基于Android的無線智能尋物系統(tǒng)的研究與開發(fā)

王維樵，盧 苗，鄧舒宇，譚國平

（河海大學 計算機與信息學院，江蘇 南京 211100）

基于Android的無線智能尋物系統(tǒng)的研究與開發(fā)

王維樵，盧 苗，鄧舒宇，譚國平

（河海大學 計算機與信息學院，江蘇 南京 211100）

為了實現(xiàn)自動尋物功能，設計一個基于圖像處理技術和路勁規(guī)劃技術的智能小車尋物系統(tǒng)。系統(tǒng)由智能手機平臺和智能小車組成，智能手機平臺負責控制智能小車和物品搜尋，智能小車負責圖像采集。通過實驗，系統(tǒng)能在簡單的地形環(huán)境中尋找到指定的物品。

尋物系統(tǒng)；手機控制；智能小車；圖像處理；路徑規(guī)劃

在日常生活中，人們常常為丟失物品而煩惱，而傳統(tǒng)的張貼尋物啟示也有其不適用的時候。為了方便快速精確的幫助人們尋找丟失物品，我們設計了一套基于智能手機的尋物系統(tǒng)。目前市場上已經(jīng)存在一些成型的產(chǎn)品，它們均以無線遙控技術為基礎，通過發(fā)射器與接收器間的通信來確定物體的位置。其又分為主動式與被動式兩種，被動式的發(fā)射器安放在被尋物體上，一直帶電工作，接收器安放在用戶處，當接收不到發(fā)射器發(fā)出的聲、光等指示信號時，表明物體需要被尋找。而主動式則將接收器安放在物體上，一直帶電工作，而發(fā)射器安放在用戶一側，當用戶需要尋找物體時才用發(fā)射器向接收器發(fā)出信號，當接收器收到信號后，才通過聲、光來精確定位物體[1]。無論主動式還是被動式都只能尋找安裝了接收器或發(fā)射器的特定物體，無法起到真正尋物的作用。

因而我們設計了一套基于圖像匹配的無線智能尋物系統(tǒng)，系統(tǒng)由捕獲物品丟失位置四周的圖片的下位機與對下位機進行控制與對圖片數(shù)據(jù)進行處理的上位機組成[2]。以用智能小車為下位機為例，小車由路徑規(guī)劃算法控制，自動對周圍環(huán)境進行拍照，并由手機客戶端訪問小車，實時讀取圖片數(shù)據(jù)，手機客戶端將小車捕獲的照片與被尋物的照片通過圖像匹配算法進行比較匹配，直到兩組圖片匹配為止，完成尋物目的。系統(tǒng)的核心算法為小車的路徑規(guī)劃算法與圖像匹配算法。

1 系統(tǒng)整體框架設計

本系統(tǒng)采用智能小車作為實驗平臺，能方便的進行平臺的移植，具有廣泛的適用范圍，能根據(jù)用戶的需求進行各種物體的尋找，真正起到尋物作用。系統(tǒng)的硬件組成如圖1，由手機客戶端、路由器、單片機系統(tǒng)、顯示模塊與電機驅動模塊組成。手機客戶端我們選擇了當前使用率較高的Android4.2系統(tǒng)，向下支持到Android2.3。軟件的開發(fā)環(huán)境采用Eclipse平臺下的Android SDK。

圖1 系統(tǒng)硬件組成Fig. 1 Components of the hardware system

Android 是一個面向移動開發(fā)和平板電腦開發(fā)的開源平臺，Android 平臺融入了面向手持設備的通用計算理念。它是一個綜合平臺，包含一個基于Linux 的操作系統(tǒng)，用于管理設備、內(nèi)存和進程。Android 系統(tǒng)中的Java 庫涵蓋了電話、視頻、語音、圖形、連接、UI 編程和設備的其他許多方面[3]。

Android 平臺作為新興的智能手機平臺，有著強大的應用層API和大量的傳感器功能，其開放的平臺有利于開發(fā)者開發(fā)出各種優(yōu)秀的應用，并且Android平臺手機能無縫結合優(yōu)秀的谷歌服務。因而本文針對Android手機的控制方式進行設計，提出一種更方便的尋物系統(tǒng)。

智能小車的核心模塊為STC12C5A60S2微處理器，其與路由器、電機驅動模塊和液晶屏連接，通過嵌入式系統(tǒng)實現(xiàn)接受上位機指令并響應控制等功能。路由器選用TP-Link的TL-WR703N，刷入嵌入式系統(tǒng)，實現(xiàn)手機與單片機的通信功能。顯示屏我們使用1602液晶顯示屏來顯示小車的運行狀態(tài)。而電機驅動模塊則選擇了常用的5V電機驅動芯片L298D，并與4組直流電機相連，利用單片機使之工作在占空比可調(diào)的開關狀態(tài)，精確調(diào)整電機的轉速，實現(xiàn)小車的驅動控制。

2 控制系統(tǒng)軟件設計

控制軟件主要分為下位機單片機控制程序與手機客戶控制程序。手機客戶端作為尋物系統(tǒng)的重要功能部分主要包括小車運動控制、圖片接收、圖像比較等功能，按照功能的不同，將手機客戶端分為小車控制模塊與圖像處理模塊兩大功能模塊，每個模塊均由獨立的線程進行控制。由于小車提供有相應的API接口，手機只要發(fā)送特定的指令即可實現(xiàn)不同的控制。

2.1 小車控制模塊

小車控制模塊主要實現(xiàn)小車的運動控制，其中又包括手動控制與自動控制兩個部分。對于手動控制，我們仿照游戲手柄上的搖桿設計，在界面上描繪了相似的360°控制搖桿來控制小車前進的方向，使得用戶能更為直觀、方便的手動控制小車。當中央搖桿的位置方向發(fā)生改變時，其偏移量傳遞給小車位置控制線程，線程根據(jù)偏移量來判斷小車前進方向，并向小車發(fā)出相應指令。

自動控制模塊負責生成小車尋物路線，并向下位單片機發(fā)出相應指令，控制小車自動尋找物品。尋物系統(tǒng)的關鍵在于小車的路線規(guī)劃問題，這要求小車盡可能短的路線內(nèi)準確的尋找到物體。在只考慮工作環(huán)境為平面情況的條件下，采用柵格法建立環(huán)境模型，自由空間和障礙物可分別表示為自由柵格與障礙柵格。設一個柵格為一點v，構建一個賦權圖G=（V，E），其中V為頂點集合，E為邊集合，以捕獲圖片與原圖的相似度為邊的權值dv。則圖的每個相鄰點相互連通，邊的權值dv未知。由于目標點未知，若用深度優(yōu)先算法遍歷賦權圖的每一個點，求出每個點的相似度，再進行排序，得出最接近的一點，則可以求出物體的位置。但這種方法雖然準確率高，但時間復雜度高。若采用貪心算法，在每個階段，選擇一個與當前階段所在頂點相鄰的點v，它在所有相鄰的點中具有最大的dv，然后進行訪問，聲明為已訪問[4]。算法流程圖如圖2所示。

算法步驟如下：

設S 為已經(jīng)搜索過的頂點集合，U 為未搜索的頂點集合。

a)初始化 S={A}，U ={n，n + 1，n + 2……n + n}；

圖2 小車路線規(guī)劃算法Fig. 2 Path planning algorithm of smart car

b)從節(jié)點 A 開始搜索，擴展 A 到下一節(jié)點，選取權值dv最大的頂點 n，并將 n 加入 S 集合，此時 S ={A，n}，U ={ n +1，n + 2……n + n }；

c)以點n 為新考慮的中間節(jié)點，擴展 n的節(jié)點，選取與點 n 相接而且權值dv最大的下一節(jié)點 n+1，并將 n+1 加入 S集合；

以 n+1節(jié)點為新的擴展節(jié)點，重復步驟c) 的思想進行搜索，直到找到一點n’，在點n’的柵格內(nèi)存在要尋找的物品，則算法結束。

2.2 圖像處理模塊

圖像控制模塊主要負責圖像接收與圖像匹配。圖像接收負責實時接收小車發(fā)來的圖片信息，顯示在手機屏幕上，并在后臺進行圖片比較。通過繼承SurfaceHolder.Callback類，能從小車路由器實時接收圖片數(shù)據(jù)，并使用Canvas方法描繪到畫布上。在程序接收圖像的同時，程序通過多線程技術同時進行圖像匹配，提高搜索速度。

系統(tǒng)的核心算法為圖像識別匹配算法，圖像匹配算法作為現(xiàn)今圖像處理技術中一項重要的技術，涉及到圖像采集、圖像預處理、圖像特征點提取等技術。為了解決各種圖像畸變帶來的匹配困難，人們根據(jù)特征空間、相似性度量、圖像匹配類型變換與變換參數(shù)的搜索四種元素提出了各種圖像匹配技術。如今主要的圖像匹配技術主要分為基于灰度相關的匹配、基于特征的匹配、基于模型的匹配和基于變換域的匹配[5]?？紤]到一般圖像匹配算法的計算量大，時間復雜度高，對于處理速度有限的移動手機而言，要一直持續(xù)處理，開銷非常大，會帶來程序死鎖的問題，所以我們采用“感知哈希算法”（Perceptualhash algorithm）來解決圖像匹配的問題。

感知哈希是從數(shù)字媒體中提取的一串數(shù)字序列，是媒體感知內(nèi)容的摘要。令I 代表原始圖像，I ’代表待檢測圖像，H（·，K）表示使用密鑰K加密后的哈希序列。在哈希序列的匹配中，用匹配函數(shù)D（·，·）來計算兩個數(shù)字媒體對象之間的感知距離，感知距離可用漢明距離或歐式距離計算。假設閾值為M，若D（H（I，K），H（I’，K））≤M，則認為待測圖像與原圖像相似；若D（H（I，K），H（I’，K））＞M，則認為待測圖像與原圖像不相似。一般而言，感知距離越大，兩張圖像差別越大。

本程序的感知哈希算法實現(xiàn)如圖3所示。

圖3 感知哈希算法Fig. 3 Perceptual Hash algorithm

1）讀取圖片，然后將圖像歸一化為8×8，共64個像素，去除圖片細節(jié)，只保留圖片的結構、明暗等基本信息；

2）將轉化為64級灰度圖，并計算所有灰度的平均值；

3）將每個像素的灰度值和平均灰度值比較，若大于或等于平均值，則記為1；若小于平均值，則記為0，將比較結果組合成一個64位的整數(shù)，這就是這張圖片的哈希序列H（·，K）。

最后計算兩幅圖像的感知距離，并取閥值M=5，如果感知距離不超過5，就說明兩張圖片很相似[6]。

3 結 論

對不同實驗物體在同一空間內(nèi)進行一系列實驗，該系統(tǒng)能完成一些基本的搜尋任務，找到目標物體，證明系統(tǒng)的算法有效，系統(tǒng)的整體設計可行，但圖像匹配算法和路勁規(guī)劃算法還有待改善?？梢酝ㄟ^優(yōu)化圖像匹配算法[7]，減少環(huán)境因素（如光線亮暗等）的影響，提高尋物的精確度及速度，更加輕松的尋找到目標物體。

將基于小車的智能尋物系統(tǒng)應用于某些艱難作業(yè)環(huán)境，能有效節(jié)省人力、物力，保證工作人員安全，降低事故發(fā)生率。另外，對于一些狹小的空間，人們難以到達，智能小車尋物也不失為一個好的選擇。

[1] 梁樹軍,黃敏. 無線小型微功耗尋物系統(tǒng)的設計與實現(xiàn)[J].微計算機信息, 2009, 25(29):112-113.

LIANG Shu-jun, HUANG Min. The design and implementation of object-searching system based on mini micro-power for wireless[J].Microcomputer Information,2009,25(29):112-113.

[2] 李強,陳善勇,楊尚罡. 基于TMS320VC5416的機器視覺處理系統(tǒng)[J].電視技術, 2004, (7):86-88.

LI Qiang,CHEN Shan-yong,YANG Shang-gang.A Machine Vision System Based on TMS320VC5416[J].Video Engineering, 2004,(7):86-88.

[3] Komatineni S,MacLean D.精 通 Android[M].楊 越 ,曾 少 寧 ,譯 .北京:人民郵電出版社, 2013.

[4] 張捍東,鄭睿,岑豫皖. 移動機器人路徑規(guī)劃技術的現(xiàn)狀與展望[J]. 系統(tǒng)仿真學報. 2005, 17(2):439-443.

ZHANG Han-dong, ZHENG Rui, CEN Yu-wan. Present Situation and Future Development of Mobile Robot Path Planning Technology[J].Journal of System Simulation,2005,17(2):439-443.

[5] 王紅梅,張科,李言俊. 圖像匹配研究進展[J]. 計算機工程與應用, 2004, 40(19):42-44, 47.

WANG Hong-mei, ZHANG Ke, LI Yan-jun. Research progress on image matching[J].Computer Engineering and Applications,2004,40(19):42-44, 47.

[6] 張慧,張海濱,李瓊. 基于人類視覺系統(tǒng)的圖像感知哈希算法[J]. 電子學報, 2008, 36(12A):30-34.

ZHANG Hui, ZHANG Hai-bin, LI Qiong. Image perceptual hashing based on human visual system[J].Acta Electronica Sinica, 2008, 36(12A):30-34.

[7] 鄭興明.基于特征序列匹配函數(shù)的快速圖像匹配[J].電子科技,2012(10):11-14,18.

ZHENG Xing-ming. Fast image matching based on feature matching function sequence[J]. Electronic Science and Technology,2012(10):11-14,18.

Development and research of object-searching system based on Android

WANG Wei-qiao, LU Miao, DENG Shu-yu, TAN Guo-ping
（Computer and Information College,Hohai University, Nanjing 211100,China）

In order to achieve the function of automatic searching object, an object-searching system combining with image processing technology and path planning algorithm is designed. The system consists of smart phone platforms and smart car. Smart phone platform is responsible for controlling the smart car and searching object, smart car is responsible for image acquisition. Through experiments, the system can find an appointed object in simple terrain environment.

object-searching system; smartphone control; smart car; image processing; path planning

TP391

A

1674-6236(2014)03-0018-03

2013–06–30 稿件編號：201306219

河海大學國家級大學生創(chuàng)新訓練項目（201205XCX073）

王維樵(1990—)，男，廣東肇慶人。研究方向：無線多媒體通信。