基于空間編碼的倉(cāng)儲(chǔ)儲(chǔ)量測(cè)量方法

馮 笑，劉 書 翰，王 智 森，劉 劍

(大連工業(yè)大學(xué) 信息科學(xué)與工程學(xué)院，遼寧 大連 116034)

0 引 言

倉(cāng)儲(chǔ)物料數(shù)量的檢測(cè)問(wèn)題是倉(cāng)儲(chǔ)監(jiān)管部門要解決的重要問(wèn)題。由于物料倉(cāng)儲(chǔ)的地域分散性和監(jiān)管力量的缺乏，以及在進(jìn)行人工監(jiān)管時(shí)所造成的偷盜、監(jiān)守自盜等現(xiàn)象，迫切需要有效方法進(jìn)行智能監(jiān)管與稽核。倉(cāng)儲(chǔ)中存儲(chǔ)的物料多數(shù)為顆粒、液態(tài)流體或半流體性質(zhì)的物質(zhì)，傳統(tǒng)的測(cè)量方法主要使用卷尺和坡度儀等進(jìn)行物料體積的測(cè)量，這樣耗費(fèi)了大量的人力、物力，而且測(cè)量方法原始，效率低下，歷時(shí)長(zhǎng)，耗費(fèi)巨大，且測(cè)算精度不高。如糧倉(cāng)儲(chǔ)糧數(shù)量的檢查，其方法在信息技術(shù)高速發(fā)展的今天顯得十分落后[1]。目前常用的方法主要是非接觸智能測(cè)量方法。Fan Chao等[2]研究使用基于CAN－bus的糧倉(cāng)儲(chǔ)量監(jiān)控系統(tǒng)，在糧倉(cāng)中布置壓力傳感器網(wǎng)絡(luò)，根據(jù)壓力測(cè)量值擬合出糧食的數(shù)量，具有一定可靠性與應(yīng)用價(jià)值，然而存在誤差以及龐大的網(wǎng)絡(luò)復(fù)雜性問(wèn)題，并且大量傳感器的使用使得成本與維護(hù)費(fèi)用較高。為了實(shí)現(xiàn)對(duì)糧食的有效監(jiān)管與稽核，林鷹等[3]提出了矩形標(biāo)尺的圖像識(shí)別方法，利用局部邊緣檢測(cè)算子及迭代閥值算子分割算法相結(jié)合進(jìn)行矩形標(biāo)尺判定和裝糧高度計(jì)算，算法簡(jiǎn)單，有良好的邊緣檢測(cè)效果，但處理后的某些邊緣仍有一定寬度，對(duì)于標(biāo)尺測(cè)量存在較大誤差，而且單靠標(biāo)尺的測(cè)量方法難以滿足實(shí)際測(cè)量應(yīng)用。Lin Ying等[4]提出一種散裝糧糧食數(shù)量的智能稽核方法，通過(guò)在糧倉(cāng)內(nèi)壁安裝攝像頭并且設(shè)置基準(zhǔn)標(biāo)識(shí)點(diǎn)，結(jié)合邊緣檢測(cè)與標(biāo)記識(shí)別技術(shù)進(jìn)行圖像測(cè)量，然后根據(jù)倉(cāng)儲(chǔ)三維重構(gòu)的幾何模型的計(jì)算方法達(dá)到了測(cè)量與監(jiān)管效果，然而幾何模型本身存在近似計(jì)算誤差，而且缺乏實(shí)際驗(yàn)證。在研究上述測(cè)量方法的基礎(chǔ)上，本文通過(guò)建立基于空間編碼的倉(cāng)體標(biāo)識(shí)模型，結(jié)合圖像處理分析算法設(shè)計(jì)實(shí)現(xiàn)了一種用于倉(cāng)儲(chǔ)中物料體積儲(chǔ)量的測(cè)量方法。

1 倉(cāng)體標(biāo)識(shí)模型

空間二進(jìn)制編碼是向被測(cè)物投影一系列柵狀的由黑白條紋構(gòu)成的圖案，將這些編碼圖案在被測(cè)物表面投影所形成的條紋圖像進(jìn)行組合，把被測(cè)物空間的區(qū)域分割成一系列條狀、狹窄的子區(qū)域，每個(gè)子區(qū)域有唯一的一個(gè)二進(jìn)制編碼標(biāo)識(shí)[5]?；诳臻g編碼的倉(cāng)體標(biāo)識(shí)設(shè)計(jì)，必須滿足空間編碼的規(guī)則：(1)區(qū)域分割后，每個(gè)區(qū)域的編碼必須是獨(dú)立和唯一的；(2)編碼要求滿足相鄰區(qū)域編碼間的Hamming距離均是1；(3)編碼方案要滿足采樣定理，并且受硬件設(shè)備分辨率的限制。

常見的倉(cāng)儲(chǔ)類型主要有房式倉(cāng)和淺圓倉(cāng)或筒倉(cāng)等，根據(jù)這些倉(cāng)儲(chǔ)形狀分別建立基于空間編碼的長(zhǎng)方體和圓柱體兩種倉(cāng)儲(chǔ)的倉(cāng)體標(biāo)識(shí)模型，如圖1所示。

圖1 倉(cāng)體標(biāo)識(shí)模型示意圖Fig.1 Schematic diagram of identifications model inside warehouse

(1)如圖1(a)所示，當(dāng)倉(cāng)儲(chǔ)外形屬于長(zhǎng)方體模型時(shí)，其4個(gè)側(cè)面和底面設(shè)有黑白相間的方格標(biāo)識(shí)，其中相鄰側(cè)面兩側(cè)邊部的一列方格分割為邊長(zhǎng)等于原長(zhǎng)度一半的黑白相間小方格，作為起始標(biāo)識(shí)。

(2)如圖1(b)所示，當(dāng)倉(cāng)儲(chǔ)外形屬于圓柱體模型時(shí)，進(jìn)料口位于頂部中央，在進(jìn)料口下底面的垂直投影處設(shè)有豎直的中央標(biāo)尺。所述倉(cāng)儲(chǔ)的環(huán)形內(nèi)側(cè)設(shè)有黑白相間的方格標(biāo)識(shí)，將圓形倉(cāng)底的某一條直徑兩端沿軸向延伸的兩列方格分割為邊長(zhǎng)等于原長(zhǎng)度一半的黑白相間小方格，并且作為起始標(biāo)識(shí)；中央標(biāo)尺設(shè)有與起始標(biāo)識(shí)的邊長(zhǎng)相等的黑白相間的條紋標(biāo)識(shí)。

2 圖像測(cè)量方法

該方法主要針對(duì)上述長(zhǎng)方體與圓柱體倉(cāng)儲(chǔ)模型，合理布置多個(gè)攝像頭進(jìn)行編碼標(biāo)識(shí)的圖像拍照。照射到倉(cāng)壁的光反射回?cái)z像頭，圖像呈現(xiàn)出灰度不同且對(duì)比鮮明的信息，由于每個(gè)編碼方格距離攝像頭的距離不同，所以所呈現(xiàn)的圖像信息就不同。攝像裝置每隔一定周期實(shí)時(shí)采集圖像信息，能夠檢測(cè)到物料數(shù)量及其變化量。

2.1 圖像采集

對(duì)于長(zhǎng)方體與圓柱體模型的倉(cāng)儲(chǔ)，其編碼格式與圖1所示相同。其中長(zhǎng)方體倉(cāng)儲(chǔ)的倉(cāng)壁與倉(cāng)底粉刷以邊長(zhǎng)分別為1.0和0.5m的黑白方格；圓柱體倉(cāng)儲(chǔ)的倉(cāng)壁粉刷以1.0m為邊長(zhǎng)的黑白相間的方格，而且中央標(biāo)尺上設(shè)有0.5m的黑白相間的條紋標(biāo)識(shí)。如圖2所示平房倉(cāng)與筒倉(cāng)內(nèi)的攝像頭分布示意圖，攝像頭固定放置平房倉(cāng)倉(cāng)頂?shù)乃拿?，分別拍攝其對(duì)應(yīng)墻壁的圖像，并且設(shè)定拍攝圖像的序列號(hào)；在筒倉(cāng)中攝像頭固定放置在錐體倉(cāng)頂面的同一條母線上，分別拍攝被兩條起始標(biāo)識(shí)分割為兩等份的倉(cāng)壁及標(biāo)尺，并設(shè)定圖像的序列號(hào)。

圖2 平房倉(cāng)與筒倉(cāng)中的攝像頭分布示意圖Fig.2 Schematic diagram of cameras deployed in horizontal bin and sil

2.2 基于空間編碼的圖像測(cè)量算法

合理調(diào)整并固定攝像頭拍照角度，未裝入物料前進(jìn)行初始化拍照，在實(shí)際測(cè)量中每隔一定周期采集倉(cāng)內(nèi)的實(shí)測(cè)圖像，并上傳至監(jiān)控中心進(jìn)行圖像的分析處理。該圖像測(cè)量的算法程序流程圖如圖3所示。

圖3 基于空間編碼的圖像測(cè)量算法Fig.3 Image measurement algorithm based on spatial coding

(1)圖像歸一化。在進(jìn)行圖像處理前對(duì)初始化圖像與實(shí)測(cè)圖像進(jìn)行歸一化處理。目前常用的歸一化算法是基于矩的歸一化，其過(guò)程為坐標(biāo)中心化、x－shearing歸一化、縮放歸一化和旋轉(zhuǎn)歸一化。為使歸一化過(guò)程簡(jiǎn)單化，將放射變換矩陣分解為3個(gè)簡(jiǎn)單變化矩陣相乘的形式：

其中：α，β，δ∈R，ε∈ (0，π]，且保證分解的唯一性[6]。從左至右，分別把3個(gè)變換矩陣稱之為圖像的剪切、縮放與旋轉(zhuǎn)變換。角點(diǎn)對(duì)于旋轉(zhuǎn)有很好的抵抗性，所以只需坐標(biāo)、shearing或縮放歸一化即可。

(2)預(yù)處理。為了消除噪聲又要保持圖像的細(xì)節(jié)，使用非線性濾波算法進(jìn)行圖片的預(yù)處理。對(duì)圖像進(jìn)行中值濾波處理，可以去除脈沖噪聲、椒鹽噪聲的同時(shí)保留圖像的邊緣細(xì)節(jié)。

(3)角點(diǎn)檢測(cè)。Harris算子與MIC算子作為角點(diǎn)檢測(cè)常用算法，Harris算子應(yīng)對(duì)圖像能力更強(qiáng)，能夠提取出較好的角點(diǎn)信息，同時(shí)具有旋轉(zhuǎn)不變性，使用Harris角點(diǎn)檢測(cè)算法分別對(duì)初始圖像與實(shí)測(cè)圖像進(jìn)行處理。Harris算子受信號(hào)處理中自相關(guān)函數(shù)的啟發(fā)，利用自相關(guān)聯(lián)系的矩陣M(M也可以考慮成一個(gè)高斯窗或矩形窗)在圖像上順序移動(dòng)。由模板窗口取得原圖像衍生出2×2的局部結(jié)構(gòu)矩陣：

其中：ω(x，y)為窗口函數(shù)，Ix、Iy分別為圖像中的一點(diǎn)沿x軸與y軸的梯度。對(duì)于該模板矩陣取特征值λ1和λ2，建立度量函數(shù)有

其中：trM＝λ1＋λ2，detM＝λ1λ2，k為經(jīng)驗(yàn)值，一般取0.04。根據(jù)R是否大于0，即可判斷黑白方格角點(diǎn)，提取出角點(diǎn)的像素坐標(biāo)[7－8]。

(4)數(shù)據(jù)處理與角點(diǎn)配準(zhǔn)。初始化圖片與實(shí)測(cè)圖片經(jīng)過(guò)角點(diǎn)檢測(cè)后進(jìn)行角點(diǎn)像素坐標(biāo)的判斷、分析與篩選等數(shù)據(jù)處理。在判斷編碼方格的大小時(shí)，檢測(cè)每一個(gè)方格的前一個(gè)距離攝像頭近的方格長(zhǎng)度，若其長(zhǎng)度差不超過(guò)正常范圍，則認(rèn)定為整方格大小；若判斷方格不足一格長(zhǎng)大小，則根據(jù)圖像像素與實(shí)際方格大小的比例關(guān)系進(jìn)行三維空間重建，并且以初始化圖像作為參考圖像進(jìn)行基于角點(diǎn)的圖像配準(zhǔn)處理，計(jì)算求得該編碼方格高度。

設(shè)一面?zhèn)}壁標(biāo)識(shí)共有n列，H為編碼方格的總高度，i、j分別表示行列序號(hào)，x表示滿足一整方格大小的個(gè)數(shù)，且i＝x＋1。設(shè)定方格邊長(zhǎng)1m，a為實(shí)測(cè)圖像中不足一整格的角點(diǎn)縱坐標(biāo)，即(i＋1)行角點(diǎn)，c為初始化圖像中同一行的角點(diǎn)縱坐標(biāo)，b為a或c的前一行的角點(diǎn)縱坐標(biāo)，求得物料高度

(5)體積儲(chǔ)量計(jì)算。對(duì)于長(zhǎng)方體倉(cāng)儲(chǔ)要求物料平堆堆放時(shí)，如式(5)計(jì)算求得體積儲(chǔ)量。根據(jù)倉(cāng)壁角點(diǎn)信息容易求得倉(cāng)壁的長(zhǎng)度與寬度分別為M、N，假設(shè)采集到的倉(cāng)內(nèi)堆放物料覆蓋住的四側(cè)倉(cāng)壁的高度分別為i1、i2、i3、i4，當(dāng)前物料體積

對(duì)于圓柱體倉(cāng)儲(chǔ)，物料從上方中央倒入，從下方開口處輸出，物料形狀多為圓柱形或圓柱形與椎形的組合體，易知倉(cāng)儲(chǔ)底面半徑為r，儲(chǔ)糧高度為H(標(biāo)識(shí)高度)。假設(shè)采集到倉(cāng)壁標(biāo)識(shí)的高度與中央標(biāo)桿高度分別為i1、i2，當(dāng)前物料體積

3 實(shí)驗(yàn)結(jié)果與討論

以糧倉(cāng)作為模擬實(shí)驗(yàn)的對(duì)象，進(jìn)行倉(cāng)儲(chǔ)儲(chǔ)量測(cè)量的模擬實(shí)驗(yàn)，能夠達(dá)到實(shí)際糧倉(cāng)實(shí)驗(yàn)的效果。選取長(zhǎng)方體木箱(40cm×32cm×24cm)模擬平房倉(cāng)，用沙子替代糧食，裝入沙子的總體積為21 120cm3。使用CAD制作編碼標(biāo)識(shí)圖，并貼于木箱內(nèi)壁，設(shè)定大小方格標(biāo)識(shí)的邊長(zhǎng)分別為4、2cm。圖像采集系統(tǒng)由 PC機(jī)和IP／Network Camera組成(內(nèi)置CMOS傳感器，VGA為640×480)，圖像處理使用Matlab仿真。

攝像頭距離木箱垂直高度7cm處放置，調(diào)整一定角度首先進(jìn)行初始化拍照，然后在裝入沙子且平堆堆放后進(jìn)行實(shí)測(cè)拍照，并以BMP格式保存。使用Matlab設(shè)計(jì)基于空間編碼的圖像測(cè)量算法進(jìn)行圖像處理，初始化圖像與實(shí)測(cè)圖像經(jīng)過(guò)Harris角點(diǎn)檢測(cè)并作截圖處理后的效果如圖4所示。

圖4 角點(diǎn)檢測(cè)效果圖Fig.4 Results of corner detection

通過(guò)程序判斷、分析和篩選可以選取多組數(shù)據(jù)，選取3行3列用于計(jì)算的角點(diǎn)像素坐標(biāo)，數(shù)據(jù)如表1，根據(jù)式(4)計(jì)算沙子高度

已知木箱的長(zhǎng)寬大小，由式(5)可計(jì)算出該長(zhǎng)方體沙堆的體積為21 327.36cm3，絕對(duì)誤差為207.36cm3，相對(duì)誤差為0.98%。該實(shí)驗(yàn)結(jié)果達(dá)到了滿意的效果，其測(cè)量誤差主要與人為平堆所造成的誤差有關(guān)。大量實(shí)驗(yàn)結(jié)果顯示，在已知糧食密度的條件下，計(jì)算的糧食數(shù)量誤差不高于3%，符合糧油管理部門的規(guī)定。

該方法的測(cè)量精度直接與編碼方格大小、圖像算法以及硬件設(shè)備分辨率有關(guān)，相比于上述的智能測(cè)量方法具有算法簡(jiǎn)單、效率高、精度高等特點(diǎn)。在圖像分辨率限制的范圍內(nèi)，編碼方格越小，測(cè)量精度就越高。為了進(jìn)一步提高精度，作角點(diǎn)檢測(cè)的亞像素級(jí)坐標(biāo)改進(jìn)，達(dá)到了較高精度的測(cè)量效果。

表1 角點(diǎn)像素坐標(biāo)Tab.1 Pixels coordinate of the corners

4 結(jié) 論

基于空間編碼的倉(cāng)儲(chǔ)儲(chǔ)量測(cè)量方法通過(guò)設(shè)計(jì)基于空間編碼的倉(cāng)體標(biāo)識(shí)模型，運(yùn)用圖像測(cè)量算法計(jì)算倉(cāng)儲(chǔ)體積儲(chǔ)量，實(shí)現(xiàn)了有效監(jiān)管與實(shí)際測(cè)量。該測(cè)量方法不僅為以后進(jìn)一步研究提供了可靠性參考，而且具有低成本、高效、算法簡(jiǎn)單等優(yōu)點(diǎn)，易于在倉(cāng)儲(chǔ)監(jiān)測(cè)應(yīng)用中被普及。

[1]任正曉.糧食庫(kù)存檢查實(shí)務(wù)[M].北京：中國(guó)商業(yè)出版社，2007：17－22，25.

[2]FAN Chao，ZHANG Yuan，ZHANG De－xian，et al.Research on the monitoring system of the grain quantity based on the CAN－bus[C]／／2010 2nd International Conference on Computer Engineering and Technology，2010：458－460.

[3]林鷹，付洋.散裝倉(cāng)糧食數(shù)量識(shí)別關(guān)鍵[J].浙江工業(yè)大學(xué)學(xué)報(bào)，2007，41(10)：1643－1646.

[4]LIN Ying，JIANG Xiaohui.The research on grain reserve intelligent audit method and implementation in three－dimensional stores[C]／／Computer and Computing Technologies in Agriculture，2008：525－532.

[5]李曉星，康紹崢，周賢賓.立體視覺與空間編碼技術(shù)相結(jié)合的非接觸三維曲面測(cè)量系統(tǒng)[J].中國(guó)機(jī)械工程，2004，15(9)：806－808.

[6]劉全，張樂(lè)，張永剛，等.基于角點(diǎn)特征的幾何同步數(shù)字水印算法[J].通信學(xué)報(bào)，2011，32(4)：25－31.

[7]張鐵楠，徐亞慶，王德超.針對(duì)棋盤格角點(diǎn)快速檢測(cè)的一種新方法[J].計(jì)算機(jī)工程應(yīng)用，2008，44(31)：236－238.

[8]GUO Chenguang，LI Xianglong，ZHONG Linfeng，et al.A fast and accurate corner detector based on harris algorithm[C]／／Intelligent Information Technology Application，2009：49－52.