010] 4)對細(xì)化后的路徑圖像進(jìn)行路徑的分支節(jié)點搜索運算，同時去除長度少于設(shè)定數(shù) 值的錯誤分支；
[0011] 5)將步驟4)得到分支節(jié)點按照圖像坐標(biāo)從下到上進(jìn)行排列，連接各節(jié)點線段， 形成路徑集合，選取以上集合中能夠延展到圖像邊界附近的路徑，將其作為叉車的引導(dǎo)路 徑；
[0012] 6)將得到的各個路徑分成幾幅不同的路徑圖像，計算得到不同路徑的導(dǎo)航偏差 值；
[0013] 7)重復(fù)步驟1)~7)，實時分離提取圖像中的多個路徑，直到導(dǎo)航結(jié)束。
[0014] 進(jìn)一步，在步驟4)中，所述的路徑的分支節(jié)點搜索運算，包括以下步驟：
[0015] a.計算圖像中引導(dǎo)線所占的寬度值n;
[0016] b.從圖像下方起始的第n行開始自左向右搜索圖像中的路徑點，n為步驟a中求 得的圖像中引導(dǎo)線所占的寬度值；
[0017] c.若搜索到圖像中的一個像素點為細(xì)化后引導(dǎo)線所占的點，以下簡稱為路徑點， 則將這個點作為一個種子點，并放入種子點隊列中，并且作為路徑分支節(jié)點的二叉樹數(shù)據(jù) 中的root，否則繼續(xù)自左向右、自下而上搜索細(xì)化后引導(dǎo)線所占的點；
[0018] d.取出種子點隊列中隊首的種子點，搜索該種子點除上一個種子點以外的8鄰 域，判斷鄰域內(nèi)的路徑點情況；
[0019] e.若其鄰域內(nèi)，僅存在一個路徑點則將鄰域內(nèi)的路徑點作為新的種子點放入種子 點隊列；或者存在兩個鄰域相鄰點都為路徑點則忽略對角線上的點，將其中的上下左右的 鄰域作為新的種子點放入種子點隊列，并重復(fù)操作操作d。否則執(zhí)行步驟f ;
[0020] f.若其鄰域內(nèi)，存在兩個鄰域的非相鄰點都為路徑點，則認(rèn)為該種子點為路徑的 分支節(jié)點，為該點創(chuàng)建一個路徑分支節(jié)點的二叉樹節(jié)點，并將這兩個路徑點放入種子點隊 列中，并重復(fù)操作d。否則，執(zhí)行步驟g;
[0021] g.若其鄰域內(nèi)，不存在路徑點則為該種子點創(chuàng)建一個路徑分支節(jié)點的二叉樹節(jié) 點；若種子點隊列不為空，則重復(fù)執(zhí)行步驟d，否則路徑節(jié)點搜索結(jié)束。
[0022] 再進(jìn)一步，在步驟a中，所述的圖像中引導(dǎo)線所占的寬度值n的計算方法為取圖像 中單路徑部分的10行統(tǒng)計計筧其平詢倌，如下式（1)所示：
[0023]
[0024] 式中，叫為各行中路徑寬度。
[0025] 所述步驟2)中，利用大律法將濾波得到的圖像進(jìn)行二值化處理。
[0026] 所述步驟2)中，二值化處理后，先后進(jìn)行開、閉運算。
[0027] 本發(fā)明的技術(shù)構(gòu)思為：引入必要的中值濾波以及開閉運算能夠增強引導(dǎo)線分割的 抗干擾性，避免把噪點信息誤判為引導(dǎo)線；通過細(xì)化得到引導(dǎo)線的骨架，得到大致的路徑， 并通過剔除長度短的分支，去除了細(xì)化過程中出現(xiàn)的錯誤分支。同時，選取各節(jié)點間線段的 所有集合中能夠延展到圖像邊界附近的路徑，作為叉車的引導(dǎo)路徑，這樣就分離提取出了 圖像中同時出現(xiàn)的多條路徑。
[0028] 本發(fā)明的有益效果主要表現(xiàn)在：1、在保證準(zhǔn)確識別地面單條路徑信息的同時，又 能夠同時分離出多條不同路徑信息；2、降低控制成本，提高控制精度。
【附圖說明】
[0029] 圖1為含有引導(dǎo)線信息的灰度圖。
[0030] 圖2為分割出引導(dǎo)線的結(jié)果示意圖，其中，（a)為二值化處理后的示意圖，（b)為開 閉運算后的示意圖。
[0031] 圖3為引導(dǎo)線細(xì)化結(jié)果示意圖。
[0032] 圖4為搜索的8鄰域示意圖。
[0033] 圖5為節(jié)點搜索時遇到的各類情況示意圖，其中，（a)為典型的分支結(jié)點，（b)為典 型的一個路徑點，（c)為鄰域內(nèi)存在兩個相鄰點時的路徑點，（d)為末端節(jié)點為分支結(jié)點的 一種特殊情況。
[0034] 圖6為節(jié)點搜索結(jié)果示意圖。
[0035] 圖7為分離提取出的各個路徑圖像的結(jié)果示意圖，其中，（a)是第一條路徑，（b)是 第二條路徑。
【具體實施方式】
[0036] 下面結(jié)合附圖對本發(fā)明作進(jìn)一步描述。
[0037] 參照圖1~圖7,一種自引導(dǎo)叉車中多路徑的圖像分離提取方法，包括如下步驟：
[0038] 1)將采集到的圖像進(jìn)行中值濾波，消除圖像中的噪點。如圖1所示。圖中中間白 色的'Y'形區(qū)域，為引導(dǎo)線，其他區(qū)域為地面圖像，視為背景區(qū)域。
[0039] 2)利用大律法（OTSU)將濾波得到的圖像進(jìn)行二值化處理，如圖2(a)所示。在圖 像的左側(cè)以及右側(cè)部分點可以明顯看到存在白色的噪點，被錯誤的判斷為了引導(dǎo)線。先后 進(jìn)行開、閉運算，進(jìn)一步消除圖像噪點，結(jié)果如圖2(b)所示。這時圖像的白色噪點被有效的 除去，保證了路徑提取算法的抗干擾能力。
[0040] 3)將步驟2)中得到二值化圖像進(jìn)行細(xì)化處理，