本发明涉及智能控制技术领域，特别是涉及一种基于机器视觉的自动跟随载物车的控制系统及方法。
背景技术：
随着科技与经济的快速发展，人们对生活质量的要求越来越高，于是各类智能设备相继出现，方便了我们的生活。载物车在生活中的职能是搬运货物，比如超市的购物车、图书馆的运货小车等，它们增大了人们的单次搬运容量，提高了工作效率。但目前的载物车仍无法完全解放人类双手，需要人力推动，在搬运过程耗时耗力。因此，需要开发一种能够自动跟随使用者的载物车，将其应用在大型商场、超市、图书馆和智能家居等领域，为人们带来更多智能技术的使用体验。
而实现载物车的自动跟随，关键技术之一在于实现目标定位的方式，目前常见的定位手段有超声定位、射频识别定位、蓝牙定位等，在定位精度、抗干扰能力方面存在很多不足，并且应用成本较高。
技术实现要素：
本发明的目的是提供一种基于机器视觉的自动跟随载物车的控制系统及方法，综合利用机器视觉技术和红外测距技术，实现目标的定位和自动跟随，具有智能化水平高、抗干扰性强、目标定位精确的优点。
为实现上述目的，本发明提供了如下方案：
一种基于机器视觉的自动跟随载物车的控制系统，包括：图像采集模块、目标测距模块、运动控制模块、中心控制模块、载物车、车轮电机，所述图像采集模块、目标测距模块、运动控制模块、中心控制模块、车轮电机分别搭载在所述载物车上，所述图像采集模块、所述目标测距模块与所述中心控制模块连接，所述中心控制模块与所述运动控制模块连接，所述运动控制模块与所述车轮电机连接，所述中心控制模块用于数据的采集和处理，所述运动控制模块根据所述中心控制模块处理后的数据对所述车轮电机进行控制。
可选的，所述车轮电机包括舵机和直流电机，所述舵机用于控制车轮方向，所述直流电机用于驱动车轮移动。
可选的，所述图像采集模块为摄像头，所述目标测距模块为红外测距传感器。
可选的，所述运动控制模块为arduino板，所述中心控制模块为装配linux系统搭载python2.7开发环境的树莓派第三代b型。
本发明还提供了一种基于机器视觉的自动跟随载物车的控制方法，所述方法应用于如权利要求1到4任意一项所述的基于机器视觉的自动跟随载物车的控制系统，所述方法包括以下步骤：
以设定时间间隔获取摄像头拍摄的图像；
根据所述摄像头获取的图像初步确定跟踪目标，得到初选跟踪目标；
判断初选跟踪目标的位置与上一帧图像中的跟踪目标位置的变动是否超过设定阈值；
如果否，则将所述初选跟踪目标确定为跟踪目标；
确定所述跟踪目标相对摄像中心的方位；
根据所述方位，调整摄像中心的位置到所述跟踪目标的位置。
可选的，所述以设定时间间隔获取摄像头拍摄的图像，具体包括：以每4ms一帧的时间间隔获取摄像头拍摄的图像。
可选的，所述根据所述摄像头获取的图像初步确定跟踪目标，得到初选跟踪目标，具体包括：
采用样本图像训练opencv的级联分类器，所述样本图像为包含跟踪目标的图像；
采用训练后的opencv的级联分类器对摄像头获取的图像中的跟踪目标进行识别，得到初选跟踪目标。
可选的，在所述采用样本图像训练opencv的级联分类器之前，还包括：
采用滑窗的方式对样本图像进行检测，确定输入到所述opencv的级联分类器的样本图像；
在采用训练后的opencv的级联分类器对摄像头获取的图像中的跟踪目标进行识别，得到初选跟踪目标之前，还包括：
采用滑窗的方式对摄像头获取的图像进行检测，得到输入到所述opencv的级联分类器的待识别图像。
可选的，所述确定所述跟踪目标相对摄像中心的方位，具体包括：获取跟踪目标的左上位置(x1，y1)、右上位置(x2，y2)、左下位置(x3，y3)和右下位置(x4，y4)，计算得出所述跟踪目标中心的位置(x0，y0)：
x0＝(x1+x2+x3+x4)/4
y0＝(y1+y2+y3+y4)/4
对比所述跟踪目标中心的位置与所述摄像中心的位置，确定所述跟踪目标相对摄像中心的方位。
可选的，所述根据所述方位，调整摄像中心的位置到所述跟踪目标的位置，具体包括：
根据所述跟踪目标相对摄像中心的方位，计算载物车的转向以及转角；
根据转向和转角，向舵机发出控制信号控制车轮转向。
根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明提供的基于机器视觉的自动跟随载物车的控制系统及方法，包括有图像采集模块和红外测距模块，综合应用机器视觉技术和红外测距技术，实现目标的自动定位及跟随控制，智能化控制水平高；本系统采用红外传感器进行目标与载物车之间的距离检测，抗干扰性较强；设置运动控制模块专门用于输出电机控制脉冲信号，能够确保电机控制脉冲信号的精确性；采用装配linux系统搭载python2.7开发环境的树莓派第三代b型作为中心控制模块，图像处理功能完善，智能化水平高；在控制方法中，采用包含跟踪目标对象的样本图像训练opencv的级联分类器，之后采用训练后的opencv的级联分类器对摄像头获取的图像中的跟踪目标进行识别，能够快速、准确得出初选跟踪目标；通过判断初选跟踪目标的位置与上一帧图像中的跟踪目标位置的变动是否超过设定阈值，能够准确判断跟踪目标，确保跟踪目标的唯一性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例基于机器视觉的自动跟随载物车控制系统结构示意图；
图2为本发明实施例基于机器视觉的自动跟随载物车控制方法流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种基于机器视觉的自动跟随载物车的控制系统及方法，综合利用机器视觉技术和红外测距技术，实现目标的定位和自动跟随，具有智能化水平高、抗干扰性强、目标定位精确的优点。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例基于机器视觉的自动跟随载物车的控制系统结构示意图，如图1所示，本发明实施例提供的基于机器视觉的自动跟随载物车的控制系统，包括：图像采集模块102、目标测距模块101、中心控制模块103、运动控制模块104、载物车、车轮电机105，所述图像采集模块102、目标测距模块101、中心控制模块103、运动控制模块104、车轮电机105分别搭载在所述载物车上，所述图像采集模块102、所述目标测距模块101与所述中心控制模块103连接，所述中心控制模块103与所述运动控制模块104连接，所述运动控制模块104与所述车轮电机105连接，所述中心控制模块103用于数据的采集和处理，所述运动控制模块104根据所述中心控制模块103处理后的数据对所述车轮电机105进行控制。所述车轮电机105包括舵机和直流电机，所述舵机用于控制车轮方向，所述直流电机用于驱动车轮移动；所述图像采集模块101为摄像头，所述摄像头固定设置在所述载物车上，将采集到的图像信息传输给所述中心控制模块103，所述中心控制模块103根据所述摄像头获取的图像进行跟踪目标的确定和精确定位，并将处理后的数据传输给所述运动控制模块104，所述运动控制模块104向舵机发出控制信号控制车轮转向；所述目标测距模块101可选用gp2y0a02yk0f20-150cm红外测距传感器，所述中心控制模块103根据红外测距传感器测得的距离值进行动力功率的运算，并将处理后的数据传输给所述的运动控制模块104，运动控制模块104发出控制信号控制车轮的移动，确保跟踪目标与所述载物车之间保持恒定距离；所述运动控制模块104可以为arduino板，所述中心控制模块103可以为装配linux系统搭载python2.7开发环境的树莓派第三代b型。
本发明提供的基于机器视觉的自动跟随载物车的控制系统，包括有图像采集模块和红外测距模块，综合应用机器视觉技术和红外测距技术，实现目标的自动定位及跟随控制，智能化控制水平高；本系统采用红外传感器进行目标与载物车之间的距离检测，抗干扰性较强；设置运动控制模块专门用于输出电机控制脉冲信号，能够确保电机控制脉冲信号的精确性；采用装配linux系统搭载python2.7开发环境的树莓派第三代b型作为中心控制模块，图像处理功能完善，智能化水平高。
图2为本发明实施例基于机器视觉的自动跟随载物车的控制方法流程图，如图2所示，本发明实施例提供的基于机器视觉的自动跟随载物车的控制方法，包括以下步骤：
步骤201，以设定时间间隔获取摄像头拍摄的图像；
步骤202，根据所述摄像头获取的图像初步确定跟踪目标，得到初选跟踪目标；
步骤203，判断初选跟踪目标的位置与上一帧图像中的跟踪目标位置的变动是否超过设定阈值；
步骤204，如果否，则将所述初选跟踪目标确定为跟踪目标；
步骤205，确定所述跟踪目标相对摄像中心的方位；
步骤206，根据所述方位，调整摄像中心的位置到所述跟踪目标的位置。
其中，步骤201具体包括：以每4ms一帧的时间间隔获取摄像头拍摄的图像。
其中，步骤202具体包括：
采用样本图像训练opencv的级联分类器，所述样本图像为包含跟踪目标的图像；
采用训练后的opencv的级联分类器对摄像头获取的图像中的跟踪目标进行识别，得到初选跟踪目标。
在所述采用样本图像训练opencv的级联分类器之前，还包括：
采用滑窗的方式对样本图像进行检测，确定输入到所述opencv的级联分类器的样本图像；
在采用训练后的opencv的级联分类器对摄像头获取的图像中的跟踪目标进行识别，得到初选跟踪目标之前，还包括：
采用滑窗的方式对摄像头获取的图像进行检测，得到输入到所述opencv的级联分类器的待识别图像。
在所述采用样本图像训练opencv的级联分类器之前，采用滑窗算法对样本图像进行处理，将rgb三通道的色彩图像转换为了单通道的灰度图像，并裁为21*28的图像，保留所有的图形结构信息除去无关的色彩信息，提升训练速度，之后，使用1000张正样本图像和2000张负样本图像训练opencv的级联分类器。在采用训练后的opencv的级联分类器对摄像头获取的图像中的跟踪目标进行识别，得到初选跟踪目标之前，采用滑窗算法对摄像头获取的图像进行处理，图像需要调整到21*28，从而得到输入到所述opencv的级联分类器的待识别图像。
其中，步骤205具体包括：获取跟踪目标的左上位置(x1，y1)、右上位置(x2，y2)、左下位置(x3，y3)和右下位置(x4，y4)，计算得出所述跟踪目标中心的位置(x0，y0)：
x0＝(x1+x2+x3+x4)/4
y0＝(y1+y2+y3+y4)/4
对比所述跟踪目标中心的位置与所述摄像中心的位置，确定所述跟踪目标相对摄像中心的方位。
其中，步骤206具体包括：
根据所述跟踪目标相对摄像中心的方位，计算载物车的转向以及转角；
根据转向和转角，向舵机发出控制信号控制车轮转向。
本发明提供的基于机器视觉的自动跟随载物车的控制方法，采用包含跟踪目标对象的样本图像训练opencv的级联分类器，之后采用训练后的opencv的级联分类器对摄像头获取的图像中的跟踪目标进行识别，能够快速、准确得出初选跟踪目标；通过判断初选跟踪目标的位置与上一帧图像中的跟踪目标位置的变动是否超过设定阈值，能够准确判断跟踪目标，确保跟踪目标的唯一性。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。