《影模型的集装箱精确定位系统研究与实现》由会员分享，可在线阅读，更多相关《影模型的集装箱精确定位系统研究与实现（5页珍藏版）》请在金锄头文库上搜索。
1、基于射影模型的集装箱精确定位系统研究与实现Research & Realization on precise location of Container based on a Projective Model摘要Abstract为解决列车货运站集装箱定位的问题,引入基于图象分析的方法.首先在门吊系统的司机室拍To solve the problem of Container location in freight station, image analysis method is introduced. First of all scene photo is shoot from the dr
2、iver room of Door-hanging, with a fixed angle and a comprehensive vision.摄场景照片,使获得的图像方位固定,视野全面.然后通过吊具图像对集装箱进行定位,通过hough变换检测平行直线对车箱进行定位.最后建立了门吊系统的射影模型,并结合测得参数和实物尺寸估计出集装箱与车箱的相对位置关系.系统实际运行结果表明,基于图像的集装箱定位能减轻吊装工人的劳动负担,减少吊装的位置误差,增强货运的安全性.0引言正确吊装集装箱是列车安全货运的基本前提之一,因此集装箱与车匹的位置配准相当重要.由于铁轨的弯曲与列车停靠位置的不确定性,传统装车方
3、式只能依靠吊车司机的肉眼观察与经验完成配准,这种方式效率低下而且事故率高,误差大,严重的位置偏差甚至对列车的运行安全带来威胁,因此必须采用更先行的科学技术来辅助完成集装箱的配准工作.可选的位置配准技术方案主要有激光测距与图像处理两种,激光测距技术无法适应货运站的剧烈震动的环境,因此采用图像处理的方案.合适的图像可以反映集装箱与车箱的位置关系,然而,这种图像的采集并不容易,位置关系的反映也是仿射的和不稳定的,必须先在图像中找到车箱和集装箱的位置,然后将它们的大小比例还原,才可能得到它们的实际位置关系.本文系统地研究了利用图像进行集装箱定位所面临的图像采集,数据模型,物体定位等关键问题,并实现了系
4、统的软硬件开发,实践证明,本文所设计的定位系统误差在10厘米以内,操作方便,性能可靠,具有较高的理论意义与实用价值.1定位图像的获取集装箱装车时需要确定的主要是水平方向的位置,因此理想状态是从垂直方向拍摄整个场景的水平图,然而实际情况并不允许这样做.一方面得到整个水平图需要无限高的摄像机位置或与场景相同大的摄像头孔径,这两个条件显然都无法达到.另一方面,集装箱与车箱的尺寸很接近,从垂直方向看车箱很可能被完全遮挡.因此,只能采用侧上斜拍的方式.根据吊装环境的实际情况,可供选择的拍摄点有吊车室和司机室上的三个位置,既图1中的P1,P2,P3.其中P2,P3所拍摄到的图像中会包含司机室,为减少后续处
5、理的复杂度,本文的研究主要使用P1作为拍摄点.图1摄像机的位置2集装箱与车箱的图像定位集装箱定位的主要目的是要获得集装箱与目标车箱的相对位置差异,以便指导吊车司机进行装车作业.为此,必须首先在图像中识别出集装箱与车箱的位置.由于高度与水平距离的不同,并且不同集装箱的大小可能也不相同,集装箱与车箱在图像中的表现也各不相同,要对它们的位置确定并不容易.2.1集装箱定位从形状上看,集装箱都是长方体,比较容易识别.然而实际能拍摄到的图像中并不能得到集装箱的整体图像,并且不同物流公司的集装箱在颜色,大小等方面都不相同,很难将集装箱图像用于精确定位.幸运的是,作业过程中所使用的吊具是始终固定的,并且总能定
6、位到集装箱的中心位置,因此只需要确定吊具的位置就能获得集装箱的位置.对于吊具系统,我们可以先获得其去背景的照片(如图2),然后再在实际图像中进行目标定位.在获得吊具位置后,则可以根据吊具与集装箱的位置关系获得集装箱的颜色等信息,最后根据颜色信息得到集装箱的整体轮廓和区域.图2吊具系统2.2车箱定位虽然车箱是长方体容器,但由于集装箱的遮挡,能拍摄到的通常只是车箱的一个侧面(如图3所示).车箱的颜色与集装箱颜色差别较大,但却与路基颜色接近,因此只能从形状特征识别它.从图3也可以看出,车箱最明显的标识就是它的上边由两条相邻的平行线组成,由于摄像机的高度固定,这两条平行线的距离可视为固定值.另外,粗略
7、定位很容易由人工完成,也就是说拍照的方向可以固定为如图3所示的角度,车箱位置处于集装箱下方.于是车箱定位问题可以转化为自下而上搜索两箱平行直线的问题.图3车箱的照片3门吊系统的射影模型由于车箱与集装箱相对摄像机的距离不相同,图像中直接观察到的位置关系并不等价于它们实际的位置关系.成像过程实际上是从三维到二维的映射过程,为从图像中获得实际事物的位置关系,必须恢复这种映射.从二维图像恢复到三维的映射是个困难的问题,通常还是病态的(ill-posed)问题,但集装箱的定位问题有一些有利条件使问题简化.首先,集装箱与车箱的方向通常都是平行或接近平行的,因此在计算它们位置关系时通常只需要考虑它们在某一个
8、截面上的位置关系,也就是说我们只需要考虑将一个面映射到一条线的关系.其次,摄像机的高度是固定的,车箱高度也固定,因此可以事先确定摄像机到车箱的竖直高度H1.同时,我们还可以得到吊具的宽度,从而可以从图像中的吊具宽度推算集装箱的宽度和位置等信息.根据各种已知条件,我们可以抽象出如图4所示的门吊系统成像模型,其中F为摄像机的焦距.图4门吊系统的射影模型4集装箱位置校正的估计定位系统的最终研究目标是要确定集装箱与车箱的位置关系,从而指导吊装作业.根据前面的分析,在图4所示的射影模型中,已知数据有:吊具宽度W1,吊具中心与摄像机的水平距离W3,摄像机的焦距F,摄像机与车箱的竖直距离H1等,要估计的目标
9、是集装箱与车箱的水平距离W2.首先,由射影定理与勾股定理可以得到摄像机与集装箱的竖直距离为:,其中L3可以在图像中测得.再根据三角形相似可以得到集装箱的高度于是可得到摄像机到集装箱的水平距离为: ,摄像机到车箱的水平距离为: 最后可得到车箱与集装箱的水平距离: 5系统运行结果为提高生产效率,保证货运安全,上述定位系统被运用到成都某货运站中.系统运行性能稳定,系统误差较小.为测试系统的精度和稳定性,我们通过现场实验获得一组性能数据,实验中针对每个尺寸的集装箱和车箱分别做20交测试,如表1所示.表1定位系统的误差统计车箱宽度（m）集装箱宽度(m)平均绝对误差(mm)最大绝对误差(mm)最小绝对误差
10、(mm)3.162.1212.41833.162.1314.32123.162.2313.51603.162.3211.71543.162.3313.41723.162.3415.12233.242.1217.22683.242.1318.52843.242.2319.52973.242.3218.62493.242.3320.12873.242.3419.3313从表1可以看出,系统实际运行的最大误差为31mm ,远远小与系统设计的目标范围(100mm).同时系统的误差波动不大,有利于保持货车的平衡.6结束语实践证明,集装箱精确定位系统能有效帮助货运站完成吊装任务,不仅减少了吊装工人反复校正
11、的过程,而且使吊装位置的误差由200mm的范围减小到30mm的范围,为集装箱安全运输提供了技术上的保障.系统的不足之处在于,吊装的位置调整仍然需要工人参与,操作结果总存在较大误差,下一步的工作将是研究将定位系统与控制系统结合,实现吊装工作的自动化和智能化.参考文献 1Mahamud, S., Hebert, M., Iterative projective reconstruction from multiple views IEEE conf.Computer Vision and Pattern Recognition, 2000.2 Oliensis, J.; Govindu, V.;A
12、n experimental study of projective structure from motion, IEEE trans. Pattern Analysis and Machine Intelligence, Vol.21, Issue 7, July 1999, pp.665-6713 Zhao Yu-qian; Gui Wei-hua; etc., Medical Images Edge Detection Based on Mathematical Morphology, IEEE-EMBS 2005. 2005, pp.6492-64954 Wu, J.; Yin, Z
13、. P.; Xiong, Y., The Fast Multilevel Fuzzy Edge Detection of Blurry Images,Signal Processing Letters, IEEE, vol.14, Issue 5, 2007, pp.344-3475 Nakanishi, M.; Ogura, T., Real-time line extraction using a highly parallel Hough transform board, International conf. Image Processing, 1997, vol.2, pp.582 5856 Hu, Z.Y.; Yang, Y.; Tsui, H.T., In defense of the Hough transform, International conf. Pattern Recognition, 1998, vol.1, pp.24-26
