视觉AGV导航系统技术领域
本发明属于机动车辆视觉导航技术领域，具体涉及一种视觉AGV导航系统。
背景技术
AGV(AutomaticGuidedVehicle，自动导航小车)是一种无人操纵的自动化运输
设备，能承载一定的重量在出发地和目的地之间自主运行，是自动物流系统和柔性制造系
统的重要组成设备，具有良好的市场前景和应用价值。视觉导航是AGV常用的一种导航方
式，视觉导航的优点在于：路径设置简单、信息获取丰富、可扩展强、柔性程度高、成本低廉，
但当前视觉导航技术对其图像获取和处理周期相对较长，对处理器要求较高，图像处理效
果不佳等。尤其是在对图像去噪处理方面，当前常用的传统的全变分算法存在着2个问题：
一是拉格朗日因子的求解需要已知图像噪声方差，并且拉格朗日因子是一个全局变量，但
图像中的边缘区域和非边缘区域的信噪比是不同的，用相同的拉格朗日因子作为逼近项解
前的系数会影响非边缘区域的去噪效果；二是在处理边缘时很容易出现阶梯效应。
视觉导航方法图像处理效果不佳等缺陷一直存在，成为影响视觉导航的一个技术
障碍。
发明内容
针对上述现有技术中存在的问题，本发明的目的在于提供一种可避免出现上述技
术缺陷的自动导引运输车视觉导航方法。
为了实现上述发明目的，本发明采用的技术方案如下：
一种视觉AGV导航系统，包括：视觉传感器、图像采集卡、图像处理器、PC主机和驱
动系统，其中：所述视觉传感器通过USB接口与所述图像采集卡相连接，所述图像采集卡与
所述图像处理器相连接，所述图像处理器通过RS232接口、USB接口和JTAG接口与所述PC主
机相连接，所述图像处理器通过PWM输出接口与所述驱动系统相连接；所述图像处理器包括
依次连接的滤波处理单元、边缘处理单元和阈值处理单元。
进一步地，所述视觉传感器为CCD摄像机或CMOS摄像机，所述图像处理器为DM6467
芯片。
一种视觉AGV导航方法，包括以下步骤：
步骤1)视觉传感器采集前方路面图像；
步骤2)对所述前方路面图像进行去噪处理；
步骤3)利用RGB图像到HSI空间转换公式对所述前方路面图像进行色彩空间转化，
得到HSI色彩空间中的H、S和I分量灰度图；
步骤4)计算所述分量灰度图中的平均色调和饱和度值；
步骤5)根据平均色调和饱和度值调整分割阈值；
步骤6)对所述前方路面图像进行实时分割；
步骤7)将完成分割后的图像进行二值化处理，输出二值化图像；
步骤8)自动导引运输车沿着所述二值化图像中所显示出的路径向前行进。
进一步地，所述步骤2)具体为：对由所述步骤1)所得到的前方路面图像u0进行一
次高斯滤波得到一个较模糊的图像ug＝u0*G，其中G为高斯核，用ug代替u0,这样逼近项就变
成
∫ Ω 1 2 λ ( u - u g ) 2 d x d y , ]]>
新的能量泛函如下：
E n e w = ∫ Ω ( | ▿ u | + 1 2 λ ( u - u g ) 2 ) d x d y , ]]>
其欧拉-拉格朗日方程如下：
d i v ( ▿ u | ▿ u | ) + λ ( u g - u ) = 0 , ]]>
得到新的演化公式：
u t = d i v ( ▿ u | ▿ u | ) + λ ( u g - u ) . ]]>
λ根据图像局部信息的不同而不同,所以将上式两边同时乘上(ug-u)并在局部图
像区域Ω0进行积分，当达到稳定解时，ut将趋于0,所以得到
0 = ∫ Ω 0 d i v ( ▿ u | ▿ u | ) ( u g - u ) d x d y + λ ∫ Ω 0 ( u g - u ) 2 d x d y , ]]>接着分别针
对边缘区域和非边缘区域求λ的值，其中：
1)在边缘区域， λ = ∫ Ω 0 d i v ( ▿ u | ▿ u | ) ( u - u g ) d x d y ∫ Ω 0 ( u x x + u y y ) 2 d x d y + ϵ , ]]>ε是一个大于0的常数；
2)在非边缘区域，信号主要是由噪声组成，而且不需要考虑边缘区域存在的阶梯
效应，演化公式完全由正则项部分决定，即：
u t = d i v ( ▿ u | ▿ u | ) . ]]>
进一步地，所述RGB图像到HSI空间转换公式为：
I = ( R + G + B ) 3 S = 1 - 3 × min ( R , G , B ) I H = cos - 1 | 1 / 2 [ ( R - G ) + ( R - B ) ] ( R - G ) 2 + ( R - B ) × ( G - B ) | , ]]>其中R≠G或者R≠B。
进一步地，所述步骤5)具体为：搜索当前一帧所述前方路面图像中色调和饱和度
的最大值Hm和Sm，与上一帧所述前方路面图像中色调和饱和度的最大值Hm’和Sm’进行比
较，分割阈值Ht和St分别按照Hm/Hm’和Sm/Sm’的比例进行调整缩放。
进一步地，所述步骤6)具体为：选取所述前方路面图像的每个像素点(i,j)的八邻
域A，计算八邻域A内的8个像素的平均色调值Ph和平均饱和度Ps，计算公式如下：
P h ( i , j ) = Σ ( u , v ) ∈ A H r ( u , v ) 8 , P s ( i , j ) = Σ ( u , v ) ∈ A S r ( u , v ) 8 , ]]>
其中，Hr和Sr分别为八邻域A内某像素点(u,v)的色调和饱和度，衡量任一像素点
(i,j)是否为可行路径点的标准为：若满足|Ph(i,j)-H|<Ht且|Ps(i,j)-S|<St，则该像素点
为可行路径点，否则为不可行路径点。
进一步地，所述步骤7)具体为：对完成分割后的图像进行处理，使可行路径点的灰
度值变为255，使不可行路径点的灰度值变为0，可行路径点连接为可行路径，从而得到可行
路径的二值化图像，并输出所述二值化图像。
本发明提供的视觉AGV导航系统，结构设计科学合理，采用新的去噪算法对初始的
前方路面图像进行去噪处理，利用RGB到HIS空间转换并用多种新的图像处理算法对图像进
行处理，对图像的处理效果较好，能够得到用清晰的二值化图像所显示的路径来引导自动
导引运输车平稳行进，可以很好地满足实际应用的需要。
附图说明
图1为本发明的视觉AGV导航系统的结构框图；
图2为本发明的视觉AGV导航方法的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，下面结合附图和具体实施
例对本发明做进一步说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用
于限定本发明。
如图1所示，一种视觉AGV导航系统，包括：视觉传感器、图像采集卡、图像处理器、
PC主机和驱动系统，其中：所述视觉传感器通过USB接口与所述图像采集卡相连接，所述图
像采集卡与所述图像处理器相连接，所述图像处理器通过RS232接口、USB接口和JTAG接口
与所述PC主机相连接，所述图像处理器通过PWM输出接口与所述驱动系统相连接；所述图像
处理器包括依次连接的滤波处理单元、边缘处理单元和阈值处理单元。
所述视觉传感器为CCD摄像机或CMOS摄像机，所述图像处理器为DM6467芯片。
如图2所示，一种视觉AGV导航方法，包括以下步骤：
步骤1)视觉传感器采集前方路面图像；
步骤2)对所述前方路面图像进行去噪处理；
步骤3)利用RGB图像到HSI空间转换公式进行色彩空间转化，得到HSI色彩空间中
的H、S和I分量灰度图，其中，H分量表示色调，S分量表示饱和度，I分量表示亮度，RGB色彩模
式是工业界的一种颜色标准，是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们
相互之间的叠加来得到各式各样的颜色的，RGB即是代表红、绿、蓝三个通道的颜色，这个标
准几乎包括了人类视力所能感知的所有颜色，是目前运用最广的颜色系统之一；
步骤4)计算所述分量灰度图中的平均色调和饱和度值；
步骤5)根据平均色调和饱和度值调整分割阈值；
步骤6)对所述前方路面图像进行实时分割；
步骤7)将完成分割后的图像进行二值化处理，输出二值化图像。
步骤8)自动导引运输车沿着所述二值化图像中所显示出的路径向前行进。
所述视觉传感器为CCD摄像机或CMOS摄像机。
传统的全变分算法就是最小化能量泛函：
E = ∫ Ω ( | ▿ u | + 1 2 λ ( u - u 0 ) 2 ) d x d y - - - ( 1 ) , ]]>
其中和分别为TV模型的正则
项(RegularizationTerm)和逼近项(FidelityTerm)，Ω为图像区域，λ为拉格朗日因子，
u0为含有噪声的初始图像，式(1)的欧拉-拉格朗日(Euler-Lagrange,E-L)方程如下：
d i v ( ▿ u | ▿ u | ) + λ ( u 0 - u ) = 0 , ]]>
由最速下降法(SteepestDescentMethod)可解得图像以时间为演化参数的演化
公式如下：
u t = d i v ( ▿ u | ▿ u | ) + λ ( u 0 - u ) u | t = 0 = u 0 λ = 1 σ 2 | Ω | ∫ Ω d i v ( ▿ u | ▿ u | ) ( u - u 0 ) d x d y , ]]>
其中，|Ω|为图像面积，λ也被称为是全局的尺度因子，ut代表以以时间为演化参
数的图像。传统的全变分算法模型中关于逼近项的演化公式存在着2个问题：一是λ的求解
需要已知图像噪声方差σ2，并且λ是一个全局变量，但图像中的边缘区域和非边缘区域的信
噪比是不同的，用相同的λ作为逼近项解前的系数会影响非边缘区域的去噪效果；二是当原
图像噪声较大(即σ2较大)时，u0及其相关的逼近项就会存在较大误差，同时σ2与λ成反比，λ
值相对较小，使得演化公式主要由正则项的解决定，所以在处理边缘时
很容易出现阶梯效应，实际情况也是当图像噪声越大时，阶梯效应越明显。本发明提出一种
改进的算法来对图像进行去噪处理，如步骤2)的具体操作。
所述步骤2)具体为：对由步骤1)所得到的前方路面图像u0进行一次高斯滤波得到
一个较模糊的图像ug＝u0*G，其中G为高斯核，用ug代替u0,这样逼近项就变成
∫ Ω 1 2 λ ( u - u g ) 2 d x d y , ]]>
新的能量泛函如下：
E n e w = ∫ Ω ( | ▿ u | + 1 2 λ ( u - u g ) 2 ) d x d y , ]]>
其欧拉-拉格朗日方程如下：
d i v ( ▿ u | ▿ u | ) + λ ( u g - u ) = 0 , ]]>
这样得到新的演化公式：
u t = d i v ( ▿ u | ▿ u | ) + λ ( u g - u ) . ]]>
λ根据图像局部信息的不同而不同,所以将上式两边同时乘上(ug-u)并在局部图
像区域Ω0(Ω0是以当前像素点为中心点大小为(2m+1)×(2m+1)的窗口)进行积分，当达到
稳定解时，ut将趋于0,所以得到
0 = ∫ Ω 0 d i v ( ▿ u | ▿ u | ) ( u g - u ) d x d y + λ ∫ Ω 0 ( u g - u ) 2 d x d y . ]]>接着分别针
对边缘区域和非边缘区域求λ的值。其中：
1)在边缘区域， λ = ∫ Ω 0 d i v ( ▿ u | ▿ u | ) ( u - u g ) d x d y ∫ Ω 0 ( u x x + u y y ) 2 d x d y + ϵ , ]]>ε是一个大于0的常数；
2)在非边缘区域，信号主要是由噪声组成，而且不需要考虑边缘区域存在的阶梯
效应，演化公式完全由正则项部分决定，即：
u t = d i v ( ▿ u | ▿ u | ) , ]]>
从而可以消除逼近项在演化公式中的作用，从而加速图像的演化，有利于噪声的
去除，同时也不必考虑边缘区域才会出现的阶梯效应。
所述RGB图像到HSI空间转换公式为：
I = ( R + G + B ) 3 S = 1 - 3 × min ( R , G , B ) I H = cos - 1 | 1 / 2 [ ( R - G ) + ( R - B ) ] ( R - G ) 2 + ( R - B ) × ( G - B ) | , ]]>其中R≠G或者R≠B。
所述步骤5)具体为：搜索当前一帧所述前方路面图像中色调和饱和度的最大值Hm
和Sm，与上一帧所述前方路面图像中色调和饱和度的最大值Hm’和Sm’进行比较，分割阈值
Ht和St分别按照Hm/Hm’和Sm/Sm’的比例进行调整缩放。
所述步骤6)具体为：选取所述前方路面图像的每个像素点(i,j)的八邻域A，计算
八邻域A内的8个像素的平均色调值Ph和平均饱和度Ps，计算公式如下：
P h ( i , j ) = Σ ( u , v ) ∈ A H r ( u , v ) 8 , P s ( i , j ) = Σ ( u , v ) ∈ A S r ( u , v ) 8 , ]]>
其中，Hr和Sr分别为八邻域A内某像素点(u,v)的色调和饱和度，衡量任一像素点
(i,j)是否为可行路径点的标准为：若满足|Ph(i,j)-H|<Ht且|Ps(i,j)-S|<St，则该像素点
为可行路径点，否则为不可行路径点。
所述步骤7)具体为：对完成分割后的图像进行处理，使可行路径点的灰度值变为
255，使不可行路径点的灰度值变为0，可行路径点连接为可行路径，从而得到可行路径的二
值化图像，并输出所述二值化图像。
本发明提供的视觉AGV导航系统，结构设计科学合理，采用新的去噪算法对初始的
前方路面图像进行去噪处理，利用RGB到HIS空间转换并用多种新的图像处理算法对图像进
行处理，对图像的处理效果较好，能够得到用清晰的二值化图像所显示的路径来引导自动
导引运输车平稳行进，可以很好地满足实际应用的需要。
以上所述实施例仅表达了本发明的实施方式，其描述较为具体和详细，但并不能
因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，
在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范
围。因此，本发明专利的保护范围应以所附权利要求为准。