摘要
为解决智能工厂中自动导引车(AGV)路径识别算法在光照不均匀、路径污染等情况下表现效果不佳的问题,提出了一种改进的KSW熵法提高路径提取效果.首先,采用LAB颜色模型对输入图像的颜色向量进行空间转换,并选取纹理及光照对路径影响最小的颜色通道作为阈值分割样本;其次,利用KSW熵法获取图像分割阈值,并结合改进的p-tile算法获取最优路径提取效果.同时,本文提出将Sobel算子的水平方向与垂直方向的边缘数据进行融合,从而降低算法的计算复杂度,并利用滑动窗口算法动态搜索边缘特征点确定AGV的行驶路径.实验结果表明:本文算法实现了路径图像在光照及污染情况下的准确提取,并且提高了路径检测的实时性与鲁棒性.
NETL
NSTL
维普
万方数据