基于機器視覺的穿梭車安全運行檢測系統

文/張廣喜 李春杰 胡遵寶

一、項目研究依據

1.項目研究背景和目的

在倉儲系統中，貨物搬運與運輸占據著重要的地位，是連接生產與倉儲的必要的中間環節。在煙草企業的物流運輸過程中，貨物搬運和運輸普遍采用自動化無人監管穿梭車運輸的方式以提高作業效率（如圖1）。

相對于傳統的固定運輸方式，穿梭車具備智能化、速度快、可靠性高和穩定性好等特點。煙廠穿梭車運輸軌道一般為敞開式，兩側不設置柵欄、小車周圍亦未添加擋板，這種方式可以提升分揀速度及工作效率，但同時存在生產安全問題，例如工作人員檢修維護、無意識穿越、貨運平臺貨物掉落導致的生產故障等。

機器視覺又稱為計算機視覺，是一種將圖像處理，圖像分析和圖像識別等相結合的技術，隨著計算機軟件、硬件技術的發展，以及機器視覺檢測、模式識別理論的發展和完善，已逐漸在生產安全領域得到研究和應用。

針對此現狀，本項目研究基于機器視覺的生產線安全監測系統，擬采用機器視覺的方法檢測穿梭車軌道區域是否有人員闖入或軌道上是否有貨物掉落，判定運輸軌道是否安全，并將軌道區域安全與否信號輸出給物流調度控制系統，以解決煙草企業現場的全自動化物流運輸軌道區域的安全隱患問題。項目基于視覺檢測，輔以紅外熱釋電檢測方法，以VC++6.0為軟件開發平臺，通過實現圖像處理算法檢測，設計開發一套煙廠生產線物流穿梭車運行軌道安全實時檢測系統，以保證生產的高效、安全、可靠進行。

2.同類技術的研究現狀

廈門煙草工業有限責任公司的鐘毅虹申請了《穿梭車安全距離檢測裝置》的實用新型發明專利，該專利采用在穿梭車車體上安裝光電管檢測穿梭車行進方向是否存在障礙物來檢測穿梭車安全，該方法對于障礙物對光電管光信號產生遮擋時有效，但對于光信號未遮擋和突發狀況等的情形無效；北京郵電大學的王小寧對直線往復式軌道穿梭車的避讓策略進行仿真研究，該研究主要是對穿梭車的運行軌跡進行優化仿真以實現生產線的快速、合理運行，但未針對運行軌道區域安全檢測和控制策略進行研究。

圖1：生產現場穿梭車

圖2：項目研究思路

圖3：項目系統組成示意圖

圖4：紅外熱釋電(PIR)傳感器報警結構圖

圖5：紅外熱釋電檢測示意圖

圖6：紅外熱釋電測試實物圖

圖7：機器視覺檢測與識別流程圖

北京交通大學的魯欣研究了《基于機器視覺的道岔安全檢測系統的設計與實現》以解決鐵路道岔口的突發安全問題；浙江工業大學林璐璐針對自動門的安全研究《基于全方位視覺的自動門安全和節能檢測技術》；蘭州交通大學馬宏峰針對鐵路運營中異物侵限事故頻發，嚴重影響列車行車安全的問題，研究《基于機器視覺的鐵路異物侵限分布式智能監控技術研究》，通過機器視覺技術實現鐵路異物侵限的檢測與識別，并達到鐵路行車安全全過程的監測、預警及安全管理；東北大學楊麗針對汽車行駛車道安全研究《基于機器視覺的車道安全預警算法的研究與實現》提高道路交通安全。

通過查閱大量文獻，目前尚未有專門針對穿梭車運行安全的研究或報導，基于機器視覺安全檢測的研究在鐵路和城市道路交通等領域有集中體現。煙草企業現場生產線的高度自動化和智能化、穿梭車安全可靠運行是保證高效生產的重要前提，因此本項目針對穿梭車運行作業現場工況特點和目標特征，提出基于機器視覺的生產線穿梭車安全運行檢測系統。

二、項目的研究內容

1.研究思路

穿梭車生產線安全監測的目標事件包括人員闖入和軌道異常（有異物）兩部分。本項目研究實時獲取安裝在軌道斜上方的工業攝像機所采集的運輸軌道與穿梭車圖像數據，并對所獲取的圖像數據進行預處理、識別判定軌道的安全狀態；為嚴格保障人身安全，通過在軌道首尾四角安裝紅外熱釋電傳感器以檢測并獲得人員闖入軌道運輸區域的觸發信號，該觸發信號有效則判定軌道有人員闖入，項目研究思路，如圖2，系統組成示意圖，如圖3。

2.研究內容

基于上述研究思路，本項目研究內容主要分為兩大部分：紅外熱釋電檢測、機器視覺識別檢測。

（1）紅外熱釋電檢測

圖8：攝像機圖像和感興趣區域獲取

圖9：運動目標檢測過程

圖10：陰影消除結果

圖11：形態學處理

圖12：運動目標識別過程

圖13：軌道內區域分析

紅外熱釋電 (PIR)傳感器，也稱為熱紅外傳感器，是一種能檢測人體發射的紅外線的新型高靈敏度紅外探測元件。它能以非接觸形式檢測出人體輻射的紅外線能量的變化，并將其轉換成電壓信號輸出。而且，該傳感器可以鑒別出運動的生物與其它非生物。

紅外熱釋電報警器將菲涅爾透鏡和熱釋電紅外傳感器相結合使用，其工作原理示意圖，如圖4。

該結構圖中的菲涅爾透鏡利用透鏡的特殊光學原理，在探測器前方產生交替變化的“盲區”和“高靈敏區”，以提高它的探測接收靈敏度。當有人從透鏡前走過時，人體發出的紅外線不斷交替從“盲區”進入“高靈敏區”，這樣就使接收到的紅外信號以忽強忽弱的脈沖形式輸入，從而增強其能量幅度。

人體輻射的紅外線中心波長為9～10μm，而探測元件的波長靈敏度在0.2～20μm范圍內幾乎穩定不變。在傳感器頂端開設了一個裝有濾光鏡片的窗口，濾光片可通過光的波長范圍為7～10μm，正好適合于人體紅外輻射的探測，而對其它波長的紅外線由濾光片予以吸收，這樣便形成了一種專門用作探測人體輻射的紅外線傳感器，如圖5。

為提高報警器的可靠性，該報警器除了利用紅外熱釋電進行人體探測外，還使用微波進行人體的探測，雙重檢測可將誤報降到最低。

針對人員的安全，本項目已設計紅外熱釋電報警電路，具體測試模塊，如圖6，主要包括紅外熱釋電報警器、主控電路板、電源等。經過實驗測試，紅外熱釋電報警電路可實現準確的人體探測報警，當有人員闖入穿梭車軌道區域，電路即發出報警信號并將該信號送入物流調度控制系統。

圖14：人的識別

圖15：物的識別

（2）機器視覺檢測與識別模型

為檢測是否有人進入煙廠生產線，視覺檢測算法流程主要包括圖像獲取、運動目標檢測和運動目標識別三個過程（如圖7）。與之相對應，從圖像處理技術角度看，主要涉及圖像采集、圖像增強、灰度化、閾值分割、特征提取和模板匹配等環節。圖像增強用以提高目標圖像中的背景（本項目圖像中的運輸軌道）和前景（感興趣目標，例如在本項目的出現在運輸軌道上的運輸小車、人或掉落的貨物）的差異程度；圖像灰度化和閾值分割則是為后續的特征提取做準備，目的是將感興趣目標和圖像背景盡量分成不同的亮度特征集合；特征提取則為提取感興趣目標的輪廓或統計等的信息；最后將目標的輪廓或統計信息通過模式匹配的方式進行判定，以確定運輸軌道區域是否與正常生產模式相符合，生產是否安全。整個系統框架，如圖7。

①高質量圖像獲取

為了抓拍生產線穿梭車和人圖像，通過調節照相機的亮度和參數設置，使得相機獲得清晰的圖像。其中，光照的均勻程度、相機的相關參數配置和興趣區圖像的獲取是獲取高質量的關鍵（本項目在實驗室搭建了視覺檢測平臺），圖像和感興趣區域獲取，如圖8。

②運動目標檢測

運動目標分割：如圖9，采用混合高斯模型進行建模，其本質是建立一個和當前幀進行比較的背景圖片，其背景圖像通過對過去圖像序列的學習來獲得，并能夠很好地描述當前時刻的背景信息。該建模方法其優勢在于，建模和更新的過程能夠較好的描述存在一定周期變化和緩慢變化的背景，對緩慢的光照變化也有較好的適應能力，而且計算較為簡單。

陰影消除：通過運動目標分割得到的運動目標區域，是包含大量噪聲和運動目標的陰影，這一問題會對后續目標提取操作有極大的影響，其目標區域的分割結果直接決定著目標模型的匹配和更新的像素范圍。所以，必須要消除圖像中的陰影。我們通過排除亮度信息的影響，依據色調不受陰影影響的特點來解決這一問題。在RGB空間中，陰影會使背景亮度減低，并一定程度影響色飽和度，但不影響其色調，來分辨可能的陰影區域（具體處理結果，如圖10）。

形態學處理：經過陰影處理后的圖像目標包含大量孔洞，背景區域也存在很多噪聲點，采用形態學處理方法進行處理。其基本操作是膨脹和腐蝕，或組合成開/閉操作來對形狀進行過濾。

為提高計算效率，我們針對噪聲不嚴重的情況，我們只刪除前景點中的孤立點；當噪聲嚴重時，我們采用先開后閉的操作，對整個前景檢測結果進行過濾。將二值圖像數據打包成整型變量中的位數據，再以位操作來實現膨脹和腐蝕操作中的“或”和“與”的運算，可以極大地提高形態學操作的速度（處理結果，如圖11）。

③運動目標識別

運動目標識別過程，如圖12。

特征描述：由于局部特征描述子在外觀變化中表現出很強的魯棒性，并能自適應地處理的目標分割和部分遮擋的情況，我們選用SIFT（Scale-invariant feature transform）描述子。為了提高計算效率，我們提取軌道內的區域進行分析，如圖13。

目標識別：支持向量機識別方法（SVM），其優勢在于它有高維和稀疏的特性，使用線性核方法已經足夠達到分類效果，同時保證了分類和學習的效率，識別結果和過程如下：

（a）通過特征描述建立特征子訓練庫，并進行量化（描述圖像的特征頻率統計向量）。

（b）通過將輔助信息（車、人和物體等信息）進行增量SVM學習；

（c）根據學習的特征，進行決策識別（本項目視覺檢測對人的識別結果，如圖14，對物的識別，如圖15）。

三、結束語

穿梭車的運行環境決定了其存在生產安全問題，通過圖像識別技術和紅外熱釋電技術來檢測穿梭車運行軌道上的異物或者人員，來自動控制穿梭車減速、停車，避免發生安全事故造成人員和設備的損傷。為智能物流智慧設備提供一種解決方案，提高設備的可靠性和安全性。