基于机器视觉的AGV导航标识符识别方法研究

标识符分类识别

(1) 控制标识符识别

在图像处理技术中，图像区域的边界往往对应景物的边缘，而且人类的视觉系统也多是根据目标的边缘进行识别的。在经过图像预处理，获得了感兴趣区域内目标的单纯边界信息之后，对于控制标识符而言，加速减速标识符的两条斜边和停车符的圆弧边即是模式识别中的特征。因此，可以依据标识符本身的形状特征构造特征向量，从而进行目标识别。

具体的识别方法如下：对感兴趣区域内控制标识符进行水平抽行扫描，得到三个关于扫描线截得标识符线段宽度的数值，并分别赋给三个变量：e1，e2，e3。它们分别大致体现了控制标识符前端宽度，中部宽度，后部宽度；然后依据线段宽度的变化规律，采用特征匹配法识别控制标识符，对应关系如表1所示。



表1 控制标识符与agv运行情况对照表

(2) 数字标识符识别

数字标识符的引入是视觉引导agv较其它类型agv的一大优势，数字标识符可以为agv导航提供丰富的信息，并且此标识符设置简单，容易识别，具有很高的实用价值。利用数字标识符可以标记停车位置、停车时间和行使中的分岔路选择等操作，这是其它类型的agv所无法比拟的[3]。数字标识符识别的步骤一般要经过以下四部分：图像的预处理、数字区域的搜索、数字的特征提取、数字的识别[4]。

对采集到的一帧数字图像经过预处理及数字区域的搜索后，原图像转化为由像素点组成的二值图像，如图4左边图所示。分析led七段码格式数字的组成结构，并且使数字的基本特征在分割后仍将能够反映其本身的特性不变，将图像共分割成5×3个子块，5行的划分比例为1:2.5:1:2.5:1；3列的划分比例为1:4:1，以apq (p=0，1，2，3，4；q=0，1，2)来标记各个子块，见图4右边图。



图4 数字符“6”的分割及各子块的表示

a00 a01 a02

a10 a11 a12

a20 a21 a22

a30 a31 a32

a40 a41 a42

图4 数字符“6”的分割及各子块的表示

同时用apq记录每个子块内所有像素点的灰度值均值。用公式表示为：

(1)

式中：n为每个小块所包含的像素点个数；i为每个小块的行；j为每个小块的列；aij为每个小块每个像素点的灰度值。通过式(1)计算出的apq是一个没有规律的数值，为了进一步突出特征，在得到apq的值之后，将apq进行归一化，公式为：

(2)

式中：t为每个小块所允许的最小灰度均值。

表2列出了0～9十个数字归一化后apq的值。





表2 数字0～9的apq计算结果

如果直接通过提取待识别数字标识符感兴趣区域的这15个特征值，然后与模板数字的特征值一一进行比对，再通过比较找到差异最小来判定感兴趣区域的数字，那么计算耗费时间较长。通过分析我们发现，在表2中对于任意数字符的a11、a31、a02、a42这四个值都是相同的，那么可以利用这4个特征值来初步判定待识别字符是不是完整规范的数字，然后再比对其他11个特征，这样将提高识别效率。算法如下：

(a)令，若x≠1则说明待识别数字符不完整，退出整个识别流程；若x=1则进入下一步骤。

(b)对余下11个特征值与模板数字的特征值一一进行比对，识别数字并输出结果。