視覺導(dǎo)航AGV路徑識(shí)別和跟蹤控制技術(shù)研究.pdf

1、在現(xiàn)代的工業(yè)生產(chǎn)和物流搬運(yùn)中，自主導(dǎo)航智能車(Automated Guided Vehicle,AGV)的應(yīng)用越來廣泛。AGV能夠有效地完成高危險(xiǎn)、高強(qiáng)度、復(fù)雜的作業(yè)任務(wù)，且能夠節(jié)約工業(yè)生產(chǎn)成本，提高勞動(dòng)生產(chǎn)效率。視覺導(dǎo)航AGV作為其中一個(gè)研究熱點(diǎn)，具有視野廣、智能化和柔性化等優(yōu)點(diǎn)，使其具有很好的穩(wěn)定性能和安全性能，因此對(duì)AGV路徑識(shí)別和跟蹤控制的研究具有重要的實(shí)際應(yīng)用價(jià)值。
　　本文主要研究了視覺導(dǎo)航AGV路徑識(shí)別和跟蹤控制方法

2、。主要內(nèi)容包括以下幾個(gè)部分：
　　首先，對(duì)視覺導(dǎo)航AGV平臺(tái)進(jìn)行了研究，采用6輪的輪系結(jié)構(gòu)以增強(qiáng)其穩(wěn)定性和準(zhǔn)確性，驅(qū)動(dòng)方式采用兩輪差速驅(qū)動(dòng)。結(jié)合其驅(qū)動(dòng)方式進(jìn)行了運(yùn)動(dòng)學(xué)分析，通過分析其角度偏差和位置偏差與兩驅(qū)動(dòng)輪速度之間的關(guān)系，建立了數(shù)學(xué)模型，進(jìn)而得到AGV的系統(tǒng)方程。
　　其次，研究了從圖像中提取路徑信息的方法。對(duì)預(yù)處理后的圖像采用遺傳分割算法進(jìn)行閾值分割，并分析和總結(jié)傳統(tǒng)遺傳算法的不足和改進(jìn)方法，進(jìn)而采用基于改進(jìn)的自適應(yīng)遺

3、傳分割算法對(duì)圖像進(jìn)行閾值分割，從而提高了算法的收斂速度，并且取得了良好的分割效果。然后使用Hough變換的圖像處理方法，提取路徑方程，并通過逆透視變換矯正路徑的畸變，有效地提高了路徑識(shí)別的精確度。
　　最后，針對(duì)基于PID控制器的AGV路徑跟蹤控制方法，研究了基于粒子群算法的PID控制器參數(shù)自整定方法。通過實(shí)驗(yàn)驗(yàn)證可知，與基于工程整定的方法相比，基于粒子群算法參數(shù)自整定的PID控制器能顯著地提升AGV系統(tǒng)的控制性能。并針對(duì)算法收斂