前言

　　自動導引車(automated guided vehicle，AGV)是自動化物流運輸系統、柔性生產組織系統的核心設備。agv的引導方式有電磁感應式、磁鐵—螺旋儀式、激光引導式、視覺引導式等。不同的引導方式不僅決定著由其組成的物流系統的柔性，也影響著系統運行的可靠性和系統成本。視覺引導式agv的基本原理是通過模擬人的視覺系統從而引導agv的運行，它具有理論上最佳的引導柔性[1]。視覺引導式agv在實際應用中存在多種運行工況，如加速、減速、停車、勻速行駛以及不同工位判別等。因此，對視覺引導式agv進行導航標識符識別研究是必要的，這也是反映視覺引導式agv優越于其他引導方式的標志之一。

　　導航標識符的設計

　　agv在實際應用中存在多種工況，這些是實現agv多分支路徑識別的基礎。根據agv實際運行的情況，設計了兩類導航標識符：一種是控制標識符；另一種是數字標識符。控制標識符的識別是根據不同標識符水平所截線段寬度的變化規律來判斷是加速、減速、停車還是正常行駛，加速標識符變化規律為小>中>大，減速標識符變化規律為大>中>小，停車標識符變化規律為小>大>小。數字標識符的識別是通過對路徑上的0～9這十個字符的識別，然后根據各個字符被賦予不同含義完成agv的自動導航。

　　加速符的形狀為短邊朝下的等腰梯形，下底邊長30mm，上底邊長60mm，高為30mm；減速符的形狀為短邊朝上的等腰梯形，下底邊長60mm，上底邊長30mm，高為30mm；停車標識符的形狀是直徑為30mm的實心圓。路徑導航線是寬度為30mm的矩形條，它表示勻速行駛。導航標識符和導航線的顏色都為黑色，以和路面背景相區分。

　　由于工廠及物流中心多以數字表示不同的工位，數字的準確識別充分的體現視覺導航agv所具有的最佳引導柔性，也將直接影響到以agv為核心的生產物流智能配送系統的實現。

　　視覺引導式agv在實際運行的過程中，是沿固定路線行駛的，數字標識符一般出現在導航線上，放置在黑色標示線中間，同時數字縱向的中心線盡可能與導航線中心線重合，導航線與數字下邊界之間有一個減速符，與數字上邊界之間有一段空缺距離，這樣便于提取數字標識符。實驗中采集到的數字以及數字的形式如圖2所示。本文所設計的數字工位0～9的數字字體是類似于led七段碼形狀的數字，高度為80mm，寬度為60mm。在實際運用中，我們發現將“1”設計成“”更容易識別。

　　標識符的識別方法

　　特征的提取與選擇

　　在一個完善的模式識別系統中，特征的提取與選擇這一技術環節是必不可少的，它通常處于對象特征數據采集和分類識別這兩個環節之間，起著承上啟下的作用。特征提取與選擇品質的優劣極大地影響著分類器的設計和性能，它是模式識別三大核心問題之一。特征提取與選擇的基本任務是如何從眾多特征中找出那些最有效的特征，即把高維特征空間壓縮到低維特征空間，同時保留住絕大部分樣本信息，以便更有效地設計分類器。

　　目前，用于圖像處理的特征主要有：(1)幾何特征，如邊緣、紋理、輪廓、焦點(或角點)；(2)灰度統計特征，如灰度直方圖、頻譜、矩；(3)變換特征，如fourier描繪子、walsh變換系數等[1]。為了有效地完成識別或匹配，常常要求所提取的特征具有旋轉不變性。關于特征不變量，一是直接從原始的目標中提取，二是從已抽取的特征中構造不變量。本文以全局特征為立足點，通過控制標識符本身的形狀特征構造特征向量來實現對它的識別，采用圖像的灰度均值為主要特征量實現對數字特征的提取與識別。

　　圖像采集卡采集到一幀圖像后，首先對圖像進行預處理以除字符圖像中的噪聲、壓縮冗余信息，得到規范化的點陣；然后判斷當前圖像中是否有導航標識符出現，如果沒有則進入路徑識別模塊(這里假設自動導引車沒有偏離導航線)；反之，則判斷是數字標識符還是控制標識符，如果是控制標識符則進行控制標識符識別，如果是數字標識符將采取以下步驟：(1)抽行掃描，分析每行交點數目和邊界信息，確定數字標識符的感興趣區域，(2)提取數字標識符的特征，(3)應用特征匹配法進行數字識別并輸出，(4)回歸導航線。

　　標識符分類識別(1) 控制標識符識別

　　在圖像處理技術中，圖像區域的邊界往往對應景物的邊緣，而且人類的視覺系統也多是根據目標的邊緣進行識別的。在經過圖像預處理，獲得了感興趣區域內目標的單純邊界信息之后，對于控制標識符而言，加速減速標識符的兩條斜邊和停車符的圓弧邊即是模式識別中的特征。因此，可以依據標識符本身的形狀特征構造特征向量，從而進行目標識別。

　　具體的識別方法如下：對感興趣區域內控制標識符進行水平抽行掃描，得到三個關于掃描線截得標識符線段寬度的數值，并分別賦給三個變量：e1，e2，e3。它們分別大致體現了控制標識符前端寬度，中部寬度，后部寬度；然后依據線段寬度的變化規律，采用特征匹配法識別控制標識符，對應關系如表1所示。

　　(2) 數字標識符識別

　　數字標識符的引入是視覺引導agv較其它類型agv的一大優勢，數字標識符可以為agv導航提供豐富的信息，并且此標識符設置簡單，容易識別，具有很高的實用價值。利用數字標識符可以標記停車位置、停車時間和行使中的分岔路選擇等操作，這是其它類型的agv所無法比擬的[3]。數字標識符識別的步驟一般要經過以下四部分：圖像的預處理、數字區域的搜索、數字的特征提取、數字的識別[4]。

　　對采集到的一幀數字圖像經過預處理及數字區域的搜索后，原圖像轉化為由像素點組成的二值圖像，如圖4左邊圖所示。分析led七段碼格式數字的組成結構，并且使數字的基本特征在分割后仍將能夠反映其本身的特性不變，將圖像共分割成5×3個子塊，5行的劃分比例為1:2.5:1:2.5:1；3列的劃分比例為1:4:1，以apq (p=0，1，2，3，4；q=0，1，2)來標記各個子塊。

　　數字符“6”的分割及各子塊的表示

　　a00 a01 a02

　　a10 a11 a12

　　a20 a21 a22

　　a30 a31 a32

　　a40 a41 a42

　　數字符“6”的分割及各子塊的表示

　　同時用apq記錄每個子塊內所有像素點的灰度值均值。用公式表示為：

　　(1)式中：n為每個小塊所包含的像素點個數；i為每個小塊的行；j為每個小塊的列；aij為每個小塊每個像素點的灰度值。通過式(1)計算出的apq是一個沒有規律的數值，為了進一步突出特征，在得到apq的值之后，將apq進行歸一化，公式為：

　　(2)式中：t為每個小塊所允許的最小灰度均值。

　　表2列出了0～9十個數字歸一化后apq的值。

　　如果直接通過提取待識別數字標識符感興趣區域的這15個特征值，然后與模板數字的特征值一一進行比對，再通過比較找到差異最小來判定感興趣區域的數字，那么計算耗費時間較長。通過分析我們發現，在表2中對于任意數字符的a11、a31、a02、a42這四個值都是相同的，那么可以利用這4個特征值來初步判定待識別字符是不是完整規范的數字，然后再比對其他11個特征，這樣將提高識別效率。算法如下：

　　(a)令 ，若x≠1則說明待識別數字符不完整，退出整個識別流程；若x=1則進入下一步驟。

　　(b)對余下11個特征值與模板數字的特征值一一進行比對，識別數字并輸出結果。

　　標識符識別測試實驗

　　為驗證本文提出的算法及理論的有效性、可靠性和準確性，在實驗室的水磨石路面背景下，鋪設agv導航線，并在導航路徑上放置控制標識符和數字標識符。圖5所示為控制標識符實驗現場，圖6為20幅驗證數字標識符識別算法的圖像樣本，包含了0～9十個數字的兩組不同旋轉角度的圖像。

　　在控制標識符識別實驗中，本文所設計的控制標識符能很好地模擬出現場環境，依據控制標識符的幾何特征來識別標識符的方法，能夠在較為復雜的環境下快速、準確地識別控制標識符。

　　在識別數字標識符的實驗中，樣本對應的特征值計算結果正確無誤。這種簡單識別數字的方法的準確率較高，而且每次識別數字耗時僅為1ms。在實際應用中，決定識別效率的主要瓶頸在于圖像分割環節中從感興趣區域里面抽取出標識符的精確輪廓，而本文提出的對標識符完整性的初步判斷，大大減少了對非完整數字標識符的冗余識別，提高了整個agv導航過程的流暢性。

　　結束語

　　基于機器視覺的agv導航是目前智能車領域的熱門研究課題，視覺引導的agv可以高效地進行運動速度控制，識別多分支路徑以及各種停車工位，是其智能化的重要表現。本文設計了兩類導航標識符并給出識別方法，經實驗驗證，這兩類導航標識符的應用，大大的提高了agv的智能性，滿足對標識符識別實時性、準確性以及魯棒性的要求，達到了預期目標。為視覺導航agv的高智能化發展提供了新思路。