【《基于视觉引导技术的AGV小车控制系统设计》16000字】

基于视觉引导技术的AGV小车控制系统设计摘要最新人口普查显示我国出生人口继续下降，人口红利优势越来越弱，这意味着工厂用人成本将会继续提升企业利润将会进一步压缩，此时发展AGV是大势所趋。在众多引导方式中本文选取视觉引导，因为视觉引导在众多引导方式中它的成本低、灵活性高、路径容易修改等优势。运用摄像头对小车行驶轨迹拍照然后对图片先进行灰度处理取把图片变成灰色，其次图像增强其中就包括了，通过滤波把含噪图像的噪声去除减少干扰，亮度增强和对比度增强可以加强图片清晰度和让灰度值均匀分布，灰度图的二值化选取合理阈值把背景信息和物体信息一分为二，路径边界提取得到位置的边缘信息，这些工作的最重要的目的是减少芯片工作量，提高信息提取精度。最后对小车进行运动分析提取速度与位置偏差与角度偏差，建立运动学模型得出AGV传递函数，运用SIMUKLINK对常规和模糊系统进行仿真对比发现模糊系统对小车的轨迹纠偏要优于常规控制系统。关键词：AGV图像处理纠偏系统仿真目录TOC\o"1-3"\h\u16700摘要 14225Abstract 225236绪论 641321.1.国内外AGV的研究状况 6127431.2.意义 9196701.3.本文主要研究内容及章节安排 916115第二章AGV导引模式 1054192.1.参照AGV导航模式分类 10270132.1.1.电磁引导方式 1044512.1.2.磁条导引方式 11279622.1.3.激光导引方式 11227422.1.4.惯性引导模式 11277272.1.5.视觉引导模式 11296782.2.AGV导引方式选择原则 1220802.2.1.考虑导引精度 12140252.2.2.考虑运行速度 12255382.2.3.考虑引导稳定性 134932.2.4.考虑路径灵活 1321352.2.5.考虑环境因素 1386422.3.总结 138503第三章图像处理所需工作 1427273.1.提取 14302373.2.图像灰度处理 15242833.3.图像增强 17317333.4.滤波 17216553.5.亮度增强 18227983.6.增强对比度 19244863.7.灰度图的二值化 21169133.8.路径边界的提取 25231003.9.总结： 2727625第四章程序设计与仿真 2879444.1.仿真软件介绍 28227164.2.模糊PID设计、仿真 29242934.3.ＡＧＶ运动学模型分析建立 30252944.3.1.AGV运动分析 30115894.3.2.ＡＧＶ运动学模型建立 32323474.3.3.模糊PID思想 3363704.3.4.模糊推理 34321504.3.5.输出量的清晰化 34263684.4.模糊控制器基本设计过程 35103994.4.1.定控制结构： 35237724.4.2.确定量化因子： 35155604.4.3.确定模糊模块： 36121034.4.4.建立模糊控规则 36185464.4.5.模糊推理 36298704.4.6.确定清晰化模块 37275724.4.7.确定比例因子 37109114.5.模糊控制器设计 37113614.5.1.计算量化因子 37313754.5.2.确定模糊化模块 382564.5.3.建立模糊控制规则 39100664.5.4.模糊推理 39220764.6.ＡＧＶ模糊ＰＩＤ控制器仿真 40259314.6.1.模糊控制器仿真设计 4149974.6.2.编写文本控制系统 42199054.7.ＰＩＤ控制器仿真设计 4311894参考文献 46

绪论国内外AGV的研究状况AGV的研究历史是起源于国外且世界上第一台AGV来自于美国研发的，研发的时间为20世纪50年代，它是采用钢索作为引导路径行走，到了20世纪中叶，由于欧洲制造业的标准化以及尺寸结构的标准化对AGV的发展起到了推进作用，此标准化进入美国后更是为美国的AGV发展起到了加速器作用。在此阶段，研发出了能用于计算机的控制系统，小车的运行速度提升，小车的载重量提升，也出现了无线供电小车。日本第一家AGV工厂，于1966年由一家运输设备制造厂和美国的Web公司采用合资方式开设，之后，日本陆续建设了大幅、Murata（村田）、Fanuc等AGV制造厂。REF_Ref20822\r\h[1]对于我国AGV发展的时间比较短，我国第一台AGV是1975年北京起重运输机械研究所研发的电磁导引式定点通信的AGV，1989年我国第一台双向无线电通信的AGV在北京邮政科学研究规划院诞生，在这之后，沈阳自动化所为某汽车厂生产的多台用于装配线上的AGV成为我国在汽车工业中比较成功应用AGV的典范实例，在视觉导引AGV的研究方面，吉林大学所研发的新型视觉导航AGV和清华大学的THMR-V系列AGV做到了领先水平。REF_Ref20929\r\h[2]随着智慧物流系统的不断完善，AGV作为自动化运输工具，其应用范围不断扩大，应用场景不断拓展，新的增量市场正在酝酿，其应用不仅局限在制造业、港口码头、电商仓储等传统应用领域，在食品加工、烟草、医疗、食品、化工3C电子和汽车等行业也得到广泛认可和应用（如图1-1所示）。REF_Ref21076\r\h[3]AGV的应用模式也不再局限于传统的与自动化仓库的对接或者工业生产线上的物料搬运和物料装配，而是紧紧围绕智能工厂、智能制造和智能物流等方向探索前进，将人工从繁复恶劣的生产环境中解放出来，避免人工操作的误差和人机混杂导致的意外伤害，提高设备的利用率，增加了生产线的整体性和统筹性，提高了企业的生产效益。REF_Ref21129\r\h[4](a)AGV在仓储物流(b)AGV在电力巡检(c)AGV在烟草行业(d)AGV在医疗行业(e)钢铁冶炼(f)3C电子(g)汽车行业(h)机场车站(i)图书馆(j)码头AGV常见应用领域图1-1AGV导航方式研究现状现在物流中心最常见的设备就是，它通过各种传感器获取相关信息然后对信息进行处理让小车按预定轨道行驶AGV，根据是否有线可以分为两大类：有线是AGV最主要的关键传感器它是获取位置信息第一，如果没有一个良好的传感器AGV小车行驶就是无水之源、无本之木，获取到相关信息后在和事先设计的路径进行对比然后通过芯片运算与实际的差值进行矫正。无线式AGV通常采用激光、GPS和RFID等无线传输媒介，配合相应的识别和定位装置，控制算法与有线式AGV类似，其难点和研究热点集中在AGV车体的定位和导向上。REF_Ref21220\r\h[5]REF_Ref7750\n\hAGV路径规划研究现状AGV现在比较火热的研究问题就是路径的规划，主要的目标是为了达成能够在比较安全的工作环境下寻找出一条最优路径，对于最优路径它有以下几个评判准则，时间短、转向少、偏差小以及其他特殊的条件。全局和局部是两种不同的路径规划方式，它们的划分是根据工作环境，顾名思义，全局规划是在所有的物体都是静止的情况下，先建立坐标考虑障碍物等不同因素选择出一条最优的路径。而局部规划则是需要考虑的，是在小车运行时如果突然出现了一个障碍物是否会与障碍物发生碰撞并且出现障碍物后是否能够重新规划路径。河北科技大学的赵江，王晓博等人提出一种新的格栅建模方法，并利用蚁群算法进行路径再规划，解决了AGV在全局路径规划下运行效率低的问题。REF_Ref21289\r\h[6]华中科技大学的王淑青，毛月祥人提出一种基于状态机模型的实时路径规划方法，解决了AGV运行中发生碰撞，死锁等问题。REF_Ref21331\r\h[7]大连海事大学的郭兴海，计明军等人在考虑AGV能耗的情况下，提出一种分段的全局路径规方法，提升了AGV的工作效率，于营，毛睿等人采用三层规划模型改进的三维路径实施规划法，优化了路径规划。REF_Ref21387\r\h[8]李悝提出一种改进的混沌粒子群算法，采用基于Bézier曲线的路径规划模型，通过选取适当的控制点获得更加平滑的最优路径。REF_Ref21436\r\h[9]华南理工大学的刘仁辉，姚锡凡等人提出一种改进的灰狼优化算法，用于解决AGV在复杂环境中的路径规划。REF_Ref21494\r\h[10]REF_Ref2377\n\hSijiinWoo，AlexanderMathewKeller等人设计了一款AGV开发平台，在满足任务优先级的情况下用于生成一条最优路径来实时路由AGV。REF_Ref21736\r\h[11]G.P.Daniels,D.R.Bull等人建立了跟踪误差对不同像平面几何形状深度估计的影响，提出了严格控制相机方向的观点，改善对象追踪的效果。REF_Ref21775\r\h[12]ValerioDigani，LorenzoSabattini等人针对多台AGV的分散式协同控制问题，提出一种分层的流量控制算法，在两层结构体中实现了路径规划，提高了AGV系统的协同控制能力。REF_Ref22840\r\h[13]AGV轨迹纠偏控制的研究现状AGV是一种需要按预定轨迹行驶的移动机器人，AGV的轨迹纠偏是指当AGV实际运行轨迹偏离期望轨迹时REF_Ref7863\r\h[14]REF_Ref7899\r\h[15]，及时的矫正轨迹偏差，AGV的运动是一种典型非线性运动，常用的运动控制算法有PID控制算法和模糊控制算法，这两种算法原理简单，扩展性好，通过与其它算法结合，往往可以取得很好的控制效果。REF_Ref8105\r\h[16]REF_Ref8160\r\h[17]为了取得良好的控制效果，控制算法需要针对控制系统的动态性能不断的调整算法的参数，所以在传统PID算法基础上，提出智能PID算法，通过与神经网络、模糊控制、遗传算法等结合使用。REF_Ref10907\r\h[18]REF_Ref10913\r\h[19]REF_Ref10917\r\h[20]意义AGV助力企业高质量发展。中国是一个人口大国在前几年凭借着强大的人口红利，对外加强贸易合作，深度参与全球化进程，使我国经济取得了重大战略成果，但是随着人口老龄化加剧，一些企业出现了用人减少无人可用的情况，随着出生人口的减少也意味着接下去用人将会继续紧缺这也意味着用人成本将进一步提高，企业的利润将进一步的压缩。此时发展AGV技术就成了必然的选择。本文主要研究内容及章节安排本人因为对于AGV的兴趣，以及观察现在工厂普遍实现物流自动化对于基础劳动力的需求逐渐减少更加偏向技术类人员需求等现实情况，选择了这个课题论文工作内容和研究过程如下：绪论介绍了AGV国内的研究现状结合现实情况表明AGV以后将会是工业发展的必然选择，接下来需要学习各种引导方式需要在众多引导方式中对比它们的优劣这样才能择优选择，同时在选择引导方式中也需要考虑遵循一些原则。结合现实情况最终选择了视觉引导方式，那么接下来就需要了解视觉引导方式中最重要的图像处理，图像处理关系这AGV信息提取、运行速度、精度等重要要素一个好的图像处理过程是AGV小车的基石，只有把图像处理好才能为下章系统的设计提供准确的信息，系统设计才有可行性。最后对AGV小车开始建模选取双轮双电机小车，通过运动状态分析得出位置偏差和角度偏差，再建立位置偏差和角度偏差和小车电机之间的关系实现控制。最后通过SIMUKLINK对比模糊PID纠偏系统和常规PID纠偏系统得出结论。

AGV导引模式AGV相关控制系统来支配慢速，这里就像汽车上速度检测装置一样通过检测汽车的速度来决定是否提高喷油量与小车运动时产生的转角，获取了相关速度还有转角通过AGV上的运算系统，就会维持AGV实时车主行驶如同现代拥有的无人驾驶设置的自动驾照汽车一样把小车按照预点和想要达到的位子上行驶。AGV想要做到主动无人操控的最首要就发挥出色的牵引技术和像现在大家都在用的导航技术深度融合。AGV的牵引方式决定了AGV小车在自动驾驶时的多变和灵活性。AGV引导航技术决定了AGV是否能完美地执行发给小车的任务完成人们期望的目标。随着互联的普及还有超高计算能力的芯片技术的发展，可以让AGV小车在未来出现质的飞跃，届时可以让AGV小车运用到比较危险的场所减少不必要的人员伤亡。通俗地说可以分成两种可以类似火车一样在路面上铺设轨道让AGV按照轨道的方向自动行驶叫固定路径导引方式。只不过AGV的路径不是铁轨变成了磁铁，色带等等而小车通过这些物件获取相应的路面信息，在反馈给控制系统这种方法对于小车的控制系统处理能力要求不高相对于另一种牵引方式。常见的固定路径导引方式有：磁条导引、电磁导引和光学导引等。自由路径导引方式是指AGV行驶路径不是预先确定的，AGV根据任务要求及行驶环境的变化，通过识别方位及运行环境来确定行驶路径，自由路径导引方式有激光导引、视觉导引以及GPS导引等REF_Ref22840\r\h[16]。参照AGV导航模式分类电磁引导方式电池引导方式是AGV小车比较多见的系统中的一种引导模式，它是在AGV小车想要达位置运行轨迹的路下面安装一些电线和电缆，并在其中通入一些交流电，这些交流电必须是低频率，然后利用我们所熟知的电生磁效应，使在电线的周围产生相应的磁场，使AGV小车身上所安装的磁感应控制器等系统，接收到地面所传出来的相应信号，其安装的系统主要是来检测磁场的强弱，再根据磁场的强弱来控制小车的系统，需要转向或者加速等各种动作磁条导引方式磁条导引是AGV小车中另一种非常成熟的技术，在AGV小车的各种引用的方式中出现，经常被用于工厂的各种运输，其他的原理是：AGV小车上安装一个能感受到磁信号的装置也叫做磁导引传感器，这一个装置需要在小车运行中不停地接收磁铁所发出的磁性号，根据所发出磁信号来计算，AGV小车是否在预定轨道上运行？如果不在预订上轨道运行，他将会通过系统来对小车进行实时调控，使小车能实现转向纠偏等功能。激光导引方式激光引导它是属于非固定引导方式的一种，也叫做自由路径的引导，和他同样原理的引导方式，还有红外线引导通过红外线的能量接收红外信号，对小车进行控制和声波引导，通过接收各种不同的高频声波以及低频声波，将这些信号转化成小车所能识别的信号进一步对小车进行引导。而这里的激光引导，也是在小车需要达到的目的地或途经的路程中，精确且无误的安装激光反射面板，同时，在小车上安装能接收到激光信号的激光扫描仪器，通过小车身上，发射激光，再把激光照打在了反射面板上，同时反射面板又反射激光被小车的接收器所接收，然后车身的控制系统就开始计算其位置和方向，并通过连续的运用三角函数等数学知识来对小车进行引导。惯性引导模式惯导模式，主要是在AGV车体上固定安装类似于手机上的一个能自由检测手机屏幕横向或者竖向的陀螺仪，也安装一个类似于高速公路上的测速装置同时，在AGV运动所要识别的定位位置上安装在比较光滑的地面上，AGV车上信号识别器，通过收集相关的数据以及信号的偏差，在基于滑地面上索引标记的总体信息，用这样的方式让，AGV小车能接收到光滑地面上相关位置的不同信号，使其自身能够自由地运行视觉引导模式视觉制导是一种很有前途的制导种方法，是AGV后续实现服务智能化的最佳三个途径最终方案。它将在AGV的车身上安装CCD普通摄像头，并在AGV的跑道上设置驾驶指引标志AGV进行CCD摄像头获取标志线图片信息，并通过许多途径类似于人脸识别，二维码识别等图片处理技术确认AGV小车实时行驶的位置，可以说随着AGV技术领域不断的迈向新的高度，不断地在比较复杂的局面应用对其技术性以及可靠性，也提出了相当苛刻的条件，以满足对现代AGV技术应用的需求。AGV导引方式选择原则考虑导引精度评价一个系统或一个物件，一定有他的标准同样的，在AGV导航方式的选择中，也有它一定的标准来评价这一个导引方式的好与坏，多种的评价指标中，以导引的精度与停车位的精度是最重要的指标。何为精度？经度就是符合我们的预期目标，在这里我们可以解释为，让小车能够按照我们事先就已经规定好的路径和他在行驶中所需要转动的方向，然后让行驶过程中始终按照我们所计划的那样去行使且不偏离我们所预期设定的目标。但是没有什么事情能做到非常精准，何况是在机械的这一方面呢？所以在小车行驶的时候会偏离我们所预定给它设计的轨道，此时所产生的偏离我们就叫做引导偏差。上面我们说了引导偏差，还有一个叫做停车精度，你可以想象这是在考驾照中的科目二的侧方停车一样，你只有按照规定把车停在应该停的位置才能算考试通过。同理在AGV小车中，如果小车最后的停车位置与我们所想要让它停靠的位置不一样，此时所产生的差值，我们可以用停车精度去形容。AGV小车其实可以说是现实生活中汽车的缩影，在现实中，汽车的行驶需要与行人和各种物体保持安全的距离，以免发生各种安全事故，在这里AGV小车也需要与其他的东西保持一定的距离，确保小车的安全以及人员和物品的安全。考虑运行速度再理解一个新兴事物的时候，我们可以通过与它类似的事物去类比这样我们能更好地理解，在汽车行驶中它行驶速度主要受发动机功率制约。AGV小车中它没有发动机，把发动机替换成了芯片，这里的芯片的处理速度直接决定了AGV小车的运行速度。如果在芯片的处理能力相同时，如果芯片的处理量大，则它的运行速度低，采用自由路径法的话芯片的处理工作量比较大，所以它的运行速度比采用固定路径的速度要低。常识告诉我们，汽车在高速路上行驶的速度比在普通道路上的行驶速度要快，而在AGV小车中，如果他是在室外行驶的话，它的速度会比在室内行驶要快，室内基本要达到1m/s，室外可以达到5m/s。考虑引导稳定性AGV小车是否能够平稳地运行？可以用引导的稳定性来衡量。在AGV小车的运行过程中，可能会受到一些干扰，例如地面不是平滑的它可能是凹凸不平的或者因为AGV小车身上的重物产生了相对位移，使小车的重心向一边偏转此时小车也会因为惯性的作用而产生一定的偏移，这样它就会与我们所预定的轨道产生偏差，而我们不能放任偏差无限的去累加，此时我们需要通过技术介入，我们就引入一个，叫做纠偏的功能，在一定时间内如果纠偏的次数过多，则表示AGV引导得不是那么稳定，此技术的介入也会影响到芯片的运算量，所以固定寻导比自由寻导稳定性好。考虑路径灵活在固定路径寻找中，它需要铺设轨道例如磁片电线，给小车起到一定的标识作用，这些标识的位置是固定的，导致一开始在设计时就需要考虑到是否需要更改路径，在灵活性的这方面它不如自由路径寻导，它的成本也比自由路径寻导要高。考虑环境因素环境因素直接决定了，需要选择自由路径寻找还是固定路径寻找。因为在自由路径寻找中，它对环境的要求比较高，例如有电磁干扰就不能选择电池和磁条的方式来引导，如果选择激光引导周围就不能有其他的物品来干扰激光的反射。总结本章主要说了，AGV小车的各类引导方案以和选择引导方案的原则，在实际的应用中我们需要结合实际情况来进行合理的选择，让使应用成本得到一定幅度地降低因为本论文是以视觉引导为基础，所以下一章将会继续说明视觉引导所涉及的图像处理软件以及分析方法。

图像处理所需工作对于视觉处理的AGV小车来说视觉系统是非常重要的，你可以想象如果一个人失明他就无法提取眼前的信息经过大脑处理做出合理的正确判断，同样的在AGV小车中视觉处理系统就是眼睛，它要做的工作就是提取信息，处理信息。图3-1数字图像处理过程提取选择的是VFW，因为它距离现在的时间比较长，所以不用花很多钱就能获取得到这个软件，然后它只是对信息进行采集以及处理，不用再去学习更多的操作方法，对于新手来说是比较友好，且他的稳定性比较好所以在市场上应用的稍微多一点。图3-2VFW处理流程我们需要一个设备来连接计算器，通过计算器控制图形的颜色等重要参数，WINDOWS是不允许我们直接操作硬件，所以我们要通过GDI这个桥梁来达到控制硬件的效果。图3-3数据可视化流程图像灰度处理图片生活中随处可见对于图片来说，其实也蕴含着各种信息例如生活中的二维码条形码，图片它是一个矢量，矢量可以通过坐标来衡量，即通过坐标所来反映它所蕴含的信息。图像的画面储存方式是通过栅格结构它把图片均匀地划分成不同的点，记录每一个点所包含的信息，其中信息是通过图片的亮度图片的颜色反应。我们生活中所听到的像素，其实就叫三格结构它有一定的排列顺序，与常见的是正方形排列。所以在上文中提到当AGV小车处理芯片的能力一定时，如果它处理的信息越多小车速度越慢，我们应当先灰度化处理减少芯片工作量。红绿蓝可以混合出不同的颜色，则它们之间有着一定的关系，R红G绿B蓝三者与F的关系可以表示为： F=r[R]+g[G]+b[B] （3-1）此公式类似于高中所学的空间立体坐标系，同理我们也可以根据三者与F的关系，建立一个色彩空间坐标系。图3-3空间色彩坐标系黑色（0.0.0）和白色（255.255.255）两个坐标点相连的线就是灰度等级。如果把255的所有值都化成1再转化为向量坐标，着所有的取值范围都在[0.1]之间。数据图像的储存就是通过BMP文件没有被压缩用RGB表示出。用24位二进制来表示这些像素点，我们称之为24位真彩色。灰度化第一步先把24位图转化成8位这样把颜色减少就可减少芯片工作量这个过程叫做减色处理。在这过程中最好用八差数颜色量化法因为这种方法相对于主流的三种方法中效率高。第二部选定调色板，第三部赋值选择两差不多颜色的坐标它的距离用公式表示为 （3-2）用YUY模型也可以表示颜色，U和V表示色差，Y表示亮度这种表示方法有一个很重要的优点，就是Y是包含了所有信息的灰度图，只要Y的数值比U和V高栅格网就会减小，图片就相当于被压缩，而且RGB模式可以和YUY模式转换YUV和RGB关系： (3-3)YUV与RGB转换：(3-4)推导公式得到： Y=0.299R+0.587G+0.114B (3-5)红绿蓝值赋值成Y就能得出灰度图，这就是图像灰度处理。图像增强我们所做的所有的处理只有一个目的就是减少AGV小车芯片的工作量，数字图像处理中图像增强图像相对于其它的处理具有一定的艺术性且处理的难度相对于简单。此过程它的工作目标就是，突出图片我们所需要的信息去除图片中我们所不需要的信息。在消除噪声中，AGV小车因为是运动的所以它拍出来的图片，有时可能是模糊的这时候就需来突出其中的某一信息，我们也可以换句话来说，增强它并不是把图片里的全部信息都增强，这也不符合我们的最终目标而是加强对某一信息的识别能力，而这需要付出的是牺牲别的信息出于这种原因，我们没有办法去评价，图像增强的好与坏只能说在图像增强的过程中，如果它提取到小车所需要的信息，且提取的非常精准就可以处理得比较好。并不能因为它没有唯一的评判标准就把它从处理过程中去掉，因为它也有一定的必要性，相机拍摄的图片中，假如天气和光线不是特别好且路面上有各种污染或者说是路线被遮挡，都很难确保我们能提取到所需要的信息，此时图像增强它的必要性就体现出来，它也和路径识别精度密切相关。图像的处理有许多方法，我们所熟知的有锐化、平滑画图、修正灰度变化等其实在真正操作中我们并不是选择一种方法去增强图片，而是要选择多种方法一起结合起来这样才能达到我们所预期的效果。滤波因为AGV小车在传输图片还有数字化的过程中，设备与别的因素会对图片造成干扰这就是含噪图像。通过滤波可以去除噪声，噪声是对图片信息干扰比较大的一个因素它增加了小车芯片的处理量，同时对于路径的识别精度也有很重要的影响。这里的均值中值法我认为是优于中值法，因为它比较符合我们的最终目的减少处理运输过程，假如我们要取一个点的值，它需要把周围像素点的值进行相加后计算取一个中值，此方法对于计算量比较大且十分的费时，也难以保证其准确性，但它也有一定的优势比如消除斑点噪声还有椒盐噪声效果好。图片3-4这里均值中值法原理把一组数据从小到大排列，例如有九个数据左边分四个右边分五个然后少的那边，n取四，m取五，当m小于q除以二，就舍去，以此类推直至求出我们所需要的值。此方法的优点就是我们不用再去求平均数而只需要把数据的排列这样的话，大大减少了芯片的运算量，有效了提高小车工作效率。亮度增强亮度会对图片的清晰度有一定的影响，这是我们日常生活中拍照所熟知的，在AGV小车对图片进行拍照时，也会因为外界环境的关照导致图片的亮度并不是均匀的，在此时，我们只需要通过红绿蓝的量进行增加或者减少就可以对图片的亮度达到一定的提高，但我们所知道红绿蓝量并不是无限增大的，它也有一定的峰值所以，图片的亮度不能无限大。图片3-5亮度加强对比增强对比度增强对比度的目标是为了使图片更好的读取，直方图是灰度值是一种统计图表，它是多种处理手段的基础。对于分布情况的灰度值比较能够直接地表达出来，能够浅显易懂，相对于其它软件它比较容易实现交易对于电脑等，硬件设备设施需求度较低导致了它在各方面都比较广泛应用。从直方图可以得出的结论是，图片在某一范围内比较集中的灰度值，它没有一定的规律比较零散其余值与图片的对比度呈正相关，如果是零散的像素比较多其对比度就低区分辨别的程度就小。反之均匀的灰度值且没有非常的集中在一个区间内，灰度值是平均分布的大部分地方，都有灰度值所覆盖可以说对比度好。通过映射，手段能够让图片灰度值均匀，灰度值的均匀可以让输出的图片的像素点比较相同，既直方图的值也是均匀分布的，这样的处理过程叫灰度均匀化。这样处理图片后我们所能得到的动态范围与对比度都会比原图高。灰度值在0至1，且是连续的r来表示加强图片的灰度级，对于图片进行PDF也就是归一直方图： （3-6） （3-5） （3-6） （3-7） （3-8）下面展示了通过增强对比度两组图之间的区别，从图中可以明显地看出第一行图整体的颜色是比较暗，且从直方图也能看分布的不均匀且较为集中的分布在一侧。这样很难提取到我们所需要的信息，因为它的对比度低导致了区别度也会低，第二图就进行了对比度的增强，直方图中也能清晰地看出灰度值已经开始匀分布，不再集中于一个区间内整体的图片亮度也得到了一定的提升。所以我们能得出一个结论，当灰度值较均匀地分布时图片的对比度就比较高这个图片的颜色也比较丰富这样有利于小车提取信息。经过我不断的查阅资料证明了均匀化后的直方图确实能够增强图像，不论它的灰度等级是集中在哪一侧所得到的结果都是一样的，灰度等级都能均匀分布。这样的话所有的图片都可以归为一类，这样对于图片的处理以及提取信息分析都是非常有优势的，也能够满足我们的目标减小芯片的运算量。图片3-4处理前后对比第一列是未处理第二列处理后灰度图的二值化为了能更好地提取信息要把图片一分为二，一部分是背景信息，别一部分是物体，因为图像它包括了物体噪声背景而现在的做法是通过选择一个比较合理的阈值。上文也提到，像素之间的取值范围非常大是0到2555，在本着提高运算速度的前提下，对于阈值的选择就体现出其必要性及重要性。根据我现在所查阅的资料，阈值选择方法有许多种：根据经验来选择，此方法可以说是在众多方法中比较好用的一个办法，它对操作者需要有一定的经验因此提高了上手的难度。具体过程就是实验者根据自己不断的实验有了一定的知识背景基础后，他会选择一个合理的阈值设为固定的阈值，以这个阈值为基准对所有的图片进行划分。因为人是主观能动的再经验丰富的人也会出现失误这是这个方法的弊端，例如图片有一些信息特征差距是非常明显的，像素之间的差距如果用经验来进行阈值分割这明显不符合严谨性。再比如如果实验者不熟悉像素的分布情况以及背景的特征，他就没有办法进行不断的尝试而取出一个合理的阈值，而此时他也需要后期的实验不断进行微调阈值难度由此可见。所有的事物都不能进行一刀切的方法，需要添加一些辅助方法来帮助阈值选择，此方法必须具有一定的适应能力，例如当外界的光照强度发生了变化，就需要对阈值的选择进行调整。迭代法运用此方法的原理是，数据一开始是不断变化的我们一开始先选择一个阈值然后跟着数据的不断变化更新这一组数据，符合标准停止。此方法对于规律需要选择得比较谨慎，第一次出现的迭代数据都能够准确的对接下一次出现的迭代数据且能进一步进行优化，这是评选规律选择的好坏的标准。最小均方差误差法，它需要基本满足前景和背景是正态分布且前景和背景是包含在灰度区间没有第三个特例。先选择一个阈值，然后将一个背景点判断为情景点与一个情景点判断为背景点两个出现错误概率相加这就是最小均值误差总误差。由此可见，因为有两个误差的存在导致了最后的误差扩大的几率比较大，所以选择这种方法不是很好。最大类区间方差法，此方法的阈值确定是通过最大间方差，它能够自动对阈值进行选择最后得出的数值也比较接近预期值，所需要的计算量低对于参数的设置不繁琐原理是通过最小二乘法实现。假设像素总量是，图像的像素度级为,

像素值处像素点的量用表示，概率分布函数假设为： （3-9）两个区间的概率和灰度平均值： （3-10） （3-11） （3-12） （3-13）图片灰度均值：两个区间的方差如下： （3-14） （3-13）评价阈值K好坏加入： （3-14）类自身方差，类间方差，整体量变水平的方差 （3-15） （3-16） （3-17）我们的目标想方设法地让阈值k方差最大，灰度实现分类需要有一个较好的阈值。 （3-18）阈值K可以分割和，因此k的取值取到了决定性作用，但与K没有关系，来自于类方差，来自于类均值。因此，分析K就可以先分析，所以把作为K的评判标准。 （3-19） （3-20）优化阈值的方差： （3-25）推导出K取值范围： （3-26）标准方法可以取最小值0，如满足并且可以取得一个正直和圆形值域，因此这个最大值是存在。在区间取值，让最大的值就是最好的阈值分割。不需要再添加参数设置是此方法最好的一点，对阈值自动删选，单阈值和多阈值同样也能选择这一种方法。图3-5处理效果图路径边界的提取预处理中一个重要的过程是图像的边缘检测，形态学是一种新兴的数学方法对于图片的处理以及分析都可以应用，对于对称的结构元素是被数学上的形态学边缘检测的被利用，可是对于那些复杂且难度较高的边缘信息，对于此系统来说是比较难以检测到，造成这种现象是因为那些结构且复杂的元素最终只能对于图片边缘起到一定作用，对于那些具有相同方向的结构元素往往是图像边缘的特征。在我查阅的资料中，我读到了一种比较新奇的方法，它对于最后的结果是求和所得且这种方法的基本原理是利用了形态学梯度算法，同时运用了八个的不同方向。灰度不相同且具有两个它们出现的位置都位于图像的边缘，换句话说灰度变化会被在边缘所被反应。可以根据我们所需要提取有用的价值信息，这些信息主要用于分析目标，识别滤波但这些信息位于图像边缘，提取了这些信息极有可能会降低芯片对于图片数据的处理数量，这就是图像边缘定义。其中，图像边缘所包含的各种信息例如，位置的边缘信息，方向的边缘信息，法线方向的边缘信息与强度信号边缘信息，对于灰度变化的方向以及坐标定位在边缘处，都能利用图像中的这些边缘信息起到给图像灰度变化量检测提供有效数据。可以说图像处理技术从被发明到现在已经进入了高速发展时期，对于边缘检测方面的研究结果是非常丰富的，且检测的技术也是多种多样，且也非常成熟但也出现了一种局面，到底该选择哪一种检测方法？因为不同的检测所用到的滤波器也是各种各样的。有一些比较权威的算法有算子、算子、算子、算子，一阶二阶导数规律皆被运用于此类图像边缘算子中。通过择优的思维，对于各种算子进行综合的比较列出其优缺点，可以更好地服务于边缘检测对此有重要的意义。算子对于噪声可以起到抑制作用且实用的性质较好，对于定位边缘信息来说比较准确，可是在检测的过程中，也会出现一些不存在的边缘信息这些边缘信息位置非常的粗糙，由此可见，此方法对于检测定位的准确性以及精确性有所下降。和算子，这两种方法的敏感度比其他方法都要高其边缘检测的结果也比较可靠，但是容易受到外界噪声的影响，这就需要对当前设备的滤波器设计要求比较高不是的话会对效果产生很大的影响，但是没有哪一种图像处理以及采集可完美地去除噪声，虽然此前所做的工作能对噪声起到一定的过滤作用，但是很明显最后的结果达不到这两种算法使用环境，所以，在实际操作中对于边缘信息的准确性有待提高，想要很好的使用这两种算法就需要对滤波器的要求比较高但是这就增加了工作量。由此可见，所有的方法并不是很完美，所以我们并不能选用一种方法去处理图片，而是需要根据我们所处理的图片去选择方法。对于形态学的基本步骤，提取的方法为：要被作为腐蚀处理的因子首先应被选定为结构元素，此时元素就可以对原图进行处理，对于最后的结果应该是腐蚀处理把图像某部分所去掉。再把原来的图片去减去腐蚀后的图片，得到边界信息。对应的公式表达为： （3-27）A表示原本图片中所包含的像素集合，B表示被选的结构元素集合，结果的影响效果很明显取决于B如果B选择大，对于该结构来说小于B的元素就会不见。利用这一优点，我们可以顺便把图片中所带有的噪声等无关人员元素同时一起去除。图3-6像腐蚀处理原理示意图图3-7二值化、腐蚀化最后结果总结：本章主要讲解了图像处理的一些工作，从最基本的彩色图到灰色图，然后通过一系列的手段提高系统对图片的提取能力。程序设计与仿真仿真软件介绍SIMUKLINK主要是用来做一些控制系统的仿真，SIMUKLINK具有非常多样的定义模块库不用自己创建一拖就用非常的方便，可以通过设计的不同乘次来分割模型让复杂的模型容易管理，可以和其它仿真软件链接代码也可自己手写等优势。Library界面图4-4举例当我们想表示，设置好后点击示波器就可显示曲线表达图4-5示波器就可显示曲线图4-6如果点击File再点击Numberofinputports，把示波器拉长就可以显示两个线条。还有比较重要的是仿真时间的长短。模糊PID设计、仿真小车最重要的，控制系统通常是pid控制器，但它有个缺点它对数学方程以及精确性的数学模型还有控制的对象，都要求比较严格可是在现实生活中，AGV运行对于现实环境被的影响有着不可预测性，所以被建立的系统并不是线性的因此，所要建立准确无误的模型是很不现实的。这时可以运用模糊算法对PID进行优化，非线性对象是不能操控的模糊算法对非线性对象实现了可操控对于数学模型精确性无需建立，因此它的适应现实中AGV算法性强也就是所说的鲁棒性、适应性好。对于参数的依赖以及精确性没有常规PID要求高对于新手来说比较友好。ＡＧＶ运动学模型分析建立AGV运动分析AGV运动分析其主要分析的对象是AGV在运动时对于速度、位置、夹角这几个比较重要的因素控制变量明确其中两两之间的关系。因为条件有限所以就对模型进行简单的绘画，以便于后面的计算以及分析。此图为两轮驱动的模型，两个轮的速度是不一样的且有两个电机独立控制。如果只选取一个电机控制两轮小车，只能进行直线运动，如果选择两个电机驱动两轮之间如果产生了速度差，则小车就能实现转向。ＡＧＶ运动状态示意图4-8坐标原点为两轮的中心点，则为两轮之间的距离H，Y轴则为小车预订需要行驶的方向，每次小车在运动时都会产生一些位置偏差与角度偏差。ＡＧＶ运动的转弯半径为： （4-1）AGV运动角速度： （4-2）对进行X轴和Y轴分解 （4-3）分别积分得： （4-4）公式中方位角、、都为最初时刻的值，如果和的值足够下则AGV就能沿着轨迹运行经过时间AGV发生了和的偏转 （4-5）当无限趋近于0时，得到AGV在时间内积分： （4-6）AGV是运动物件通过拉氏变换t可得： （4-6）AGV小车是使用双轮驱动且两轮分别有两个电机所提供动力，行驶速度与位置偏差与角度偏差得出。则AGV的各种运行状态可以通过左右电机来进行调节。建立AGV运导图AGV运动学特性图4-9ＡＧＶ运动学模型建立因为AGV运动的不确定性，通过单一模型是无法建立起来的，为了有效地建立运动模型需要通过多种模型综合运用才能建立起运动模型驱动轮转动线速度和的关系为： （4-7）电枢电压、响应时间常数建立动态特性结构：ＡＧＶ动态特性结构图4-10非线性运动是AGV小车的特点，可是如果差值较小且连续变化无间断可以忽略偏差较小的值得到线性控制控制变量框图4-11推导出的ＡＧＶ传递函数： （4-8）模糊PID思想需要经过操作人员根据其实的经验，累计出一套控制运算法则再根据现在的物体状态，经过推理但这里的推理与判断都是模糊计算得出，控制达到能对被控操控。模糊控制系统结构框图4-12模糊控制器的工作步骤如下：输入量的模糊化变化量①和②是根据实际情况所输入控制系统的明确变量，通过量化因子模块，把变量①和②进行压缩或者放大然后再输入模糊化模块，模糊模块被输入量通过隶属函数库反射到推理模糊模块上将变量①和②输出为。模糊推理利用控制规则库对于模糊模块处理后的信息①和②进行推理运算，通过对比控制规则库中的数据找到类似的变量输出模糊量U输出量的清晰化变量优U通过模糊处理推理模块得到的是一个不清晰的变量，不清晰的变量无法用于控制系统，因此，需要再次输入到清晰化模块，清晰化模块对比清晰化算法库得出清晰变量再通过比例因子对变量进行缩放最后得出变量U，变量U则可以用于控制系统为最终输出变量。模糊PID控制器模型选取控制系统为离散型，采用位置式： （4-9）——控制器输出——控制器输入——比例放大系数——积分时间常数——微分时间常数PID算法控制所输入的变量都是新的变量与以前的变量没有任何关系，所以每一次计算都是新的计算这对于芯片的运算能力要求较高，导致了PID控制器的鲁棒性不强，在此基础上通过采用增量式PID控制可以改变上述情况。增量式PID控制： （4-10）推出： （4-11）算法的最终目的是减少芯片的运算量，以提高运算速度提高系统鲁棒性，在增量式PID控制算法中很能清楚地表现出，无需累加确定变量时只需要通过三次提取数据即可。模糊控制器基本设计过程对于模糊控制算法的基本设计过程，需要有定控制结构、定量化因子、定模糊模块等。定控制结构：根据实际操作人员多年的累计经验，输入或者输出系统需要以及预期输出量。在输入量中应采取双输入而输出则是单输出，两个输入量之间的分析应该是相互独立的。确定量化因子：量化因子可以理解为当输入时其实它的输入量并不是在实际的控制对象范围内，因此，通过量化因子将输入量按等比例扩大或缩小投射到模糊范围内，只有这样，才能把清晰的数据反映到模糊模块中。如果添加变量的值理论域为，对应的模糊理论域为，量化因子： （4-12）确定模糊模块：输入数据被量化因子进行等比例缩放以后，就有可能找到知识库中相对应的某一个值该值，则这一个数值通过模糊子集被隶属函数库进行加工所输出。此过程需要从模糊子之中选取模糊子集合设计所需的分布，此过程就是叫确定模糊化模块，同时还得选择各个数据所对应的不同隶属函数种类。隶属函数通常需要根据实际被控对象的各种情况选取不同形式。在模糊控制系统中，会用一些大写的英文字母去表示，输入值与输出值所呈现的关系，可能是输入大于输出，也可能是输入小于输出。表示为负大、零、正大。对于整个模糊领域来说，经常会根据设计者的经验，被4到8个模糊子遍布整个模糊领域。建立模糊控规则依据和基础基本来自于相似推理原则是模糊控制的规则，也是最基本的重要思想算法。主要建立是根据：多年从事此业务的专家、实验室得出的结论。根据不同情况来制定不同系统中模糊控制的原则，不同系统需要不同的设计方法要做到因地制宜。表述规则一般为：“IF···then···”。可以把不是很直观的语言形式的模糊原则转化为更加直观的表格。模糊推理要获得所求的模糊控制变量需要通过模糊控制原则求解之间的关系： （4-13）式中：是合成算法、是输出模糊量、是近似推理前提、是各类模糊规则蕴含关系。确定清晰化模块它的作用是把不规则分段的隶属函数通过合理的清晰化模块处理转化为清晰数值进行输出因此，选择方法非常重要关系着系统的输出是否合理。确定比例因子通过模糊处理输出的清晰值范围并没有在被执行机构对应的取值范围中，通过比例因子按一定的比例进行放大以及缩小就可以让其输入值在被执行机构的取值范围中。若输出量的模糊论域为，执行机构所需要输入的域是，比例因子为： （4-14）模糊控制器设计控制器结构图4-13AGV小车的摄像头采集相应的信息，通过对图片进行处理得到小车实际位置与目标位置偏差，同时小车中连续输入位置偏差变化率，这样就可以清晰地表示出被控制对象的实时特征也叫动态特性，模糊控制输入量是位置偏差是变化率，输出数值是控制车轮电机的占空比。计算量化因子AGV小车行驶中因为存在灵敏度、控制系统的延迟，的位置偏差理论值范围是单位是米，模糊理论的取值范围是，得到输入量的量化因子是： （4-14）确定模糊化模块AGV小车位置偏差、位置偏差变化率、控制器输出量、数均为模糊子集，模糊集分别定义为：对应中文意思为：eNBNMNSZOPSPMPB严重右偏中度右偏轻度右偏无偏差轻微偏左中度偏左严重偏左NBNMNSZOPSPMPM快速向右中速向右慢速向右偏差不变慢速向左中速向左快速向左uNBNMNSZOPSPMPB高速右转中速右转低速右转直线行驶低速左转中速左转高速左转对应中文意思表4-1模糊理论域值是取值范围根据灵敏度、稳定性、系统响应速度考虑提高和优化为目标选取的隶属函数都是三角形。输入输出变量隶属函数图4-14建立模糊控制规则AGV模糊控制规则不断地通过工作人员多次实验，对照实际情况总结经验优化数据库得来。“if+输入量，then+输出结果”是AGV模糊控制规则的语言表达规则，因为设计系统是存在两个变量所以表达式变为：“······，···”程序用模糊控制规则图标表示为：E ECNBNMNBZOPSPMPBNBPBPBPBPBPMZOZONMPBPBPBPBPMZOZONSPMPMPMPMZONSNSZOPMPMPSZONSNMNMPSPSPSZONMNMNMNMPMZOZONMNBNBNBNBPBZOZONMNBNBNBNB模糊控制规则表4-2模糊推理Mamdani算法计算得到模糊控制的必要条件：取最小值、中输入量对应模糊子集隶属度、输入量对应模糊子集隶属度。计算出对应模糊集隶属度： （4-15）是—模糊控制规则中输出量在模糊论域中与对应的模糊子集的隶属度。利用扎德法计算第条输出模糊集合： （4-16）最后输出结果： （4-17）清晰化处理经过模糊推理，输出变量是一个分布合集且这一个分布合集是不规则分段的隶属函数并不能直接运用到下一步，系统不能识别模糊数据因此需要精确化，只有这样被控系统才能进行工作，清晰化处理对系统起到了承上启下作用。对于模糊输出值采取重心法： （4-18）是论域值所对应的精确控制量、论域值对应的隶属度。计算比例因子通过上一步处理后的数据得出模糊值域，选取两个主动轮压力差作为值域单位是福特，所输出的模糊控制器的数值，需要通过比例因子进行计算才能被控系统所识别。比例因子是： （4-19）ＡＧＶ模糊ＰＩＤ控制器仿真使用仿真软件的目的是设计的成果进行检测，模仿在真实环境中系统的稳定性和可实现性，得出的结果比较直观有利于后续系统改善。这个系统选择的是上文介绍过的Matlab。这个软件能清楚的用图像表现出模糊控制相对于常规控制得有点。模糊控制器仿真设计因输入变量有两个所以在设置中选取双输入单输出型模糊控制器结构设置图4-15把变量、作为输入量，输出量。输入量输入量输出量输入量，输出量设置图4-16编写文本控制系统模糊控制规则建立图4-17用Simulink中CommonlyUsedBlocks把所需要的模块加载完成仿真模型ＡＧＶ模糊控制器仿真模型图4-18ＰＩＤ控制器仿真设计ＡＧＶ常规ＰＩＤ控制器仿真模型图4-19仿真结果与分析