基于計算機視覺的AGV導航標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 航空制造工程學院，南昌 330063）

引 言

自動導引車(Automated Guide Vehicle，AGV)[1]是一種裝有光學或電磁引導裝置、能夠沿導引路徑自動行駛的無人運輸車，廣泛應用于工業、物流等領域。AGV的導航方式不僅決定其組成的物流系統的柔性，而且也影響該系統的可靠性和成本。

目前國內外有許多關于AGV導引和定位系統的研究，現有的AGV識別技術雖然廣泛且定位精度高，但算法較為復雜，在一定程度上提升了調試和人工維護的成本。其中使用較多的導航方式有電磁導航、激光引導、慣性導航和視覺導航等[2]。陳顯寶等[3]利用計算機圖像識別技術，設計了一種基于DM碼的AGV二次定位算法，實現精度較高的定位。茅正沖[4]利用最小二乘法提取導航路徑，結合二維碼標簽實現對AGV位置和路線的實時監控。Laurens Jacobs等[5]提出了一種用于AGV軌跡跟蹤模型的H∞最優線性反饋控制器。相較其他導航方式，由于視覺導航能更好地應付諸多的環境變化，具有路徑設置和避障更靈活，價格低廉等優點，在近年來得到學者們的關注?；谝曈X導航的AGV是利用攝像頭采集路面標識帶的圖像信息，經過計算機識別處理得到路徑信息，從而控制車輛的運行。對于這類AGV來說，導航標識帶中心線提取系統是最關鍵組成部分。能否準確地從攝像頭采集到的圖像中識別、提取出導航標識帶的中心線直接影響到AGV導航的精度。

針對該問題，學者們提出基于計算機視覺的方法檢測道路標線，如田明銳等[6]提出了一種新的基于Canny算子的道路標線檢測算法，通過自適應尋找Canny算子的最佳閾值，能較好地實現道路標線的準確檢測。但該方法對于室內的復雜工況環境下AGV導航標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視覺導航標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行平滑處理，最后應用邊緣跟蹤算法提取導航標識線的邊緣，但是提取到的標識帶邊緣輪廓可能是左邊緣線也可能是右邊緣線，根據邊緣線進行AGV導航是不穩定的。針對該問題，陳熙鵬等[8]提出了對采集到的圖像進行預處理，再基于Canny算子提取標識帶的邊緣輪廓，并基于形態學提取標識帶的中心線。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導航的標識帶中心線，并用實驗表明該方法比最小二乘法具有更好的效果。但是當視覺AGV的運行環境較為復雜時，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?，本文也采用視覺導引AGV技術，提出一種基于幾何作圖的方法提取AGV導航標識帶的中心線，并根據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識帶中心線提取。

1 導航標識帶中心線提取系統的組成

導航標識帶識別與中心線提取系統主要由圖像采集、圖像處理、中心線提取、結果輸出四部分組成[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是將目標對象的光信號轉化為相應的電信號輸入計算機；圖像處理、中心線提取部分通過計算機上的圖像處理軟件；處理結果輸出至顯示器。圖像處理和中心線提取是該系統的關鍵部分。系統組成如圖1所示。

圖1 導航標識帶中心線提取系統的組成

2 圖像處理

2.1 圖像灰度化

導航標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，然后進行相應的圖像處理。彩色圖像數據量大，處理時間長，不適用于實時導航這種對響應時間有較高要求的應用場景，因此首先要對彩色圖像進行灰度化處理以減小數據量。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

在實際應用場景中，受光照強度、圖像傳感器性能、信號傳輸線路干擾等因素的影響，系統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。一個好的圖像濾波方法應在消除噪聲的同時，保證圖像邊緣輪廓細節不產生模糊化現象[3]。

中值濾波與算數均值濾波是常用的兩種濾波方法。對圖像分別應用這兩種濾波方法進行去噪處理，結果如圖3所示。

圖3 圖像濾波處理

對濾波結果進行比較可知，中值濾波去噪效果最好，同時較好地保留了圖像邊緣輪廓細節；算數均值濾波較好地保留了圖像邊緣輪廓細節，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行去噪處理。

2.3 圖像分割與邊緣提取

在實際應用場景中，系統采集到的圖像會因為環境光照強度的不均勻而帶有局部明暗差異，這會對標識帶中心線的提取過程造成干擾。由于所采集的目標對象與背景的對比較明顯，圖像直方圖呈現“雙峰”性，可對中值濾波后的圖像先進行閾值分割，再提取邊緣。閾值分割具有運算效率高、速度快等有點，適用于對響應時間有較高要求的應用場景。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表示目標對象，0表示背景。t值的確定是關鍵，通常采用動態閾值，即根據圖像由算法自動生成對應的t值[6]。閾值分割后的結果如圖4所示。

圖4 圖像閾值分割處理

觀察閾值分割結果可知，由于標識帶可能存在破損、缺口等情況，造成分割后的圖像帶有孔洞和破口，這會對標識帶的邊緣提取造成干擾。因此在提取邊緣之前，應對分割結果進行孔洞填充、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。經過上述處理后可有效提高閾值分割的圖像質量，在此圖像基礎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點，常用作直線檢測。對邊緣提取后的圖像應用Hough變換進行標識帶邊緣提取，結果如圖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半個標識帶寬度，即可得到標識帶中心線，如圖6c所示?；贖ough變換的中心線提取方法只能應用于固定寬度的標識帶，若標識帶寬度發生變化，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識帶上的兩個中點來確定中心線的。如圖7b所示，應用邊緣追蹤得到標識帶邊緣上的四點A1、A2、B1、B2，作出其中點Am、Bm，由Am、Bm確定的直線即為標識帶的中心線。應用此方法可實現任意寬度標識帶中心線的提取，如圖7c所示。

圖7 基于幾何作圖的中心線提取

3.3 實驗結果對比

為了驗證本文方法的性能，選擇實際場景中拍攝的兩幅圖片（如圖8所示）進行實驗，其中圖8a的標識帶有破損，圖8b的圖像對比度相對較低，標識帶的寬度不固定，且有破損。將本文提出的方法與文獻[8]和文獻[9]的方法進行比較，以人工提取的標識帶中心線為Ground truth，計算中心線提取精度，實驗結果如表1所示。從表1結果可看出，對于圖8a所示的標識帶，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所示的標識帶，由于圖像對比度相對較低，標識帶寬度不固定，且破損更為嚴重，文獻[8]的方法提取效果相對更差，文獻[9]的方法次之，本文提出的方法效果最好。同時我們對其他的標識帶圖像也反復進行了多次實驗，最后得到本文提出的方法結果均較為理想。

圖8 實驗對比圖像

表1 實驗結果對比 (表中數值為導航標識帶中心線的檢測精度)

4 導航標識帶中心線提取系統設計

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

圖9 導航標識帶中心線提取系統設計

運用本中心線提取系統對實際應用場景中的標識帶進行多次提取實驗，如圖10所示，系統都能準確識別出標識帶的邊緣，并對中心線進行提取，解算出偏角和偏距。說明本系統所采用的圖像處理方法和提取原理是合理的，能夠運用于實際使用中。

圖10 導航標識帶中心線提取實驗

5 結 論

本文以圖像為信息源，以MATLAB為編程工具，設計了一種導航標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行灰度化處理以減少數據處理量，然后利用中值濾波對圖像進行濾波處理以降低周圍干擾因素對圖像識別質量的影響，再對圖像使用閾值分割進行提取邊緣得到導航標識帶邊界，最終通過幾何作圖計算中心線軌跡。經過多次測試，該系統達到了預定的功能。研究成果可為準確、穩定地控制AGV提供重要的技術支持。

本系統的設計還存在以下不足：如在圖像分割與邊緣提取過程中，遇到周圍環境較復雜或采集的目標對象與背景灰度很接近時，閾值分割的結果將受到一定影響；當采集到的目標對象偏角過大時，本文提出方法的性能也將受到影響。