基于嵌入式視覺(jué)導(dǎo)航的AGV控制系統(tǒng)

方雪清，黃曉婷，鄭燦塔，余漣漪，石挺星，陳偉杰，蔡任，張宏海

（1.華南農(nóng)業(yè)大學(xué)數(shù)學(xué)與信息學(xué)院，廣州 510642；2.華南農(nóng)業(yè)大學(xué)電子工程學(xué)院，廣州 510642；3.華南農(nóng)業(yè)大學(xué)工程學(xué)院，廣州 510642）

0 引言

AGV（Automatic Guided Vehicle），即自動(dòng)導(dǎo)引小車，是一種無(wú)人操控的自動(dòng)化物料搬運(yùn)設(shè)備，主要應(yīng)用于車間、碼頭、倉(cāng)庫(kù)和機(jī)場(chǎng)等場(chǎng)所的物流環(huán)節(jié)中[1]，具有應(yīng)用靈活、安全可靠及智能化程度高等諸多優(yōu)點(diǎn)。但傳統(tǒng)的AGV主要利用電磁軌道或者光學(xué)裝置進(jìn)行導(dǎo)引[2]，存在著制造成本高、易受環(huán)境因素影響、不利于更改擴(kuò)建等不足之處。因此，設(shè)計(jì)一款穩(wěn)定性高、維護(hù)方便、適應(yīng)性強(qiáng)的AGV是十分必要的。隨著計(jì)算機(jī)視覺(jué)技術(shù)的發(fā)展，AGV的視覺(jué)導(dǎo)引技術(shù)也正在快速發(fā)展,其主要思路是利用圖像處理技術(shù)獲取小車前方的道路信息，進(jìn)而指導(dǎo)小車自動(dòng)沿規(guī)劃的路徑行走[3-4]。AGV的視覺(jué)軟件系統(tǒng)一般搭載在ARM處理器上，ARM是目前公認(rèn)的業(yè)界領(lǐng)先的嵌入式RISC（精簡(jiǎn)指令集計(jì)算機(jī)）微處理器，具有體系結(jié)構(gòu)可擴(kuò)展，功耗低，成本低和支持實(shí)時(shí)多任務(wù)等特點(diǎn)[5]。

自2002年王榮本等[6]出一種基于視覺(jué)導(dǎo)航的自動(dòng)導(dǎo)向車輛JLUIV—3型AGV以來(lái)，國(guó)內(nèi)涌現(xiàn)出大量有關(guān)嵌入式視覺(jué)AGV方面的研究。在視覺(jué)處理方面，李進(jìn)等[7]在提取出道路二值圖后，通過(guò)追蹤路徑兩邊的邊緣點(diǎn)獲取信息，降低了計(jì)算代價(jià)，且圖像處理過(guò)程中抗干擾能力提高；周傳宏等[8]借助二維碼技術(shù)來(lái)實(shí)現(xiàn)AGV的快速定位，其成本低，讀取速度較快。在運(yùn)動(dòng)控制方面，史晨紅等[9]深入分析了兩輪差分驅(qū)動(dòng)的AGV運(yùn)動(dòng)平臺(tái)和AGV運(yùn)動(dòng)過(guò)程中的多狀態(tài)，提出一種基于軌道控制的運(yùn)動(dòng)控制器；鄭新錢等[10]采用FPGA作為控制核心，在模塊間設(shè)計(jì)獨(dú)立電路結(jié)構(gòu)，實(shí)現(xiàn)了并行操作，節(jié)省了邏輯資源并提高了運(yùn)算速度。但市場(chǎng)上基于嵌入式視覺(jué)導(dǎo)航的AGV存在著精準(zhǔn)度不夠高的問(wèn)題，即控制系統(tǒng)不能十分準(zhǔn)確地獲取路徑信息，為此，我們根據(jù)當(dāng)前標(biāo)準(zhǔn)化生產(chǎn)的工廠環(huán)境設(shè)置光照條件并以不同顏色的路徑圍繞控制系統(tǒng)對(duì)于路徑判斷的準(zhǔn)確率進(jìn)行了實(shí)驗(yàn)并通過(guò)結(jié)果的對(duì)比來(lái)獲取較顏色的路徑。

綜合考慮硬件設(shè)備的運(yùn)算能力、性能、成本以及實(shí)用性等方面，本文設(shè)計(jì)了一款嵌入式視覺(jué)導(dǎo)航AGV控制系統(tǒng)，該嵌入式控制系統(tǒng)以ARM作為處理器，以Linux作為操作系統(tǒng)。嵌入式Linux系統(tǒng)是整個(gè)AGV控制系統(tǒng)的核心，它主要任務(wù)是處理由攝像頭獲取的路徑信息，并將獲取的信息轉(zhuǎn)化成字符信號(hào)傳遞給單片機(jī)進(jìn)而控制小車轉(zhuǎn)向、調(diào)節(jié)速度、路徑的采集規(guī)劃以及避障等。隨著人工成本的不斷上升，以及市場(chǎng)上對(duì)于AGV的智能化、人性化、低成本化的需求日益增大，基于嵌入式開發(fā)的視覺(jué)AGV將具有更加寬廣的應(yīng)用前景。

1 系統(tǒng)總體設(shè)計(jì)

1.1 總體設(shè)計(jì)思路

為實(shí)現(xiàn)基于ARM的嵌入式視覺(jué)導(dǎo)航AGV控制系統(tǒng)，本文提出總體設(shè)計(jì)思路如圖1所示。系統(tǒng)的大致工作流程分為以下幾點(diǎn)：

（1）整個(gè)系統(tǒng)都需要在電源支持的基礎(chǔ)上工作運(yùn)行，電源需要連接ARM Cortex-A9開發(fā)板、51單片機(jī)以及PWM驅(qū)動(dòng)電路，為它們提供電力支持；

（2）通過(guò)人機(jī)交互系統(tǒng)給AGV下達(dá)任務(wù)指令；

（3）攝像頭采集路徑圖像，然后由ARM處理器運(yùn)行AGV圖像處理應(yīng)用程序進(jìn)行路徑識(shí)別；

（4）圖像處理完成后得到道路信息，把經(jīng)處理過(guò)的信息傳輸至51單片機(jī)從而控制PWM驅(qū)動(dòng)電路，驅(qū)動(dòng)AGV電機(jī)完成路徑跟蹤任務(wù)。

圖1 控制系統(tǒng)流程圖總體設(shè)計(jì)

1.2 運(yùn)動(dòng)控制系統(tǒng)

為滿足嵌入式系統(tǒng)對(duì)圖像處理的高速率要求，本文采用Exynos4412作為主芯片，該芯片是由三星開發(fā)設(shè)計(jì)的適用于多媒體設(shè)備的一款CPU，采用了ARMCortex-A9內(nèi)核，ARMV7指令集，64/32位內(nèi)部總線結(jié)構(gòu)，32/32KB的數(shù)據(jù)/指令一級(jí)緩存，512KB的二級(jí)緩存，每秒運(yùn)算2億條指令集，可以輕松快速地處理AGV的道路圖像[11]。其內(nèi)部資源包括237個(gè)GPIO，4個(gè)串口，4個(gè)PWM，3個(gè)24位總線控制器，以及USB傳輸?shù)缺菊n題所需要的資源。

1.3 視覺(jué)處理系統(tǒng)

視覺(jué)處理系統(tǒng)的工作流程如下：

（1）調(diào)用預(yù)裝攝像頭進(jìn)行采集圖像的工作，并把采集好的路徑圖像存入緩沖區(qū)；

（2）ARM控制處理器取出緩沖區(qū)內(nèi)的圖像，進(jìn)行圖像處理工作，圖像處理包括圖像預(yù)處理和道路檢測(cè)兩個(gè)部分；

（3）圖像處理完成后，提取道路的軌跡信息，然后在對(duì)應(yīng)坐標(biāo)系內(nèi)確定該時(shí)刻AGV的前行方向，進(jìn)行機(jī)器決策；

（4）將道路決策結(jié)果傳入控制器，產(chǎn)生一個(gè)脈寬調(diào)制信號(hào)，驅(qū)動(dòng)小車的工作運(yùn)行。

2 AGV運(yùn)動(dòng)控制系統(tǒng)

2.1 嵌入式系統(tǒng)的搭建

本系統(tǒng)需要搭建基于ARM平臺(tái)的交叉工具鏈，目標(biāo)平臺(tái)名為arm-linux-gnu。通過(guò)編寫一個(gè)簡(jiǎn)單的hel?lo.c源程序測(cè)試建立的交叉編譯工具鏈?zhǔn)欠衲軌蛘９ぷ?，?zhí)行“arm-linux-gcc-o hello hello.c”命令進(jìn)行編譯，編譯后生成名為hello的可執(zhí)行文件，通過(guò)file命令“file hello”可以查看文件的類型。當(dāng)提示文件屬于ARM平臺(tái)時(shí)，則測(cè)試通過(guò)，交叉編譯工具鏈構(gòu)建完成。系統(tǒng)上電后先是啟動(dòng)引導(dǎo)加載程序bootloader，然后啟動(dòng)內(nèi)核，最后掛載根文件系統(tǒng)[12]。

Linux操作系統(tǒng)本身對(duì)嵌入式AGV系統(tǒng)來(lái)說(shuō)規(guī)模太大，占用太多內(nèi)存，對(duì)整個(gè)AGV系統(tǒng)的運(yùn)行速度和效率有所影響[13]。為了提高執(zhí)行速度和系統(tǒng)的可靠性，本課題對(duì)Linux內(nèi)核進(jìn)行裁剪，使很多方面都能夠得到簡(jiǎn)化，以削減代碼和系統(tǒng)空間。確定了內(nèi)核的基本功能后，就要為AGV小車特定的外部設(shè)備編寫設(shè)備驅(qū)動(dòng)程序代碼。上層應(yīng)用程序是無(wú)法直接操作底層硬件的，需要有特定的API接口。而設(shè)備驅(qū)動(dòng)程序正好為上層應(yīng)用提供了這樣的一種接口，通過(guò)調(diào)用接口函數(shù)，從而實(shí)現(xiàn)操作底層硬件的目的。本系統(tǒng)設(shè)備驅(qū)動(dòng)程序的編譯與Linux內(nèi)核編譯是相互獨(dú)立的，將設(shè)備驅(qū)動(dòng)程序編譯成*.ko模塊，再通過(guò)相應(yīng)命令把模塊加載進(jìn)內(nèi)核。

圖2 運(yùn)動(dòng)控制系統(tǒng)的設(shè)計(jì)

2.2 OpenCV的移植

通過(guò)cmake工具產(chǎn)生makefile文件，執(zhí)行make命令對(duì)OpenCV庫(kù)進(jìn)行交叉編譯，從而實(shí)現(xiàn)OpenCV庫(kù)到ARM上面的移植。圖像處理算法由OpenCV+Qt圖形庫(kù)實(shí)現(xiàn)，由于OpenCV庫(kù)對(duì)于V4L2支持并不完善，設(shè)計(jì)的程序中一旦涉及到攝像頭的調(diào)用工作或者是調(diào)用OpenCV的內(nèi)置函數(shù)顯示圖像，程序就會(huì)直接崩潰[14]。為了解決這個(gè)問(wèn)題，本系統(tǒng)重新編寫了一個(gè)攝像頭的設(shè)備驅(qū)動(dòng)程序以替代OpenCV庫(kù)中內(nèi)置的攝像頭驅(qū)動(dòng)程序[15]，另外通過(guò)Qt圖形界面來(lái)顯示攝像頭所捕獲到視頻信息[16]，對(duì)采集到的數(shù)據(jù)進(jìn)行實(shí)時(shí)處理分析并讓小車做出相應(yīng)動(dòng)作。

2.3 驅(qū)動(dòng)小車

小車轉(zhuǎn)彎裝置采用步進(jìn)電機(jī)+連桿，通過(guò)控制步進(jìn)電機(jī)旋轉(zhuǎn)帶動(dòng)連桿運(yùn)動(dòng)，實(shí)現(xiàn)小車的轉(zhuǎn)彎[17]。攝像頭實(shí)時(shí)拍攝地面路徑信息，然后通過(guò)USB接口將所采集的視頻圖像傳輸?shù)角度胧絃inux系統(tǒng)中；微處理器Exy?nos4412會(huì)將圖像進(jìn)行處理，從中提取路徑信息，再根據(jù)控制算法產(chǎn)生控制信號(hào)傳給51單片機(jī)，再通過(guò)PWM輸出接口控制小車轉(zhuǎn)向，使得小車跟蹤路徑行走[18]。

3 AGV視覺(jué)處理系統(tǒng)

3.1 圖像預(yù)處理

綜在圖像采集的過(guò)程中，由于拍攝角度，小車晃動(dòng)以及光照條件等的影響，所獲取的圖像與真實(shí)圖像之間會(huì)存在一定的誤差和失真，因此需要對(duì)獲取的圖像進(jìn)行預(yù)處理。圖像預(yù)處理是數(shù)字圖像處理的過(guò)程中非常重要的步驟，其目的主要是是改善圖像質(zhì)量，抑制噪聲，增強(qiáng)有用信息[19]。圖像預(yù)處理的常用方法有圖像濾波、圖像銳化、圖像復(fù)原和邊緣檢測(cè)等。

本文中的圖像預(yù)處理用到了濾波操作，以及顏色空間的轉(zhuǎn)換?？紤]到拍攝到的圖像中的噪聲主要是一些輕微噪聲點(diǎn)，基本服從正態(tài)分布，而高斯濾波對(duì)于抑制服從正太分布的噪聲非常有效，所以將高斯濾波用于采集的原圖的減噪過(guò)程。另外，原圖是基于RGB顏色空間的，并且由于道路圖像的背景較為明亮，若是直接將其轉(zhuǎn)換為灰度圖，將不利于道路分割。不同于RGB顏色空間，HSV顏色空間是基于人的視覺(jué)心理學(xué)提出來(lái)的，不同顏色之間有較為獨(dú)立的特性[20]。在本例中，將經(jīng)過(guò)濾波處理的原圖進(jìn)行顏色空間轉(zhuǎn)換，并單獨(dú)提取其S（飽和度）通道，可以較好地凸顯出單一顏色的道路。處理效果如圖3所示。

3.2 道路檢測(cè)

圖3 圖像預(yù)處理

道路檢測(cè)階段分為圖像二值化和道路邊緣檢測(cè)兩部分。本文采用Otsu算法（大津法或最大類間方差法）來(lái)進(jìn)行圖像二值化，該算法能自動(dòng)尋找出利于圖像分割的最佳閾值，是一般圖像二值化的常用方法。如圖4左圖所示，圖像二值化之后，圖像中的道路和背景被非常清楚地區(qū)分開來(lái)，道路呈現(xiàn)白色，背景則為黑色。獲得了明晰的道路輪廓之后，開始進(jìn)行道路邊緣檢測(cè)。邊緣檢測(cè)主要用于檢測(cè)圖像中物體的某種不連續(xù)性或突變性，其經(jīng)典的算法有Sobel算子，Laplace算子，和Canny算子等[21]。本文選擇使用Canny算子進(jìn)行道路邊緣檢測(cè)，在進(jìn)行邊緣檢測(cè)前，本文已經(jīng)對(duì)圖像進(jìn)行了濾波（高斯濾波），增強(qiáng)（圖像二值化），使得圖像中有用信息與無(wú)用信息的亮度梯度非常的明顯，此時(shí)使用Canny邊緣檢測(cè)，將會(huì)非常簡(jiǎn)單順利跟蹤到道路的邊緣。

圖4 道路檢測(cè)

3.3 機(jī)器決策

（1）道路擬合直線

道路邊緣檢測(cè)后，得到道路的兩條邊緣線，此時(shí)可以利用霍夫直線檢測(cè)，在道路邊緣圖中檢測(cè)出直線，進(jìn)而進(jìn)行道路擬合直線的提取。通過(guò)多次實(shí)驗(yàn)，發(fā)現(xiàn)通過(guò)霍夫直線檢測(cè)計(jì)算擬合直線的方法準(zhǔn)確率非常低，受到圖片質(zhì)量好壞的影響較大。因此本文將提出另外一種較為簡(jiǎn)便的求取道路擬合直線的算法，其主要的思路如下：①將道路邊緣圖像予以橫向平均劃分成若干個(gè)區(qū)域，通過(guò)遍歷每個(gè)區(qū)域內(nèi)特定的單行像素，并且記錄該行像素與兩條邊緣的交點(diǎn)坐標(biāo)，取兩個(gè)交點(diǎn)坐標(biāo)的中點(diǎn)像素坐標(biāo)作為該區(qū)域的道路軌跡點(diǎn)；②遍歷所有區(qū)域后，把所有區(qū)域中得到的道路軌跡點(diǎn)坐標(biāo)存入點(diǎn)集；③用最小二乘法對(duì)點(diǎn)集進(jìn)行直線擬合，得到道路邊緣圖的擬合直線，并把擬合直線作為道路的軌跡路線。處理效果如圖5所示。

應(yīng)用此算法的原因在于：

①算法的效率較高。由于整張圖片只需劃分成若干區(qū)域，而每個(gè)區(qū)域只需要遍歷某一行像素即可確定該區(qū)域的軌跡點(diǎn)，因此，大大減少了計(jì)算的頻度，提高了效率。

②算法的準(zhǔn)確率較高。由于尋找軌跡點(diǎn)的區(qū)域是均勻分布于整張圖片，因此尋找到的軌跡點(diǎn)也是均勻分布于整條道路中間，也就是說(shuō)軌跡點(diǎn)的線性擬合基本代表了道路的軌跡。

圖5 提取道路擬合直線

（2）道路邊緣檢測(cè)

由于攝像頭居于小車前方的正中間，而車身是直的，可以用采集的圖像的正中間的一列作為基準(zhǔn)線，表示小車當(dāng)前的相對(duì)位置。若道路擬合直線與基準(zhǔn)線高度重合，則認(rèn)為當(dāng)前偏轉(zhuǎn)角度為零。圖6展示了道路偏左或偏右的情況：

圖6 計(jì)算偏差角度

另外，考慮小車偏離道路中心的情況（即圖像最下方的道路并不處于圖像的正中間），此時(shí)可以根據(jù)實(shí)際情況來(lái)進(jìn)行道路居中矯正。

計(jì)算出擬合直線與基準(zhǔn)線之間的偏差角度后，將該角度信息傳輸給下位機(jī)。主控制器得到角度信息后，輸出一定頻率的PWM波，驅(qū)動(dòng)轉(zhuǎn)向步進(jìn)電機(jī)轉(zhuǎn)相應(yīng)的角度，調(diào)整小車運(yùn)行軌跡，進(jìn)而控制小車追蹤引導(dǎo)路徑。

4 系統(tǒng)聯(lián)調(diào)與結(jié)果分析

4.1 實(shí)驗(yàn)設(shè)計(jì)

本文中道路圖像處理程序的開發(fā)環(huán)境為Visual Stu?dio 2015，采用OpenCV 2.4.9視覺(jué)處理庫(kù)，然后再將源碼移植至Linux平臺(tái)。硬件設(shè)施主要有基于ARM Cortex-A9內(nèi)核迅為4412開發(fā)板，攝像頭為USB攝像頭。軟硬件各部分準(zhǔn)備就緒后，即可進(jìn)行系統(tǒng)聯(lián)調(diào)測(cè)試。

為了盡可能地模擬具體的工業(yè)運(yùn)作場(chǎng)景，本文在室內(nèi)利用單色材料構(gòu)建成環(huán)形跑道，為小車提供指引。小車在行駛過(guò)程中的運(yùn)行狀態(tài)包括直行，彎道轉(zhuǎn)彎，以及到達(dá)目的地。測(cè)試時(shí)考慮到不同的光照強(qiáng)度條件影響，以及采用了不同顏色的單色材料導(dǎo)引線，對(duì)小車進(jìn)行了多次試驗(yàn)。其中，所選地面為工業(yè)運(yùn)作場(chǎng)景中常見的灰色水泥地面，反光性較弱；所選光源為生產(chǎn)生活中常用的白光，波長(zhǎng)為1200nm，所選路徑的顏色分別為黃色、綠色和紅色。道路分割的部分實(shí)驗(yàn)效果如圖7所示。

4.2 結(jié)果分析

實(shí)驗(yàn)中所選的光照強(qiáng)度梯度從流明度250，750，到1200（單位為lx），并在相同光照強(qiáng)度下分別對(duì)黃色、綠色以及紅色道路進(jìn)行了道路提取，圖像分辨率為640x480。表1展示了實(shí)驗(yàn)過(guò)程中的數(shù)據(jù)：

表1 不同光照強(qiáng)度及道路顏色下實(shí)驗(yàn)對(duì)照表

圖7 不同光照強(qiáng)度及道路顏色下分割效果圖

對(duì)原圖進(jìn)行處理得到的道路二值圖能基本保持道路的形狀。上表中，原圖道路像素點(diǎn)統(tǒng)計(jì)個(gè)數(shù)在Pho?toshop工具下計(jì)算，取同顏色道路不同光照下多幅圖像計(jì)算結(jié)果的平均值；誤判率（錯(cuò)檢，漏檢）的計(jì)算公式為，其中P0表示原圖道路像素點(diǎn)個(gè)數(shù)，P1表示二值圖道路像素點(diǎn)個(gè)數(shù)。以上試驗(yàn)結(jié)果初步表明：該視覺(jué)處理系統(tǒng)中，在圖像經(jīng)過(guò)預(yù)處理的基礎(chǔ)上，使用Otsu算法對(duì)道路進(jìn)行分割，對(duì)黃、綠、紅單顏色道路的處理效果之間相差不大；對(duì)于黃色道路，流明度越高，分割效果越好；而對(duì)于綠、紅色道路，流明度太高或太低分割效果都不太理想，只有在恰當(dāng)?shù)姆秶鷥?nèi)，才使得背景與前景出現(xiàn)明顯區(qū)別。同時(shí)，擬合直線的提取是直接以道路二值圖為參照的，若二值圖中存在噪聲或道路分割不理想，會(huì)直接對(duì)擬合直線提取的效果產(chǎn)生影響。

5 結(jié)語(yǔ)

在車間環(huán)境下實(shí)現(xiàn)對(duì)路徑信息的正確獲取是AGV控制系統(tǒng)設(shè)計(jì)的關(guān)鍵。本課題通過(guò)試驗(yàn)設(shè)計(jì)的方法驗(yàn)證了該嵌入式視覺(jué)導(dǎo)航AGV控制系統(tǒng)的可行性，并得出以下結(jié)論：

（1）通過(guò)對(duì)比試驗(yàn)設(shè)計(jì)的方法，分析了不同光照強(qiáng)度、不同顏色路徑對(duì)AGV控制系統(tǒng)在道路提取誤判率方面的影響，發(fā)現(xiàn)了道路提取誤判率與光照強(qiáng)度、路徑顏色均有較為顯著的關(guān)系。

（2）通過(guò)探索性分析發(fā)現(xiàn)，在白光環(huán)境下，當(dāng)光照強(qiáng)度發(fā)生變化時(shí)，相對(duì)于獲取紅色與綠色的路徑，AGV控制系統(tǒng)在獲取黃色的路徑時(shí)更容易受光照強(qiáng)度變化的影響，但在適當(dāng)?shù)墓庹諒?qiáng)度——流明度為1200lx時(shí)，AGV控制系統(tǒng)對(duì)于黃色路徑的誤判率僅為1.87%，低于其他兩種路徑。若進(jìn)一步細(xì)究，可發(fā)現(xiàn)，作為光的三原色（紅綠藍(lán)）當(dāng)中的綠色和紅色在白光（接近自然光）光照強(qiáng)度變化時(shí)，不太容易受到影響，但對(duì)控制系統(tǒng)造成的誤判率整體偏高，而作為非光的三原色的黃色對(duì)控制系統(tǒng)造成的誤判率只要控制好適當(dāng)?shù)墓庹諒?qiáng)度即可將誤判率降到很低的水平。

基于嵌入式視覺(jué)導(dǎo)航AGV控制系統(tǒng)本身?yè)碛袕?qiáng)大的潛力，其精準(zhǔn)率一直以來(lái)都是人們關(guān)注的重點(diǎn)以及物料搬運(yùn)系統(tǒng)穩(wěn)定運(yùn)行的關(guān)鍵，本研究將能夠?yàn)橄嚓P(guān)行業(yè)提供技術(shù)支持。

參考文獻(xiàn)：

[1]WU Xing，LOU Pei-huang，YU Jun，et al.Intersection Recognition and Guide-path Selection for a Vision-based AGV in a Bidirectional Flow Network［J］.International Journal of Advanced Robotic Systems，2014，11:1-17.

[2]孫青.基于嵌入式控制系統(tǒng)的自動(dòng)導(dǎo)引小車設(shè)計(jì)與實(shí)現(xiàn)[D].南京理工大學(xué),2010.

[3]Francesco Biral，Mauro Da Lio，Roberto Lot.An Intelligent Curve Warning System for Powered Two Wheel Vehicles［J］.European Transport Research

[4]Tangruamsub S，Tsuboyama M，Kawewong A，et al.Mobile Robot Vision-based Navigation Using Self-organizing and Incremental Neural Networks［C］.In Proceedings of International Conference on Nearal Networks，Atlanta，2009:3094-3101.

[5]江俊輝.基于ARM的嵌入式系統(tǒng)硬件設(shè)計(jì)[J].微計(jì)算機(jī)信息,2005（10）:120-122.

[6]王榮本,儲(chǔ)江偉,馮炎,游峰,紀(jì)壽文.一種視覺(jué)導(dǎo)航的實(shí)用型AGV設(shè)計(jì)[J].機(jī)械工程學(xué)報(bào),2002（11）:135-138.

[7]李進(jìn),陳無(wú)畏,李碧春,王檀彬.自動(dòng)導(dǎo)引車視覺(jué)導(dǎo)航的路徑識(shí)別和跟蹤控制[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2008（02）:20-24.

[8]周傳宏,柳新昌,齊飛.二維碼技術(shù)在AGV定位中的應(yīng)用研究[J].工業(yè)控制計(jì)算機(jī),2017,30（01）:49-51.

[9]史晨紅,左敦穩(wěn),張國(guó)家.基于軌跡控制的AGV運(yùn)動(dòng)控制器設(shè)計(jì)研究[J].機(jī)械設(shè)計(jì)與制造工程,2014,43（02）:7-12.

[10]鄭新錢,王輔明,馬華,林云,張偉.基于FPGA的視覺(jué)導(dǎo)航小車設(shè)計(jì)與實(shí)現(xiàn)[J].廈門大學(xué)學(xué)報(bào)（自然科學(xué)版）,2012,51（03）:331-335.

[11]羅三定,馮準(zhǔn).基于嵌入式的AGV視覺(jué)導(dǎo)航系統(tǒng)設(shè)計(jì)[J].信息技術(shù),2008,32（12）:100-102.

[12]陳賾.ARM嵌入式技術(shù)原理與應(yīng)用[M].北京:北京航空航天大學(xué)出版社，2011:118.

[13]徐杭.嵌入式Linux在AGV控制系統(tǒng)的設(shè)計(jì)[J].計(jì)算機(jī)工程與應(yīng)用，2003:209-211.

[14]鄒意然,王永威,趙龍.嵌入式系統(tǒng)中USB攝像頭的圖像采集[J].微計(jì)算機(jī)信息,2010,26（35）:24-25+28.

[15]劉春成.基于嵌入式Linux的USB攝像頭驅(qū)動(dòng)開發(fā)[J].計(jì)算機(jī)工程與設(shè)計(jì),2007,（08）:1885-1888.

[16]陳志發(fā),王苑增.嵌入式Qt實(shí)戰(zhàn)教程[M].北京:電子工業(yè)出版社，2015:34.

[17]楚榮珍,周向?qū)?張鵬.嵌入式步進(jìn)電機(jī)控制系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].微計(jì)算機(jī)信息,2007（02）:53-54+84.

[18]李紅巖.基于ARM的嵌入式PWM直流電動(dòng)機(jī)控制系統(tǒng)[J].工礦自動(dòng)化,2007,（06）:116-118.

[19]黃艷軍.基于FPGA的數(shù)字圖像預(yù)處理算法研究[D].南京理工大學(xué),2009.

[20]馬玲,張曉輝.HSV顏色空間的飽和度與明度關(guān)系模型[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào),2014,26（08）:1272-1278.

[21]高朝陽(yáng),張?zhí)l(fā),曲亞男.圖像邊緣檢測(cè)研究進(jìn)展[J].科技導(dǎo)報(bào),2010,28（20）:112-117.