基于STM32 非接觸式物體形狀和尺寸自動測量系統(tǒng)

鄒禮斌 劉梓涵 楊興聰

（1、重慶交通大學(xué)機(jī)電與車輛工程學(xué)院，重慶400074 2、重慶交通大學(xué)航運(yùn)與船舶工程學(xué)院，重慶400074）

1 系統(tǒng)硬件功能概述

該系統(tǒng)由STM32 控制器、信息顯示模塊、云臺（舵機(jī)）、OPENMV、激光測距儀以及電源模塊構(gòu)成，系統(tǒng)硬件結(jié)構(gòu)圖如圖1 所示。

圖1 系統(tǒng)硬件結(jié)構(gòu)圖

相對高電壓電池組經(jīng)過降壓模塊之后為整個系統(tǒng)供電，激光測距儀用于精準(zhǔn)測量并反饋特定物體的相對距離，OPENMV用于識別并反饋特定物體的形狀、顏色和尺寸，云臺搭載OPENMV 以及激光測距儀后配合尋找特定物體位置，顯示模塊用于把STM32 得到并處理好的特定物體相關(guān)信息顯示出來，整系統(tǒng)能精準(zhǔn)識別物體。

2 系統(tǒng)主要模塊

2.1 圖像識別模塊原理

2.1.1 霍夫圓變換原理及圓檢測

在極坐標(biāo)系中，可以用圓心坐標(biāo)（a，b）以及半徑r 來刻畫一個圓。

圖2 笛卡爾坐標(biāo)系圓形圖

則可以理解為：每一組（a，b，r）代表一個通過點(diǎn)（x0，y0）的圓。

如圖3 的三維曲線，這是通過給定一點(diǎn)，在三維直角坐標(biāo)系中，繪出所有通過該點(diǎn)的圓所表示的曲線。

圖3 三維直角坐標(biāo)曲線圖

假設(shè)獲取到了一圖像，對圖像中所有的點(diǎn)進(jìn)行以上的操作后，如果兩個不同點(diǎn)得到的曲線在三維直角坐標(biāo)系a-b-r 中相交，即它們有一組公共的（a，b，r），也就是說它們都在同一圓上。兩曲線交點(diǎn)越多，這個圓上的點(diǎn)越多，即這個交點(diǎn)表示的圓就越“清晰”?？梢栽O(shè)置一個閾值，用以決定多少條曲線交于一點(diǎn)才可以認(rèn)為檢測到一個圓。簡單概括霍夫圓變換檢測原理：實時監(jiān)測圖像中每個點(diǎn)對應(yīng)曲線之間的交點(diǎn)，并預(yù)先設(shè)定好閾值，當(dāng)曲線交于這個點(diǎn)的數(shù)量超過了閾值，那么可以認(rèn)為（a，b，r）點(diǎn)在圖像中為一個圓。

2.1.2 模板匹配NCC 算法

模板匹配NCC 算法也就是歸一化相關(guān)匹配法，歸一化積相關(guān)是一種典型的基于灰度的相關(guān)算法，其原理如下:如要檢測M圖像中是否出現(xiàn)N 模板相近的圖像，那么我們預(yù)先獲取模板N，尺寸為B×B，現(xiàn)假定有一待檢測圖像的M，尺寸為A×A，有A＞＞B。其中A，B 分別代表待檢測圖像M圖像素和模板圖像N像素。簡言之，即用模板N 尋找圖像M中“類似”模板N 圖像的部分，然后用相關(guān)函數(shù)計算匹配的相似度得出圖像M中“類似”模板N 的部分圖像位置。具體而言，圖像N 在圖像M從上往下、從左往右逐一檢測，模板N 所覆蓋占用的檢測子圖記為Mi,j，(i,j)為檢測子圖的左上角像素點(diǎn)在待檢測圖M中的坐標(biāo)。通過逐一檢測，以相關(guān)性函數(shù)計算檢測子圖與模板N 的灰度相關(guān)值并記錄，那么相關(guān)值最大的檢測子圖位置即M中與模板N 的匹配位置。把歸一化積相關(guān)匹配算法定義為:

此方法抗白噪聲干擾能力強(qiáng)，且在灰度變化及幾何畸變不大的情況下精度很高[1]。

2.1.3 圖像識別模塊總結(jié)

基于以上兩種算法，可以基本識別圓形、三角形、矩形，甚至各類在物體不是很特殊的（如較長直線物體）情況下的形狀，由于圓形在模板匹配中，精確度并不高，所以采用專門的霍夫圓形檢測算法，可以有效提高識別效率。

2.2 基于ToF（飛行時間技術(shù)）激光雷達(dá)測距原理

激光雷達(dá)測距本質(zhì)上是利用到了“拍頻效應(yīng)”，所謂“拍頻效應(yīng)”，簡言之即頻率相近的兩個信號互相疊加后產(chǎn)生名為拍頻的頻率差，兩波疊加產(chǎn)生的合振幅出現(xiàn)時強(qiáng)時弱的周期性變化。驅(qū)動電流一部分驅(qū)動發(fā)射激光元器件向被測物發(fā)射一束激光，而另一部分作為本振信號和經(jīng)過反射的激光信號產(chǎn)生疊加產(chǎn)生拍頻信號，然后對拍頻信號作相應(yīng)的計算處理得出距離，實現(xiàn)距離和頻率的換算。在本文中，僅述波形為三角波的測距原理。

圖4 三角波測距雷達(dá)原理

據(jù)圖4 計算，可得出本振信號的簡單地角頻率表達(dá)式，將其積分，從而計算本振信號的相位，進(jìn)而求得本振信號的函數(shù)表達(dá)式為：

最后將圖4 中各參數(shù)字母換成相應(yīng)的表達(dá)式，可得距離表達(dá)式為：

3 理論分析計算

目標(biāo)邊長（直徑）計算：

攝像頭測量目標(biāo)形狀應(yīng)用了“比例運(yùn)算”?，F(xiàn)假設(shè)有一乒乓球，在近處有OPENMV 攝像頭正對其采集信息，如圖5。在我們感性認(rèn)知中，離攝像頭越遠(yuǎn)，攝像頭圖像顯示中小球就越小，這其中就有：乒乓球與小球的距離與小球圖像直徑所占的像素大小成定比例反比關(guān)系。

由上述可知，我們可知，乒乓球?qū)嵨镏睆礁古仪蛟趫D像中所占的像素大小成正比例關(guān)系，我們以此推導(dǎo)，物體邊長（直徑）所占像素大小亦跟該物體與攝像頭距離成反比，根據(jù)這個原理便可計算物體形體參數(shù)。

結(jié)束語

該測量系統(tǒng)負(fù)責(zé)測量物體，測量模塊由OPENMV 以及激光測距儀構(gòu)成，并搭載于云臺上通過STM32 控制芯片控制其協(xié)調(diào)有序的工作。其中OPENMV 識別物體形狀使用到了霍夫圓變換原理和模板匹配NCC 算法，激光測距儀則通過激光反射原理測得物體的相對距離，各模塊經(jīng)過反復(fù)理論分析計算，實驗反復(fù)調(diào)試后，可精準(zhǔn)測得物體相關(guān)的各類信息。