-
公开(公告)号：CN112149555B
公开(公告)日：2023-06-20
申请号：CN202010998015.7
申请日：2020-09-21
Applicant: 华南理工大学
IPC: G06V20/58 , G06V10/774 , G06Q10/087 , G06Q10/047 , G06N3/0464
Abstract: 本发明公开了一种基于全局视觉的多仓储AGV追踪方法，包括以下步骤：1)拍摄仓库的全局图像，并将其发送到控制中心；2)对全局图像进行处理，追踪系统在第一帧利用目标检测算法对多台AGV进行识别，并根据AGV顶部的AprilTag码确定每台AGV的ID及位姿；3)将仓库分为若干区域，调度系统获取控制中心发送的AGV位姿信息后利用分层规划算法进行每台AGV的路径规划；4)将每台AGV的路径信息与多AGV追踪算法结合，预测AGV的位置，用一个边界框框选出AGV所在区域，确定每台AGV的信息；5)控制中心将路径信息转化成的速度指令发送至AGV，控制AGV，完成货物的分拣任务。
-
公开(公告)号：CN114371702A
公开(公告)日：2022-04-19
申请号：CN202111556630.3
申请日：2021-12-17
Applicant: 华南理工大学
IPC: G05D1/02
Abstract: 本发明公开了一种应用于视觉伺服的非线性模型预测控制方法，无人车安装四个麦克纳姆轮，得益于麦克纳姆轮特有的结构，无人车能进行全向运动，提高了无人车的灵活性；无人车的底部安装一个竖直向下的摄像头用于检测地面上的特征码，辅助无人车的定位和导航；本发明将非线性模型预测控制与无人车的运动学模型相结合，建立基于视觉伺服的无人车分层控制方法，包括线性模型预测控制和PID控制；外部的非线性模型预测控制计算出无人车的速度值，在满足各类约束的情况下控制无人车运动到特征码的正上方，并确保在控制过程中特征码始终在底部摄像头的视野内；内部的PID控制器负责将速度指令转换为每个电机的转速，控制无人车按照指令运动。
-
公开(公告)号：CN110780671A
公开(公告)日：2020-02-11
申请号：CN201911046869.9
申请日：2019-10-30
Applicant: 华南理工大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于全局视觉的仓储导航智能车调度方法，包括以下步骤：1）利用仓库天花板上的顶部摄像头拍摄全局图像；2）对全局图像进行处理来追踪仓储内的智能车并利用卷积神经网络识别来识别每台AGV的编号；3）将仓库分为若干个区域，利用全局控制器发送指令控制AGV，使AGV按照路线运行；4）利用改进A*算法进行区域路径规划，得到最优的AGV从当前区域到达目标区域的途径区域集；5）利用时间窗算法进行区域内路径规划，使AGV安全地从当前区域驶出；6）利用分段式PID控制算法使AGV能够沿规划路径完成既定运输任务。本发明充分地将AGV通行任务分配给各个区域，提高了AGV仓储系统的运行效率。
-
公开(公告)号：CN111461113B
公开(公告)日：2023-02-14
申请号：CN202010138881.9
申请日：2020-03-03
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于变形平面物体检测网络的大角度车牌检测方法，解决现有车牌检测方法在识别大角度车牌时准确率下降的技术问题。本发明提出的变形平面物体检测网络直接检测车牌的四个角点坐标，然后对车牌图片进行仿射变换，把倾斜的车牌矫正为正角度车牌，最后对矫正后的正角度车牌进行字符识别。本发明提出的变形平面物体检测网络由YOLO方法和STN方法改进而成，同时具备车牌矫正和运行速度快的特性，可以大幅度降低车牌字符识别的难度，有效提高车牌识别在各种非限制场景下的准确率。另外，通过在实际场景应用该车牌检测方法，验证本发明的有效性。
-
公开(公告)号：CN113516429A
公开(公告)日：2021-10-19
申请号：CN202110379885.0
申请日：2021-04-08
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于网络拥堵模型的多AGV全局规划方法，首先建立区域化的地图，并根据运输需求给AGV分配任务，确定AGV路径的起始区域和目标区域；然后，在距离代价的基础上，引入包含转弯代价的时间代价与基于修正网络拥塞扩散模型的区域密度估值，以更新A*算法的估计代价值；最后基于改进A*算法进行区域间全局路径规划，获取连接当前区域和目标区域的路径区域集。本发明根据区域拥堵情况这一指标对传统的A*算法进行改进。本发明利用网络拥塞模型预测各个区域的拥堵情况，在调度时尽可能使AGV合理分布在各个区域内，提高了多AGV系统的运输效率的同时降低了调度算法的复杂度。
-
Patent Agency Ranking
公开(公告)号：CN111461112A
公开(公告)日：2020-07-28
申请号：CN202010138872.X
申请日：2020-03-03
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于双循环转录网络的车牌字符识别方法，用于对车牌图像中样本失衡的汉字字符、英文字符、数字字符进行识别，包括以下步骤：首先通过卷积神经网络提取车牌图像特征，然后在双循环转录网络内搭建两个并行排列的Bi-LSTM，两个并行排列的Bi-LSTM分别对汉字字符和英文字符、数字字符进行特征计算，得到车牌字符置信度估计序列，最后通过转录层对车牌字符置信度估计序列进行映射，得到预测标签。该发明成功解决了在车牌字符识别中训练样本失衡问题，提升了车牌字符识别方法的准确率。另外，通过在实际场景应用该车牌字符识别方法，验证本发明的有效性。
-
公开(公告)号：CN110780671B
公开(公告)日：2021-09-21
申请号：CN201911046869.9
申请日：2019-10-30
Applicant: 华南理工大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于全局视觉的仓储导航智能车调度方法，包括以下步骤：1）利用仓库天花板上的顶部摄像头拍摄全局图像；2）对全局图像进行处理来追踪仓储内的智能车并利用卷积神经网络识别来识别每台AGV的编号；3）将仓库分为若干个区域，利用全局控制器发送指令控制AGV，使AGV按照路线运行；4）利用改进A*算法进行区域路径规划，得到最优的AGV从当前区域到达目标区域的途径区域集；5）利用时间窗算法进行区域内路径规划，使AGV安全地从当前区域驶出；6）利用分段式PID控制算法使AGV能够沿规划路径完成既定运输任务。本发明充分地将AGV通行任务分配给各个区域，提高了AGV仓储系统的运行效率。
-
公开(公告)号：CN110018633B
公开(公告)日：2020-08-18
申请号：CN201811532223.7
申请日：2018-12-14
Applicant: 华南理工大学
IPC: G05B11/42
Abstract: 本发明公开了一种用于AGV定位与导航的二维编码设计方法，包括：(1)编码标志设计，设计一种包含导航和定位两种主要功能的人工编码二维码标志，保证图像在模糊的情况下也可以被快速精确识别；(2)AGV视觉系统模型设计，根据人工编码标志特点，设计AGV视觉系统模型，保证AGV所识别标志图像在不同坐标系下的转换，提高识别精度；(3)编码表示快速识别方法，包含图像预处理、定位图案识别、导航图案识别和编码图案信息分析，通过对地面编码标志精确识别，快速获取编码包含信息；(4)AGV自动导航控制策略，根据所识别的编码标志信息，将信息转换为AGV控制信号，控制AGV执行相应命令。所述方法使得AGV在高速运动下也能够稳定快速地识别人工编码标志。
-
公开(公告)号：CN109739237B
公开(公告)日：2020-08-18
申请号：CN201910017962.0
申请日：2019-01-09
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于新型编码标志的AGV视觉导航及定位方法，首先结合数字信息和二维码设计编码标志，使其具有导航和定位两种功能；构建摄像头系统模型，当AGV的摄像头识别到前方的编码标志在当前帧图像的位置时，通过构建的摄像头系统模型转化为实际编码标志距离AGV的位置；对摄像头采集到的图像进行图像处理，用于缓解廉价摄像头拍摄运动物体而出现的模糊问题，以及快速定位出编码标志中设计的定位特征点、导航特征点；编码标志的解码，根据识别出的导航特征点，便可定位出编码标志中包含码值信息的数字，从而减小之后的分类器识别数字难度；最后，根据之前得到的控制信息，设计比例‑微分控制器，用于控制AGV小车行走。
-
公开(公告)号：CN111461113A
公开(公告)日：2020-07-28
申请号：CN202010138881.9
申请日：2020-03-03
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于变形平面物体检测网络的大角度车牌检测方法，解决现有车牌检测方法在识别大角度车牌时准确率下降的技术问题。本发明提出的变形平面物体检测网络直接检测车牌的四个角点坐标，然后对车牌图片进行仿射变换，把倾斜的车牌矫正为正角度车牌，最后对矫正后的正角度车牌进行字符识别。本发明提出的变形平面物体检测网络由YOLO方法和STN方法改进而成，同时具备车牌矫正和运行速度快的特性，可以大幅度降低车牌字符识别的难度，有效提高车牌识别在各种非限制场景下的准确率。另外，通过在实际场景应用该车牌检测方法，验证本发明的有效性。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.017 seconds)
