基于改進GAC模型的充電插座定位研究

甄倩倩，張庭亮

（1.安陽師范學院 軟件學院，河南 安陽 455000；2.安陽工學院 電子信息與電氣工程學院，河南 安陽 455000）

基于改進GAC模型的充電插座定位研究

甄倩倩1，張庭亮2

（1.安陽師范學院 軟件學院，河南 安陽 455000；2.安陽工學院 電子信息與電氣工程學院，河南 安陽 455000）

為了達到機器人自主充電的目的，需要定位墻壁上的充電插座，文章采用一種改進的GAC模型算法對插座圖像進行定位，該模型能夠克服傳統的GAC模型欠定位的缺點。在真實取景的圖像中進行實驗，實驗結果表明，改進的GAC模型算法在插孔定位上具有可行性、快速性和準確性。

機器人；GAC模型；插座定位

近幾十年來，科學家對人工智能的研究從未停止，機器人作為人工智能中重要的研究領域，近些年也取得了一定的成果。“機器人革命”有望成為“第三次工業革命”的一個切入點和重要增長點，其研發、制造、應用是衡量一個國家科技創新和高端制造業水平的重要標志[1]。隨著人類對智能家居的要求，服務機器人走入千家萬戶。但目前為止，大部分移動機器人都采用可充電蓄電池組來給機器人自身供電，通常只能維持幾個小時的工作時間[2]。因此，當電量降低到某種程度時，讓可移動機器人自主充電，成為亟待解決的問題。機器人完成自主充電的首要任務是定位出墻壁上的充電插孔。因此，本文針對移動機器人自動定位充電插孔算法的研究具有重要的理論和應用價值。

充電插孔定位的關鍵是將插孔和墻壁分割。近些年，很多學者對圖像定位技術進行了深入的研究，并取得了很多成果。羅希平等[3]介紹常見的圖像定位類別有：閾值定位、邊緣檢測、統計學定位方法等。每個類別中又包含很多具體的定位方法，幾何活動輪廓（geometric active contour，GAC）模型就是其中的一種。GAC模型是基于曲線演化和水平集理論的方法，該模型能夠克服參數活動輪廓模型依賴自由參數的缺陷[4]。并且，該模型對初值位置不敏感、具有穩定唯一的數值解等。幾何活動輪廓模型的這些良好特性已經引起了人們越來越多的關注[5]。目前，GAC模型在圖像定位中已取得很好的實驗效果[6]，但該模型對噪聲比較敏感，容易欠定位，若進行平滑去噪又會導致圖形的過定位[7]。文中采用GAC模型算法對充電插孔定位進行分析研究，從而確定該算法在充電插座定位方面的可行性、精確性和有效性。

1 幾何活動輪廓模型

1997年，Caselles等[8]提出了一種不含自由參數的GAC模型。GAC模型能量函數為：

C(s)函數為閉合曲線C，L（C）為C的弧長，s為弧長參數，?I為圖像I的梯度。應用變分法求極值，該模型所對應的梯度下降流為：

其中，k為曲線C的曲率，N是曲線C的單位法矢量，g如式（2）中的邊緣指示函數：

式（3）中k1為反差常數，對邊緣函數g的下降速率加以控制。

式（2）中，GAC模型演化時，受內外兩種力的支配，其中內力，是指曲線自身的曲率運動，曲率運動的強弱由圖像的標量場g（x,y）的控制。在圖像邊緣附近時，該力會變得很小，以致“停止”。而外力是指梯度?g。GAC模型當對象有較深的凹陷邊界時，GAC模型可能會停止在某一局部最小值狀態，為了解決這一問題，王大凱等[9]提出一種推廣GAC模型，并且該模型已經應用在文獻[10]以及文獻[11]中，該模型梯度下降流為：

式（4）中的c為可選常數。該模型中引入的力能夠加快曲線演化速率，且可以使曲線收縮到圖像深凹區域邊界。

本文采用改進的GAC模型進行充電插座的定位過程為：首先對插座圖像進行讀取，之后開始構造能量函數，引入非負常數項，求出梯度下降流函數，引入嵌入式函數，采用迎風方案求解水平集演化方程，設置相應的參數，水平集曲線演化，最終定位出結果。

2 實驗結果及分析

實驗環境為：算法的實驗環境為：CPU為Intel（R）Core（TM）i5-7200，內存為8 G，操作系統為Windows10，編譯環境為MATLAB R2015a。實驗數據：蘋果iphone6s手機所拍攝的室內墻壁圖片。當迭代步長為0.02，常數速度為13時，插座圖像原圖如圖1所示。通過改進GAC模型的Matlab程序對插座圖像定位過程如圖2所示。從圖2（l）可知，該改進的GAC模型能夠準確定位出插座的插孔。

圖1 插座圖像原圖

圖2 插座圖像定位分割過程

3 結語

本文主要介紹改進的GAC算法，并用該算法進行充電插座的定位，實驗結果表明，該方法可行、定位準確且快速。通過該方法，能夠準確定位充電插座，為可移動雙目視覺機器人自主充電提供了條件。但本文中所采用的改進的GAC算法中若用固定的常數c來定位所有的圖像不太現實，所以常數c的選擇，是圖像邊界定位的難點，也是改進GAC模型方面的研究方向。

[1]曲道奎.中國機器人產業發展現狀與展望[J].中國科學院院刊，2015（3）：342-346.

[2]萬樹春.基于雙目視覺的充電插座目標定位算法研究[D].長春：吉林大學，2015.

[3]羅希平，田捷，諸葛嬰，等.圖像定位方法綜述[J].模式定位與人工智能，1999（3）：300-312.

[4]楊松，羅培，羅浩元，等.基于改進的GAC模型圖像定位算法[J].光學技術，2016（2）：185-192.

[5]陳波，賴劍煌.用于圖像定位的活動輪廓模型綜述[J].中國圖象圖形學報，2007（1）：11-20.

[6]唐利明.基于GAC模型的自適應圖像定位算法[J].小型微型計算機系統，2010（6）：1223-1225.

[7]林錦.一種結合CV與GAC模型的物體輪廓提取方法[J].福州大學學報，2014（3）：387-392.

[8]CASELLES V，MOREL J M，SAPIRO G.Geodesic active contours[J].Computer Vision and Image Understanding，1997（1）：61-79.

[9]王大凱，侯榆青，彭進業.圖像處理的偏微分方程方法[M].北京：科學出版社，2008.

[10]孫穎，張新長，康停軍，等.改進GAC模型在點云和影像自動提取建筑物邊界中的應用[J].測繪學報，2013（3）：337-343.

[11]白雪冰，許景濤，宋恩來，等.基于改進GAC模型的木材表面缺陷圖像定位[J].福建林業科技，2016（3）：105-111.

Research on electrical socket location based on improved GAC model

Zhen Qianqian1, Zhang Tingliang2
（1.Software Engineering School, Anyang Normal University, Anyang 455000, China;2.Electronic Information and Electrical Engineering School, Anyang Institute of Technology, Anyang 455000, China）

In order to achieve autonomous charging of robots, it is necessary to locate the charging socket on the wall. In this paper, an improved GAC model algorithm is used to locate the socket image. This model can overcome the shortcomings of traditional GAC model.Experimental results show that the improved GAC model algorithm is feasible, fast and accurate in socket orientation.

robot; GAC model; socket location

甄倩倩（1988— ），女，河南開封人，助教，碩士；研究方向：智能信息處理。