張科昌，生綠偉，楊洋洋，吳平平

(上海振華重工（集團(tuán)）股份有限公司，上海 200125)

關(guān)鍵字：輪胎吊；圖像識別；視覺定位；數(shù)字信號處理

引言

當(dāng)前，集裝箱碼頭堆場的主要裝卸設(shè)備有輪胎式集裝箱起重機(jī)（Rubber-Tyred Gantry,RTG）和軌道式集裝箱起重機(jī)（Rail-Mounted Gantry,RMG）。RTG 相較于RMG 有成本低、可以跨堆場作業(yè)的優(yōu)點。因為RTG 沒有固定的行駛軌道，所以它在大車行駛過程中需要不斷的進(jìn)行人工或者自動糾偏。為了降低RTG 操作的人工成本，改善RTG 的作業(yè)環(huán)境，提高集裝箱的裝卸效率，越來越多的港口開始使用自動化RTG。無人值守的自動化作業(yè)或半自動化作業(yè)已成為港口RTG 的發(fā)展趨勢。在全自動化或半自動化作業(yè)過程中，RTG 的定位檢測是其實現(xiàn)自動駕駛的前提和基礎(chǔ)。

RTG 體型龐大，大車行駛方向上的長度通常為23 m 左右，大車在堆場內(nèi)自動行駛時，行駛速度較快，最大速度一般為2 m/s，此時輪胎內(nèi)側(cè)與堆場最外側(cè)集裝箱的最小距離約為1.2 m。假設(shè)RTG 的輪胎內(nèi)側(cè)與集裝箱的最小距離為1.2 m，RTG 以最大速度行駛，大車在行使方向上的角度偏差只要有2.6°，那么在0.6 s 的時間內(nèi)就會撞箱，發(fā)生碰撞事故，影響生產(chǎn)的正常進(jìn)行，帶來經(jīng)濟(jì)損失。[1]隨著RTG 向自動化和智能化方向的發(fā)展，特別是在RTG的小車和起升裝置均已實現(xiàn)了一定程度自動化的情況下，實現(xiàn)RTG 大車在行走過程中的自動糾正偏差功能變得十分迫切。

自動化RTG 在自動化作業(yè)過程中，需要根據(jù)指令完成大車和小車的精準(zhǔn)定位。RTG 的大車和小車均行駛到目標(biāo)位置，然后需要司機(jī)手動或自動完成集裝箱鎖孔對位和開閉鎖動作，即完成了抓或放集裝箱作業(yè)。由于RTG 大車的定位檢測結(jié)果直接影響到自動化RTG 的工作效率和能源消耗，已成為自動化RTG 的重要關(guān)鍵技術(shù)之一。

目前，RTG 的大車定位方法主要有基于GPS的定位方法，基于激光器測距的定位方法，基于機(jī)器視覺的定位方法，基于磁條的定位方法等。其中，基于差分GPS 的定位技術(shù)由于成本高，定位精度和響應(yīng)速度有限，穩(wěn)定性不高，還會受天氣、吊車、燈塔等的影響出現(xiàn)信號盲區(qū)和短周期的跳動，其應(yīng)用推廣具有嚴(yán)重的局限性。基于激光器測距的定位方法需要借助實際的參照反射體來進(jìn)行定位測量，它對反射體的反射能力要求較高，且受外部光線等干擾嚴(yán)重，有時難以正確反映設(shè)備的實際位置?；诘孛媛裨O(shè)磁條的定位技術(shù)需要對堆場地面實施土建工程，且系統(tǒng)還會受到地面時常散落的金屬碎片的干擾，也沒有得到推廣和應(yīng)用?；跈C(jī)器視覺的定位方法是一種連續(xù)的非接觸式絕對位置檢測方法，在RTG 的自動駕駛中得到了廣泛的應(yīng)用，通常采用識別地面上已有的車道線或畫線的方式。采用圖像識別與電磁感應(yīng)相結(jié)合的方法對RTG 大車進(jìn)行糾偏和定位控制,大車方向上的定位精度為±40 mm，小車方向上的定位精度為±20 mm，滿足RTG 在自動化堆場內(nèi)作業(yè)時的定位精度要求。[2]但是，地面基準(zhǔn)線易受污染，無法滿足全天候作業(yè)的要求，且需要增加大車位置檢測設(shè)備，限制了基于機(jī)器視覺的定位方法的應(yīng)用和推廣。為了解決這一問題，提出了一種基于DSP 系統(tǒng)架構(gòu)的RTG 視覺定位方法，該方法首先利用圖像識別技術(shù)和參照體測距的方式計算出RTG 的位置和姿態(tài)，得到基于圖像參照的RTG 視覺定位算法；然后結(jié)合DSP 系統(tǒng)架構(gòu)的特性，從圖像識別算法，數(shù)據(jù)讀寫和編譯器等三個方面對定位算法進(jìn)行了優(yōu)化。利用視頻流進(jìn)行性能測試，實驗結(jié)果表明基于DSP 系統(tǒng)架構(gòu)的RTG 視覺定位方法在大車方向和小車方向上的定位精度均為±20 mm，每幀圖像的處理時間從最初的1～2 s 降至15～20 ms，大大提高了定位算法在DSP系統(tǒng)中的運行效率，能夠滿足港口自動化RTG 自動駕駛的實時定位要求。

1 基于圖像參照的RTG 視覺定位算法

基于圖像參照的RTG 定位是利用圖像識別技術(shù)和參照體測距的方式，不依賴于地面上易受污染的車道線，而是通過處理圖像中的參照體上的標(biāo)識信息進(jìn)行定位。該方法所依據(jù)的信息量是二維空間上的圖像信息，即從整幅圖像信息中提煉出一個坐標(biāo)位置信息，因此，它可以克服各種各樣的干擾信號，獲得穩(wěn)定且可靠的測量結(jié)果，如圖1 所示。

圖1 基于圖像參照的RTG 定位方法實施示意

該方法采用兩個工業(yè)相機(jī)（相機(jī)1 和相機(jī)2）來實現(xiàn)RTG 大車的單側(cè)定位，一個工業(yè)相機(jī)（相機(jī)3）實現(xiàn)另一側(cè)集裝箱的貝位中心定位。相機(jī)1和相機(jī)2 分別安裝在RTG 同側(cè)的前后位置，相機(jī)3安裝在對側(cè)的RTG 中心位置。相機(jī)1 和相機(jī)2 通過獲取預(yù)先在RTG 同側(cè)安裝的編碼標(biāo)識來獲取編碼信息，由于編碼標(biāo)識信息與堆場中的位置一一對應(yīng)，所以通過解析絕對位置編碼中的信息即可獲得RTG 大車的精準(zhǔn)位置信息。同時，由于編碼標(biāo)識的大小固定，通過計算相機(jī)圖像中的編碼標(biāo)識像素數(shù)量，可以計算出相機(jī)距編碼標(biāo)識的距離，再通過相機(jī)1 和相機(jī)2 與編碼標(biāo)識之間的距離，得到RTG 的朝向角，繼而實現(xiàn)RTG 的定位。

基于圖像參照的RTG視覺定位算法流程如圖2所示。相機(jī)采集圖像后，經(jīng)過圖像信號處理器（Image Signal Processing,ISP）傳輸至DSP 中。首先，算法對圖像進(jìn)行二值化處理，自適應(yīng)獲取閾值提取最佳圖像信息；[3]然后，通過形態(tài)學(xué)處理（膨脹、腐蝕等）消除圖像中較小的噪點，修復(fù)連通畫面中由于亮度不夠造成的殘損圖像；再后，對圖像進(jìn)行連通區(qū)域標(biāo)記，將代表編碼標(biāo)識的區(qū)域逐一標(biāo)記并記錄特征信息；最后，根據(jù)這些特征信息采用濾波算法剔除干擾，提取有效的編碼信息，計算和輸出定位結(jié)果。

圖2 基于圖像參照的RTG 視覺定位算法流程

2 基于DSP 系統(tǒng)的RTG 定位方法

基于圖像參照的RTG 視覺定位算法在DSP 系統(tǒng)架構(gòu)實現(xiàn)中存在效率低下的問題，針對這一問題進(jìn)行優(yōu)化，結(jié)合DSP 系統(tǒng)架構(gòu)特點提出了一種基于DSP 系統(tǒng)的RTG 定位方法。

因為基于圖像參照的RTG 視覺定位算法是按照預(yù)先編寫的程序執(zhí)行，通過不斷的數(shù)據(jù)讀寫和運算實現(xiàn)算法功能，所以優(yōu)化的對象主要有算法程序、數(shù)據(jù)讀寫和編譯器。算法程序方面的優(yōu)化主要指使用理論上復(fù)雜度更低的方法，對算法進(jìn)行改進(jìn)處理。數(shù)據(jù)讀寫方面的優(yōu)化是指遵從處理器數(shù)據(jù)讀寫的特性，通過增加或減少單次讀寫數(shù)量，減少讀寫路徑等方式，提高數(shù)據(jù)讀寫的效率。編譯器方面的優(yōu)化是指在編譯器層面對代碼編譯實現(xiàn)的優(yōu)化，它使得編譯后生成的二進(jìn)制文件更簡潔，高效地作用于設(shè)備之中，針對DSP 的系統(tǒng)架構(gòu)特點，從源代碼及文件組織等方式上進(jìn)行的優(yōu)化。

優(yōu)化策略可以選擇耗時最長或重復(fù)次數(shù)最多的部分優(yōu)先進(jìn)行，這樣能明顯的提升程序開發(fā)的效率。相對而言，后期對數(shù)據(jù)讀寫的改進(jìn)比算法的改進(jìn)效果更明顯，這是因為隨著算法的理論模型趨于完善，優(yōu)化空間有限，很難在短時間內(nèi)取得明顯的成效。

2.1 基于DSP 架構(gòu)的圖像處理優(yōu)化

圖3 展示了圖像識別算法在優(yōu)化前的各部分消耗時間分布，根據(jù)圖3 可知連通區(qū)域標(biāo)記消耗時間占整個算法的時間比重最大，若能縮短這個環(huán)節(jié)的用時就能夠顯著提高算法的整體效率，所以首先考慮針對這個環(huán)節(jié)的優(yōu)化。

圖3 圖像識別算法各部分消耗時間分布

通常情況下的連通區(qū)域標(biāo)記有兩種方式：深度優(yōu)先搜索算法和二次搜索算法。[4]深度優(yōu)先搜索算法通過棧操作實現(xiàn)，當(dāng)搜索到符合條件的像素時，將結(jié)果壓入堆棧中。若所有當(dāng)前符合條件的像素已經(jīng)完成了壓棧操作，然后從棧中取得下一個目標(biāo)像素點，重復(fù)上一步尋找壓棧的操作，直到所有符合條件的像素點都尋找完畢，即完成了整個搜索過程。在此過程中，棧的大小以及迭代的次數(shù)都是根據(jù)圖像的內(nèi)容信息變化而變化的，所以該方法的執(zhí)行效率與圖像的內(nèi)容有很強(qiáng)的關(guān)聯(lián)性，效率不穩(wěn)定。二次搜索法通過對圖像的兩次完整掃描來完成連通區(qū)域標(biāo)記的工作。第一次搜索是從上到下、從左到右依次搜索，給圖像做第一次標(biāo)記，當(dāng)發(fā)現(xiàn)當(dāng)前像素的周圍符合條件的像素標(biāo)記不同時，將數(shù)字較大的標(biāo)記加入數(shù)字較小的標(biāo)記的等價表中。第二次搜索是根據(jù)各個等價表替換現(xiàn)有標(biāo)記至各自表中最小的標(biāo)記，完成了整個搜索過程。在此過程中，無論圖像的內(nèi)容如何變化都要進(jìn)行二次圖像的搜索過程，唯一變化的就是等價表的大小以及數(shù)量。所以該方法的執(zhí)行效率與圖像的內(nèi)容關(guān)聯(lián)性較弱，效率穩(wěn)定。

因為德州儀器的C6000 系列DSP 同時擁有完整的2 套相同的處理單元，所以可以在同一時間完成更長字節(jié)的數(shù)據(jù)處理。根據(jù)這個特性，算法需要在迭代計算時盡量選用單層循環(huán)，并使循環(huán)內(nèi)容簡單，可以使編譯器在開啟軟件流水時能夠自動分配2 套處理單元，提高運行效率。連通區(qū)域標(biāo)記采用遞歸的深度優(yōu)先搜索算法，該算法雖然便于理解，但是其效率與圖像內(nèi)容相關(guān)性較大，即算法執(zhí)行時間受圖像內(nèi)容改變的影響很大。由于算法與圖像內(nèi)容關(guān)聯(lián)性較強(qiáng)，在每次執(zhí)行之前不能知曉所使用的循環(huán)次數(shù)，繼而編譯器無法靜態(tài)分配所有處理單元的工作，只能確保一套處理單元能夠正常工作，因此沒有充分發(fā)揮C6000 的計算性能。而二次搜索算法不同，算法性能與圖像內(nèi)容關(guān)聯(lián)性不大，只有在排列等價表時與內(nèi)容有關(guān)，但這部分耗時與總體相比很小。二次搜索算法中的循環(huán)內(nèi)容單一，使編譯器方便展開完成軟件流水，與迭代的深度優(yōu)先搜索算法相比，更高效地利用了DSP 處理器的架構(gòu)，提高了效率。

2.2 基于DSP 架構(gòu)的數(shù)據(jù)讀寫優(yōu)化

根據(jù)嵌入式DSP 系統(tǒng)的讀寫特性，基于DSP架構(gòu)的數(shù)據(jù)讀寫優(yōu)化主要從內(nèi)存管理、數(shù)據(jù)讀寫的處理量、讀寫次數(shù)和讀寫時間進(jìn)行優(yōu)化。

1）優(yōu)化內(nèi)存管理

DSP系統(tǒng)處理器中的各個存儲器的優(yōu)先級如圖4 所示，最快的是一級存儲器，依次是二級存儲器、外部存儲器。

圖4 處理器的存儲層次

C6000 系列DSP 數(shù)據(jù)存儲結(jié)構(gòu)如圖5 所示，離CPU 越近的存儲單元讀寫速度越快，存儲空間越??；離CPU 越遠(yuǎn)的存儲單元容量越大，但讀寫速度越慢。充分利用處理器內(nèi)部存儲的特性，可以有效地減少CPU 讀寫數(shù)據(jù)的路徑，達(dá)到提升數(shù)據(jù)讀寫效率的效果。

圖5 C6000 系列DSP 數(shù)據(jù)存儲結(jié)構(gòu)

非阻塞Cache 策略是降低失效延遲的傳統(tǒng)優(yōu)化策略，其主要思想是：當(dāng)出現(xiàn)一次Cache 失效時，繼續(xù)讓后續(xù)的命中訪存指令進(jìn)行訪問Cache 的操作，如果出現(xiàn)兩次訪問Cache 失效時，則阻塞流水線。根據(jù)程序局部性原理，隨后的訪存操作繼續(xù)命中的概率很小，并且很可能是訪問上一個或者下一個Cache 行的地址[5]，在內(nèi)存優(yōu)化中將分析解碼所需要的塊信息數(shù)據(jù)放入二級緩存（L2）中。

2）壓縮數(shù)據(jù)讀寫處理量

圖像數(shù)據(jù)使用無符號單字節(jié)（unsigned char）數(shù)組表示，即每個像素占用一個字節(jié)的存儲空間。在圖像二值化處理之后，每個像素所占用的字節(jié)信息內(nèi)容從255 個變?yōu)? 個，即0 和255，此時用0和1 來表示也能完整反應(yīng)圖像信息。這樣單個像素的信息存儲量從1 個字節(jié)（8bit）變?yōu)? 位（1bit），數(shù)據(jù)量就會降低為原來的1/8。壓縮后單字節(jié)就可以表達(dá)8 個像素的二值數(shù)據(jù)，大大降低了數(shù)據(jù)讀寫處理量。使用該優(yōu)化方法的缺陷是需要額外的時間，將數(shù)據(jù)打包解包。由于壓縮后的數(shù)據(jù)可以用于形態(tài)學(xué)處理，即脫離圖像數(shù)據(jù)本身進(jìn)行特征碼的提取，所以并不需要解包數(shù)據(jù)。

3）降低數(shù)據(jù)讀寫次數(shù)

在算法執(zhí)行過程中往往存在著一些循環(huán)內(nèi)容單一，數(shù)量龐大的查詢、賦值以及邏輯判斷操作。以二值化處理和直方圖統(tǒng)計來說，往往需要遍歷整幅圖像數(shù)次，才能完成灰度值統(tǒng)計及灰度值邏輯判斷賦值等操作。

該優(yōu)化方法充分利用了單指令多數(shù)據(jù)流（SIMD）的優(yōu)點，通過處理器的取址操作來實現(xiàn)在同一時間完成多個重復(fù)的操作。通過SIMD 能夠一次同時獲得多組連續(xù)的像素數(shù)據(jù)，并進(jìn)行統(tǒng)計賦值操作，即降低了整體的數(shù)據(jù)讀寫次數(shù)。

4）縮短數(shù)據(jù)讀寫時間

一般情況下CPU 在完成數(shù)據(jù)的讀寫操作時，計算處理單元就處于等待狀態(tài)。隨著圖像分辨率的增加，大規(guī)模的數(shù)據(jù)讀寫所造成的等待時間就越長，降低了算法效率。

DSP 系統(tǒng)里面特有的EDMA 單元可以直接按預(yù)先制定的搬運方式，將數(shù)據(jù)從起始地址搬運至目的地址，而中間過程無需CPU 的干預(yù)，真正實現(xiàn)流水線作業(yè)。當(dāng)有大數(shù)據(jù)塊讀寫時，使用EDMA 單元可以解放CPU，使之專注于計算處理，提高CPU的使用效率。值得注意的是，EDMA 單元本身需要一定的啟動時間，適于大塊數(shù)據(jù)的搬運場景。

2.3 DSP 系統(tǒng)編譯器優(yōu)化

DSP 系統(tǒng)編譯器的優(yōu)化主要包括基礎(chǔ)級優(yōu)化、局部變量級優(yōu)化、函數(shù)級優(yōu)化、文件級優(yōu)化等。[6]

基礎(chǔ)級優(yōu)化：簡化執(zhí)行控制流程圖；分配變量到寄存器；執(zhí)行循環(huán)旋轉(zhuǎn)；去除未使用的代碼；簡化表達(dá)式和語句；展開聲明為內(nèi)聯(lián)函數(shù)的函數(shù)調(diào)用。

局部變量級優(yōu)化：執(zhí)行局部拷貝；常量傳用；刪除未使用的賦值；去除局部公共表達(dá)式。

函數(shù)級優(yōu)化：執(zhí)行軟件流水；執(zhí)行循環(huán)優(yōu)化；去除全局公共子表達(dá)式；去除未使用的全局賦值；用指針格式代替循環(huán)里的數(shù)組引用；執(zhí)行循環(huán)展開。

文件級優(yōu)化：刪除從未調(diào)用的函數(shù)；優(yōu)化未使用返回值的函數(shù)；將部分內(nèi)容簡單的函數(shù)改為內(nèi)聯(lián)函數(shù)[7]；優(yōu)化函數(shù)聲明；判斷調(diào)用者屬性；將無變化的調(diào)用函數(shù)參數(shù)設(shè)置到函數(shù)體中；標(biāo)識文件變量字符。

允許進(jìn)行符號調(diào)試：在生成的可執(zhí)行文件的同時加入符號和行號信息，有利于進(jìn)行C程序的調(diào)試和剖析。[8]前述的幾種優(yōu)化方式存在過度優(yōu)化的可能，使程序的運行結(jié)果與預(yù)想不同，使用該方式可以方便排除過度優(yōu)化的干擾，便于后續(xù)問題的排查。為了使編譯器更好的利用軟件流水，避免因為過度優(yōu)化造成的程序運行問題，需要盡可能多的提供給編譯器信息。

3 性能測試

在測試現(xiàn)場錄制了1080P 視頻流，對基于DSP系統(tǒng)架構(gòu)的RTG 視覺定位方法進(jìn)行性能測試。測試中的相機(jī)采用的是分辨率為1920×1024 的傳感器，鏡頭的焦距為6 mm，相機(jī)內(nèi)部參數(shù)在安裝前已經(jīng)獲知，嵌入式 DSP 系統(tǒng)采用 TI 公司的TMS320DM6435。首先對該方法的定位精度進(jìn)行測試，以單點激光測距的結(jié)果為基準(zhǔn)，測試結(jié)果如圖6 所示，從圖中的誤差曲線可以看出，基于DSP 系統(tǒng)架構(gòu)的RTG 視覺定位方法在大車方向和小車方向上的定位精度均為±20 mm。

圖6 基于DSP 系統(tǒng)架構(gòu)的RTG 視覺定位測試結(jié)果

根據(jù)DSP 系統(tǒng)架構(gòu)的特性，分別從圖像識別算法、數(shù)據(jù)讀寫和編譯器三個方面對視覺定位算法的運行效率進(jìn)行優(yōu)化，算法優(yōu)化前后的測試結(jié)果如表1 所示，可以看出優(yōu)化后的算法總時間比優(yōu)化前縮短了133 ms，算法流程中的每個環(huán)節(jié)耗時都有明顯的下降，其中連通區(qū)域耗時占比最大，其優(yōu)化的結(jié)果明顯地提升了整個算法的效率。

表1 1080P 視頻流的優(yōu)化算法效率測試結(jié)果 /ms

4 結(jié)語

輪胎吊大車定位是輪胎吊自動駕駛的基礎(chǔ)，其中基于機(jī)器視覺的輪胎吊定位方法具有非接觸和絕對位置檢測的優(yōu)勢，但以地面基準(zhǔn)線作為參照的方法嚴(yán)重影響了輪胎吊的定位性能，為了解決這一問題，提出了一種基于DSP 系統(tǒng)架構(gòu)的RTG 視覺定位方法，該方法利用圖像識別技術(shù)和參照體測距的方式計算出RTG 的位置和姿態(tài)，得到基于圖像參照的RTG 視覺定位算法。又由于基于DSP 處理器的工業(yè)智能相機(jī)性能不僅與DSP 處理器的運算能力、體系結(jié)構(gòu)和存儲器組織架構(gòu)等硬件有關(guān)，還與軟件設(shè)計有關(guān)。軟件設(shè)計時應(yīng)充分利用DSP 處理器的體系結(jié)構(gòu)特性，盡可能的使DSP 的各個功能單元滿負(fù)荷運行，以便得到最大的性價比。因此，基于DSP 系統(tǒng)的輪胎吊定位方法利用DSP 系統(tǒng)的特性，從算法原理、數(shù)據(jù)讀寫以及編譯器三個方面優(yōu)化了基于圖像參照的RTG 定位方法，同時為開發(fā)基于DSP 的其他嵌入式算法提供了很好的指導(dǎo)方向。實驗結(jié)果表明，該方法在大車方向和小車方向上的定位精度均為±20 mm，通過算法優(yōu)化，數(shù)據(jù)讀寫優(yōu)化,編譯器優(yōu)化三方面相結(jié)合的優(yōu)化方法能夠大大提高算法在DSP 系統(tǒng)中的運行效率，在短時間內(nèi)獲得較高的收益，是優(yōu)化嵌入式算法最直接也是最有效的方法。