摘 要：随着科技的发展，自动化程度的提高，无人工厂随即兴起。无人工厂不仅提高了效率、降低了人力的成本，同时也保证了工作人员的安全。在无人工厂中重要的一项就是产品的运输，原材料的输送。这些在以往要么使用人力输送，要么需要架设导轨或者磁条。今天我们提出的基于视觉循迹，也需要对环境做出一定的改变，但相比于导轨和磁条来说就要简单的多。利用计算机视觉将地面上使用特定颜色标注出来的自动车的行进路线识别出来，然后再交由控制系统进行对自动车进行相应的控制操作。
关键词：无人工厂 计算机视觉 循迹
Abstract: With the development of science and technology and the improvement of automation, unmanned factories are rising. Unmanned factories not only improve efficiency, reduce labor costs, but also ensure the safety of staff. One of the important items in unmanned factories is the transportation of products and the transportation of raw materials. In the past, either the use of human transportation, or the need to set up guideways or magnetic strips. The visual tracking proposed by us today also needs to make some changes to the environment, but it is much simpler than the guide rail and magnetic strip. The route of the automatic vehicle marked with a specific color on the ground is identified by computer vision, and then handed over to the control system for the corresponding control operation of the automatic vehicle.
Keywords: Unmanned factory Computer vision Tracking
【中图分类号】F407.67 【文献标识码】B 文章编号1606-5123（2019）11-0087-02
1 引言
随着自动控制技术不断发展、成熟，越来越多的全自动智能无人工厂被更多建设，对智能工厂中移动设备的控制方式也提出了更高的要求[1]。通常我们采用人力控制，或者安装导轨铺设磁条，来对移动设备的行进路线进行控制。但是使用人力运输送，效率低，容易发生事故，显然不符合我们对无人工厂的要求。对于第二种，需要我们花大量的精力去铺设导轨和磁条，成本更是大大增加。因此迫切需要一种简单易行，成本低廉的方式。计算机视觉不可避免的就走入了我们的眼中，首先对于外界，计算机视觉系统不要做太多的工作，其次只需要在移动设备上，安装好一套机算计视觉系统，那么该移动设备就可以在工厂中正常的工作。
2 方法原理
如之前所说的需要对环境做出一些简单的改变，我们需要将移动设备的运行路线使用区别于地板颜色的颜料进行标注，如图1所示，地板颜色为绿色，使用白色颜料将移动设备的运行路线标注出来。移动设备上的计算机视觉系统识别地面上的白色运动轨迹，然后沿着白色路径行进。
图1 移动设备场地布置
3 技术实现
我们可以知道在计算机视觉中，不可能像我们人眼一样，明确的区分这是绿色、这是白色，然后自己沿着白色走。在计算机中所有的颜色都是数字化的，在我们眼中的绿色和白色在计算机看来，就是一堆的数字如图2 计算机中的图像。
我们需要做的就是在计算机中将这些数据转化为我们要对移动端的控制。而对于这些数据处理需要借助一个计算视觉的工具库OpenCV。OpenCV的全称是Open Source Computer Vision Library, 是一个基于BSD许可 (开源) 发行的跨平台计算机视觉库, 又名“开源计算机视觉库”。OpenCV的全称是Open Source Computer Vision Library, 是一个基于BSD许可 (开源) 发行的跨平台计算机视觉库, 又名“开源计算机视觉库”[2]。
图 2 计算机中的图像
我们在计算机中利用OpenCV库将由摄像头采集的彩色图片转化为灰度图，然后在灰度图中进行相应的二值化。即遍历图片中每个像素，然后对像素值进行判断，因为我们所要识别的为白色的部分，所以我们阈值设置为220，那么将有下列的二值化公式：
经过处理以后的图像数据如下：
通过处理后的图像数据我们来判断行进路线的位置，若像上面的样子则行进的路线刚好在中心，则移动端直行即可。同样的如下两组数据：
左侧一组数据通过使用中心对齐的方法，发现白色轨迹偏向左侧，那么需要控制移动端向左偏离行驶使得白色轨迹线始终处于视觉图像的中心。同样的右侧一组数据通过中心对齐的方法，发现白色轨迹偏向右侧，因此需要控制移动端向右偏离行驶。
4 结束语
随着计算机视觉的不断发展，在工业上应用视觉来处理问题的方式也得到了越来越多的重视。正有大批的研究人员、工作人员积极的将计算机视觉和工业生产联系起来。在本文中的视觉利用，节省了成本，并且构建起来也并不复杂。同样的，在视觉快速发展的今天，这样的视觉系统还是仍有巨大提升空间的。
参考文献
[1]期刊:李国华.智能无人工厂移动设备自动定位控制方案[J].世界有色金属,2019(10):25-26.
[2]期刊: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.
作者简介
王涛（1995- ） 男 研究方向为特种机器专业