(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 20221095261 1.0 (22)申请日 2022.08.10 (65)同一申请的已公布的文献号 申请公布号 CN 115035105 A (43)申请公布日 2022.09.09 (73)专利权人 山东西曼克技术有限公司 地址 272500 山东省济宁市汶上县经济开 发区泉河大道7 77号 (72)发明人 赵彦燕　袁绪彬　袁绪龙　李栓柱　 贺庆壮　王诚善　徐祥琦　龙敏勇　 王川　 (74)专利代理 机构 济宁仁礼信知识产权代理事 务所(普通 合伙) 37383 专利代理师 李琼 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/13(2017.01) G06T 7/136(2017.01) G06V 10/762(2022.01)G06V 10/764(2022.01) (56)对比文件 JP H09245298 A,1997.09.19 CN 113200086 A,2021.08.0 3 CN 112882476 A,2021.0 6.01 CN 110081888 A,2019.08.02 CN 10976 5905 A,2019.0 5.17 CN 106228138 A,2016.12.14 CN 112801111 A,2021.0 5.14 CN 114399522 A,2022.04.26 唐金君.基 于传感器信息融合的自动导引车 自由路径转向研究. 《中国优秀硕士学位 论文全 文数据库 信息科技 辑》 .2013, Ti-chun Wang et al. .AGV navig ation analysis based o n multi-sensor data fusion. 《pringer Science+Busi ness Media, LLC, part of Spri nger Nature 2018》 .2018, (续) 审查员 牛力敏 (54)发明名称 一种AGV小车转向控制的多维数据融合、 决 策方法 (57)摘要 本发明涉及图像处理技术领域， 具体涉及一 种AGV小车转向控制的多维数据融合、 决策方法， 该方法获取路面图像的二值图像， 筛选出边界点 并获取对应的三维向量， 将所有三维向量进行分 类， 获取多个类别， 并计算每个类别的第一平均 梯度； 获取每两个类别之间的聚类距离， 利用聚 类距离对所有第一平均梯度进行二分类， 得到两 个梯度组； 计算每个梯度组的第二平均梯度分别 作为边缘检测的高梯度阈值和低梯度阈值， 对路 面图像进行边缘检测， 得到轨道线图像； 获取视 觉可信度和磁可信度， 选取视觉可信度和磁可信 度中的较大值对应的检测结果控制AGV小车的转 向。 本发明通过视觉检测和磁条相互辅助， 更准确地对AGV小车进行转向控制， 降低了转向误差 。 [转续页] 权利要求书2页 说明书8页 附图3页 CN 115035105 B 2022.10.25 CN 115035105 B (56)对比文件 Jin- Woo Lee et al. .A Study for AGV Steering Control and Identificati on using Vision System. 《ISIE 2001》 .2001,2/2 页 2[接上页] CN 115035105 B1.一种AGV小车转向控制的多维数据融合、 决策方法， 其特征在于， 该方法包括以下步 骤： 采集AGV小车 行驶时正前 方的路面图像， 所述路面图像包括磁条轨道线和地 面； 通过阈值分割获取所述路面图像的二值图像， 获取二值图像中每个像素点的梯度值， 并基于所述梯度值筛选出边界点； 以所述边界点的坐标和梯度值组合为对应边界点的三 维 向量， 将所有三维向量进行分类， 获取多个 类别， 并计算每 个类别的第一平均梯度； 根据每个类别中边界点的切线方向获取对应类别的曲率差异性， 基于每两个类别的第 一平均梯度之 间的差值和曲率差异 性获取对应两个类别之 间的聚类距离， 利用所述聚类距 离对所有第一平均梯度进行二分类， 得到 两个梯度组； 计算每个梯度组 的第二平均梯度分别作为边缘检测的高梯度阈值和低梯度阈值， 对所 述路面图像进 行边缘检测， 得到轨道线图像； 提取轨道线图像的中 断点， 对含有中 断点的连 通域进行曲线拟合， 得到多条拟合 曲线， 基于轨道线图像中拟合 曲线之间的距离以及拟合 曲线的长度获取视 觉可信度； 以实时采集的磁条磁强度与标准磁强度的比值作为当前时刻的磁可信度， 选取视觉可 信度和磁可信度中的较大值对应的检测结果控制AGV小车的转向。 2.根据权利要求1所述的一种AGV小车转向控制的多维数据融合、 决策方法， 其特征在 于， 所述二值图像的获取 方法为： 通过大津法获取最佳阈值， 以所述最佳阈值对所述路面图像进行分割， 将大于所述最 佳阈值的像素值置为第一预设值， 将小于等于所述最佳阈值的像素值置为第二预设值， 得 到所述二值图像。 3.根据权利要求2所述的一种AGV小车转向控制的多维数据融合、 决策方法， 其特征在 于， 所述边界点的筛 选过程为： 以所述第二预设值与 所述第一预设值的差作为梯度阈值， 当像素点的梯度值为所述梯 度阈值时， 对应的像素点 为所述边界点。 4.根据权利要求1所述的一种AGV小车转向控制的多维数据融合、 决策方法， 其特征在 于， 所述将所有三维向量进行分类， 获取多个 类别， 包括： 通过设置簇最小数目以及邻域半径， 对所有三维向量进行密度聚类， 得到所述多个类 别。 5.根据权利要求1所述的一种AGV小车转向控制的多维数据融合、 决策方法， 其特征在 于， 所述曲率差异性的获取 方法为： 对于每个类别， 获取每个边界点在二值图像中的海森矩阵， 以海森矩阵的最小特征值 对应的特征向量作为对应边界点的切线方向， 以所有边界点的切线方向的方差作为对应类 别的曲率差异性。 6.根据权利要求1所述的一种AGV小车转向控制的多维数据融合、 决策方法， 其特征在 于， 所述聚类距离的获取 方法为： 计算每两个类别的第 一平均梯度之间的差值绝对值， 并选取这两个类别的曲率差异性 的较大值与所述差值 绝对值相乘， 得到的结果 为所述聚类距离 。 7.根据权利要求1所述的一种AGV小车转向控制的多维数据融合、 决策方法， 其特征在 于， 所述轨道线图像的获取 方法为：权　利　要　求　书 1/2 页 2 CN 115035105 B 3