■葉健成

（北京郵電大學自動化學院，北京 100876）

飼料是關(guān)系到畜牧業(yè)的基礎(chǔ)商品，建立應急飼料儲備庫，處置突發(fā)農(nóng)業(yè)事件，快速有效地將飼料投放到市場，保障應急物資供應，對飼料工業(yè)的發(fā)展很有必要。要滿足應急儲備的作用，首先，其作業(yè)效率需要足夠高，作業(yè)量足夠大。其次，由于飼料是基本的畜牧業(yè)保障品，其建設(shè)及運營成本需要盡量低。隨著社會經(jīng)濟的發(fā)展，飼料裝卸等作業(yè)的人工效率越來越不能滿足大批量搬運的需求，受勞動力成本的提高以及飼料庫內(nèi)殺菌殺蟲物質(zhì)不利于工人身體健康等因素的影響，飼料工業(yè)自動化、信息化的需求越來越受到關(guān)注。

針對上述實際應用中的問題，經(jīng)過調(diào)查，在AGV小車設(shè)計的基礎(chǔ)上，對以托盤為單元的自動堆取車的定位技術(shù)進行相關(guān)研究。通過改進AGV的控制算法，完成小車對不同路徑信息的區(qū)分處理，實現(xiàn)其在不同位置的自動定位。同時，能夠?qū)崿F(xiàn)對貨品在運輸線上的批量取貨、搬運、到倉庫存儲位置的自動碼放，并且基于圖像識別技術(shù)，可對貨叉高度自動定位，實現(xiàn)對貨物的自動堆取。

AGV即自動引導車，是一種裝備有獨立動力源，有自動導向系統(tǒng)的無人駕駛運輸車。由于適應性好、柔性程度高、可靠性好、可實現(xiàn)生產(chǎn)和搬運功能的集成化和自動化，AGV作為一種成熟的技術(shù)和產(chǎn)品在發(fā)達國家已經(jīng)廣泛應用。在最近10～15年，各種新型AGV被廣泛地應用于各個領(lǐng)域，并且從僅有大公司應用，向小公司單臺應用轉(zhuǎn)變。

圖像識別技術(shù)的研究目標是根據(jù)觀測到的圖像，對其中的物體分辨其類別，做出有意義的判斷。即利用現(xiàn)代信息處理與計算技術(shù)模擬和完成人類的認識，理解過程。圖像識別的發(fā)展經(jīng)歷了3個階段：文字識別、數(shù)字圖像處理與識別、物體識別。圖像識別問題的數(shù)學本質(zhì)屬于模式空間到類別空間的映射問題。目前圖像識別正在向著信息化、智能化、網(wǎng)絡(luò)化、實時化等多個方面發(fā)展。利用嵌入式系統(tǒng)進行圖像處理是對傳統(tǒng)圖像處理硬件實現(xiàn)方法的挑戰(zhàn)。它的完成將為圖像處理開辟新的實現(xiàn)途徑，并且為嵌入式系統(tǒng)的應用再次打開一片新的領(lǐng)域，同時，由于圖像處理本身是一項極為有用的技術(shù)，所以也有廣泛的應用前景。

1 系統(tǒng)概況

本自動堆取機器車旨在完成沿指定引導路徑行駛，在不同地點自動定位停止，并實現(xiàn)對貨品在運輸線上的批量取貨、搬運、到倉庫存儲位置的自動碼放，以及對不同碼放高度的托盤進行自動提取的任務(wù)。包括自動引導小車系統(tǒng)模塊和基于圖像識別的貨叉堆取貨物控制模塊。

1.1 自動引導小車系統(tǒng)設(shè)計概況

在“飛思卡爾”杯全國大學生智能車比賽中，規(guī)則要求所設(shè)計的小車具有自動尋跡的功能，能在指定跑道行駛。對于有固定軌道引導的自動引導車，其工作方式與比賽中小車的運行方式十分相似。因此選擇該模型小車作為基礎(chǔ)，作為自動引導車設(shè)計的依據(jù)[1]。系統(tǒng)的整體框圖見圖1。該系統(tǒng)主要分為以下三大塊：

圖1 自動引導車系統(tǒng)框圖

①信息采集模塊：采集小車當前的位置與速度信息，傳給MCU。其核心是傳感器。

② 信息處理模塊：其核心是MCU，接收采集來的信號，對信號進行處理后作出判斷，發(fā)出控制命令。

③執(zhí)行模塊：接收到MCU的命令后便執(zhí)行相應的操作。

信息采集模塊又采集到電機和舵機的狀態(tài)信息，反饋給MCU，從而整個系統(tǒng)構(gòu)成一個閉環(huán)系統(tǒng)，使系統(tǒng)自動調(diào)節(jié)，達到正確行駛的目的。

1.2 系統(tǒng)硬件設(shè)計

1.2.1 微控制器模塊

為整個系統(tǒng)的核心，通過算法的編寫輸入，實現(xiàn)系統(tǒng)對輸入輸出信息的控制和處理。硬件結(jié)構(gòu)框圖見圖2。

圖2 系統(tǒng)硬件結(jié)構(gòu)

1.2.2 電源模塊

負責為其他模塊提供可靠電源。設(shè)計中，除需要考慮電壓范圍和電流容量等基本參數(shù)外，還要在電源轉(zhuǎn)換效率、噪聲、干擾和電路設(shè)計等方面進行優(yōu)化。

1.2.3 道路識別模塊

是本系統(tǒng)的關(guān)鍵模塊之一，它將路況的信息傳輸給主控制模塊，直接決定著小車的控制效果。而基于標識線圖像識別的導航方法，由于引導標識線的設(shè)置和變更相對容易，可作為道路識別的技術(shù)方法。

1.2.4 調(diào)試模塊

為后期調(diào)試提供數(shù)據(jù)通信。

1.2.5 速度檢測模塊

通過速度傳感器，對車模速度進行閉環(huán)反饋控制，可消除影響電機轉(zhuǎn)速的因素。

1.2.6 電機驅(qū)動模塊

采用全控型的開關(guān)功率元件進行脈沖調(diào)制(PWM)控制方式，可實現(xiàn)直流電機的驅(qū)動，并且很容易在單片機控制中實現(xiàn)。

1.3 系統(tǒng)軟件設(shè)計

1.3.1 圖像處理

為防止獲取的圖像信息中含有各種噪聲與畸變，影響圖像清晰程度，導致小車判斷錯誤，在采集完圖像后對圖像進行處理，使系統(tǒng)得到的數(shù)據(jù)為軌道的真實反映。

1.3.2 速度控制

由于硬件上安裝了車速傳感器，通過單片機脈沖累加模塊可計算出小車當前的車速，采用PID閉環(huán)控制，可以及時快速地調(diào)節(jié)車速達到預定值[2]。

1.3.3 轉(zhuǎn)向控制

由于小車與道路中心線的相對位置是舵機輸出轉(zhuǎn)角的積分量，舵機的控制規(guī)律可以采用負反饋控制，而選擇模糊控制算法，對不同的彎道曲率用不同的比例參數(shù)，可使小車在不同的彎道都有較好的轉(zhuǎn)彎效果。

1.3.4 自動定位控制

通過引導標識線的變化，使小車在不同路段采集不同的信息，改進速度控制算法，完成微控制器在不同信息下的不同處理，即可實現(xiàn)小車在指定地點的自動定位。

2 基于圖像識別的貨叉堆取貨物控制的設(shè)計

2.1 嵌入式系統(tǒng)應用技術(shù)

選擇嵌入式Linux作為平臺的操作系統(tǒng)，并將其移植到基于ARM920T處理器的硬件平臺上，構(gòu)建嵌入式Linux的交叉開發(fā)環(huán)境[3]。主要研究內(nèi)容包括嵌入式系統(tǒng)的開發(fā)方法，圖像處理平臺的系統(tǒng)設(shè)計、硬件設(shè)計，Linux操作系統(tǒng)的移植以及Linux操作系統(tǒng)下的軟件設(shè)計方法[4]。

2.2 圖像處理技術(shù)

可以通過眼固定形式的CCD自動變焦彩色攝像頭采集圖像，但由于光線、攝像頭鏡頭以及冗余圖像等多種原因，需要對原始圖像進行圖像去噪、邊緣檢測、圖像分割、特征擬合等多個步驟的處理并通過改寫OpenCv開源代碼對攝像機進行標定，計算出攝像機的內(nèi)外參數(shù)，具體流程見圖3。

①圖像去噪：一般的去噪算法有空間域濾波、變換域濾波、偏微分方程、變分法、形態(tài)學噪聲濾除器。研究中將根據(jù)采集的圖像所具噪聲的特點采用相應的去噪算法。

②邊緣檢測：是圖像最基本也是最重要的特征之一,通過提取目標和背景的分界線，可以大大減少所要處理的信息但是又保留圖像物體中的形狀信息。

③圖像分割：將圖像劃分成若干個與物體目標相對應的區(qū)域，根據(jù)目標和背景的先驗知識對圖像中的目標與背景進行標識、定位。將目標從背景或其他偽目標中分離出來，可避免所需目標和背景與整幅圖像融為一體，有利于進行圖像處理。

④特征擬合：經(jīng)過前面步驟的處理后，得到一系列我們感興趣的點，通過特征擬合還原出我們需要的幾何特征[5]。

圖3 圖像處理過程

3 自動堆取機器人定位的研究

3.1 自動引導小車系統(tǒng)硬件的設(shè)計及開發(fā)

控制核心(MCU)模塊：選取單片機機型為飛思卡爾公司的MC9S12DGl28；

電源管理模塊：由多個穩(wěn)壓電路組成，將充電電池電壓轉(zhuǎn)換成各個模塊所需要的電壓；

路徑識別模塊：包含CCD攝像頭及攝像頭采樣電路，其中給單片機配置的外圍芯片選用LMl881視頻同步信號分離芯片；

轉(zhuǎn)向舵機控制模塊：控制電路采用兩路PWM通道作為舵機角度控制；

電機驅(qū)動模塊：采用飛思卡爾公司的5A集成H橋芯片MC33886；

速度檢測模塊：采用紅外對管測速，進行閉環(huán)反饋控制提高車速準確性。

3.2 自動引導小車軟件系統(tǒng)結(jié)構(gòu)的設(shè)計

圖像處理：通過圖像的灰度變換、圖像的平滑處理、單行黑線提取算法處理、基于直線擬合實現(xiàn)，路徑識別的處理方式，保證系統(tǒng)得到的圖像數(shù)據(jù)為正確軌道的真實反映；

速度控制：采用數(shù)字式增量PID控制算法；轉(zhuǎn)向控制：采用了模糊控制算法。

3.3 嵌入式系統(tǒng)的技術(shù)實現(xiàn)

系統(tǒng)硬件平臺：系統(tǒng)的核心部分采用韓國三星電子公司推出的基于ARM920T內(nèi)核S3C2410嵌入式微處理器。其主要構(gòu)成是：ARM920T內(nèi)核，F(xiàn)LASH存儲器，用于Linux宿主機開發(fā)的RS232，用于系統(tǒng)運行時程序存取的SDRAM。ARM920T處理器內(nèi)部集成一個USB HOST設(shè)備以及一個DEVICE設(shè)備，符合USB1.1協(xié)議。利用HOST口可直接連接U盤等移動存儲設(shè)備，同時可作為主控制器操作各種USB設(shè)備。

Linux在S3C2410圖像處理平臺上的移植：獲取某一版本的Linux內(nèi)核源碼，根據(jù)我們的具體目標平臺對這源碼進行必要的改寫（主要是修改體系結(jié)構(gòu)相關(guān)部分），然后添加一些外設(shè)的驅(qū)動，打造一款適合于我們目標平臺的新操作系統(tǒng)（內(nèi)核的定制），對該系統(tǒng)進行針對我們目標平臺的交叉編譯，生成一個內(nèi)核鏡像文件，最后通過一些手段把該鏡像文件燒寫（安裝)到我們目標平臺中。其中難度最大的Linux源碼改寫工作一般由目標平臺提供商來完成。

嵌入式Linux下的程序開發(fā)：把一臺PC機作為宿主機開發(fā)機，并在其上安裝指定的操作系統(tǒng)(這里應安裝Linux系統(tǒng))，通過微處理器上的RS-232在宿主機上建立交叉編譯調(diào)試的開發(fā)環(huán)境。

3.4 圖像識別技術(shù)部分

圖像去噪：采用基于空間域的中值濾波法去噪,既可以去除噪聲又能保存圖像邊緣。

邊緣檢測：采用基于Canny算子的亞象素邊緣檢測，算法實現(xiàn)主要分為：圖像濾波、計算圖像梯度、抑制梯度非最大點、搜索邊界的起點、跟蹤邊界。

圖象分割：考慮到托盤的顏色特征比較固定與系統(tǒng)的實時性，采用HIS顏色模型以提取圖像中的有效特征，得到最后的二值邊緣圖。

特征擬合：采用基于概率的Hough變換，把檢測整體特性轉(zhuǎn)化為檢測局部特性。

4 結(jié)語

飼料儲藏是整個糧食流通領(lǐng)域中的一個重要環(huán)節(jié)，飼料倉儲技術(shù)對糧食的數(shù)量和質(zhì)量影響極大。我國飼料儲存技術(shù)需要圍繞如何提高飼料儲存效率和品質(zhì)等問題，完善和創(chuàng)新適應我國飼料儲藏實際情況的各種現(xiàn)代技術(shù)。而本文設(shè)計的基于AGV小車技術(shù)的自動堆取機器人具有減輕勞動強度、消除差錯、前期投入適中、可異地使用、提高倉儲自動化水平和物流效率等優(yōu)點。相信本文研究的以托盤為單元的自動堆取車多種定位技術(shù)的研究在未來的自動化倉儲中會扮演越來越重要的角色。