基于PCA LDA与SVM的AGV多分支路径识别与跟踪

针对自动引导车(AGV)视觉引导过程中多分支路径识别与跟踪的实时性与稳健性要求, 提出一种主成分分析(PCA)-线性判别分析(LDA)与支持向量机(SVM)相结合的路径识别算法。首先对AGV行驶过程中拍摄的图像进行预处理, 并用PCA与LDA对处理后的图像进行降维和特征提取, 再利用灰狼优化算法优化后的SVM分类器对图像进行识别。在路径跟踪方面, 利用最小二乘拟合方法计算横向偏差与航向偏差。实验表明, PCA-LDA与SVM相结合能够使路径识别率达到99.3%, 并且满足实时性要求, 路径跟踪误差在20 mm以内, 满足一般工业环境需求。