近年来，怎样在CIMS环境下的柔性制造系统中的运输装直的自动无轨运行正受到越来越多的关注。把实时图像处理应用在运输装直的运行控制中，实现了其运行的无线化和智能化，使该柔性运输装直能自动确定运行轨迹。用数字图像来控制运输装直的运行应用了一系列的图像处理，包括多幅数字图像的拼接、图像的模式识别、图像形状特征分析和对特征分析后的目标的坐标提取等。在CIMS环境下的自动生产车间验证了用实时数字图像控制运输装直是切实可行的，实现了其自动和安全运行。
引言
计算机集成制造系统(CIMS)通过计算机技术把分散在产品技术与制造过程中各种自动化子系统有机地集成起来，形成适用于多产品、小批量生产，实现整体效益的集成化和智能化制造系统。柔性制造系统(FMS)是计算机集成制造系统(CIMS)的基础，它是若干自动化设备通过一套自动物料传输系统连接起来，由分布式多级计算机系统通过综合管理与控制。
目前国内现有的自动物料传送装置大多采用的是人工、有线控制方式，基本上都是有轨运输，常用的有电磁导向或铁路导轨等，只能在固定位置运行停止，同时因其有线数据传输方式在很大程度限制了应用场合的扩展。
针对目前这种情况，该项目查阅国内外大量有关控制资料，确定运输装置使用无线控制方式和无轨运行。系统使用了前沿的综合学科，数字图像控制学，即用实时数字图像远程控制运输装置的运行，实现其运行的无线化和智能化，使该柔性运输装置自动确定运行轨迹，根据现场实时要求能够在指定位置停止、自动识别障碍物重新获得最佳运行轨迹。该项目所使用的运输装置是按照车间运输零件的要求所设计的1:1装置，它的三维尺寸为106cmx78cmx65cm，运输装置的承载能力为300kg，其外形如图1所示。
1 数字图像控制的运输装置系统简介
系统通过数字图像实时获取运输装置的运动位置坐标来对其运行轨迹实时修改校正，实现该运输装置自动运行的智能化。运输装置的运动区域及预设轨迹是通过高空的摄像机所拍摄的地面图形生成的数字图像来提供的。运输装置运行中，摄像机实时拍摄运输装置在该区域中的地面图像，与初始背景图像进行分析对比，获取运输装置的位置坐标来确定运输装置的运行轨迹;如果在该区域中有与背景图像和运输装置不同的图像信息，则对该信息进行模式识别，其目的是判断在运输装置的运行前方区域有无障碍物的存在，因其模式识别是在二维平面中判断所得，缺乏障碍物的高度信息，为了运输装置运行的可靠性，在运输装置上装有超声波，通过图像和超声波的联合识别进行障碍物的确认并获取该障碍物的位置坐标。有了障碍物和运输装置的位置坐标，计算机通过策略型人工智能算法对物流控制运输装置的路径进行处理，并将处理结果转换成控制运输装置运动的指令，该指令通过无线通信模块传输到运输装置的控制模块，来实时修改运输装置的运行轨迹。
图1 运输装置的三维外形
2 数字圈像控制的运输装置系统的典型功能模块
系统对国内外现有物流控制运输装置的性能、控制方法、适用范围、工作条件等进行了对比分析，确定系统采用模块化设计，这样可以使运输装置功能部件分开，降低功能模块维护的复杂性，提高系统的可靠性。本系统的功能模块可分为3大类：第1类为图像处理部分;第2类为中央处理计算机控制与通讯部分：第3类为车载单片机控制系统。
2.1 图像处理部分
在此部分中分为3个模块：数字图像采集模块、数字图像处理模块和运输装置路径处理模块，其示意图如图2所示。
图2 图像处理的功能模块
2.1.1 数字图像采集模块
系统对运输装置的控制基础是实时的数字图像，图像的采集是系统最为基础的部分。实时图像来源于CCD摄像机所拍摄的图像，CCD摄像机固定安装在天花板上。因系统所使用的运输装置是按车间要求1: 1所设计的装置，一部CCD摄像机只能拍到预设运输装置运行轨迹的1/ 3，为保证运输装置适用在较大区域，不但能在实验室还能在车间等各种场合运行，系统采用了多都CCD摄像机同时拍摄，把各个摄像机所拍摄的图像通过中央处理计算机上的图像采集卡生成实时的多幅数字图像。系统中所使用的图像采集卡可以进行四路PAL彩色视频图像信号的实时同步采集，采集频率为25帧/秒，所采集的单路图像分辨率为768x576x32。
2.1.2 数字图像处理模块
该模块主要完成将采集到的图像进行处理，识别运输装置的运动路径。模块所涉及的内容有：多幅数字图像的拼接、图像的模式识别、图像形状特征分析和对特征分析后的目标的坐标提取。
(1) 图像拼按:其作用是实时对四路数字图像拼接以生成与现场环境相吻合的单幅数字图像，该拼接后数字图像的最大分辨率为1536x1152x32。
拼接4幅数字图像 (768x576x32/幅)，必须对每幅图像进行边缘检测，边缘的图像有少许失真，实时消除每幅数字图像中的干扰和噪声，去处噪声的方法是对图像的边缘进行平滑处理。边缘检测要考察每幅图像边缘的领域内灰度的变化，利用边缘邻近一阶或二阶方向导数变化规律。在系统中所使用的边缘检测算子是Roberts算子，它是2x2算子，其运算速度较快，是一种利用局部差分算子寻找的边缘算子，g(x，y)是Roberts的梯度幅值，它是由下式所给出：
本系统是使用 Visual C++开发的，拼接的部分源代码如下所示：
//用 Roberts算子检测边缘
for(j=lHeight-l; j > 0; j--)
{for(i=O;i <lWidth-l; i++)
{//指向源图像第j行，第 i个像素的指针lpSrc=(char*)lpDIBBits+lWidth* j+i;
//指向目标图像第j行，第i个像素的指针lpDst = (char*)lpNewDIBBits+lWidth*j+i;
pixel[O]=(unsigned char*)lpSrc;
pixel[l]=(unsigned char)*(lpSrc+1);
pixel[2]=(unsigned char)*(lpSrc-lWidth);
pixel[3]=(unsigned char)*(lpSrc-lWidth+1);
//计算目标图像中的当前点
result=sqrt((pixel[O]-pixel[3])*(pixel[O]-pixel[3])+(pixel[1]-pixel[2])*(pixel[1]-pixel[2]));
*lpDst=(unsigned char)result;
}}
//图像l和图像2的拼接部分源代码如下
for(DWORDj=O;j <Imagelnfo1.Heigth; j++)
{for(DWORDi=O; i<ImageInfol.Width*Color+ImageInfo2.Width*nColor; i++)
{if(i<ImageInfo1.Width*nColor){*(dst+i+(ImageInfo1.Width*Color+lmagelnfo2. Width*nColor)*j)=*(src1+i+(Imagelnfo1.Width*nColor)*j);
}
else
{*(dst+i+(Imagelnfol.Width*nColor+Imagelnfo2.Width*nColor)*j)=*(src2+i-ImageInfo1.Width*nColor+(ImageInfo2.Width*nColor*j));
}}}
(2) 图像的模式识别：模式识别主要目的是识别出实时数字图像中的运动中的运输装置和阻碍物。一个图像识别的前提是图像信息的获取，此过程在上一步图像拼接中已完成。这一步就是对图像信息的加工与处理从而识别出运输装置和障碍物。在系统中对运输装置和随机出现的障碍物进行运动检测和识别，进而分析出相关目标的一些特征。在静止背景下进行运动目标的检测是直接利用帧间的变化，利用其静止的背景以及当前帧的信息，分割出所有运动目标的近似区域。具体方法就是在每一帧和背景之间用减法运算得到亮度和颜色分量的背景帧差图，判断帧差图的(R，G， B，A)分量可以较好的对运动目标进行识别。但在实际情况中，背景并不是完全静止的，由于光照或者其它干扰而引入了一些局部的噪声，这些干扰对运动目标的正确检测和定位带来了一些困难，因此，系统利用色度等其它信息对这些噪声进行一定的消除。
其相应的运动目标的识别部分源代码如下：
//行字节数:扫描和数据基索引
dwWidthBytesSrc=nWidthImg Src*4;
dwWidthBytesDst=nWidthImg Dst*4;
dwbaseIndexSrc=nYSrc*dwWidthBytesSrc+4*nXSrc;
dwbaseIndexDst=nYDst*dwWidthBytesDst+4*nXDst;
//运动目标识别
for(inti=O;i < h;i++)
{BYTE*pbySrc=lpbyBitsSrc32+dwbaseIndexSrc;
BYTE*pbyDst = lpbyBitsDst32+dwbaseIndexDst;
for(intj=O;J<w:j++)
{ //背景图像
BYTE byBlue=*pbySrc++;
BYTE byGreen=*pbySrc++;
BYTE byRed=*pbySrc++;
BYTE byAlpha=*pbySrc++;
pbySrc++;
//当前帧图像
BYTE* pby Blue=pbyDst++;
BYTE* pbyGreen=pbyDst++;
BYTE* pbyRed=pbyDst++;
BYTE* byAlpha=pbyDst++;
pbyDst++; int r,g,b,a;
r=(int)(*pbyRed)-(int)byRed;
g=(int)(*pbyGreen)-(int)byGreen;
b=(int)(*pbyBlue)-(int)byBlue;
a=(int)(*pbyAlpha)-(int)byAlpha; }
dwbaseIndexSrc+=dwWidthBytesSrc;
dwbaseIndexDst+=dwWidthBytesDst; }
(3) 图像特征形状分析：在进行了上一步的模式识别得到了运动目标，但有可能此时的运动目标是运输装置及其随机出现的障碍物。这一步就要通过图像的特征形状分析分离出运输装置和障碍物。因运输装置的形状特征完全确定，通过己知的运输装置的形状分离出运输装置区域。系统使用了二值图像，二值图像就是把要分离区域内的像素赋予 "1"，其它不感兴趣的目标像素赋予 "0"，这样就把运输装置与其它目标区分离开来。
在系统中，因障碍物的形状、大小和个数的随机性，特别是对分散的多个障碍物的特征分析将有一定的困难，所以该系统的运用是在只用一个随机出现的障碍物的情况下才能较为准确。
图像的二值化的部分源代码如下：
for(j=0; j<lHeight;j++)
{ for(i=O; i<lWidth; i++)
{ IpSrc=(unsigned char*)lpDIBBits+ILineBytes*j+i;
if(*lpSrc>200)//白像素为背景，存成 0
{pnBinary[lLineBytes*j+i]=O;
pnStore[lLineBytes*j+i]=O;}
else //黑像素存成 1
{ pnBinary[lLineBytes*j+i]=1;
pnStore[lLineBytes*j+i]=1;
}}}
(4) 提取目标坐标:通过图像的特征形状分析得到了分离处理后的区域，运输装置区域或随机障碍物区域。为了控制运输装置的运行轨迹，则必须知道该帧运输装置和障碍物所处的坐标位置。表征区域的坐标位置使用了其数字特征中的重心来完成的。对于一幅二值化图像，f(:i,j),i,j=0,l,2,···。
2.1.3 路径处理模块
该模块主要综合数字图像处理的坐标信息，确定运输装置的运行轨迹和运行状态，通过策略型人工智能算法 (AI)对运输装置的路径进行处理。其方法是:根据数字图像所提供运算装置和障碍物的坐标位置，判断它们之间的相对位置，如果障碍物的位置不在运输装置将要运行的轨迹范围内，运输装置按原预设轨迹运行:反之，障碍物的位置恰好就在将运行的轨迹范围内，则启动超声波传感器验证探测障碍物的高度信息，再综合数字图像处理的障碍物的平面位置坐标信息，得到了障碍物的三维信息；了解障碍物的三维信息后，系统就根据障碍物和运输装置的相对位置来确定运输装置的减速、停止和绕行，并把这些运行指令通过串口发送给运输装置，规划出运输装置的实际运行轨迹。
2.2 中央处理计算机控制与通讯部分
中央处理计算机控制是将中央处理计算机将路径处理模块中的处理结果(运行、减速、停止和绕行)转换成控制运输装置运行的指令，将这些指令传输到信息通讯模块，以便发给车载单片机控制系统执行相应的操作。
信息通讯模块有发射和接收两部分，发射部分是把计算机控制模块确定的指令信息送入微处理器，进行编码后输出己调制信号，该调制信号经放大后通过天线将信号发射出去:接收部分是车载单片机控制系统的天线接收由发射模块输出的无线射频信号，经微处理器控制处理还原出所需数据，再分别送到各自的执行器件。
2.3 单片机控制系统
车载单片机控制系统直接控制运输装置的运行，它采用微型单片机 C8051F020，这款芯片可以方便快速的接收来自中央处理器所发出的控制指令，还能将超声波传感器获得的障碍信息和接触传感器获得的碰撞信息进行运算和处理，及时反馈给中央处理器，同时负责分时控制相关个模块的工作状态，协调各模块的工作。
3 技术特征和技术难点
系统采用了机电、计算机领域较困难的计算机图像学和传感器超声波联合对路径进行分析，采用无线通讯方式对数据进行传输，单片机控制运输装置的运行，使运输装置具有自动确定运行轨迹。
经过查阅国内外计算机图像学的有关技术资料，确定综合使用计算机图像学实时远程控制运输装置是较新的技术难题，系统对软硬件的要求较高，这样才能达到对数字图像的实时采集、实时处理和实时控制。该系统解决了如下难题：① 多个摄像机多所采集的数字图像进行实时拼接；② 对数字图像进行模式识别采用了运动检测和目标识别，实时消除数字图像中的干扰和噪声；③ 数字图像使用了二值图像进行特征形状分析。将特征形状分析得到的区域童心表征运输装置或障碍物的位置坐标；④ 运输装置或障碍物的位置坐标，通过策略型人工智能算法(AI)对运输装置的运行轨迹进行处理，并将处理结果转换成该装置的运动指令，再将指令传输到通讯模块。
4 结束语
实验验证系统采集的图像障碍识别精度100 x 100mm;运输装置的运行速度是6m/min，图像障碍响应速度1s，接触障碍的响应速度0.1s，运输装置躲避障碍绕行的响应速度1.5s,运输装置与无线通讯频率为1k/s。经过实验证明了用数字图像远程控制和超声波障碍物识别联合控制运输装置是可行的，达到了预计目标，实现了三维空间的障碍识别，实现了运输装置自动控制和安全运行。
该系统能够提高在 CIMS环境下的柔性制造系统中运输装置系统的自动化程度。该系统对从事计算机图形图像控制方面的科技人员具有一定的参考价值。
