基于計(jì)算機(jī)視覺的AGV導(dǎo)航標(biāo)識帶識別與提取方法

馬 天，肖 卓，葉向斌，張桂梅

（南昌航空大學(xué) 航空制造工程學(xué)院，南昌 330063）

引 言

自動(dòng)導(dǎo)引車(Automated Guide Vehicle，AGV)[1]是一種裝有光學(xué)或電磁引導(dǎo)裝置、能夠沿導(dǎo)引路徑自動(dòng)行駛的無人運(yùn)輸車，廣泛應(yīng)用于工業(yè)、物流等領(lǐng)域。AGV的導(dǎo)航方式不僅決定其組成的物流系統(tǒng)的柔性，而且也影響該系統(tǒng)的可靠性和成本。

目前國內(nèi)外有許多關(guān)于AGV導(dǎo)引和定位系統(tǒng)的研究，現(xiàn)有的AGV識別技術(shù)雖然廣泛且定位精度高，但算法較為復(fù)雜，在一定程度上提升了調(diào)試和人工維護(hù)的成本。其中使用較多的導(dǎo)航方式有電磁導(dǎo)航、激光引導(dǎo)、慣性導(dǎo)航和視覺導(dǎo)航等[2]。陳顯寶等[3]利用計(jì)算機(jī)圖像識別技術(shù)，設(shè)計(jì)了一種基于DM碼的AGV二次定位算法，實(shí)現(xiàn)精度較高的定位。茅正沖[4]利用最小二乘法提取導(dǎo)航路徑，結(jié)合二維碼標(biāo)簽實(shí)現(xiàn)對AGV位置和路線的實(shí)時(shí)監(jiān)控。Laurens Jacobs等[5]提出了一種用于AGV軌跡跟蹤模型的H∞最優(yōu)線性反饋控制器。相較其他導(dǎo)航方式，由于視覺導(dǎo)航能更好地應(yīng)付諸多的環(huán)境變化，具有路徑設(shè)置和避障更靈活，價(jià)格低廉等優(yōu)點(diǎn)，在近年來得到學(xué)者們的關(guān)注?；谝曈X導(dǎo)航的AGV是利用攝像頭采集路面標(biāo)識帶的圖像信息，經(jīng)過計(jì)算機(jī)識別處理得到路徑信息，從而控制車輛的運(yùn)行。對于這類AGV來說，導(dǎo)航標(biāo)識帶中心線提取系統(tǒng)是最關(guān)鍵組成部分。能否準(zhǔn)確地從攝像頭采集到的圖像中識別、提取出導(dǎo)航標(biāo)識帶的中心線直接影響到AGV導(dǎo)航的精度。

針對該問題，學(xué)者們提出基于計(jì)算機(jī)視覺的方法檢測道路標(biāo)線，如田明銳等[6]提出了一種新的基于Canny算子的道路標(biāo)線檢測算法，通過自適應(yīng)尋找Canny算子的最佳閾值，能較好地實(shí)現(xiàn)道路標(biāo)線的準(zhǔn)確檢測。但該方法對于室內(nèi)的復(fù)雜工況環(huán)境下AGV導(dǎo)航標(biāo)識帶的識別效果不夠理想。針對該問題，夏田等人[7]提出了AGV視覺導(dǎo)航標(biāo)識線邊緣的提取的方法，首先采用閾值分割得到二值圖像，再用中值濾波對二值圖像進(jìn)行平滑處理，最后應(yīng)用邊緣跟蹤算法提取導(dǎo)航標(biāo)識線的邊緣，但是提取到的標(biāo)識帶邊緣輪廓可能是左邊緣線也可能是右邊緣線，根據(jù)邊緣線進(jìn)行AGV導(dǎo)航是不穩(wěn)定的。針對該問題，陳熙鵬等[8]提出了對采集到的圖像進(jìn)行預(yù)處理，再基于Canny算子提取標(biāo)識帶的邊緣輪廓，并基于形態(tài)學(xué)提取標(biāo)識帶的中心線。佘宏杰等人[9]提出了基于Hough變換的中心線擬合法，獲取到AGV導(dǎo)航的標(biāo)識帶中心線，并用實(shí)驗(yàn)表明該方法比最小二乘法具有更好的效果。但是當(dāng)視覺AGV的運(yùn)行環(huán)境較為復(fù)雜時(shí)，這些方法的效果均不夠理想，且Hough變換的方法適合提取固定寬度的直線?；诖?，本文也采用視覺導(dǎo)引AGV技術(shù)，提出一種基于幾何作圖的方法提取AGV導(dǎo)航標(biāo)識帶的中心線，并根據(jù)中心線方程解算出偏角和偏距等信息，適合于任意寬度的標(biāo)識帶中心線提取。

1 導(dǎo)航標(biāo)識帶中心線提取系統(tǒng)的組成

導(dǎo)航標(biāo)識帶識別與中心線提取系統(tǒng)主要由圖像采集、圖像處理、中心線提取、結(jié)果輸出四部分組成[1-2]。圖像采集部分由鏡頭、圖像傳感器等硬件組成。圖像采集部分的任務(wù)是將目標(biāo)對象的光信號轉(zhuǎn)化為相應(yīng)的電信號輸入計(jì)算機(jī)；圖像處理、中心線提取部分通過計(jì)算機(jī)上的圖像處理軟件；處理結(jié)果輸出至顯示器。圖像處理和中心線提取是該系統(tǒng)的關(guān)鍵部分。系統(tǒng)組成如圖1所示。

圖1 導(dǎo)航標(biāo)識帶中心線提取系統(tǒng)的組成

2 圖像處理

2.1 圖像灰度化

導(dǎo)航標(biāo)識帶通常為一條置于地面上的有色色帶，AGV通過安裝在車體上的彩色攝像頭采集路面圖像，然后進(jìn)行相應(yīng)的圖像處理。彩色圖像數(shù)據(jù)量大，處理時(shí)間長，不適用于實(shí)時(shí)導(dǎo)航這種對響應(yīng)時(shí)間有較高要求的應(yīng)用場景，因此首先要對彩色圖像進(jìn)行灰度化處理以減小數(shù)據(jù)量。圖像灰度化處理后如圖2所示。

圖2 圖像灰度化處理

2.2 圖像濾波

在實(shí)際應(yīng)用場景中，受光照強(qiáng)度、圖像傳感器性能、信號傳輸線路干擾等因素的影響，系統(tǒng)采集到的圖像都不可避免地含有噪聲。圖像濾波的作用就是盡可能地消除這些噪聲。一個(gè)好的圖像濾波方法應(yīng)在消除噪聲的同時(shí)，保證圖像邊緣輪廓細(xì)節(jié)不產(chǎn)生模糊化現(xiàn)象[3]。

中值濾波與算數(shù)均值濾波是常用的兩種濾波方法。對圖像分別應(yīng)用這兩種濾波方法進(jìn)行去噪處理，結(jié)果如圖3所示。

圖3 圖像濾波處理

對濾波結(jié)果進(jìn)行比較可知，中值濾波去噪效果最好，同時(shí)較好地保留了圖像邊緣輪廓細(xì)節(jié)；算數(shù)均值濾波較好地保留了圖像邊緣輪廓細(xì)節(jié)，但是去噪效果不如中值濾波。因此我們對灰度化的圖像采用中值濾波進(jìn)行去噪處理。

2.3 圖像分割與邊緣提取

在實(shí)際應(yīng)用場景中，系統(tǒng)采集到的圖像會因?yàn)榄h(huán)境光照強(qiáng)度的不均勻而帶有局部明暗差異，這會對標(biāo)識帶中心線的提取過程造成干擾。由于所采集的目標(biāo)對象與背景的對比較明顯，圖像直方圖呈現(xiàn)“雙峰”性，可對中值濾波后的圖像先進(jìn)行閾值分割，再提取邊緣。閾值分割具有運(yùn)算效率高、速度快等有點(diǎn)，適用于對響應(yīng)時(shí)間有較高要求的應(yīng)用場景。閾值分割的原理可簡單概括為如下公式：

其中t為分割閾值，1表示目標(biāo)對象，0表示背景。t值的確定是關(guān)鍵，通常采用動(dòng)態(tài)閾值，即根據(jù)圖像由算法自動(dòng)生成對應(yīng)的t值[6]。閾值分割后的結(jié)果如圖4所示。

圖4 圖像閾值分割處理

觀察閾值分割結(jié)果可知，由于標(biāo)識帶可能存在破損、缺口等情況，造成分割后的圖像帶有孔洞和破口，這會對標(biāo)識帶的邊緣提取造成干擾。因此在提取邊緣之前，應(yīng)對分割結(jié)果進(jìn)行孔洞填充、膨脹、融合缺口、腐蝕處理，并在過程中加入若干次中值濾波處理。經(jīng)過上述處理后可有效提高閾值分割的圖像質(zhì)量，在此圖像基礎(chǔ)上可獲得較好的邊緣提取效果，如圖5e所示。

圖5 圖像閾值分割與邊緣提取

3 標(biāo)識帶的中心線提取

3.1 基于Hough變換的中心線提取

Hough變換[9]具有受幾何形狀間斷影響小的優(yōu)點(diǎn)，常用作直線檢測。對邊緣提取后的圖像應(yīng)用Hough變換進(jìn)行標(biāo)識帶邊緣提取，結(jié)果如圖6b所示。只需將其中一條邊緣直線向另一條邊緣直線方向移動(dòng)半個(gè)標(biāo)識帶寬度，即可得到標(biāo)識帶中心線，如圖6c所示?；贖ough變換的中心線提取方法只能應(yīng)用于固定寬度的標(biāo)識帶，若標(biāo)識帶寬度發(fā)生變化，該方法不夠理想。

圖6 基于Hough變換的中心線提取

3.2 本文提出的中心線提取方法

針對基于Hough變換法只能識別固定寬度標(biāo)識帶這一局限，提出了一種基于幾何作圖的中心線提取方法。該方法的原理是通過作出標(biāo)識帶上的兩個(gè)中點(diǎn)來確定中心線的。如圖7b所示，應(yīng)用邊緣追蹤得到標(biāo)識帶邊緣上的四點(diǎn)A1、A2、B1、B2，作出其中點(diǎn)Am、Bm，由Am、Bm確定的直線即為標(biāo)識帶的中心線。應(yīng)用此方法可實(shí)現(xiàn)任意寬度標(biāo)識帶中心線的提取，如圖7c所示。

圖7 基于幾何作圖的中心線提取

3.3 實(shí)驗(yàn)結(jié)果對比

為了驗(yàn)證本文方法的性能，選擇實(shí)際場景中拍攝的兩幅圖片（如圖8所示）進(jìn)行實(shí)驗(yàn)，其中圖8a的標(biāo)識帶有破損，圖8b的圖像對比度相對較低，標(biāo)識帶的寬度不固定，且有破損。將本文提出的方法與文獻(xiàn)[8]和文獻(xiàn)[9]的方法進(jìn)行比較，以人工提取的標(biāo)識帶中心線為Ground truth，計(jì)算中心線提取精度，實(shí)驗(yàn)結(jié)果如表1所示。從表1結(jié)果可看出，對于圖8a所示的標(biāo)識帶，由于圖像相對比較完整，三種方法的中心線提取精度較為接近；而對于圖8b所示的標(biāo)識帶，由于圖像對比度相對較低，標(biāo)識帶寬度不固定，且破損更為嚴(yán)重，文獻(xiàn)[8]的方法提取效果相對更差，文獻(xiàn)[9]的方法次之，本文提出的方法效果最好。同時(shí)我們對其他的標(biāo)識帶圖像也反復(fù)進(jìn)行了多次實(shí)驗(yàn)，最后得到本文提出的方法結(jié)果均較為理想。

圖8 實(shí)驗(yàn)對比圖像

表1 實(shí)驗(yàn)結(jié)果對比 (表中數(shù)值為導(dǎo)航標(biāo)識帶中心線的檢測精度)

4 導(dǎo)航標(biāo)識帶中心線提取系統(tǒng)設(shè)計(jì)

將上述圖像預(yù)處理、中心線提取功能進(jìn)行整合，利用MATLAB[10,11]搭建導(dǎo)航標(biāo)識帶中心線提取系統(tǒng)，如圖9所示。其主要功能如下：1) 能輸入圖像；2) 能對輸入的圖像進(jìn)行預(yù)處理和邊緣提取；3) 能提取標(biāo)識帶中心線；4) 能測算出偏角和偏距，如圖9所示。

圖9 導(dǎo)航標(biāo)識帶中心線提取系統(tǒng)設(shè)計(jì)

運(yùn)用本中心線提取系統(tǒng)對實(shí)際應(yīng)用場景中的標(biāo)識帶進(jìn)行多次提取實(shí)驗(yàn)，如圖10所示，系統(tǒng)都能準(zhǔn)確識別出標(biāo)識帶的邊緣，并對中心線進(jìn)行提取，解算出偏角和偏距。說明本系統(tǒng)所采用的圖像處理方法和提取原理是合理的，能夠運(yùn)用于實(shí)際使用中。

圖10 導(dǎo)航標(biāo)識帶中心線提取實(shí)驗(yàn)

5 結(jié) 論

本文以圖像為信息源，以MATLAB為編程工具，設(shè)計(jì)了一種導(dǎo)航標(biāo)識帶識別與中心線提取方法。

首先對攝像頭采集到的圖像進(jìn)行灰度化處理以減少數(shù)據(jù)處理量，然后利用中值濾波對圖像進(jìn)行濾波處理以降低周圍干擾因素對圖像識別質(zhì)量的影響，再對圖像使用閾值分割進(jìn)行提取邊緣得到導(dǎo)航標(biāo)識帶邊界，最終通過幾何作圖計(jì)算中心線軌跡。經(jīng)過多次測試，該系統(tǒng)達(dá)到了預(yù)定的功能。研究成果可為準(zhǔn)確、穩(wěn)定地控制AGV提供重要的技術(shù)支持。

本系統(tǒng)的設(shè)計(jì)還存在以下不足：如在圖像分割與邊緣提取過程中，遇到周圍環(huán)境較復(fù)雜或采集的目標(biāo)對象與背景灰度很接近時(shí)，閾值分割的結(jié)果將受到一定影響；當(dāng)采集到的目標(biāo)對象偏角過大時(shí)，本文提出方法的性能也將受到影響。