【文章內(nèi)容簡介】 。他能夠輸出各種各樣的makefile或者project文件,能測試編譯器所支持的C++特性,類似UNIX下的automake。只是CMake 。Cmake 并不直接建構(gòu)出最終的軟件，而是產(chǎn)生標(biāo)準(zhǔn)的建構(gòu)檔（如 Unix 的 Makefile 或 Windows Visual C++ projects/workspaces），然后再依一般的建構(gòu)方式使用。上位機(jī)中的圖像處理以及無線通信的相關(guān)算法都是在該環(huán)境下完成的。下位機(jī)采用Arduino平臺，并采用基于Arduino的官方IDE。這里的算法包括車速控制以及路徑規(guī)劃。AGV系統(tǒng)的整個流程圖框架如下。a) 上位機(jī)b）下位機(jī)圖27 系統(tǒng)流程圖 視覺導(dǎo)航機(jī)器人的性能指標(biāo)AGV 涉及到的技術(shù)主要包括機(jī)器視覺技術(shù)、運動控制技術(shù)、無線通信技術(shù)和傳感器技術(shù)。具體如下：AGV 路徑和路標(biāo)的識別，控制算法的選擇與優(yōu)化，無線通信指令的發(fā)送接收，紅外傳感器的應(yīng)用等等。AGV 的相關(guān)技術(shù)指標(biāo)如表 21 所示：表 21 工程技術(shù)指標(biāo)型 號 導(dǎo)引方式 機(jī)器視覺導(dǎo)引驅(qū)動方式 差分驅(qū)動車體尺寸 250mm150mm130mm自重2 kg最大速度 m/s走行方式 驅(qū)動輪差動轉(zhuǎn)向；前進(jìn)、后退、原地回轉(zhuǎn)最小回轉(zhuǎn)半徑 電池 運行模式 手動、自動兩種模式通訊方式 無線通信使用環(huán)境 10~40176。C(室內(nèi))；地面傾斜 1176。以內(nèi) 本章小結(jié)本章主要講述了AGV的硬件平臺、軟件平臺以及工程技術(shù)指標(biāo)。硬件平臺以圖片實例詳細(xì)介紹了AGV 的車體外觀，電氣驅(qū)動元部件，無線通信和傳感器選型等等；軟件平臺則以程序流程圖的形式介紹了 AGV的算法思想，其中涉及到的各個算法的理論基礎(chǔ)將在后面幾章詳細(xì)闡述。3. 圖像處理 數(shù)字圖像處理算法設(shè)計圖像工程技術(shù)在廣義上分為：圖像處理、圖像分析和圖像理解三個層次。數(shù)字圖像處理的預(yù)處理對于圖像信息的獲取至關(guān)重要，通常AGV在工業(yè)環(huán)境中會遇到各種干擾光以及油漬的影響，合適的處理方式可以增強(qiáng)圖像對于干擾的適應(yīng)能力。因此圖像預(yù)處理的好壞將直接影響AGV的工作狀況?；谝苿邮綑C(jī)器人的視覺導(dǎo)航其最大特點在于采用視覺來獲取信息。本系統(tǒng)采用的是標(biāo)識線識別法，其基本原理為，由CMOS攝像頭對包含路徑信息的圖像進(jìn)行提取，經(jīng)過圖像預(yù)處理后，提取出所需要的路徑特征信息。在考慮運行環(huán)境實際情況的基礎(chǔ)上，本系統(tǒng)采用在灰色地板暗黃色線的路線搭配，如圖31所示，同時有強(qiáng)光干擾，以模擬最糟糕的工業(yè)環(huán)境。 圖31 測試道路本系統(tǒng)所采用的圖像處理主要包括數(shù)字圖像的預(yù)處理以及圖像特征分析。圖像處理的整個流程圖如32所示，圖像預(yù)處理算法有：圖像采集、RGB圖像轉(zhuǎn)HSV圖像、HSV圖像增強(qiáng)、灰度二值化、去離散噪聲；圖像特征分析包括：中值法提取曲線、最小二乘法提取直線以及處理數(shù)據(jù)發(fā)送。以上這些工作都在RPi中實現(xiàn)。本章將具體介紹圖像處理算法的具體實現(xiàn)。圖32 數(shù)字圖像處理的算法流程 圖像處理算法實現(xiàn) 圖像采集圖像傳感器是一種可以將光學(xué)信號轉(zhuǎn)換成信號的感光元件，目前主流的圖像傳感器分別為感光耦合元件（chargecoupled device, CCD）和互補(bǔ)式金屬氧化物半導(dǎo)體有源像素傳感器（CMOS Active pixel sensor）。CCD圖像傳感器是一種基于模擬信號的設(shè)備，當(dāng)光投射到其表面時，將有信號電荷產(chǎn)生，由這種電荷轉(zhuǎn)變成的電壓，會按指定的時序?qū)D像信息傳出。與CCD不同，CMOS圖像傳感器是基于CMOS半導(dǎo)體技術(shù)的，它并不涉及信號電荷，而是每個光電傳感器附近都有相應(yīng)的電路直接把這些信號轉(zhuǎn)變成電壓信號。同等條件下，CMOS所采用的元件數(shù)少、成本低、低功耗而且數(shù)據(jù)吞吐量比CCD更高。CCD的數(shù)據(jù)傳輸速度一般不會超過70百萬像素/秒，而CMOS卻可以達(dá)到100萬像素/秒。但與此同時，CCD在制作工藝方面也越來越成熟，而且在一些性能方面也逐漸凸顯自己的優(yōu)勢?；贑MOS圖像傳感器的這些優(yōu)勢，本系統(tǒng)采用的是基于CMOS的USB通用攝像頭，如圖32所示。圖 32 CMOS攝像頭圖像經(jīng)過攝像頭采集后在RPi中以矩陣的形式呈現(xiàn) （）圖片被保存為N行（roll），M列（column）的數(shù)組形式，以24位彩色圖像形式保存。 RGB圖像轉(zhuǎn)HSV圖像 彩色圖像所包含的顏色信息是指導(dǎo)機(jī)器人進(jìn)行目標(biāo)識別和跟蹤以及定位導(dǎo)航的關(guān)鍵。顏色空間具有多種表示方法，其中最為常見的為：RGB、HSI等。RGB空間是最為常見的顏色空間，它最符合人的視覺習(xí)慣。該空間采用紅、綠和藍(lán)作為三基色對空間中的任意一種顏色進(jìn)行描述，任意一色均可以表示為這三種顏色的線性組合。HSI顏色模型是由夢塞爾（Munsell）最早提出的一種顏色系統(tǒng)格式，它是以人類對顏色的感知方式為基礎(chǔ)，用色調(diào)（hue）、飽和度（saturation）和亮度（intensity）3個分量來構(gòu)成顏色空間。其中H分量代表顏色光的基本特性，S分量代表顏色的純度，I分量代表光的強(qiáng)度，與顏色信息無關(guān)。HSI模型與RGB空間的轉(zhuǎn)換公式為： ()在工業(yè)環(huán)境下，其平面經(jīng)常是反光的，如圖33所示，這樣會造成很大光干擾。太陽光的反射、物體的倒影、日光燈的倒影等都會對道路的提取產(chǎn)生很大的影響。因此本系統(tǒng)采用基于HSV的圖像提取，只采取其中的H與S通道，即色調(diào)與飽和度，而把亮度屏蔽掉。圖 33 工業(yè)環(huán)境中的道路首先給出Matlab的實現(xiàn)方案：% Extract the individual ponent imagesrgb = im2double(img)。r = rgb(:,:,1)。g = rgb(:,:,2)。b = rgb(:,:,3)。% Implement the conversion equationsnum = *((rg)+(rb))。den = sqrt((rg).^2+(rb).*(gb))。theta = acos(num./(den+eps))。 H = theta。H(bg) = 2*piH(bg)。H = H/(2*pi)。 num = min(min(r,g),b)。den = r+g+b。den(den==0)=eps。S=13.*num./den。H(S==0) = 0。I = (r+g+b)/3。OpenCV的實現(xiàn)方法：cvtColor(img_rgb,img_hsv,CV_BGR2HSV)。 split(img_hsv, spl)。 在這里，cvtColor()函數(shù)是OpenCV中常用的圖像轉(zhuǎn)換函數(shù)，img_rpg為原始圖像，img_hsv為轉(zhuǎn)換后的圖像，CV_BGR2HSV為轉(zhuǎn)換方式。因為OpenCV本身不能識別我的操作，所以我必須告訴它是RGB圖像轉(zhuǎn)換為HSV圖像。split（）函數(shù)的作用是把一個三通道的圖像的每個通道分離開，分別將其賦值到spl數(shù)組的spl[0]、spl[1]、spl[2]中，并分別對應(yīng)HSI的H、S、I通道。在此基礎(chǔ)上，分別對H、S通道設(shè)定閾值，提取出來的二值圖像進(jìn)行與操作。 首先給出Matlab的實現(xiàn)方式：% segmentH=H*255。S=S*255。 H(find(H30))=0。%S(find(S80))=1。%P=H+S。H(find(H~=0))=1。OpenCV的實現(xiàn)方式： HSV_H = Mat::zeros(S,0) + 79。 //三個通道的設(shè)定值HSV_S = Mat::zeros(S,0) + 36。 HSV_V = Mat::zeros(S,0) + 120。for (int i =0。 i 3。 ++i){if (i == 0) pare(spl[i],HSV_H,spl[i],CMP_GE)。if (i == 1) pare(spl[i],HSV_S,spl[i],CMP_GE)。if (i == 2) pare(spl[i],HSV_V,spl[i],CMP_LE)。}bitwise_and(spl[0],spl[1],H_S)。 // Channel_H amp。amp。 Channel_SMat是OpenCV下儲存圖像最常用的數(shù)據(jù)類型，它包括兩個部分，Hander（包含矩陣大小、儲存方式以及儲存地址等信息）和一個指向該矩陣的指針。Mat::zeros(S,0)的意思是指生成一個跟S圖像一樣大小的模板，并全部賦值為0。通過這種方式，我們可以得到被賦予三個不同值的模板。pare（）函數(shù)作用是對比兩個相同大小（行列相同）但像素直不同的圖像，并對兩幅圖像對應(yīng)的每個像素進(jìn)行比較，根據(jù)控制字的不同輸出不同結(jié)果。如pare（A,HSI_H,B,CMP_GE）它的意思是對比spl[i]與HSI_H的每個像素，如果前者大于后者（CMP_GE 前者大于等于后者）向B圖像的對應(yīng)像素點附1值。Bitwise_and()函數(shù)的作用是將兩個圖像的每個像素相與并輸出。 圖像濾波經(jīng)過HSI的圖像操作，得到 如圖34所示的處理結(jié)果。圖 34 HSI處理結(jié)果可以看到圖像中依然存在不必要的噪聲點。雖然我們可以通過改變上述HSI通道的閾值來消除噪聲點，但是這樣可能會使圖像檢測對光度的變化更加敏感，以致得不到我們想要的圖像，因此我們引入圖像平滑濾波器。平滑濾波器用處模糊處理和減小噪聲。平滑線性空間濾波器的輸出是包含在濾波掩模臨域內(nèi)像素的簡單平均值。因此這些濾波器也成為均值濾波器，根據(jù)它的特性，它也是低通濾波器。平滑濾波器的概念非常直觀。它用濾波淹模確定的領(lǐng)域內(nèi)像素的平均灰度值代替圖像中每個像素點的值，這種處理減小了圖像灰度的“尖銳”變化。由于典型的隨機(jī)噪聲由灰度級的尖銳變化組成，因此常見平滑處理應(yīng)用就是減噪。圖35顯示了3x3的濾波掩模板，當(dāng)我們興趣在于圖像中任一點（x，y）進(jìn)行m*n掩模處理所得的響應(yīng)R時，我們通常用如下形式簡化表達(dá)形式： ()其中w為掩模系數(shù)，z為該系數(shù)對應(yīng)的灰度值，mn為掩模中包含的像素點總數(shù)。對于圖35所示的3x3掩模，圖像中任意一點（x，y）的響應(yīng)下式給出： ()因為在圖像處理方面的文獻(xiàn)中會經(jīng)?？吹皆摴?，所以對這一簡單的公式給予特別注意。 ()這里我所采用的3x3平滑濾波器掩模如式（）所示。該濾波器產(chǎn)生掩模下的標(biāo)準(zhǔn)像素平均值，把掩模系數(shù)帶入（）式即可以清楚地看出這一點： ()R是由掩模定義的3x3臨域像素灰度的平均值。在濾波處理之后，整個圖像被9除。一個m*n掩模應(yīng)有等于1/mn的歸一化常數(shù)。在這里我給出平滑濾波器的OpenCV實現(xiàn)方法：medianBlur(src,dst,3)。其中src指原圖像，dst指目標(biāo)圖像，3指代3x3的模板。 （） 路徑提取現(xiàn)在的任務(wù)就是根據(jù)已知的白色區(qū)域擬合出道路的相關(guān)信息。在此用的是將每一行的白色像素取平均的方法，以此產(chǎn)生每行唯一的像素點。在這里給出用OpenCV的實現(xiàn)算法：for(int i=0。i row。i++){ for(int j=0。j column。j++){ if(uchar(i,j)!=0) { sum = sum +j。 sum_number++。 } }if(sum_number!=0) { ctr_line=(int)(sum/sum_number)。}else { ctr_line=0。}y[i]=ctr_line。if (ctr_line!=0) uchar(i,ctr_line)=255。sum=0。sum_number=0。} 其橫坐標(biāo)的累加和除以對應(yīng)行的白色點個數(shù)，從而得到所需要的白色區(qū)域中點橫坐標(biāo)。器效果圖如35所示。圖 35 路徑中值可以看到我們已經(jīng)可以得到一條可以提現(xiàn)路徑特性的曲線，此時我們采用最小二乘法以提取出這條道路的對應(yīng)參數(shù)。曲線擬合中最基本和最常用的是直線擬合。設(shè)x和y之間的函數(shù)關(guān)系為： （）式中有兩個待定參數(shù)，a代表截距，b代表斜率。對于等精度測量所得到的N組數(shù)據(jù)（xi，yi），i＝1，2……，N，xi值被認(rèn)為是準(zhǔn)確的，所有的誤差只聯(lián)系著yi。下面利用最小二乘法把觀測數(shù)據(jù)擬合為直線。