智能巡线末端无人运输车

屈康杰 李育铭 何雨夏 杜文涛

桂林电子科技大学信息与通信学院 广西桂林 541004

【摘要】 随着物流行业和外卖餐饮业的不断发展扩大，传统的人力运输越显乏力，急需一种新的室外运输工具取代传统人力运输以降低物流公司的成本和外卖买家的运费支出以及提高物流运输效率。本系统致力于研发运输无人化，利用嵌入式、物联网、计算机视觉等技术制作出一套能够安全运输的无人小车。网点通过输入号码可以打开车上箱子进行存取物品，小车向已规划好的可视线路巡线到目的地点，并实时发送位置信息，到达目的地点后，用户输入取货号，相应的箱子就会打开，用户即可取货。

【关键词】 运输效率；无人运输；物联网；计算机视觉

引言

目前室内无人运输车技术已经日趋成熟，AGV无人运输车已经在各大物流仓库大规模应用，而室外的无人运输车技术一直处于试验阶段在国外甚至看不到成果，随着中国物流行业和外卖行业的不断壮大，室外末端无人运输车注定会在不久的将来得到普及，由此智能化无人运输车作为无人车技术重要的一环将更加不可或缺。伴随着图像处理技术的成熟和GPS北斗导航精度的提升无人运输车将成为人们日常生活中必不可少的运输工具，具有很好的发展前景。

本系统通过嵌入式、物联网、计算机视觉等技术制作出一套能够在室外安全运输的无人小车，利用各个模块实现导航定位、路径规划和信息通信，安全地将物品送至目的地，提高物品运输的效率。

系统设计方案

2.1功能概述

（1）通过GPS定位模块和GPRS通信模块实时发送小车的位置信息当到达目的地时可以停止。

（2）利用OpenCV识别铺设好的路线和站点，保证小车在预定轨道内。

（3）输入指定号码打开箱子。

2.2 系统设计

图 2.1 系统结构图

系 统分为三个部分：OpenCV路径识别、定位与通信、小车控制。小车使用计算机视觉OpenCV识别出铺设好的路径和车站，判断小车相对路径的位置和是否到达站点， 随后将位置信息发送给小车控制层，控制层做出相应的动作。为了实时跟踪车辆的状态，系统加入GPS定 位和GPRS通信模块实时发送小车的位置信息。小车的由STM32控制包含TB6612电机驱动、按键、LCD显示等组件，当OpenCV识别到小车向轨道左边偏离时，左电机加速使小车会到中间，若OpenCV识别到站点时小车就会停止，若有人来输入号码STM32控制车厢打开。

2.3 软件及算法设计

项目利用QT+OpenCV的方式进行程序设计，OpenCV负责识别轨道线和车站位置，并计算出小车相对于轨道线的位置以便控制小车使轨道线处于小车中央，随后QT将偏离数据和车站信息通过USB转串口发送给STM32。OpenCV主要用于轨道获取和计算，检测行进过程中是否有影响行进的障碍物，以及是否到达目标车站。OpenCV算法的高效与否直接影响着小车能否精确地运行在铺设的轨道上，良好的算法可以是小车不会脱离轨道和撞到障碍物，可以准确地到达指定的地点等待下一步指令。

2.3.1 轨道线识别算法

图 2.2轨道提取结果

在 提取轨道之前需要进行预处理降低噪声的影响，随后调节HSV色域值捕捉轨道除轨道以外其余色域皆置为黑色遮罩，随后加入分水岭算法去除这些小色块的影响。计算出轨道中线作为小车控制方向的参数，首先将轨道图像的边缘二值化，在没有噪点的情况下进行行、列扫描，将轨道边缘图像的两个边缘点取平均即可得到轨道中线。控制小车方向还需要另一个参数中线斜率，防止转弯过慢或过快脱离轨道。图2.2表示轨道提取结果，绿线表示轨道中位线，红线表示车辆跟轨的目标线使红线尽可能与绿线重合。

2.3.2车站和障碍物检测算法

由于识别障碍误时需要把轨道和车站抹去，所以需要先识别出车站标志。车站标志用有别于轨道的黄色块模拟，和轨道识别相同先利用高斯滤波降噪再用HSV色域捕获色块，为防止类似的非车站色块影响可以使用OpenCV相应查找轮廓函数标记色块轮廓，随后根据连通区域的轮廓大小判断是否为车站。

障碍物识别不需要全屏识别，只需要在影响前行的前方进行识别即可，所以除前方以外的地方加上黑色遮罩形成梯形视野ROI图像。ROI图像除去轨道、车站和白色背景板可以得到障碍物，对障碍物二值化、轮廓周长计算，若周长在阈值内则停车等待处理后才能通行。

测试结果

我们在布置了线路进行了实验验证，线路上包括了障碍物等。结果显示，在运输车放置在线路上后，运输车能够准确识别到线路，并且自动行进。当遇到障碍物的时候，运输车能提前减速，并且在障碍物前停下。当障碍物移除之后，运输车能继续运行，并实时发送位置信息，到达目的地后可以正常打开、关闭车厢。符合设计原先预想的结果，证明了该运输车设计的有效性、可靠性。

结论

在本设计中，摄像头作为运输车的核心部件，OpenCv是主要的识别算法，处理图像的好坏直接决定了运输车的正常运行。未来的设计思路要对图像识别的算法进行优化，对出现的紧急情况进行预测，使其运行更高效。

参考文献：

[1] 张启帆, 王哲. 基于GPS与GSM的电动车智能防盗系统[J]. 电子制作, 2018(9): 33-34.

[2] 杨思阳, 黄军, 吴春秋. 基于Java+OpenCV技术对几何图像颜色与形状识别[J]. 电脑与电信, 2019(Z1):79-82.

[3] 任志敏. 基于Android及OpenCV平台的形状及颜色识别系统设计[J]. 山西电子技术, 2019(04):51-53+62.

[4] 胡徐胜, 李赛红, 陶彬彬. 基于STM32的循迹足球机器人设计[J/OL].辽宁工业大学学报(自然科学版), 2020(01):1-5[2020-01-03].

[5] 刘冬. 基于Qt4和OpenCV的嵌入式视频监控系统[J]. 现代电子技术, 2013,36(08):104-108.