使用质心跟踪的目标方向估计

摘要

自动引导车(AGV)具有扫描位于地面上的符号的图像读取器。该图像读取器扫描符号，以获得用于让AGV遵循的指令。当AGV沿路径移动或停止时，AGV中的处理器可以执行对椭圆形对象的几何形状估计，以对该AGV纠偏。

说明书

相关申请的交叉引用

无。

背景技术

从真实图像检测诸如椭圆的形状具有很大的潜力。一些示例包括对于机器人应用，从场景检测椭圆形对象。将椭圆(或圆)几何形状估计用于实时和时间关键型应用(诸如，用于自动引导车引导或二维条码解码的诸如MaxiCode的符号识别)中。

准确和可靠的形状的几何估计是自动引导车(AGV)系统性能中的关键因素。

参见作为使用形状的AGV的位置和方向校正的示例的美国专利第6,256,560号。透视失真与其他几何失真(例如，由于倾斜引起的偏斜)组合对目标的影响可能在方向估计中引入不确定性，降低目标位置确定的精度。

已经提出了许多方法来检测椭圆形形状并准确地估计椭圆几何形状。参见Prasad,D.K.,Leung,M.K.的机器视觉应用与系统，135-162(2012)中的第二章：用于根据真实图像的边缘图的椭圆检测的方法(Methods for Ellipse Detection from Edge Mapsof Real Images)。第2章提供了方法的总结。所有方法都是“基于边缘的”并遭受弱边缘采集(模糊)和噪声，或者它们是计算密集的，并不适合于实时和时间关键型应用。在高偏斜水平的情况下，轴估计中存在可能产生错误的结果的不准确性。

Seiko公司的美国专利第6,604,682号描述了方法：“第一步骤，用于将通过在第一扫描方向上扫描而获得的定位图案的检测的黑白图案与特定的黑白参考图形比较；第二步骤，用于将通过在第二扫描方向上扫描而获得的定位图案的检测的黑白图案与特定的黑白参考图案比较。(参见例如，美国专利第6,604,682号第9列第18至23行)”。

需要即使当原始目标是失真的或因采集而模糊时，也允许对椭圆形对象的几何估计的解决方案。

发明内容

提供本发明内容来以简化的形式介绍在下面的具体实施方式中进一步描述的概念的选择。本发明内容既不旨在标识所要求保护的主题的关键特征或必要特征，也不旨在用作确定所要求保护的主题的范围的辅助。

我们提出用于找到具有同心冠(crown)的目标的椭圆率的新方法，该方法能够管理强透视失真、离焦形状和冠中断。特别地，进行对圆形定位图案的精确中心的评估，这导致找到在诸如椭圆或圆的图像中的图形失真的更好的方法。从初步中心评估开始，本发明的实施例通过在位于与相邻方向呈九十(90)度的四(4)个方向上，从初步中心移动到最后的白色圆形冠来评估最大灰度分布曲线而开始。质心被评估为中点。重复在四(4)个方向处的计算，在重复该计算之前，移动轴五(5)度。如果质心正确，则进行确认。进行对椭圆的长轴的分析。

附图说明

在附图中通过示例而非限制的方式示出本发明，附图中相同的附图标记指示相似的元素，并且其中：

图1是根据本发明的实施例实施的，由自动引导车读取的符号的示意图；

图2是根据本发明的实施例实施的，包含条码和MaxiCode的示例性标签；

图3是根据本发明的实施例实施的，示出了四个线性方向和四个象限的示例性椭圆形对象；

图3A是示出了为示出中点的示例性计算而实施的正弦曲线的示例性曲线图；

图4是根据本发明的实施例实施的，示出了质心的另一示例性椭圆形对象；

图5是根据本发明的实施例实施的，示出了在各个线性方向在其中被分开五(5)度的几次迭代之后的四个线性方向的另一示例性椭圆形对象；

图6是根据本发明的实施例实施的，示出了在各个线性方向或DIST在其中被分开五(5)度的所有迭代之后的四个线性方向的另一示例性椭圆形对象；

图7是根据本发明的实施例实施的，示出了对椭圆形对象的几何估计的效果的示例性曲线图；

图8是根据本发明的实施例实施的，用于执行对椭圆形对象的几何估计的示例性过程；

图9是根据本发明实施例实施的，用于确定长轴方向的框图示意图；

图10和图11是根据本发明的实施例遇到的噪声或失真标签的示例性示意图；以及

图12是根据本发明的实施例实施的，在具有让AGV遇到的几个符号的轨道上的AGV的示意图。

具体实施方式

本文中具体地描述了本发明的方面的主题以满足法定要求。然而，说明书本身不旨在限制本专利的范围。

可以实施本发明的实施例，以找到具有同心冠的目标的椭圆率。特别地，即使在找到形状的原点处或在已经通过成像设备捕获该形状之后，形状是失真或模糊的情况下，具有同心冠的椭圆形形状的中心也可以被识别。椭圆形形状或对象包括椭圆、圆以及以异形形式的椭圆和圆的变型。

在第一方面中，提供用于校正沿路径移动的自动引导车(AGV)系统的位置的系统，所述系统包括具有耦接到存储器的处理器的AGV系统。AGV系统包括具有相机的扫描器。AGV系统沿路径以某方向移动。当AGV系统沿路径移动时，扫描器扫描地面上的符号。AGV系统在偏离位置中停止。一旦扫描器检测到停止符号，AGV系统停止。相机捕获停止符号。停止符号是失真的或显示为几何失真，或者停止符号是在被相机捕获之后的模糊采集。处理器对几何失真或模糊采集执行几何形状估计，以校正该AGV系统的偏离位置。处理器估计几何形状，并沿X-Y参考系中的轴来确定该几何形状的位置。AGV系统基于几何形状的位置来沿路径移动或旋转到正确的纠偏位置(aligned position)。

在第二方面中，用于校正沿路径移动的自动引导车(AGV)系统的位置的方法包括操作具有耦接到存储器的至少一个处理器的AGV系统。AGV系统包括具有相机的扫描器。AGV系统沿路径以某方向移动。当AGV系统沿路径移动时，扫描器扫描地面上的符号。一旦扫描器检测到停止符号，AGV系统停止。AGV系统在偏离位置中停止。相机捕获停止符号。停止符号是失真的或显示为几何失真，或者停止符号是在被相机捕获之后的模糊采集。由至少一个处理器来执行对几何失真或模糊采集的几何形状估计，以校正AGV系统的偏离位置。至少一个处理器沿X-Y参考系中的轴来确定该几何形状估计的位置。AGV系统基于沿轴的几何形状的位置来沿路径移动或旋转到正确的纠偏位置。

在第三方面中，用于校正沿路径移动的自动引导车(AGV)系统的位置的系统包括AGV系统，该AGV系统具有耦接到存储器的至少一个处理器并包括具有相机的扫描器。AGV系统沿路径以某方向移动。当AGV系统沿路径移动时，扫描器扫描地面上的符号。AGV系统在相对于路径的偏离位置中移动。相机捕获符号。符号是失真的或显示为几何失真，或者符号是在被相机捕获之后的模糊采集。至少一个处理器执行对几何失真或模糊采集的几何形状估计，以在AGV系统移动的同时校正该AGV系统的偏离位置。至少一个处理器沿X-Y参考系中的轴来确定几何形状估计的位置。当AGV系统沿路径移动时，它会移动或旋转到正确的纠偏位置。到正确的纠偏位置的移动或旋转是基于沿轴的几何形状的位置。

在第四方面中，提供用于评估具有同心冠的目标的失真的方法，该方法包括确定椭圆的初步中心位置。确定在初步中心位置中相交的两个垂直的轴以及识别四个象限的四个线段。在(a)，对所述四个线段中的各个线段，评估外冠的灰度值。在(b)，对各个线段，基于所述灰度值来计算质心。在(c)，计算各个质心与中心之间的距离。将线段旋转固定的角度。重复步骤(a)、(b)和(c)。在线段的旋转了完整的360度之后，分析距离分布。选择最大值作为长轴。

本发明被称为质心跟踪器，并且本发明是基于分析椭圆几何形状中选择的量度(冠上的点的组距中心的距离)的分布来清楚地找到质心的想法。质心跟踪器方法的优势在于其对弱边缘采集、一般形状的独立性以及对噪声场景的正确管理。将质心跟踪器方法与安装在自动引导车中的读取器(诸如由意大利Lippo di Calderara di Reno(Bologna)的Datalogic股份公司制造的Matrix 120)一起使用，可以实现目标检测中的更高精度。另外，即使对由图像读取器扫描的受损或失真的MaxiCode标签，也可以实现更高的解码率。

在本发明的实施例中，可以使用算法来计算椭圆形对象的椭圆率。首先，找到作为灰度分布曲线中最大值的起始点，从中心以四个与相邻方向呈九十(90)度的朝外的方向来向最后的白色圆形冠移动，从而大致导致四个象限。文献中描述了许多方法来找到潜在的圆/椭圆的初步中心位置。例如，在像图3中呈现的目标中，可以大致地将初步中心位置评估为5个连续的信号峰的内中心峰的中点，如图3A中的曲线300A中找到的(x2-x1)/2。

在图3中，椭圆形对象300显示为具有圆形冠310、320和330。方向340、350、360和370显示为具有中心起始点380。对象300与图1中找到的对象相似。

在图1中，诸如停止符号的符号100A显示为具有椭圆形对象110A和110B并且具有条码115。符号100A指示被放置在具有自动引导车(AGV)的环境中的地面上的类型。AGV沿路径移动，并能够使用位于AGV内的图像读取器或扫描相机来扫描符号100A。符号100B是可能在地面上找到以引导AGV的类型的另一版本。然而，符号100B示出了可能基于移动或受损的符号而发生的失真或者可能在被读取器或相机读取之后发生的失真。如所见的，失真显示在对象120A和对象120B以及条码125中。在本说明书的上下文中，术语读取器或相机可以互换地使用。同样，可以遍及地面放置符号100A和符号100B，以提供如图12所示的用于AGV的指令信息，这将在后面讨论。

符号110A、符号110B、符号120A和符号120B可以在诸如图2中的标签200的运输标签中被找到。在此处的实施例中，符号220被嵌入在标签200中的MaxiCode 210中。尽管符号220未被放置在地面上，但概念是适用的。图像读取器或扫描相机可以扫描具有符号220的MaxiCode 210。类似于对象300，将需要计算符号220的椭圆率以获得信息，尤其是在如果标签200以某种方式失真的情况下。

继续以上讨论，使用以下公式来评估质心：

其中m

现在转向图5，在已经计算了质心和DIST(其中DIST是通过与各个相邻方向呈九十(90)度的四个方向表示的)之后，将质心移动五(5)度，并再次计算上面讨论的公式。如图5所示，椭圆形对象500以质心被移动了五(5)度并且DIST再次被计算了的方向的形式示出了DIST。在各个步骤中，根据中心到质心的测量，累积在各个象限中的距离。在各个象限内，进行对误差的评估。误差被定义为：1)从起始值的质心的灰度值百分比变化；或2)从起始距离的DIST的百分比变化。如果误差在固定的范围内，则将质心移动五(5)度，并再次计算公式。如果误差不在固定的范围内，则停止计算。

如图6所示，当椭圆形对象600中的象限被完全覆盖时，分析距离分布，以设置长轴位置。设置短轴位置与长轴呈九十(90)度。尽管长轴位置和短轴位置显示在对象600的中心中，但在其他实施例中，如果对象600更椭圆或具有异形，则长轴和短轴可能被不同地确定位置。

在图7中，示例性曲线图700示出了质心距离分布。对于各个步骤，都要进行对如图6中绘出的距中心的质心距离的评估。对于每个步骤，都会进行对如图6中绘出的距中心的质心距离的评估。在X轴上，各个点(步骤)表示从起始质心的五(5)度位移。[72个步骤×5度＝360度]。

现在转到图8，在方法800中提供了用于识别对象的过程。在步骤805中，在对象300中的外冠中找到最大值。在步骤810中，评估质心410和距离，其中距离是从对象300或400的中心到质心410的长度。使用前面讨论的公式来计算质心。在步骤815中，对距离的量度是否在范围内进行确定。在步骤820中，如果该量度不在范围内，则积累误差。在步骤825和步骤830中，如果量度在范围内，则如对象500所示，将质心410移动五(5)度，并且计算再次重新开始。然而，在步骤830中，如果量度不在范围内，则方法800停止。在步骤835中，对于象限是否完成进行确定。如果象限没有完成，则在步骤810中，再次评估质心410和距离(但在5度偏移处)。如果象限完成，则在步骤840中，存储象限数据，并且椭圆形对象600将具有如指示的覆盖象限的虚拟距离(DIST)标记，标记通常覆盖整个对象600。

在图9中，框图900示出了被提供到在其中分析象限的数据的模块910中的第一象限数据、第二象限数据、第三象限数据和第四象限数据。根据该分析，长轴方向在920中被确定。

在图10和图11中，示出了用于MaxiCode解码的使用例中的本发明的实施方式的另一实施例。图10和图11表示模糊或失真的标签。结果，在存在噪声和失真标签的情况下，对椭圆(定位图案)几何形状的正确估计是提高解码性能中的关键因素。本发明可以确定椭圆形图案，这导致关于解码整个标签的更高性能。

在图12中，示出了具有沿路径1207绕地面移动的AGV 1205的示意图1200。如前所述，AGV 1205可以具有带存储器的处理器，但还具有用于捕获或扫描位于地面上的图像或物体的图像读取器或扫描相机。可以遍及地面放置开始符号或停止符号1210A和1210B(类似于符号100A和100B)，以提供用于AGV 1205的指令信息。AGV 1205可以遇到符号1220A至符号1220E，其中各个符号提供用于让AGV1205遵循的信息，诸如确定在路径中的岔路处要走哪条路。即使符号在地面上失真或受损，或者即使符号的捕获引起模糊的图像，AGV1205也必须正确地解释开始符号或停止符号以及其他符号。对于AGV1205的路径的方向和位置确定的校正，需要对目标符号的可靠的几何形状估计。AGV 1205中的处理器计算椭圆率，这涉及找到质心和距离，以确定距离落入指示椭圆的正确计算的某范围内。据此找到X-Y轴，使AGV 1205能够沿路径1207校正它的纠偏并辅助它的性能。

在不脱离本发明的实施例的精神和范围的情况下，所描绘的各种部件以及未示出的部件的许多不同的布置都是可能的。出于说明性而非限制性的意图，已经描述了本发明的实施例。某些特征和子组合是可利用的，并且可以在不参考其他特征和子组合且预期在权利要求的范围内的情况下被采用。