周濤濤，徐婭萍，吳 恒

(西北工業(yè)大學(xué)機(jī)電學(xué)院，陜西西安 710072)

基于形狀特征的視覺導(dǎo)航AGV路徑標(biāo)識(shí)符識(shí)別技術(shù)研究

周濤濤，徐婭萍，吳 恒

(西北工業(yè)大學(xué)機(jī)電學(xué)院，陜西西安 710072)

為提高視覺導(dǎo)航AGV在運(yùn)行過程中對(duì)路徑標(biāo)識(shí)符識(shí)別的可靠性和實(shí)時(shí)性，首先設(shè)計(jì)了實(shí)際應(yīng)用中常見的幾類標(biāo)識(shí)符，然后針對(duì)這些標(biāo)識(shí)符提出了一種基于形狀特征的識(shí)別算法，最后通過實(shí)驗(yàn)驗(yàn)證了該算法的可行性，并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行了分析，分析表明當(dāng)標(biāo)識(shí)符存在污損、旋轉(zhuǎn)、比例縮放以及光照條件變化等情況時(shí)，該算法仍然能夠獲得快速高精度的識(shí)別效果。

視覺導(dǎo)航;路徑標(biāo)識(shí)符識(shí)別;形狀特征;Canny算子;梯度方向直方圖

作為自動(dòng)化物流運(yùn)輸系統(tǒng)、柔性制造系統(tǒng)的關(guān)鍵設(shè)備，自動(dòng)導(dǎo)航小車(Automated Guided Vehicle，AGV)有多種引導(dǎo)方式，其中基于路徑識(shí)別跟蹤的視覺導(dǎo)航AGV因其具有路徑設(shè)置靈活、導(dǎo)航原理簡(jiǎn)單、環(huán)境適應(yīng)性強(qiáng)等優(yōu)點(diǎn)，得到飛速發(fā)展和廣泛應(yīng)用。視覺導(dǎo)航AGV在實(shí)際應(yīng)用中存在多種工況，如加速、減速、停車及不同工位判斷等，各種路徑標(biāo)識(shí)符設(shè)置的靈活性，識(shí)別的準(zhǔn)確性、實(shí)時(shí)性，也成為視覺導(dǎo)航AGV優(yōu)越于其他導(dǎo)航方式的標(biāo)志之一。

傳統(tǒng)的路徑標(biāo)識(shí)符識(shí)別算法主要有基于線掃描的標(biāo)識(shí)符識(shí)別和基于灰度特征的標(biāo)識(shí)符識(shí)別［1］。文獻(xiàn)［2］根據(jù)不同標(biāo)識(shí)符水平所截線段寬度的變化規(guī)律，通過抽行掃描標(biāo)識(shí)符前、中、后三段區(qū)域來識(shí)別各標(biāo)識(shí)符。該算法僅在標(biāo)識(shí)符完整、粘貼規(guī)范的情況下可以取得較好的識(shí)別效果，當(dāng)標(biāo)識(shí)符存在污損、旋轉(zhuǎn)的情況時(shí)，識(shí)別可靠性迅速下降［2］。文獻(xiàn)［3］設(shè)計(jì)并研究了0～9這10個(gè)數(shù)字標(biāo)識(shí)符的識(shí)別，主要采用圖像的灰度均值為主要特征量，實(shí)現(xiàn)對(duì)數(shù)字特征的提取和識(shí)別［3］。該算法對(duì)標(biāo)識(shí)符的設(shè)計(jì)要求較高，同樣不滿足在標(biāo)識(shí)符存在污損、旋轉(zhuǎn)等情況時(shí)應(yīng)有的可靠識(shí)別，并且基于灰度特征的識(shí)別算法計(jì)算量較大［4］，對(duì)識(shí)別的實(shí)時(shí)性不利。

為提高標(biāo)識(shí)符識(shí)別的魯棒性和實(shí)時(shí)性，本文設(shè)計(jì)并研究了一種基于形狀特征的標(biāo)識(shí)符識(shí)別技術(shù)。采用形狀特征中的邊緣輪廓來建立梯度直方圖(HOG)，然后采用歐氏距離來衡量實(shí)時(shí)圖像目標(biāo)與模板庫中各模板圖像的相似性，從而進(jìn)行匹配，完成識(shí)別過程。算法采用一系列不依賴于像素柵格的邊緣曲線，獲得標(biāo)識(shí)符的幾何形狀，然后在搜索圖像中尋找相似的形狀，不受特定灰度值的限制，并且由于圖像的特征點(diǎn)較像素點(diǎn)要少很多，大大減少了匹配過程的計(jì)算量，并且在標(biāo)識(shí)符存在污損、旋轉(zhuǎn)、比例縮放以及光照條件變化等情況時(shí)仍然能夠獲得快速高精度的識(shí)別效果。

1 路徑標(biāo)識(shí)符的設(shè)計(jì)

AGV在實(shí)際運(yùn)行中存在多種工況，如靠近停車站點(diǎn)兩側(cè)時(shí)要求運(yùn)行速度減慢，以實(shí)現(xiàn)平穩(wěn)停車和緩慢起動(dòng)。遠(yuǎn)離停車站點(diǎn)后要求加快速度，以提升運(yùn)輸效率。在停車站點(diǎn)處需要進(jìn)行工位判斷，以決定是否停車等。

針對(duì)以上幾種情況，并結(jié)合工廠、物流中心等多以數(shù)字表示不同工位的實(shí)際情況，設(shè)計(jì)了如圖1所示的幾類路徑標(biāo)識(shí)符。圖中:正方形代表加速標(biāo)識(shí)符，其中輔以加號(hào)進(jìn)行說明;圓形代表減速標(biāo)識(shí)符，其中輔以減號(hào)進(jìn)行說明;三角形代表停車站點(diǎn)，其中數(shù)字0～9代表該站點(diǎn)的工位號(hào)。使用簡(jiǎn)單的正方形、圓、三角形可以迅速地查找標(biāo)識(shí)符邊緣輪廓，數(shù)字工位號(hào)0～9外邊加上三角形停車符，可以使每一個(gè)工位數(shù)字滿足在旋轉(zhuǎn)情況下的唯一標(biāo)識(shí)，例如6號(hào)位和9號(hào)位，無三角形停車符時(shí)，在標(biāo)識(shí)符存在旋轉(zhuǎn)的情況時(shí)不能準(zhǔn)確進(jìn)行識(shí)別。

圖1 路徑標(biāo)識(shí)符設(shè)計(jì)圖

2 路徑標(biāo)識(shí)符的識(shí)別

本文研究的標(biāo)識(shí)符的識(shí)別算法主要基于目標(biāo)識(shí)別匹配技術(shù)，其核心思想是圖像匹配，即根據(jù)參考圖像與實(shí)時(shí)圖像來選定某些特征和相似性度量準(zhǔn)則，并進(jìn)行相關(guān)分析計(jì)算，確定最佳匹配特征。

2.1 特征的選擇與提取

形狀作為圖像最顯著的視覺特征之一，不隨周圍亮度等環(huán)境的變化而變化，相對(duì)于顏色、紋理等特征，更為直觀穩(wěn)定。因此，基于AGV路徑標(biāo)識(shí)符在形狀上的顯著特征，選用標(biāo)識(shí)符邊緣形狀作為識(shí)別的特征［5］。

傳統(tǒng)的邊緣檢測(cè)算子主要有Roberts梯度算子、Sobel算子、Prewitt算子、Krisch 算子、Laplacian算子等。相比以上算子，Canny邊緣檢測(cè)算子是一個(gè)具有濾波、增強(qiáng)、檢測(cè)的多階段優(yōu)化算子，具有良好的信噪比和檢測(cè)精度。

Canny邊緣檢測(cè)主要步驟有:首先用高斯濾波器平滑圖像，消除噪聲;接著用一階偏導(dǎo)的有限差分來計(jì)算梯度的幅值和方向;然后對(duì)梯度幅值進(jìn)行非極大值抑制;最后用雙閾值算法檢測(cè)和連接邊緣。

2.2 相似性度量準(zhǔn)則

經(jīng)Canny算子檢測(cè)出的目標(biāo)圖像邊緣梯度包含了目標(biāo)形狀的方向信息，從中可以提取出目標(biāo)的結(jié)構(gòu)特征，對(duì)目標(biāo)邊緣各像素的梯度方向建立統(tǒng)計(jì)圖(即梯度方向直方圖)，該統(tǒng)計(jì)圖可以表征目標(biāo)的形狀。梯度方向直方圖(Histogram of Oriented Gradient，HOG)是一種目標(biāo)檢測(cè)、圖像匹配中常用的特征描述子，可以從統(tǒng)計(jì)意義上表征物體邊緣的分布特性［6］。

對(duì)目標(biāo)圖像邊緣像素點(diǎn)構(gòu)造梯度方向直方圖H(n)= ［h(1)，h(2)，…，h(k)］，將該直方圖橫坐標(biāo)360°量化為k級(jí)，即1≤n≤k，縱坐標(biāo)表示邊緣點(diǎn)梯度方向落在第n級(jí)中的點(diǎn)數(shù)。由此可見，梯度方向直方圖對(duì)圖像的幾何平移、光學(xué)形變等情況可以保持良好的不變性［6］。當(dāng)目標(biāo)圖像存在縮放變化情況時(shí)，需要構(gòu)造歸一化的梯度方向直方圖，這樣可使其具有縮放不變性，構(gòu)造公式如下:

其中nPixel為所有邊緣點(diǎn)的個(gè)數(shù)。

采用歸一化的梯度方向直方圖表示目標(biāo)物體的形狀，可以使圖像具有幾何平移、光學(xué)形變、尺度縮放的不變性。本文采用歐氏距離來計(jì)算參考圖像和實(shí)時(shí)圖像二者梯度方向直方圖的距離，并以此衡量兩者之間的相似性，值越小，則相似性越高。歐氏距離計(jì)算公式如下:

其中:h1n表示實(shí)時(shí)圖像中目標(biāo)物體的梯度方向直方圖;h2n表示參考圖像中目標(biāo)物體的梯度方向直方圖。

此外，當(dāng)目標(biāo)圖像存在旋轉(zhuǎn)時(shí)，梯度方向直方圖對(duì)應(yīng)作周期循環(huán)移位，當(dāng)相似性度量歐氏距離不滿足旋轉(zhuǎn)不變性時(shí)，可以通過直方圖的移位來計(jì)算相關(guān)性，使該度量準(zhǔn)則滿足旋轉(zhuǎn)不變性。修改歐氏距離計(jì)算公式如下:

其中:h1l

n表示實(shí)時(shí)圖像中目標(biāo)物體的梯度方向直方圖循環(huán)左移l個(gè)單位后得到的直方圖;h2n表示參考圖像中目標(biāo)物體的梯度方向直方圖。

2.3 路徑標(biāo)識(shí)符識(shí)別流程

第一步:建立匹配模板庫。分別采集加速標(biāo)識(shí)符、減速標(biāo)識(shí)符和0～9號(hào)停車站點(diǎn)標(biāo)識(shí)符，用Canny邊緣檢測(cè)算子提取邊緣，建立歸一化梯度方向直方圖(其中橫坐標(biāo)0°～360°等分72份，即k取72，縱坐標(biāo)為歸一化之后的比例值)，以此組成匹配模板庫。

圖2 路徑標(biāo)識(shí)符識(shí)別流程圖

第二步:實(shí)時(shí)采集路徑圖像進(jìn)行識(shí)別，如圖2所示。首先對(duì)輸入的一幀圖像進(jìn)行預(yù)處理，以消除噪聲，提高圖像質(zhì)量。接著同樣用Canny邊緣檢測(cè)算子提取邊緣，如果邊緣圖像中包含目標(biāo)物體即路徑標(biāo)識(shí)符，則分別計(jì)算平移后的各標(biāo)識(shí)符梯度直方圖與模板庫中各梯度直方圖的歐氏距離，取最小值作為匹配分值，相應(yīng)的模板圖像即為匹配圖像。

3 實(shí)驗(yàn)結(jié)果與分析

為驗(yàn)證本文算法的準(zhǔn)確性和可靠性，分別在AGV導(dǎo)航路徑一側(cè)粘貼加速標(biāo)識(shí)符、減速標(biāo)識(shí)符和停車站點(diǎn)標(biāo)識(shí)符，并采集包含有標(biāo)識(shí)符的路徑圖像進(jìn)行處理分析。下面以6號(hào)停車站點(diǎn)標(biāo)識(shí)符的識(shí)別進(jìn)行驗(yàn)證，如圖3(a)～(f)所示。

圖3 6號(hào)停車站點(diǎn)標(biāo)識(shí)符匹配實(shí)例

在上述實(shí)驗(yàn)中，圖3(a)為拍攝的粘貼有6號(hào)停車站點(diǎn)標(biāo)識(shí)符的路徑圖像，并從中選擇感興趣區(qū)域，進(jìn)行訓(xùn)練。圖3(b)對(duì)模板圖像使用Canny邊緣檢測(cè)算子提取邊緣并且生成歸一化梯度直方圖。圖3(c)、(d)、(e)分別為圖像存在污損、縮放、旋轉(zhuǎn)情況時(shí)，各自生成的歸一化梯度直方圖。圖3(f)為6號(hào)停車站點(diǎn)標(biāo)識(shí)符和9號(hào)停車站點(diǎn)標(biāo)識(shí)符同時(shí)存在的情況下，對(duì)6號(hào)停車站點(diǎn)標(biāo)識(shí)符的識(shí)別匹配情況。

圖3(c)、(d)、(e)的準(zhǔn)確識(shí)別說明該算法滿足幾何平移、光學(xué)形變、尺度縮放以及旋轉(zhuǎn)的不變性，表明算法適應(yīng)性強(qiáng)。圖3(f)的準(zhǔn)確匹配說明設(shè)計(jì)的標(biāo)識(shí)符具有唯一性。以上實(shí)驗(yàn)充分說明該算法滿足魯棒性要求。同時(shí)，由于標(biāo)識(shí)符圖像的簡(jiǎn)單，算法計(jì)算量不大，實(shí)驗(yàn)中平均匹配時(shí)間在10ms左右，并且在實(shí)驗(yàn)室現(xiàn)有AGV上驗(yàn)證，運(yùn)行良好說明了該算法滿足實(shí)時(shí)性要求。

4 結(jié)束語

基于路徑識(shí)別跟蹤的視覺導(dǎo)航的AGV作為目前智能車領(lǐng)域的熱門研究課題，其路徑標(biāo)識(shí)符的設(shè)計(jì)與識(shí)別對(duì)AGV運(yùn)行的可靠性、智能化水平等有著重要的影響。本文提出的基于形狀特征的視覺導(dǎo)航AGV路徑標(biāo)識(shí)符識(shí)別算法，不同于傳統(tǒng)的基于灰度特征或者線掃描特征的識(shí)別算法，它不受特定灰度值的限制，并且減少了匹配過程的計(jì)算量。另外當(dāng)標(biāo)識(shí)符存在污損、旋轉(zhuǎn)、比例縮放以及光照條件變化等情況時(shí)仍然能夠獲得快速高精度的識(shí)別效果。該算法為AGV導(dǎo)航標(biāo)識(shí)符的識(shí)別提供了有效可靠的理論依據(jù)和實(shí)驗(yàn)驗(yàn)證。

［1］齊正罡.基于統(tǒng)計(jì)特征的AGV特殊標(biāo)識(shí)符識(shí)別方法研究［D］. 長春:吉林大學(xué)，2005.

［2］周能濤.基于機(jī)器視覺的自動(dòng)導(dǎo)引車關(guān)鍵技術(shù)研究［D］.合肥:安徽農(nóng)業(yè)大學(xué)，2008.

［3］范瑩莉.基于機(jī)器視覺的AGV導(dǎo)航標(biāo)識(shí)符識(shí)別方法研究［J］.伺服控制，2011(2):57－59.

［4］趙振民，彭國華，符立梅.基于形狀模板的快速高精度可靠圖像匹配［J］.計(jì)算機(jī)應(yīng)用，2010，30(2):441－444.

［5］朱錚濤，張宏.基于特征點(diǎn)的形狀匹配技術(shù)及其算法實(shí)現(xiàn)［J］. 計(jì)算機(jī)工程與設(shè)計(jì)，2010，31(5):1096－1099.

［6］陳澤濱，黃曉華.基于形狀邊緣方向直方圖的圖像檢索算法研究［J］.計(jì)算機(jī)與現(xiàn)代化，2009(8):144－146.

Research on the Recognition of Path Identifiers Based on Shape Features of Vision－Based AGV

ZHOU Taotao，XU Yaping，WU Heng
(Northwestern Polytechical University，Shaanxi Xi＇an，710072，China)

In order to obtain better robustness and real－ time during the recognition of path identifiers at the vision －based automatic guided vehicle(AGV)runs，it designs several kinds of common identifiers in practical application.And then aiming at these identifiers，it proposes a method of identifiers recognition based on shape features，shows the detail about extractting the image edges with Canny operator，construction the histogram of oriented gradient.It uses Euclidean distance as similarity measurement to match the model image and test image.Experimental results demonstrate that the method has fast speed and high accuracy when the identifiers are dirty，rotated，scale－changed or the illumination changes.

Vision Navigation;Recognition of Path Identifiers;Shape Features;Canny Operator;Histogram of Oriented Gradient

TP242.2

B

2095－509X(2013)11－0059－04

10.3969/j.issn.2095－509X.2013.11.015

2013－07－10

周濤濤(1988—)，男，河南靈寶人，西北工業(yè)大學(xué)碩士研究生，主要研究方向?yàn)楣I(yè)機(jī)器人控制系統(tǒng)、圖像處理與機(jī)器視覺等。