二维码定位

2024-06-10

二维码定位（精选七篇）

二维码定位篇1

根据电能计量装置运维管理的规定, 需要定期开展现场检测工作。然而随着计量装置远程检测工作模式的推广, 去变电站现场的机会必将减少, 由过去的每站每年2-3次, 缩减为每站每年1次。再考虑到人员工作分组的因素, 实际上同一个员工去同一个变电站的机会将缩减到2-3年1次, 甚至更少。

并且, 随着城市建设, 城市和乡镇的大小道路也在不断的改变。这就意味着计量运维人员需要记忆变电站地址和驾驶路径的数量已经达到 (甚至超越) 人脑的极限, 出现遗忘会成为必然的事。在这样的情况下, 依赖变电站巡维人员带路并不现实, 浪费大量时间在驾车寻址上也很可惜, 因此必须有适当的定位导航措施来解决这一问题。

1 提出问题

根据南方电网对电网计量运维班组的职能划分, 电网计量运维班组主要负责变电站和发电厂内计量装置的运行维护, 工作中有大量的时间花费在驾驶途中, 并且安全风险也有相当一部分来自交通环节。

随着经济的发展, 变电站数量逐渐增加, 大小道路也在不断的改变。以珠三角地区经济较发达的佛山市为例, 目前变电站数量约210个, 预计十年内将增长到300个, 依赖人脑记忆这数以百计的变电站地址和驾驶路径是不可靠、也不可行的。

2 目前已有的技术方案

2.1 采用配网地理信息GIS系统

通过本单位现有的配网地理信息系统寻找目标, 研读卫星地图, 并按卫星地图提供的影像到达现场。

优点:部分发达地区的供电局已经建立了配网GIS系统, 能给寻址提供参考。

缺点:卫星地图陈旧、偏差大;不能定位自身位置, 因而不具备自动导航功能。并非针对配网用电客户现场开发, 未明确标示出变电站的位置, 使用时仅能起到参考作用, 耗时耗力。

2.2 建立专用变电站电子地图系统

研制专门针对用电客户现场位置的电子地图, 建立数据库, 收集变电站地理坐标并拍摄用户街景照片, 使客户寻址的过程在有电子地图系统辅助的情况下完成。

优点:可实时更新, 具备定位及导航功能。

缺点:需要编写程序, 建立地理坐标数据库, 架设专门的服务器, 需要的人力财力较多。需要营销系统提供专业的数据接口, 而在南网公司统一的新营销系统模式下, 申请专用数据接口非常难, 短期内不具有实际意义。

3 现有方案可行性分析

由于变电站关系到电网的安全与稳定, 这种特殊性导致变电站的地理标识不可能出现在商业性电子地图上。因此无法用一般的“搜索名称—导航”的方式来进行定位和寻址。

按今后10年内, 珠三角等经济发达地市变电站数量增加到300个来估算, 变电站数量及相应的道路将超出人脑的记忆能力, 但是数量又不算太多, 不值得投入大笔资金建立专项系统。

变电站的外观显著, 因此不需要专门拍摄相应的街景照片, 对定位精度要求比较低, 100米之内就足以满足导航的需求。

所以上述两种方法不适用于变电站的定位导航需求。

4 建立变电站“二维码”地理坐标库

二维码 (Two-dimensional code) , 又称二维条码, 它是用特定的几何图形按一定规律在平面 (二维方向) 上分布的黑白相间的图形, 是所有信息数据的一把钥匙。二维码可实现的应用范围十分广泛, 如:定位/导航、产品防伪/溯源、网站链接、数据下载等。如今智能手机扫一扫 (简称313) 功能的应用使得二维码更加普遍。

手机导航软件可以将所在地点的地理坐标 (经纬度) 以二维码的形式表达出来。

具体操作方法为:

4.1 在变电站大门口, 手持安装有导航软件的手机 (移动终端) , 点击“定位”标志, 即可确定当前变电站在地图上的坐标位置。根据经验, 地理坐标精度在10-20米之间。

4.2 选择“详情”—“分享”—“二维码”, 即可将已确定的变电站地理坐标以“二维码”形式呈现出来。

4.3 操作手机, 将该变电站“二维码”截图并保存。

(a) 地理定位; (b) 生成二维码; (c) 二维码截图

4.4 测量所辖地区全部变电站的地理坐标“二维码”, 并收集整理, 建立变电站“二维码”地理坐标数据库。

5 变电站的定位与导航的实现

智能手机已经非常普及, 手持智能作业终端 (PDA、平板电脑) 也在工作中逐步推广应用。要求电网运维班组每个员工的手机里必须安装“高德导航”软件, 当接受到班长派工后, 只需要用手机扫描该变电站的“二维码”, 就可以获得目标地点的地理坐标。手机将自动启动“高德地图”导航, 可以根据实际情况灵活选择“最佳驾驶路线”, 再按照导航软件提示, 驾驶车辆到达工作变电站附近。

6 现场应用情况

“二维码”地理信息测量简易, 记录方便, 建立变电站二维码地理坐标数据库的成本非常低廉。电网计量运维班组可以派专人巡游采集, 也可以结合日常定检工作进行采集, 人力成本和物资成本几乎为零, 有利于推广移植。

使用方便, 能随身携带。可以将二维码标签贴于对应变电站的资料盒上, 由于员工外勤工作时必然会携带对应变电站的资料盒, 不会增加额外负担。也可以将“二维码”按变电站名称编排成表格, 印刷成小册子, 打印携带也很方便。

根据培养经验和人脑记忆的一般规律, 新员工一般需要用1年时间来熟悉、记忆变电站的地址和驾驶路线。而建立变电站二维码地理信息库后, 这一瓶颈已经不存在了, 有利于加速人才的培养, 增强企业竞争力。

能提高工作效率, 工作人员按此导航可以避免走错路, 或因记忆模糊而“兜圈子”, 有利于缩短驾驶时间, 提高工作效率。

参考文献

[1]中华人民共和国电力行业标准DL/T448—2000《电能计量装置技术管理规程》[S]

[2]周栩瑛.基于Google Maps的客户计量装置移动地理信息系统开发[D].中山大学.硕士论文, 2014.

[3]刘芬等.基于负荷曲线的电量更正计算分析[J].计量技术, 2014 (3) .

二维码在矿井人机定位系统中的应用篇2

目前应用于最底层的识别技术是射频识别技术和二维码识别技术，考虑到矿井下的环境恶劣且射频设别技术的成本较高,稳定性不可靠，容易受到外界条件的干扰的问题，本文重在初步探索二维码技术在我国矿井人机定位系统中的应用。

二维码应用现状

在国外，二维码已经得到了广泛应用。我国虽然已经掌握了二维码的核心识别技术，但是在二维码的实际推广应用上仍然存在障碍。因此,将二维码广泛应用于现代生活的各个领域是我国目前需要解决的问题。目前，二维码已经在物流管理、票证管理等领域得到了试用推行，但在一些领域仍处于初步探索阶段。

由于地下工作环境恶劣，我国的矿难事故频发，不能及时了解矿下工人的工作情况，因此需要利用先进的技术和设备，加强井下人员的考勤，推行井下人员管理监测系统，及时准确掌握入井人员人数和入井人员的工作区域。本文提出了基于二维码技术的矿井人机定位系统，并对此系统进行初步的探索研究。

矿井人机定位系统构建

1．二维码生成

二维码的生成即利用二维码编码设备，首先将矿下工人的基本信息，例如姓名、年龄、工作情况、出勤记录和工作工段等进行采集，然后根据相应的信息利用编码软件生成特定的二维码标签，再利用二维码点阵打印机打印出含有工人特定信息的二维码标签，最后将其印制在工作服等特定的位置上便于进行识读。

2．矿井人机定位系统

整个系统包括井下二维码标识，二维码识读器，通信系统及上位机控制显示系统等四部分。

基于二维码的矿井人机定位系统是利用矿下每个工人身上印制的含有自己特定信息的二维码图像记录相关信息，在每个工作地点都安装有二维码自动识别仪器。

当工人在这个工段经过二维码扫描设备时，识别器将扫描二维码上存储的相应信息，同时利用通信技术将信息传送至地表控制室进行监测控制，从而使地表工作人员能够实时监测到工人的工作位置并且读取相应工人的信息，同时可以记录考勤情况。

如果在设定的某一段时间内没有收到某个工人的信息，上位机监控软件可以发出警报信号，使地上工作人员及时发现是否出现了突发状况等，从而提高矿下工作的安全系数，及时应对井下突发状况，保证了地下工作安全有效进行。

3．人机定位软件系统

无论是基于二维码或是射频卡的矿下人机定位系统，都有实现实时监控、考勤管理、报警查询等功能的上位机软件控制界面。下面对于几个软件模块进行简要介绍。

实时监测模块是针对矿下工人的工作环境恶劣，不便于管理人员现场查看，实现对工人的工作情况、工作位置等进行监测管理的软件设计。通过有二维码扫描器识读的信息进行通信上传至上位机的控制界面进行实时的监控，及时了解地下工人的工作位置，为防止意外事件发生做好应对准备。

考勤管理模块是对地下工人的出勤记录、旷工以及工人的基本信息进行管理的系统软件。通过此系统可以及时查询和记录每位矿下工人的出勤情况，实现方便快捷地对工人工作情况进行管理。

报警查询模块是为了应对矿下突发事故而设计的系统。当识别器长时间未扫描到二维码标签信息时，此系统会发出报警信号，提示井下工作出现异常，地表管理人员能够准确作出判断并找到事故发生点，及时应对突发情况。

应用前景

二维码具有高密度、高存储容量、纠错能力强的优点，它即使在畸变程度或者破损程度高达50%时仍能恢复出原始数据信息。在环境恶劣的矿下，当二维码标签受到损坏时，可以利用它强大纠错能力的优点，使识别器仍能识读出完整的数据信息。

基于二维码的矿井人机定位系统是针对地下工作的安全问题及管理方法提出的一种应用。相比射频识别技术，低成本、高速识读、纠错能力强的二维码技术将会对井下作业发挥重要的作用，它的具体应用实施还有待于进行深入的探索研究。随着矿业的不断发展及相关技术的改进，人机定位系统必然会在该领域得到推广应用。

二维码定位篇3

目前,应用比较广的定位方法中利用码盘、加速度传感器等实现的被动式传感器定位方法的优点是成本低、可靠性高,但是不可避免地存在累积误差。主动式传感器定位方法中,路标定位是常用方法,该方法运用灵活、精度高,但是路标识别的效率是研究的难点。

1 二维码定位和识别技术概述

本文选取了贴于家居环境地板上的二维码[1]作为路标,每个路标处的二维码的码值即为该点的坐标值。该方法能够及时校正累计误差,确保定位精度。针对普遍存在于路标识别算法中效率低下的问题,我们提出了一种基于训练模型的几何特征提取的二维码快速识别方法。

2 二维码初定位方法改进

二维码作为路标使用时,通过图像处理对二维码进行定位和识别流程[2]的一般步骤是首先对二维码进行初定位,然后采用普遍应用的二维码识别技术[3]进行识别。本文通过改进初定位算法的速率来提升二维码识别和定位技术的时效性。

本文将二维码矩阵标签设计成矩阵阵列,向8个方向分别扩展了一个码的信息,增加了每个方向的容错能力。目前,普遍应用的传统的下采样灰度差分投影法[4]不能满足多码识别的应用要求。本文以二维码的探测块作为初定位的识别目标,提出了一种改进的几何特征评价算子,提高了初定位的识别速率。

2.1 图像分割

2.1.1 阈值分割算法对比

图像分割是进行几何特征提取的前提。本文通过对几种阈值分割方法进行实验分析,提出了适合本文应用的实时性高并且降低非二维码区域噪声的阈值分割算法。

大津法[5]的基本原理是选取最佳阈值T将像素分为2个部分,使这2个部分类间方差取最大值。大津法中灰度变化较大区域的图像灰度值对最佳阈值的决定权也较大,但是对于图像中灰度分布的区域特征及灰度分布不均这些因素没有设置评价函数进行克服。因此,大津法使用过程中对于灰度分布不均的现象会发生阈值分割失败。

简单统计法[6]的原理是将每一点对分割阈值的贡献权重用每一点邻域梯度值占梯度累加总和的比重来代替,进而计算出最终阈值。

综合表1的时间效率对分割效果对比,可以看出大津法运行速度快、效果稳定,但是自适应能力有待改善。简单统计法速度较慢,但是对单一码阈值选取效果好,可以在对速度要求不高的训练学习模型中作为阈值选取算法。

2.1.2 改进的基于阈值训练模型的自适应变阈值分割法

本文在传统算法的基础上给出了一种以大津法为主体,结合训练模型的自适应变阈值分割算法,而且由于训练信息的引入缩小了大津法阈值选取的初始区间,进一步提升了阈值选择的速率。本文论述改进的阈值分割算法中的训练模型。首先对图像分区,然后采用简单统计法对训练样本中的每个单个二维码进行阈值选取,获得单个二维码的码上最优阈值。按照分区统计每个区域最优阈值的最大值Tmax和最小值Tmin。

区间[Tmin-a×T255,Tmax+a×T255]中a的取值根据训练样本与系统真正运行时的实验图像的新旧差距决定。如果新旧差距大,则a值选取大;反之,a值选取小。根据本文的实验环境,新旧差距较小,设置a取0.2效果较好。

区间[Tmin-b×T255,Tmax+b×T255]中b值取值要求小于a值。对经过前一步筛选出来的阈值进行进一步的筛选。本区间用于为最优阈值的选取提供参考区间,去除掉根据训练信息判定的不可能作为阈值区间的候选阈值。本实验环境中b取0.1,得到了较好的实验效果。

改进的结合训练模型的阈值选取算法的总体流程如图1所示。首先在每个区域训练得到的初始区间[Tmina×T255,Tax+a×T255]的指导下进行分区大津法阈值统计,获得该区域的最优阈值。然后将该最优阈值与训练获得的预选区间[Tmin-b×T255,Tmax+b×T255]进行比较,看最优阈值是否在该区间之内。如果在该区间之内,则认为该区域内二维码出现概率较高,并标记这样的区域为可能有码区域。在可能有码区域中遵从T3、T2、T1的优先顺序,选取该区域的最优阈值作为全局最优阈值,如果没有可能有码区域,直接选用T3区域的Tmin作为阈值对全图像进行分割。

2.2 基于训练信息的几何特征提取初定位算法

二维码的探测块中心是一个黑色正方形连通域,具有规则易于提取的几何特征。本文在对图像进行连通域分析的基础上,选用几何复杂度算子对连通域进行评判,进而定位二维码的探测块图形。

2.2.1 几何特征提取

首先对图像分割得到的二值图像进行游程编码[7],然后对团块进行连通域分析,简称BLOB分析。本文采取的BLOB算法是将目标像素聚合成连通的团块,并返回团块的面积、重心位置等信息。当团块面积S满足区间[Smin,Sman]时被标记为候选连通域和分别表示探测块的面积的上下限,是通过训练模型得到的探测块图形的先验信息。

对于前面获得的候选连通域可以用8邻域链码提取轮廓的边长。8邻域链码法就是用8个代码分别代表一个像素邻域内的8个像素,并用这8个代码组成的链码表示平面内连续的线条图像的编码方法[8]。以前述的BLOB连通域分析筛获得的重心点为搜索起点对连通域进行链码,得到链码信息。并近似认为边界上水平和垂直方向移动一个像素记为步长1,斜对角方向的一个像素移动设置为1.5。这样由链码就可以获得连通域边界的周长。

本文利用复杂度算子作为特征评价函数对不同形状的连通域进行区分。本论文选用的复杂度算子如公式(1),其含义是连通域周长的平方除以连通域的面积。

本文中的目标探测块为一个正方形,根据正方形周长和面积的关系,C取值为16。因为阈值分割可能会使得目标不是严格的正方形,复杂度算子的计算值可能会有误差,所以选用通过训练模型得到的复杂度算子的取值区间作为评价函数的评价区间。

2.2.2 几何特征训练模型

几何特征训练模型通过对待识别二维码标签的识别,获得其探测块中心正方形的面积和复杂度评价算子的取值,然后相应地扩展为一个评价区间,对候选连通域进行筛选。几何特征模型需要的学习参数都可以通过预先对二维码路标的训练学习获得。

3 实验结果与分析

本节采用下采样灰度差分投影法和改进后的算法进行实验,对比算法的时间效率和稳定性。随机选取250张实验图像进行算法时间统计,给出改进算法中各部分耗时的统计信息,见表2。

表3是传统算法与改进之后算法探测块初定位部分时间效率对比。可以看出改进之后的算法在运行速度较之传统算法实现了2～3倍的提升,同时错检率低于1%,能够稳定地为移动机器人提供地面坐标信息。

4 小结

本文根据二维码探测块的几何特征设计了基于训练信息的几何特征评价算子,能够快速地识别探测块的位置。目标分割过程中,在对大量阈值分割算法实验分析的基础上,提出了一种基于训练模型的自适应变阈值目标分割方法,克服了传统阈值算法的弊端,兼顾了系统稳定性、快速性和准确性的均衡。基于训练模型的几何特征识别定位算法的运行速度较之传统算法实现了2～3倍的提升,为二维码的快速定位和识别问题提出了一种崭新的解决方法。

参考文献

[1]Kato H,Tan K T.Pervasive 2D barcodes for camera phone applications[J].Pervasive Computing IEEE,2007,6(4):76-85.

[2]屈卫锋.低质量QR二维码快速识别与软件设计研究[D].成阳:西北农林科技大学,2016.

[3]胡秋玉.QRcode识别算法的研究与改进[D].成都:西南石油大学,2014.

[4]刘家听,刘家朋,赵宇明.基于边缘增强的二维码区域快速检测定位算法[J].Computer Engineering,201 2,38(12).

[5]王璇,张帆,程京.基于改进最大类间方差法的灰度图像分割[J].微计算机信息,2010,26(35):206-207.

[6]王成顺.表面缺陷检测GPU并行图像处理技术[D].合肥:合肥工业大学,2012.

[7]於正强.实时的图像连通域分析算法设计与实现[D].杭州:浙江大学,2014.

基于圆检测的二维条码定位方法篇4

关键词：二维条码,定位技术,圆检测

0 引言

二维条码作为一种新的条码技术, 不仅数据容量大, 而且具有非常强的信息纠错功能, 在信息安全、交易、物流、产业链管理等诸多方面具有广泛的应用[1]。目前应用较广的二维条码包括PDF417码、OR码、Code16K码、DataMatrix码、MaxiCode码等[2]。

要对二维条码进行正确的识别, 必须对其进行准确的定位。由于二维条码在嵌入式系统中有广泛的应用, 而嵌入式系统对速度有较高的要求, 如何快速地对二维条码定位是一个重要的课题。另外, 二维条码的定位技术还必须具有一定的抗干扰能力, 能够纠正条码印刷、图像采集及流通过程中各种因素造成的图像缺陷, 使得后续的识读过程能够顺利进行[3]。

本文提出了一种基于圆检测的二维条码定位技术。它使用四个圆点作为二维条码的定位点, 通过对圆的检测实现对二维条码的快速定位。圆形易于识别, 并且在各个方向上高度对称, 在抗倾斜、变形、噪声、照度不均等方面具有一定优势。目前常用的圆检测技术有形状分析法、环路积分微分法[4]、圆Hough变换 (CHT) [5]等, 其中, CHT是应用最为广泛的圆检测算法, 该方法的最大特点是可靠性高, 在噪声、变形、甚至部分区域丢失的状态下仍然能够取得理想的结果[6]。但该方法的缺点是计算复杂, 资源需求大[7]。Davies[8]利用过圆周一点且与该点切线垂直的线通过圆心的特点, 将CHT转变成直线Hough变换 (SLHT) 。但由于噪声的影响, 及圆周数字化误差, 难以保证梯度方向的准确性, 在信噪比低的情况下该方法难以实用。Ioannou[9]等根据弦的中垂线通过圆心的性质, 用SLHT确定圆的参量。目前的方法将传统CHT三维搜索空间降低到二维, 但在二维空间搜索时计算复杂度仍然较高。Xu[10]等人提出了随机Hough变换RHT (RandomizedHoughTransformation) , 它避免了传统Hough变换巨大的计算量, 但无目标的随机采样会造成大量的无效采样与无效积累, 使算法的性能下降。Li[11]等人进一步对RHT算法进行了改进。但是, 一方面, 上述方法的复杂性仍然很高;另一方面, 上述方法只能对比较标准的圆进行检测, 当圆发生较大的失真时检测效果会显著下降。本文提出了一种识别速度快, 抗污损、失真能力强的圆检测算法, 能够快速、准确地完成圆形的识别及二维条码的定位。

1 定位技术基本思路

如图1所示, 假设二维条码的长、宽分别为p, q。定位点的直径满足2r>0.1×max{p, q}, 条码中信号点及其它特征点直径满足2r′<0.01×min{p, q}。

由于定位点与信号点及其它特征点的直径大小相差一至二个数量级, 可以通过直径方向连续点个数的检测来区分定位点和其它点。连续点序列的起始点和终止点一定位于定位点的边缘。通过这些边缘点, 结合圆的几何性质可以确定定位点中心的大致位置, 最后可以利用直径方向连续点个数对求得的定位点形心进行校正。

由于减少了对圆的几何性质的依赖, 这种算法能够对失真较严重的圆进行检测。

2 定位点识别

2.1 定位点边缘检测

边缘检测算法目前发展还不是很成熟, 经典的边缘检测算法是构造对像素灰度级阶跃变化敏感的微分算子, 如Roberts梯度微分算子、Sobel梯度算子[12]等。但是, 这种方法得到的往往是断续的、不完整的结构信息, 对噪声较为敏感。为了有效抑制噪声, 在作边缘检测前, 必须对图像进行平滑处理。而且, 使用微分算子进行边缘检测的计算量仍然很大。因此, 本文利用二维条码中定位点和信号点的几何性质提出了一种新的边缘检测算法。

性质1 任意三个不在同一直线的点可以确定一个圆。

性质2 点P1, P2, P3, P4为同一平面上的四个不同的点, 且任意三个点不共线。设三元素集合α, β满足α≠β, {α, β}⊆{P1, P2, P3, P4}, 若{α, β}⊂⊙A, 则{P1, P2, P3, P4}⊂⊙A。

定义1 直线L连续检测到灰度值为1的像素点的个数记为m (L) 。

记定位点的半径为r (即定位点的直径存在2r个像素点) 。由于条码数据区的内容排列呈一定分布, 避免了几个临近数据位形成干扰定位点识别的大面积黑色区域的可能。因此, 若扫描线l1满足m (l1) ≥r, 则此m个点分布在定位点上。令l1上第一个灰度值为1的点为P1, 最后一个灰度值为1的点为P2, 可知P1, P2位于定位点的边缘。

定义2 过定位点内一点A, 沿直线L的任一方向检测像素点的灰度值, 若从某点之后像素值的灰度为0, 记该点为T1;类似地, 沿直线L的另一方向检测像素点的灰度值, 若从某点之后像素值的灰度为0, 记该点为T2, 则 $\bar{λ} (A ‚ L) = {Τ_{1} ‚ Τ_{2}}$ 。

过P1, P2的中点P作线段 $\bar{Ρ_{1} Ρ_{2}}$ 的垂直平分线l2。设 $\bar{λ} (Ρ, ℓ_{2}) = {Q_{1}, Q_{2}}$ , 可知Q1、Q2位于定位点的边缘。记线段 $\bar{Q_{1} Q_{2}}$ 中点为O1。在线段 $\bar{Q_{1} Q_{2}}$ 上取一点Q满足|PQ|≥1.2r。设 $\bar{λ} (Q, l_{3}) = {Ρ_{3}, Ρ_{4}}$ , 如图2所示。若 $m (\bar{Ρ_{3} Ρ_{4}}) > r$ , 则P3、P4位于定位点的边缘。

2.2 定位点中心检测

分别作线段 $\bar{Ρ_{2} Ρ_{3}}$ 、 $\bar{Ρ_{3} Ρ_{4}}$ 、 $\bar{Ρ_{4} Ρ_{1}}$ 的中垂线l4、l5、l6。记l4与l2、l5、l6的交点为O2、O3、O4, l6与l5、l2的交点为O5、O6, 如图3所示。

理论上, 根据性质1和性质2, O1、O2、O3、O4、O5、O6应该重合于定位点的中心O。但是, 由于摄像头的失真, 扫描时定位点并不是标准的圆, O1、O2、O3、O4、O5、O6可能不能重合。因此, 需要根据O1、O2、O3、O4、O5、O6来判定定位点中心O的位置。只有当O满足:

$\sum_{i = 1}^{4}$ OPi-r $+ \sum_{j = 1}^{2}$ OQj-r≤δ (1)

时才认为O为定位点的中心。其中, δ为预先定义的阈值。

记 (xO, yO) 为点O的坐标。

$x_{Ο} = \frac{Ω {x_{Ο_{1}}, x_{Ο_{2}}, x_{Ο_{3}}, x_{Ο_{4}}, x_{Ο_{5}}, x_{Ο_{6}}}}{4}$

$y_{Ο} = \frac{Ω {y_{Ο_{1}}, y_{Ο_{2}}, y_{Ο_{3}}, y_{Ο_{4}}, y_{Ο_{5}}, y_{Ο_{6}}}}{4} (2)$

Ω算子的定义如下:

设集合A={X1, X2, X3, …, Xn-1, Xn} (X1≤X2≤X3≤…≤Xn-1≤Xn, n≥2) , 则ΩA={X2, X3, …, Xn-2, Xn-1}

定义3 过点A, 沿直线L的方向, 与A最邻近的N个点的集合记为∂ (A, L, N) 。

定义4 若集合A={X1, X2, X3, …, Xn-1, Xn}, X1≤X2≤X3≤…≤Xn-1≤Xn, 则maxA=Xn

定义5 若 $\bar{λ} (A, L) = {Τ_{1}, Τ_{2}}$ , 则l (A, L) =T1T2

若点O满足式 (1) , 则为定位点的中心。否则, ∂ (O, l2, 4) ={Oy1, Oy2, Oy3, Oy4}, 如图4所示。

若max{l (Oy1, l1) , l (Oy2, l1) , l (O, l1) , l (Oy3, l1) , l (Oy4, l1) }=l (Oy, l1) , 其中, Oy∈{Oy1, Oy2, Oy3, Oy4}。

判断Oy是否满足式 (1) , 若满足, 则为定位点的中心。否则, ∂ (Oy, l1, 4) ={Ox1y, Ox2y, Ox3y, Ox4y}。

若max{l (Ox1y, l2) , l (Ox2y, l2) , l (Oy, l2) , l (Ox3y, l2) , ℓ (Ox4y, l2) }=l (Oxy, l2)

其中, Oxy∈{Ox1y, Ox2y, Oy, Ox3y, Ox4y}。判断Oxy是否满足式 (1) , 若满足, 则为定位点的中心。

根据四个定位点的中心位置即可对二维条码进行定位。

2.3 定位点识别的伪代码

定位点识别的C/C++伪代码如下:

do{扫描线检测像素点的灰度值}while

$\begin{array}{l} (m (l_{1}) < r) \\ \bar{λ} (l_{1}) = {Ρ_{1}, Ρ_{2}} ； \end{array}$

求 $\bar{Ρ_{1} Ρ_{2}}$ 的中点P, 过P作 $\bar{Ρ_{1} Ρ_{2}}$ 的垂直平分线l2;

$\bar{λ} (Ρ, ℓ_{2}) = {Q_{1}, Q_{2}}$ , 求 $\bar{Q_{1} Q_{2}}$ 的中点O1;

do{

do{在 $\bar{Q_{1} Q_{2}}$ 上取一点Q}while (|PQ|<1.2r) ;

过点Q作 $l_{3} ⊥ l_{2} ‚ \bar{λ} (Q, l_{3}) = {Ρ_{3}, Ρ_{4}}$ ;

} $w h i l e (m (\bar{Ρ_{3} Ρ_{4}}) < r)$

分别作线段 $\bar{Ρ_{2} Ρ_{3}}$ 、 $\bar{Ρ_{3} Ρ_{4}}$ 、 $\bar{Ρ_{4} Ρ_{1}}$ 的中垂线l4、l5、l6。记l4与l2、l5、l6的交点为O2、O3、O4, l6与l5、l2的交点为O5、O6, 计算点O (xO, yO) ;

$i f (\sum_{i = 1}^{4} | Ο Ρ_{i} - r | + \sum_{j = 1}^{2} | Ο Ο_{j} - r | \leq δ) Ο_{c} = Ο;$

else{

∂ (O, l2, 4) ={Oy1, Oy2, Oy3, Oy4};

max{l (Oy1, l1) , l (Oy2, l1) , l (O, l1) , l (Oy3, l1) , l (Oy4, l1) }

=l (Oy, l1) ;

$i f (\sum_{i = 1}^{4} | Ο_{y} Ρ_{i} - r | + \sum_{j = 1}^{2} | Ο_{y} Q_{j} - r | \leq δ) Ο_{c} = Ο_{y};$

else{

∂ (Oy, l1, 4) ={Ox1y, Ox2y, Ox3y, Ox4y};

max{l (Ox1y, l2) , l (Ox2y, l2) , l (Oy, l2) , l (Ox3y, l2) , l (Ox4y, l2) }=l (Oxy, l2) };

$i f (\sum_{i = 1}^{4} | Ο_{x y} Ρ_{i} - r | + \sum_{j = 1}^{2} | Ο_{x y} Q_{j} - r | \leq δ) Ο_{c} = Ο_{x y};$

else return (″Detection Failed″) ;

}

return (Oc)

3 实验结果与分析

3.1 数值实验及结果

本文中定位点识别算法在256M内存Celeron 697 MHZ计算机上进行, 在WindowsXP平台上用VisualC++6.0编程验证。

从图形码中截取一个包含四个定位点的172H×141V图像单元, 如图5 (a) 所示。

(a) 原图像 (b) 检测结果

图 5

由于扫描线l1的随机性, 每次运行结果并不完全相同。本文通过20次运行结果来评价算法性能。在20次坐标中得到的中心点坐标都相同, 如表1所示。四个定位点的中心检测结果如图5 (b) 所示。

3.2 讨论

(1) 可靠性

Li[11]等提出的RCH算法根据式kl1-kl2≤ε判定点P1、P2、P3是否位于同一个圆上。其中, P1、P2是已经检测到的边缘点, P3是线段 $\bar{Ρ_{1} Ρ_{2}}$ 的中垂线与检测圆的交点。l1为过点P1、P2的直线, l2为过圆点、过P3的切线。kl1、kl2为直线l1、l2的斜率, 如图6所示。若kl1-kl2≤ε, 则认为检测到了一个圆。在定位点失真严重的情况下, l1、l2并不平行。若阈值ε过小, 则无法正确检测定位点;若ε过大, 则会影响检测的精度。因此, RCH算法无法在可靠性和精度之间保持平衡。本文提出的定位点检测算法不存在这个问题。由于定位点与信号点及其它特正点的直径相差一到两个量级, 因此, 扫描线连续扫描到的点数超过一定的阈值, 即可确定找到了定位点, 并可以求出定位点的边缘点。在定位点失真不严重的情况下, 可以通过式 (2) 确定定位点的中心坐标 (xO, yO) ;即使定位点失真严重, 仍然可以对 (xO, yO) 进行水平和垂直方向的校正, 直到其满足式 (1) 为止, 保证了算法的可靠性。

(2) 适用范围

由2.2节及可靠性讨论可知, 当定位点失真较小时, 可以通过圆的几何性质确定定位点中心;当定位点失真严重时, 可以通过点的径向大小确定定位点的中心, 因此本文算法能够很好地检测失真较严重的定位点。

(3) 精度

本文算法与Li[11]等提出的RCH算法都是通过阈值的选取来控制检测精度, 因此本文算法的精度与RCH算法相同。从表1中可以看出, 检测值的误差在一个像素以内。

(4) 计算量

Li[11]等提出的RCH算法需要用Sober算子勾出定位点的边缘, 计算量巨大。同时RCH算法通过随机采样三点来检测圆心坐标, 如果随机采样的三点不是圆的边缘点, 即为无效采样。假设图像有N个大小 (圆的大小由圆上的点数来表示) 为q的圆, 另外还有n个非圆上点, 则随机采样3点落在同一圆上的概率为:

$p r o b = \frac{Ν q (q - 1) (q - 2)}{(Ν q + n) (Ν q + n - 1) (Ν q + n - 2)}$

在本文提出的二维条码的码图结构中, 所有的信号点和特征点都是非圆上点,

n>>Nq, prob很小, 即无效采样的概率很大。若取n=330、q=20、N=4, prop≈0.0004。所以RCH算法并不适用于二维条码的定位点识别。本文算法只需要一条扫描线即可确定两个边缘点, 同时不存在无效采样的问题, 因此相比RCH极大地减小了计算量, 如图7所示。

3.3 对算法进一步的改进

为了进一步提高圆检测的精度, 可以在二维条码中增加校正点, 如图8所示。校正点位于两个定位点中心的连线上。

当计算出定位点1和定位点2的中心Oxy1、Oxy2后, 可以作Oxy1和Oxy2的连线l, 并检测落在直线l上的校正点数md, 若md=8, 则表示定位点的中心坐标足够精确;若md<8, 则使Oxy1、Oxy2作垂直方向的移动, 并检测其连线上校正点的数目, 直到校正点的数目等于8为止。对定位点3和定位点4也可以作同样的处理。

4 结束语

本文提出了一种基于圆检测的二维条码定位技术, 其定位点识别算法计算量小、速度快、抗失真能力强。为了进一步提高其精度, 可以通过增加校正点的方式对定位点的中心位置进行进一步的校正。其局限在于这种定位技术要求条码的数据位不能过于集中, 形成较大的颜色块。但是, 由于大多数二维条码的编码规则都满足这一条件, 因此本文的定位技术还是具有广泛的应用范围。

参考文献

[1]范永法, 何红庄.一维及二维条码图像识别系统研究[J].仪器仪表学报, 2003, 24 (4) :488-489.

[2]Hahn HI, Joung J K.Implementation of algorithmto decode two-dimen-sional barcode PDF-417.Signal Processing, 2006, 2 (6) :1791-1794.

[3]刘宁钟, 杨静宇.基于中点检测的二维条码识别[J].小型微型计算机系统, 2004, 25 (2) :283-286.

[4]Daugman J G.High confidence visual recognition of persons by a test of statistical independence.IEEE Tran.Pattern Machine Intell, 1993, 15 (11) :1148-1161.

[5]Davies E R.A modified Hough scheme for general circle location.Pat-tern Recognition Letters, 1987, 7:37-43.

[6]Kalviainen H, Hirvonen P.An extension to the randomized Hough transform exploiting connectivity.Pattern Recognition Letters, 1997, 18 (1) :77-85.

[7]王强, 胡建平, 胡凯等.一种用于圆检测的快速Hough算法[J].小型微型计算机系统, 2000, 21 (9) :970-973.

[8]Davies E R.The effect of noise on edge orientation computation.Pattern Recognition Letters, 1987, 6 (5) :315-322.

[9]Ioannou D, Huda W, Laine AF.Circle recognition through a2D Hough transform and radius histogramming.Image and Vision Computing, 1999, 17 (1) :15-26.

[10]Xu L, O ja E, Kultaned P.A new curve detection method:Randomized Hough Transform (RHT) .Pattern Recognition Letter, 1990, 11 (5) :331.

[11]Li Z Q.Generalized Hough Transform:Fast detection for Hybrid multi-circle and multi-rectangle[C].Proceedings of the6th World Congress on Intelligent Control and Automation, Dalian, China, 2006.

二维码定位篇5

1 系统的设计思想及原理

由于射频信号传输速率接近光速, 远高于超声波传播速率, 因此可以利用射频信号先激活待测节点, 之后使其接收超声波信号, 利用时间差的方法进行测距。这种技术成本低, 功耗小, 精度高[3]。该文便是采用此种方法实现在二维平面内对一待测节点位置信息的获取。

1.1 系统设计原理

如图1所示。在一个二维平面中, 要确定某未知点的位置信息, 其实质便是求得其在平面坐标中的坐标值。由数学知识可以知道, 确定平面上某一未知点 (x, y) 的坐标值只需要知道该点到平面坐标中已知的两个参考点 (x1, y1) , (x2, y2) 的距离d1及d2, 再利用两点间的距离公式 (1) 式, 求解方程组即可求得未知点的坐标信息。

系统的关键就是通过超声波测出图1中的距离d1及d2, 现在假设系统某一节点A具备射频发射模块和超声波发射电路, 系统另一节点B具备射频接收模块及超声波接收电路。A节点同时发射超声波与射频信号, 即发射电磁波。由于电磁波的速度接近光速远远大于超声波在介质中的传播速度, 射频信号传播到节点B的时间忽略不计, 当节点B接收到射频信号时, 启动计时, 当接收到超声波信号时停止计时。时间间隔t即是超声波由A传播到B所用时间。设声速为V, 则A, B间距离为:s=Vt。

1.2 系统整体设计

该文系统采用C51系列单片机作为控制芯片, n RF24L01作为射频通信芯片, 利用LCD12864液晶屏进行坐标显示。如图2所示。系统主要包括三个节点, 分别为1号总控制主节点, 2号参考节点, 以及3号待测节点。硬件设计上, 各个节点都包括51单片机最小系统及上电指示电路, 射频收发模块 (n RF24L01) 电路;另外总控制节点和参考节点具备超声波接收电路, 待测节点处安装超声波发射电路。

系统整体通信流程简述如下:1号总控制主节发出射频触发信号, 3号待测节点接收到射频信号之后报警指示灯亮。同时发射出射频同步信号及发射超声波。射频同步信号很快到达1号总控制节点及2号参考节点, 两个节点启动计时器, 待3号节点发射的超声波分别到达1号节点和2号节点后, 接收到超声波信号, 停止计时。分别获得超声波由3号节点到1号节点及2号节点的传播时间。1号节点总控制节点计算出节点1, 3距离。2号节点参考节点计算出节点2, 3距离, 再利用射频模块将数据无线传送给1号总控制节点。总控制节点再依据两个距离数据, 已知的节点1, 2的坐标计算出3号待测节点的位置坐标。至此, 完成系统一个单程通信, 如此反复通信10次, 求得位置坐标平均值通过1号节点处的液晶显示模块LCD12864显示待测节点位置信息。所有的通信流程由1号总控制节点控制。

2 系统电路设计

2.1 硬件设计

硬件设计上, 文中系统主要涉及单片机小系统, 射频收发电路, 超声波发射与接收电路, LCD显示电路, 射频收发模块供电电路。这里主要介绍系统的射频收发电路, 超声波发射与接收电路。

系统无线通信模块的发射与接收主要采用n R F 2 4 L 0 1芯片作为主控核心。n R F24L01是一款新型单片射频收发器件, 工作于2.4~2.5 GHz ISM频段。内置频率合成器、功率放大器、晶体振荡器、调制器等功能模块, 并融合了增强型Shock Burst技术, 其中输出功率和通信频道可通过程序进行配置[4]。由于采用SOC方法设计因此只需要少量外围元件便可组成射频收发电路, 再配合简单的通信协议, 就可以实现无线数据传输[5]。将n RF24L01相应的控制引脚连接到单片机的P1口上, 利用串行通信方式与单片机进行通讯, 可以设置为增强型模式 (Shock Burst) 下的接收或是发射状态, 启动自动应答及自动重发功能。采用n RF24L01增强型模式时内部芯片堆栈区先入先出, 数据可从低速微控制器送入, 高速发射出去, 地址和校验码由硬件自动添加和去除[6], 可以提高系统整体的性能和效率[7]。

系统超声波发射电路框图如图3所示。系统利用定时器由单片机的I/O端口输出40 k Hz左右的方波脉冲信号, 信号送给推挽式功放电路进行功率放大, 用以驱动型号为TCT40-16T的超声波换能器, 发射出超声波信号。

系统超声波接收电路框图如图4所示。接收电路的核心是红外线检波接收专用芯片CX20106。由于红外遥控常用的载波频率38k Hz与测距的超声波频率40 k Hz比较接近, 可通过外接电阻微调芯片内部滤波器的中心频率。当超声波探头未接收到40 k Hz信号时, 芯片信号输出引脚为高电平;当接收到与CX20106中心频率 (40 k Hz) 相符的超声波信号时, 信号输出引脚输出下降沿脉冲, 将此信号连接到单片机外部中断引脚上, 可触发中断, 从而停止超声波传播计时。

2.2 软件设计

系统软件设计流程图可以参考图2。系统软件按功能划分可以分为LCD显示, 超声波发射, 射频通讯, 坐标计算几大部分。其中, LCD显示部分主要是通过时序对液晶屏进行相应的读写操作, 超声波发射部分采用定时器中断产生40 K方波信号, 坐标位置计算算法依据的公式 (1) 进行计算。下文主要针对射频通讯部分所进行的软件配置进行简述说明。

在图2的“3射频同步信号&超声波信号”过程中, 系统各节点射频收发配置如图5所示。由于n RF24L01在每个通讯频道上具有6个不同的数据通道, 因此在设计上, 3号节点与1号节点通过数据通道0传输信号, 与2号节点通过数据通道1传输信号。3号节点发出具有发送地址编码的射频信号被1, 2号节点接收后, 1, 2号节点分别启动定时器计时并通过各自的数据通道返回应答信号给3号节点, 表示通讯成功3号节点可以发出超声波信号。值得注意的是, 3号节点若是启动自动重发功能, 则每次重发等待时间为250 us, 这将导致系统测量误差过大, 因此该系统禁止自动重发, 而是由软件编程重发3次, 判断是否次数溢出或是接收到应答信号, 这样可以将每次重发产生的误差控制在15 us左右。同时, 图2在“1发出射频触发信号”及“4传输距离数据”两个过程中, 射频通信均采用数据通道0进行数据通信, 并且开启相应的自动重发功能2次, 经测试系统射频通讯流程性能稳定。

3 实测数据分析

系统测试实验环境为室内地面, 其中主控制节点 (1号节点) 坐标安装在原点 (0, 0) 上, 参考节点 (2号节点) 坐标安装在y轴点 (0, 100) 上, 单位为cm。测量工具为卷尺, 精度精确达0.1 cm。对于测试平面上10个不同位置点分别测量10次, 得到100个数据, 结果见表2。

通过分析图中数据, 可以得出以下实验结论。

(1) 定位范围。

经过测试表明, 该系统基本可以实现对于在地面上200 cm×200 cm的二维直角坐标系中移动节点的定位。

(2) 系统的平均定位误差。

X轴的平均定位误差为3.01 (cm)

Y轴的平均定位误差为3.14 (cm)

(3) 系统的平均定位精度。

X轴平均定位精度: (200.0-3.01) /200.0×100%=98.50%

Y轴平均定位精度: (200.0-3.14) /200.0×100%=98.43%

(4) 误差分析。

通过实验测得数据并分析, 系统测量误差主要来自以下几个方面:

(1) 超声波信号的衰减问题。从表1及表2可以看到, 虽然系统测量平均误差不算太高, 但是针对不同的测量区域其测量误差明显不同, 随着各节点之间距离的不同, 超声波信号的衰减程度会不同导致接收到超声波信号的时间点不同, 引入测量误差。

(2) 超声波发射角问题。从表中数据可以看出, 在区域边缘地带数据的测量误差偏高, 由于超声波存在发射角度局限问题, 导致超声波信号接收时间点不同引入测量误差。

(3) 系统软件设计时, 在3号节点发射同步射频信号和超声波过程中, 禁止自动重发次数而采用软件编程发送次数溢出的方法在每次重发数据过程中需要等待15 us, 总共软件设计为重发3次溢出, 所以此处可能会引入50us左右的测量误差。

(4) 数据算法计算。系统数值计算的精度也会引入测量误差。综合考虑系统测量要求, 51系列单片机的运算能力及速度, 以及软件整体的效率和整洁度。该次系统软件计算精度都采用16位无符号位整数数据类型, 而未引入浮点数据类型计算, 所以对最终显示结果会造成测量误差。

(5) 温度引起误差。声速随温度变化关系可以表示为:V= (331.45+0.61t/℃) m·s-1。但是该系统中没有考虑温度补偿, 而是以声速标准值340 m/s进行数据计算, 因此会引入一定测量误差。

4 结语

该文设计了基于射频和超声波技术的室内二维定位系统, 并通过设计得系统进行实际数据的测量, 分析实验数据可以得出系统的误差较小。对于存在的误差提出了可能产生的原因以及后续的解决方法, 期望通过后续的改进可以使实验误差进一步减少, 测量范围也相应的增大。

参考文献

[1]许国昌.GPS理论、算法和应用[M].北京:清华大学出版社, 2011:2-5.

[2]张凡, 陈典铖, 杨杰.室内定位技术及系统比较研究[J].广东通信技术, 2012 (11) :73-79.

[3]汪苑, 林锦国.几种常用室内定位技术的探讨[J].中国仪器仪表, 2011 (2) :54-57.

[4]赵轩, 马建, 曹仁磊.基于nRF24L01的无线式模型车运动状态监控系统[J].科技导报, 2010, 28 (2) :63-66.

[5]江武志, 许娜芬, 普清民.基于nRF24L01的小车自动识别红绿灯的设计[J].研究与开发, 2011 (10) :82-84.

[6]刘志平, 赵国良.基于nRF24L01的近距离无线数据传输[J].应用科技, 2008 (3) :55-58.

二维码定位篇6

关键词：超声波,空间定位,TDOA

近年来, 三维空间的精准定位技术在工业和生活中的需求越来越多。自动化仓储、焊接机器人和3D打印机等应用场景下对定位技术的要求不断提高, 新兴的VR和AR等技术同样需要丰富的空间定位技术的支持。

通过测量信号达到若干节点的时间差来计算信号源所在位置的方法叫做TDOA定位技术, 它具有定位精度高、定位速度快和抗干扰能力强的优点。

超声波测距是一种抗干扰能力比较强的非接触式测距方法, 相比红外、激光和无线电等测距方法, 超声波不受光线、物体颜色等因素影响, 且具有构造简单成本低的优点。

1 系统定位原理

二维平面内的定位需要至少三个不共线的节点。信号源周期性发出信号, 当其中一个节点首先收到信号时将该节点时间差记为0, 并开始计时。分别记录信号到达另外两个节点的时间距离到达第一个节点的时间差。假设三个节点的时间差分别为tA、tB、tC, 三个节点及其坐标分别为A (xa, ya) 、B (xb, yb) 、C (xc, yc) , 信号源坐标为 (x, y) 。通过以下方程组可解得信号源坐标位置:

非线性方程组 (1) 直接求解很困难, 一般采用泰勒级数展开法和Chan法。泰勒级数展开算法只有在迭代运算的初始值比较准确的条件下才能快速收敛。Chan法具有计算量小的优点, 但是在节点数目少于三个的情况下精度不高。

考虑到方便安装节点和提高定位精度并简化计算, 将三个节点位置设置为A (0, ya) 、B (0, 0) 、C (xc, 0) , 方程组 (1) 将简化为:

解方程组 (2) 便可得到定位点坐标。

2 系统硬件设计

2.1 硬件系统概述

超声波三维定位系统包括硬件系统、上位机监控软件和系统API三部分。超声波三维定位系统结构图如图1所示。

超声波定位系统中超声波发射器作为被定位点发射超声波, 通过多个超声波接收传感器采集超声波信号, MCU记录时间差并通过上述算法对数据进行处理来确定定位点的坐标, 最后使用串口向上位机或焊接机器人等设备发送定位结果。

2.2 电源模块设计

电源模块的功能是为整个硬件电路供电, 使硬件系统能够稳定地运行。当电源电压不稳定而产生波动时, 单片机可能会因此丢失数据或发生复位甚至是宕机。本系统采用ASM1117系列稳压器为系统提供稳定可靠的5V电压。ASM1117的应用电路简单, 只需要配合采样电阻和滤波电容就能够很好地工作。

2.3 主控芯片

本系统主控芯片选用STC15W4K16S4, 该单片机抗干扰能力强, 内部有16K程序储存空间, 4096字节RAM, 四个串口和四个外部中断, 完全满足定位系统的需要。

2.4 超声波传感器模块

超声波传感器选用TCT40-16收发分体式换能器, 其发射声压在117d B以上, 接收灵敏度≥-65d B, 中心频率为40k Hz, 满足系统的工作需求。

单片机GPIO端口的输出功率小, 无法直接驱动超声波传感器发出超声波, 所以采用74HC04组成的推挽式电路进行功率放大以便使发射距离足够远, 满足测量距离要求。电路图如图2所示。输出端上拉电阻R1, R2, 一方面可以提高反向器74HC04输出高电平的驱动能力, 另一方面可以增加超声换能器的阻尼效果, 缩短其自由振荡的时间。

超声波接收电路采用CX20106A集成电路对超声波接收传感器收到的信号进行放大和滤波, 抗干扰能力好, 灵敏度高。电路如图3所示, 中心频率约42k Hz, 当收到超声波信号时管脚7输出一个下降沿来触发单片机外部中断。

3 定位误差及修正

3.1 环境温度影响及其修正

环境温度主要对超声波声速产生影响, 而声速的精度直接影响着系统的定位精度。超声波在空气中传播时, 其速度C与温度T的关系如下:

式中T为摄氏温度。

系统使用体积小精度高的温度传感器DS18B20测量环境温度来修正误差。

3.2 时间差误差的影响及其修正

在到达时间差的定位算法中, 由于信号到达各节点的时间差是定位的依据, 所以由时间测量不准确而产生的误差对定位精度的影响是最大的。超声波测距原理如下:

其中t是系统测得的时间差;t0是实际时间差;dt是时间差的误差, 为常数项, 主要由驱动电路和超声波传感器的响应延迟和单片机的相应延迟等组成。

为了修正时间差误差的影响, 进行时间差误差测试实验。在间隔不等的直线上将超声波发射传感器和超声波接收传感器正对放置, 测量多组时间差并与真实时间差对比, 测得时间差误差为0.09ms。所以真正的时间差为:t0=t-0.09。

4 实验结果

为检验系统定位的效果, 选择某仓库空地进行定位实验。在仓库中划定一个二十五平方米的方形区域作为实验场地, 将三个超声波接收器放置在任意不共线的三个点处, 并将其所在点的坐标设定到系统中。

在实验场地中任意设定定位点并在定位点放置超声波发射器, 开启定位系统记录定位坐标和实际坐标。实验结果如下:

上位机软件定位结果与实际位置的对比如下:

定位结果与实际位置的最大误差4.5cm, 平均误差3.2cm。

5 结束语

本设计将到达时间差定位技术应用于超声波二维定位中, 误差修正的引入使得定位准确度较好, 误差小于5cm, 平均误差3.2cm。采用VB.NET编写了上位机桌面程序, 实现了对定位系统的实时监控, 可以对定位点进行实时追踪。

参考文献

[1]杨俊峰, 张丕状.基于Chan算法和Taylor级数混合算法的到达时差定位[J].核电子学与探测技术, 2013, 33 (4) :480-482.

[2]吴琳.室内定位技术探讨[J].江西测绘, 2013 (2) .

[3]赵奇, 樊奔.提高超声波测距精度的方法[J].中国西部科技, 2007 (9) :47-48.

[4]吴新章, 张焕武.TDOA定位技术系统实验[J].中国无线电, 2010 (6) :46-47.

[5]刘哲, 陈日林, 滕鹏晓, 等.基于平面传声器阵列的声源定位系统[J].声学技术, 2011, 30 (2) :123-128.

[6]周康磊, 毛永毅.基于残差加权的Taylor级数展开TDOA无线定位算法[J].西安邮电大学学报, 2010, 15 (3) :10-13.

[7]姚世选, 李宝良, 蒋晓伟, 等.基站式声源定位系统的研究与设计[C].2009全国虚拟仪器大会论文集 (一) .2009.

二维码定位篇7

1高精度线阵CCD二维自准直仪测量原理

自准直仪是以自准直原理为基础[6],用测微系统对被测件进行角位移精密测定。如图1所示。当激光光源发送光束照亮位于物镜焦平面上的分划板狭缝,通过分光镜和准直物镜后形成一束平行光射向被测反射镜,当反射镜面垂直于光轴时,光束仍然原路返回,由准直物镜汇聚,经分光镜成像于线阵CCD上。当被测反射镜发生小角度变化时,通光狭缝在线阵CCD上所成的像将产生线位移,由此可以计算相应的小角度变化。反射镜发生小角度变化 θ ,则在线阵CCD上成像产生位移 Δd ,根据几何光学原理,有:Δd = f ⋅ tan 2θ 。式中,f为物镜焦距。当被测角 θ 很小,约在15′以内时,测量公式近似为:Δd = f ⋅ 2θ ,则

由式(1)可知,只要能精确测量线阵CCD的像位移 Δd ,即可精确测量小角度 θ 。为了实现测量反射镜的二维角度变化,需要增加一激光光源、一块分光棱镜和一片线阵CCD。通过控制光源切换和信号采集,来实现二维角度测量。

2关键技术与实现方法

目前最常用的中心定位亚像素算法是重心法。其算法简单且定位精度较高,但是它只能处理目标面积区域适中的图像,并且受噪声干扰较大,当图像信噪比较小时,它的定位误差会变得很大[7]。线阵CCD成像过程中的随机噪声近似服从高斯分布。高斯滤波对服从高斯分布的噪声有很好的滤波效果的同时能保留图像细节。因此,为了降低噪声对算法精度的影响,提高系统精度,首先采用高斯滤波进行预处理,生成带有高斯加权的CCD图像,然后采用线性插值高斯加权重心算法对高斯加权的CCD目标图像中心进行亚像素定位。

2.1二维高斯滤波算法

图像滤波是通过原始输入图像f (x,y) 与脉冲响应h(x,y) 的卷积来实现[8],即

式中,⊗ 是卷积运算符;g(x,y) 是经过滤波后的输出图像。式(2)的离散形式为

因此,卷积就变成了对像素点的加权计算,脉冲响应h[i,j] 就是一个卷积模板,2m + 1和2n + 1是卷积模板的两维宽度。对图像中的每一个像素[i,j] ,输出响应g[i,j] 是通过平移卷积模板到每个像素点[i,j] 处,计算模板与像素点[i,j] 邻域加权得到的。其中各加权值对应卷积模板的各对应值。

高斯卷积模板是一种线性模板,可直接从二维零均值离散高斯函数计算模板权值[9]。二维零均值离散高斯函数表达式为

式中,σ 是高斯函数的均方差,它控制着平滑效果。 σ 值越大,平滑程度越好,但同时也造成图像特征过分模糊(图像细节的丢失),一般选取 σ =1~ 10。例如,取 σ =1,为了减少实际运算量,卷积模板的两维宽度取3×3,由式(4)可以产生图2所示的高斯卷积模板。

为了计算方便,一般将模板权值取整。其过程是取模板最小权值(在模板的角点处),选择系数k使得最小权值为1。如上例中

对k取整为3。这样,用k值乘以模板所有权值,并取整得到图3所示的整数值高斯卷积模板。

图3所示的高斯卷积模板的权值之和并不等于1,这就意味着高斯卷积处理提高了整幅图像的灰度,并改变了图像直方图。所以,在进行图像平滑时,像素点的输出值必须用模板的权值来归一化处理。在上例中

所以,经高斯卷积平滑滤波后的输出图像为

二维高斯模板的数学表达式为

它可以分解成两个一维的高斯函数,对应于一个二维高斯模板,可以将其分解成两个一维高斯模板的卷积,如图4所示。

在高精度线阵CCD二维自准直仪原理样机上实际采用的一维高斯模板如图5所示。

实验中,一个线阵CCD采集到的四狭缝目标图像减去固定阈值后的图像如图6所示。从图中可以看到,由于系统噪声的影响而使图像的边缘不平滑。采用图5所示的一维高斯模板平滑滤波后的图像如图7所示。从滤波结果可以看到,经过高斯平滑滤波后的图像边缘非常平滑,对系统噪声起到了很好的抑制作用。采用1×3高斯模板,运算量小,实时性强。

2.2线性插值高斯加权重心算法

利用1×3高斯模板可以快速有效地对高精度线阵CCD图像抑制噪声的同时保留图像的细节,为了进一步提高二维自准直仪的定位精度,兼顾定位算法的实时性,采用线性插值高斯加权重心算法对四狭缝目标中心进行快速亚像素定位。

为了减少数据处理量,提高处理速度,对四狭缝目标图像减去固定阈值后的CCD图像进行中心定位,用传统重心算法求目标中心可表示为[10]

式中,为质心的像元序号;xi为像元序号;f (xi) 为像元在i点处的灰度值;n1,n2是线阵CCD上起始和终止的像元的序号数,在n1和n2之间的像元需要进行数据处理。

在重心定位过程中,噪声对定位精度有很大的影响,因此采用高斯加权的重心定位具有很高的去噪声能力[8]。在重心定位中不采用原图像像素灰度值而是采用高斯滤波后的灰度值进行计算。故由式(9)可以得到高斯加权重心算法可以表示为

式中,为求得质心的像元序号坐标;k为高斯模板的大小;g(i) 为一维高斯模板;I(x) 表示经过高斯滤波后的图像数据。

目标中心的定位精度与目标图像灰度的轮廓和信噪比有很大关系,因此可以通过插值的方法在目标成像区域增加一些可利用的点,来提高质心定位的精度。由于Lagrange多项式得到的线性插值最为简单,实用性强,对噪声的抑制、图像质量的提高效果都比较好[10]。因此,文中选用Lagrange线性插值。根据线性插值理论,设点xi,xi + 1的带高斯加权的灰度值为I(xi) ,I(xi + 1) ,插值点为v ,则

经过插值运算后,目标图像的中心可由下式计算

式中,为求得目标中心坐标;m1和m2为插值CCD像元的序号数;xv为插值单元坐标。

3实验结果及数据分析

采用文中提出的定位算法,在高精度线阵CCD二维自准直仪原理样机上已成功实现了快速精确亚像素定位。为了验证该定位方法的精度和速度, 选用德国穆勒公司的ELCOMAT3000型自准直仪进行对比。ELCOMAT 3000在全量程(±1 000″)范围内示值误差不超过0.25″,在任意20″内示值误差不超过0.10″。比较结果非常接近,测得原理样机X轴和Y轴测量范围±900″,相对于进口ELCOMAT3000示值误差优于±0.5″,单次二维角度测量时间小于0.2 s,实现了快速高精度二维角度测量。在±300″范围内,X轴和Y轴测量的对比结果与误差见图8和图9。

4结论

本文来自 360文秘网(www.360wenmi.com)，转载请保留网址和出处

【二维码定位】相关文章：

二维码发展06-28

二维码营销05-09