图像定位系统【煤炭车辆自动计重定位系统的图像边缘检测设计与实现】

　　摘要：在煤炭计重信息化、数字化过程中，煤炭车辆处在不同的地磅位置，对自动计量结果的准确性有重要影响。针对煤炭企业的需要，本文阐述了灰度直方图均衡法进行过磅车辆图像预处理的方法，应用虚拟检测线设置方法，通过过磅压线检测图像识别技术自动判别煤炭车辆是否处于计量的合理位置；在图像识别上，考虑到煤炭车辆计重环境常常处在多粉尘等不利因素，造成图像识别过程中图像模糊，因此，采用差分法提取车辆边缘轮廓；在压线判定原理上，采用了一种基于数学平面几何的判定规则，无需进行大量的运算；最后，建立了相应的煤炭车辆计重自动定位模型并进行了初步应用。
　　关键词：虚拟检测线 检测图像识别 流动蚂蚁线 Canny算子 车辆定位
　　中图分类号：TP391.41 文献标识码：A 文章编号：1007-9416(2012)01-0078-03
　　
　　1、引言
　　随着国家数字矿山的不断发展，目前多数煤炭企业都实现煤炭计重信息化、数字化。众所周知，在计重过程中，煤炭车辆能否处于合理范围计重，对自动计重结果的准确性有重要影响。但是目前煤炭计重过程中，依然普遍存在着依靠人工肉眼主观判断和识别煤炭车辆是否停放在合理的计重范围，这不仅影响到煤炭计重数据的准确性，更重要的是存在着计重作弊的漏洞，影响到计重监管的可靠性。因此，煤炭车辆计重自动定位是目前煤矿企业数字化建设中需要解决的关键技术之一。
　　目前，煤矿企业解决车辆计重自动定位问题主要是利用红外对射器进行车辆自动定位识别。这种方法的优点是技术原理简单，易于实现和掌握；但是硬件设备投资大、占用空间多，施工比较复杂。本文提出应用虚拟检测线设置方法，通过过磅压线检测图像识别技术自动判别煤炭车辆是否处于计重的合理位置，建立了相应的煤炭车辆计重自动定位模型。其基本原理是：流动蚂蚁线算法设置车辆虚拟检测线，采用Canny算子对车辆进行图像识别，采用差分法提取车辆边缘轮廓；在此基础上，通过灰度直方图拉伸和滤波对车轮边缘定位；最后，采用了一种基于数学平面几何的判定规则，自动判断车辆是否处在车辆虚拟检测线的合理范围内。
　　2、过磅车辆图像预处理i
　　待处理的车辆图像往往来自于地磅煤台端点处的CCD摄像头，但地磅煤台大多距离矿山采掘现场较近，且运输货物为煤炭，所处环境灰尘多、光线差、振动大，因此所采集获得的车辆图像质量较差，需要对图像进行预处理。图像预处理的方法很多，本系统采用灰度直方图均衡法。一些图像由于其灰度分布集中在较窄的区间，对比度很弱，图像细节看不清楚，采用图像灰度直方图均衡处理后，使得图像灰度分布趋向均匀，图像所占的像素灰度间距拉开，加大了图像的反差，增强图像的对比度；此外，灰度直方图均衡法能够有效去除因为光照强弱等原因造成的摄像不清、对比度不够等现象，有效地增强图像的视觉显示效果。车辆图像预处理效果如图1所示。
　　3、地磅平台检测线设置
　　检测线的设置对于后面图像识别判断具有重要作用，具体做法如下：
　　3.1 检测线设置
　　根据需要在图像上用鼠标移动，程序在后台记录鼠标所经过的所有点的坐标，点击保存按钮将蚂蚁线首尾坐标保存到INI配置文件中以备处理调用。
　　3.2 流动蚂蚁线设置
　　调用回调函数，在程序中设置定时器，每隔一定时间触发一次定时器，在定时器的触发事件中添加画线的代码。
　　(1)回调函数：
　　本算法中用到的回调函数定义如下：
　　(2)流动蚂蚁线坐标参数记录：
　　在image控件的OnMouseMove事件中添加代码如下：
　　其中pointarray为point类型的全局数组，通过运动鼠标获取的点的坐标全部存放在pointarray数组中。
　　借助定时器，调用LineDDA函数实现流动蚂蚁线的绘制：LineDDA(pointarray[j].X,pointarray[j].Y,pointarray[j+1].X,pointarray[j+1].Y,@MovingDots,LongInt(image1.Canvas))，流动蚂蚁检测线设置效果图如图2所示。
　　4、压线检测核心算法
　　获得过磅车辆的检测线后，需要寻找理想的地磅边缘定位算法来定位地磅的边缘区域。具体做法如下：
　　4.1 图像的边缘检测算法
　　本文采用Canny算子对图像进行检测，其效果如图3所示。
　　4.2 车辆边缘轮廓提取与识别
　　将监控区域的背景图像或某一时刻非过磅状态的图像作为监控的原始标准图像，当地磅中有车过磅，车辆的图像覆盖了原始标准图像的一部分，通过摄像器抓取的图像在部分像素上与原背景图像对比发生了一定的变化，通过差影法，可以将目标图像从背景中分离出来。经过差影法可得目标车辆的灰度图和边缘检测图，其效果如图4所示。
　　4.3 目标车辆的车轮定位
　　对经过腐蚀与膨胀处理后的车辆图像，在进一步进行灰度直方图拉伸和滤波之后，即可对车轮边缘进行定位。具体做法如下：
　　(1)对增强处理后的车辆二值图像进行垂直投影，其效果如图5所示。
　　
　　图5 车辆二值化图像与车辆垂直投影图
　　由图5可以看出，在垂直位置上，车轮所在位置的纵坐标位置黑色像素点最多，从而通过垂直投影，计算各垂直线的黑色像素点，像素点最多的位置即为车轮所在的位置。可以看出，图中的两个波峰位置即为货车车轮坐标的位置。
　　(2)对增强处理后的车辆二值图像进行边缘检测，并进一步对目标图像进行反色处理。
　　5、压线检测识别
　　车辆压线的判别依据及主要步骤如下：
　　(1)以图像左上角为原点(0,0)建立直角坐标系，如图6所示；
　　(2)设检测线监测区域坐标为(X0,Y0)--(X1,Y1)，令经过此两点的直线模型方程为；
　　(3)软件检测识别车辆的车轮坐标位置，设其中车轮与地面接触点的坐标点为A和B；
　　(4)将坐标点A带入直线模型方程，若返回值为负数，则表明点A位于检测线图像上方，即A点未超过检测线区域；反之，表明A点超过检测线区域。
　　(5)同理将点B带入直线模型方程，判断B点与检测线的相对位置，综合A点与B点的结果，判定货车是否压线。
　　在图6中，点A位于直线模型的上方，带入直线方程的返回值为负数；点B位于直线模型的下方，带入直线方程后的返回值为正数。
　　6、应用
　　所建立的煤炭车辆计重定位模型已经在福建某矿获得初步应用，如图7所示。应用表明，计重车辆都能定位在计重的合理范围，达到了预期效果。
　　7、初步结论
　　本文基于耀华等地磅仪表采集计量数据和高性能的天敏SDK2500视频采集卡实现煤炭车辆自动计重定位，完成了计量数据采集模块、图形报表模块、图像采集和预处理模块、检测线设置模块、压线处理判断模块等各个模块的设计，实际应用表明了煤炭车辆自动计重定位系统可以有效地取代传统的红外定位识别技术和解决人工定位识别的主观性问题。
　　同时，在压线识别模式中，采取了设置虚拟边缘检测线的方法，方便灵活，能够有效解决煤炭企业因生产环境而造成的实体检测线易磨损、易被灰尘掩盖等问题。
　　灰度直方图均衡法能够有效去除因为光照强弱、矿尘等原因造成的摄像不清、对比度不够等现象，增强图像的视觉显示效果，提高该系统在煤矿企业应用的环境适应性。
　　参考文献
　　[1]钟军,汪晓平.Delphi网络通信协议分析与应用实现. 北京:人民邮电出版社,2003.
　　[2]陈姗姗.数字图像处理与识别技术的应用研究--临床龋齿检测系统.2006,北京邮电大学.
　　[3]Niklas Peinecke, Franz-Erich Wolter, Martin Reuter. Laplace spectra as fingerprints for image recognition. Computer-Aided Design,2007,39:460-476.
　　[4]Zhuowen Tu, Xiangrong Chen, Alan L, Yuille, Song-Chun Zhu. Image Parsing: Unifying Segmentation, Detection, and Recognition. International Journal of Computer Vision ,2005,63(2):113-140.
　　[5]Xiaoyang Tan, Songcan Chen, Zhi-Hua Zhou, Fuyan Zhang. Face recognition from a single image per person: A survey. Pattern Recognition,2006,39(9):1725-1745.
　　[6]Xiaofei He, Shuicheng Yan, Yuxiao Hu, Niyogi, Hong-Jiang Zhang. Face recognition using Laplacianfaces. Pattern Analysis and Machine Intelligence,2005,27(3):328-340.
　　[7]刘俊.Delphi数字图像处理及高级应用.北京:科学出版社,2003.
　　作者简介
　　俞新芳（1971年3月）、男、本科、工程师、数字矿山；福建煤电股份有限公司信息调度中心、福建龙岩新罗区、364000。
　　资助项目
　　福建省高校产学合作科技重大项目（2011H6027）。
本文为全文原貌 未安装PDF浏览器用户请先下载安装 原版全文