基于圖像處理的新型運輸平臺控制方法

王振 高嘉勝

摘? ?要：我國是物流大國，為了提高貨物運輸效率，近年出現(xiàn)了各式新型運輸平臺，如用大量小型普通驅(qū)動輪代替?zhèn)鹘y(tǒng)傳送履帶。對于這種新式運輸平臺，文章提出了一種基于圖像處理技術(shù)的驅(qū)動控制方法。主要思想是：基于Python的OpenMV進(jìn)行圖像處理識別來分析待分揀物品的大小、顏色等特征，并以小型驅(qū)動輪為基礎(chǔ)（驅(qū)動輪的主控芯片為51或STM32），控制物品在平臺上的位置和方向，使物品以預(yù)定的姿態(tài)到達(dá)指定的位置，達(dá)到自動分揀以及運輸?shù)哪康模瑴p少人力、物力。

關(guān)鍵詞：運輸平臺;自動運輸分揀;OpenMV庫

近年來，隨著網(wǎng)購消費方式逐漸被大眾接收以及大型企業(yè)產(chǎn)品的批量化生產(chǎn)，傳統(tǒng)傳動帶存在運輸效率低、運輸數(shù)量少等缺點，已經(jīng)不能滿足運輸行業(yè)的要求。針對這個問題，出現(xiàn)了更加智能化的運輸平臺，加入了自動控制的因素，大幅度提高了運輸效率。國內(nèi)外對智能分揀平臺的研究也有很多，且發(fā)展迅速，目前已經(jīng)研制出基于全向輪的模塊拼接形式的智能分揀平臺，在一些地方已投入使用。但目前大多數(shù)分揀平臺分揀傳送帶種類單一，對如今的物流產(chǎn)業(yè)來說還不夠，還有很大的發(fā)展空間。

為了更加充分地發(fā)揮該智能平臺的優(yōu)勢，提出了基于圖像處理技術(shù)的運動控制方式。旨在將圖像處理技術(shù)和物品分揀平臺相結(jié)合，通過攝像頭采集物品的圖像，然后通過圖像識別技術(shù)得到物品的類型、姿態(tài)和位置等信息，再用基于全向輪的智能分揀平臺對物品進(jìn)行智能分揀，使待分揀物品以預(yù)訂的姿態(tài)進(jìn)入預(yù)訂的出口。傳統(tǒng)傳送帶通過皮帶或滾筒對物品進(jìn)行運輸，需要操作人員或機(jī)械臂在傳送帶旁對物品進(jìn)行分揀或姿態(tài)的調(diào)整。近年來，人工成本愈來愈高，機(jī)械臂的使用也會提高成本。將圖像識別技術(shù)與多功能分揀平臺相結(jié)合，使平臺能同時挑選、調(diào)整和分揀物品，甚至能夠?qū)崟r錄取物品信息，大大節(jié)省了成本。

1? ? 圖像識別

通過攝像頭傳回的圖像對物體的類型、位置進(jìn)行識別。攝像頭類型的選取以及攝像頭數(shù)量的使用根據(jù)具體使用環(huán)境來確定。對圖像的識別是基于Python3.7的OpenMV庫。

1.1? 物品類型的確定

考慮到網(wǎng)購物品包裝上均有條形碼，以及大多數(shù)產(chǎn)品都有二維碼或者條形碼作為信息的貼附，所以物品類型的確定可以通過攝像頭掃描二維碼獲得。OpenMV中有關(guān)二維碼的庫為Pyzar。將掃描的圖像經(jīng)過Qrcade-Scanning（）函數(shù)處理后獲得物品信息，以此判斷物品類型。

1.2? 物品位置的確定

對攝像頭實時傳回的圖像運用背景減除法進(jìn)行處理。常用函數(shù)為cv2.createBackgroundSubtractorMOG2（）。

或者cv2.createBackgroundSubtractorKNN（）[1-2]，特點是為每個像素點選擇一個合適的高斯分布或者合適的分類規(guī)則。這兩種函數(shù)中都有一個參數(shù)detectShadows，默認(rèn)為True，會進(jìn)行檢測并且將陰影部分標(biāo)識出來以便識別。但這樣會降低處理速度，建議在處理大量圖片時，無須標(biāo)識陰影部分，僅提取所需信息即可。背景提取后，為了更加準(zhǔn)確地確定物品的位置，需要對圖像的閾值等進(jìn)行再次處理。具體處理方法：首先，將背景分離后的圖像進(jìn)行二值化處理。其次，在此基礎(chǔ)上運用dilate（）[3]函數(shù)對輸入圖像用特定結(jié)構(gòu)元素進(jìn)行膨脹操作，該結(jié)構(gòu)元素確定膨脹操作過程中領(lǐng)域的形狀，各點像素值被替換為對應(yīng)領(lǐng)域上的最大值。最后，在經(jīng)過膨脹操作后的圖像上尋找出運動物品的邊框，使用findContours（）完成邊框的尋找。

上述均是對圖像進(jìn)行的預(yù)處理，只有經(jīng)過預(yù)處理之后的圖像才能給出想要的信息，不然噪聲的干擾會大大降低信息的可靠性和準(zhǔn)確度。

使用boundingRect（）函數(shù)對圖片中想要區(qū)域進(jìn)行邊框繪制，該函數(shù)的返回值包括了邊框在圖片中位置、左上角的坐標(biāo)以及邊框的寬和高。利用這些信息足以得到物品的坐標(biāo)位置。因此只要不斷返回坐標(biāo)位置就可以實時確定物品位置。

2? ? 運輸分揀

基于全向輪的模塊拼接形式的智能分揀平臺，以物品的類型、位置和姿態(tài)作為輸入量，控制一個物品以指定的姿態(tài)進(jìn)入指定的位置，實現(xiàn)物品的智能分揀。

驅(qū)動輪的控制，即通常意義上的下位機(jī)控制。通過上位機(jī)，即經(jīng)過Python的處理后，將圖像中實時提取的信息給下位機(jī)，下位機(jī)通過比較實時的物品位置坐標(biāo)和期望的物品坐標(biāo)位置后，根據(jù)位置偏差進(jìn)行位置控制和調(diào)節(jié)，直到物品到達(dá)指定位置。

一般應(yīng)用中，驅(qū)動輪的控制使用51單片機(jī)或者STM32就足以，或者根據(jù)具體需要選擇合適的控制芯片。大型工業(yè)中的應(yīng)用務(wù)必考慮可靠性和經(jīng)濟(jì)性。

上位機(jī)和下位機(jī)的通信：根據(jù)上位機(jī)和下位機(jī)距離的長短，可選用的通信方式有串口通信（距離極短，且為有線通信）、藍(lán)牙通信（無線通信，較長距離）、WiFi通信（無線通信，較長距離）。

串口通信：Python庫中Serial庫已經(jīng)非常成熟，可以與51單片機(jī)、STM32等進(jìn)行串口通信。值得注意的是，上位機(jī)和下位機(jī)的通信端口、波特率等的配置需要一致。同理，藍(lán)牙、WiFi通信也可以通過Python庫的配置和下位機(jī)控制芯片進(jìn)行通信。

3? ? 結(jié)語

伴隨著現(xiàn)代化技術(shù)的高速發(fā)展，物流行業(yè)的發(fā)展趨勢是信息化、自動化。想要提高運輸效率、減少成本，與自動控制相結(jié)合是正確的選擇。對運輸平臺的改善必不可少，同時控制方法也需要進(jìn)行改善，才能相得益彰。

上述控制方法的提出是在充分考慮既有運輸平臺和現(xiàn)有技術(shù)的前提下，結(jié)合了輕工業(yè)發(fā)展問題和火熱的圖像處理技術(shù)，不僅滿足快速發(fā)展的物流行業(yè)提出的新要求，而且對已有知識進(jìn)行了充分的應(yīng)用。

[參考文獻(xiàn)]

[1]畢波，邵永謙，孫冬軍，等.基于OpenCV的車牌識別[J].電子設(shè)計工程，2019（1）：43-47.

[2]唐世豪.基于KNN的手寫數(shù)字識別分析[J].通信世界，2019（1）：15.

[3]洪傳豪，丁兵兵，靳偉.基于OpenCv的車牌識別研[J].福建電腦，2018（12）：9-12.