一种基于视觉的RFID多标签网络三维测量建模方法与流程

本发明涉及rfid技术及物联网应用领域，具体涉及rfid多标签网络三维坐标确定以及网络建模，特别是引入三维视觉分析方法对rfid多标签网络进行三维测量建模，属于计量测试领域。

背景技术：

射频识别(radiofrequencyidentification，rfid)作为一种新颖的非接触式自动识别技术，已在现代物流、智能交通、生产自动化等众多领域获得广泛应用，特别是在智慧物流中，由于考虑到系统识读的效率，需要使用大量的rfid标签用于批量货物的出入库信息采集与货物盘点，而现阶段针对rfid多标签网络的建模以及rfid多标签的识别、分布、排列组合、定位等缺乏一种有效的自动测量和计算手段。

在三维图像测量建模领域，现有方法中利用单个相机对图像进行三维测量建模，需要不断调整相机方位，从不同角度获取同一状态下的物体图像，操作复杂，实时性较差，难以适用实时性要求比较高的场合。现有文献中应用单个相机对图像进行三维测量建模的比较少，而利用图像的方法对rfid多标签网络进行三维测量建模更是鲜有报道。为了满足现代智慧仓储物流中货物的出入库信息采集与货物盘点的需求，利用图像相关理论寻找算法复杂度低、计算量小、效率高且鲁棒性好的方法对rfid多标签网络进行三维测量建模就显得很有意义。本发明中使用水平、垂直两个相机，从多角度获取rfid标签的图像信息，降低了利用图像的方法对rfid标签进行三维测量建模的复杂性，本发明提出的方法具有快速、高精度和实时获取rfid标签三维坐标的优点。

在具体算法中，涉及到迭代式阈值分割、形态学处理方法和模板匹配算法，迭代式阈值分割是阈值法图像分割中较为有效的方法，通过迭代的方式来求出分割的最佳阈值，具有一定的自适应性。形态学算法能够在阈值分割的基础上对图像进行腐蚀和膨胀等形态学操作，以保留和提取图像中的特定几何特征，且形态学方法易于用并行处理的方式实现，实时性较高。模板匹配算法以其计算方法简单、模板选取方便，易于实现等优点，尤其适用于实时性要求较高的物联网领域。

技术实现要素：

本发明提出一种基于视觉的rfid多标签网络三维测量建模方法，包括以下步骤：

第一步骤：搭建测试平台步骤，测试平台由rfid读写器、读写器天线、rfid标签、rfid标签支架、控制计算机、伺服电机、垂直相机、水平相机、导轨、转盘构成，rfid标签支架底部贴有标记点，rfid读写器与读写器天线相连，rfid读写器与控制计算机相连，垂直相机和水平相机分别与控制计算机相连；

第二步骤：rfid标签垂直俯视图像采集步骤，利用垂直相机对转盘和rfid标签进行图像采集，利用迭代式阈值分割和形态学方法对图像进行处理，并对全部rfid标签标记点进行编号；

第三步骤：rfid标签径向距离提取步骤，在上述第二步骤中获得的转盘垂直俯视图像上取两条弦，作弦的垂直平分线，则垂直平分线的交点即为转盘中心，选取其中一个rfid标签标记点为模板，利用模板匹配对第i个rfid标签标记点进行匹配，获取第i个rfid标签标记点到转盘中心的距离ri，即为第i个rfid标签径向距离；

第四步骤：rfid标签水平坐标测量步骤，调节伺服电机带动转盘旋转，得到第i个rfid标签旋转的角度θi，则θi和上述第三步骤中获得的ri即为第i个rfid标签标记点的水平坐标参量，进一步得到第i个rfid标签水平坐标为(ricosθi，risinθi)；

第五步骤：rfid标签侧视图像采集步骤，控制计算机控制伺服电机带动转盘旋转，控制计算机控制水平相机进行前后调整，使水平相机对其中一个标签清晰成像，以该标签为模板，测量模板中心点到转盘的垂直距离h，即模板的垂直坐标，使水平相机对第i个rfid标签准确对焦，获得第i个rfid标签侧视图像，利用模板匹配对模板和第i个rfid标签进行匹配，计算第i个rfid标签的中心点与模板中心点之间的像素个数差值ci；

第六步骤：rfid标签垂直坐标测量步骤，根据三角形相似原理，确定图像中每个像素边长的大小a，根据侧视图像标签模板的垂直坐标和第i个rfid标签与模板在垂直方向上的像素个数差值计算得出第i个rfid标签在垂直方向上的垂直坐标hi，当第i个rfid标签的中心点处于模板中心点的下方，hi＝h-ci×a，当第i个rfid标签的中心点处于模板中心点的上方，hi＝h+ci×a；

第七步骤：rfid标签三维坐标确定步骤，确定第i个rfid标签三维坐标为(ricosθi，risinθi，hi)；

第八步骤：重复上述第三、四、五、六、七步骤，测量所有rfid标签的水平坐标和垂直坐标，即得到所有rfid标签的三维坐标。

以上所述的一种基于视觉的rfid多标签网络三维测量建模方法，其中第二步骤所述迭代式阈值分割，步骤如下：

步骤一：对垂直俯视图像进行归一化处理，设定迭代收敛参数t0，并选择一个初始的估计阈值t1＝(ming(x，y)+maxg(x，y))/2，其中(x，y)为图像中像素点的坐标，g(x，y)为归一化后的图像灰度值，ming(x，y)为g(x，y)的最小值，maxg(x，y)为g(x，y)的最大值；

步骤二：用估计阈值t1分割垂直俯视图像，将垂直俯视图像分为g1和g2两部分，其中，g1为{(x，y)|g(x，y)＞t1}，g2为{(x，y)|g(x，y)＜t1}；

步骤三：计算g1和g2中所有像素的平均灰度值μ1和μ2，以及新的阈值t2＝(μ1+μ2)/2；

步骤四：如果|t2-t2|＜t0，则t2即为最优阈值，否则，将t2赋值给t1；

步骤五：重复以上步骤二、三、四，直到获取最优阈值，利用最终获取的最优阈值t2对垂直俯视图像进行阈值分割，得到垂直俯视图像的二值化图像i。

以上所述的一种基于视觉的rfid多标签网络三维测量建模方法，其中第二步骤所述形态学方法，步骤如下：

步骤一：对垂直俯视图像的二值化图像进行膨胀操作，得到膨胀后的图像其中b为结构元素，i为垂直俯视图像的二值化图像，表示膨胀，p1为膨胀后的图像；

步骤二：对图像进行腐蚀操作，得到腐蚀后的图像p2＝p1θb，其中b为结构元素，p1为膨胀后的图像，θ表示腐蚀，p2为腐蚀后的图像；

步骤三：再重复一次以上步骤一和步骤二的操作，然后再对图像执行填充操作，得到图像p3，对p3执行步骤二操作，得到形态学处理后的图像。

以上所述的一种基于视觉的rfid多标签网络三维测量建模方法，其中第三步骤和第五步骤所述模板匹配，步骤如下：

步骤一：选择某一特定图像为参考模板图像，在图像的搜索区域内逐点平移已知的参考模板图像，遍历搜索区域内的每一个像素点；

步骤二：确定归一化互相关系数将参考模板图像和原图像中同样大小的搜索区域图像进行匹配，其中，(m，n)为像素点坐标，t(m，n)为参考模板图像，为参考模板图像均值，m为像素点坐标横坐标的最大值，n为像素点坐标列坐标的最大值，s^i，j(m，n)为搜索区域图像，为搜索区域图像的均值；

步骤三：将参考模板图像平移到下一个像素点，重复以上步骤二，直至所有位置都匹配完成以后，归一化互相关系数nc(i，j)大于设定阈值λ的区域即为所要寻找的匹配区域。

以上所述的一种基于视觉的rfid多标签网络三维测量建模方法，其中第五步骤所述控制计算机控制水平相机进行前后调整，步骤如下：

步骤一：测量水平相机初始位置到转盘中心的距离l1；

步骤二：控制计算机控制伺服电机带动转盘旋转，使得第i个rfid标签与水平相机处于垂直状态，计算第i个rfid标签与水平相机之间的距离di＝l1-ri；

步骤三：计算水平相机对第i个rfid标签准确对焦需要的物方距离其中，l′为水平相机镜头中心到水平相机内部ccd传感器的距离，f为水平相机焦距；

步骤四：水平相机对第i个rfid标签准确对焦需要调整的距离δli＝di-li，若δli大于零，水平相机沿靠近第i个rfid标签方向移动δli，若δli小于零，水平相机沿远离第i个rfid标签方向移动δli。

以上所述的一种基于视觉的rfid多标签网络三维测量建模方法，其中第六步骤所述三角形相似原理，步骤如下：

步骤一：控制计算机控制水平相机进行前后调整，使水平相机对其中一个标签清晰成像，测量标签到水平相机的距离，记为s，水平相机镜头中心到水平相机内部ccd传感器的距离l′，ccd像元的边长e；

步骤二：计算图像的像素边长

附图说明

图1：测试平台结构图

图2：7个rfid标签俯视图

图3：第1个rfid标签水平坐标测量示意图

图4：迭代式阈值分割处理结果图

图5：膨胀处理结果图

图6：腐蚀处理结果图

图7：填充处理结果图

图8：形态学处理结果图

图9：7个rfid标签垂直俯视图像模板匹配处理结果图

图10：第1个rfid标签水平图像模板匹配处理结果图

具体实施方式

一种基于视觉的rfid多标签网络三维测量建模方法，包括以下步骤：

第一步骤：搭建测试平台步骤，测试平台由1-rfid读写器、2-读写器天线、3-rfid标签、4-rfid标签支架、5-控制计算机、6-伺服电机、7-垂直相机、8-水平相机、9-导轨、10-转盘构成，4-rfid标签支架底部贴有标记点，1-rfid读写器分别与2-读写器天线和5-控制计算机相连，7-垂直相机和8-水平相机分别与5-控制计算机相连，rfid标签采用超高频电子标签-h47，读写器采用impinjspeedwayrevolutionr420读写器，读写器天线采用lairda9028远场天线，最大rf输出功率为30dbm，测试平台如图1所示；

第二步骤：rfid标签垂直俯视图像采集步骤，利用垂直相机对转盘和rfid标签进行图像采集，利用迭代式阈值分割和形态学方法对垂直俯视图像进行处理，并对全部7个rfid标签标记点进行编号，7个rfid标签俯视图如图2所示；

第三步骤：rfid标签径向距离提取步骤，在上述第二步骤中获得的转盘图像上取两条弦，作弦的垂直平分线，则垂直平分线的交点即为转盘的中心，选取其中一个rfid标签标记点为模板，利用模板匹配算法对第1个rfid标签标记点进行匹配，获取第1个rfid标签标记点到转盘中心的距离r1＝198.4mm，即为第1个rfid标签径向距离；

第四步骤：rfid标签水平坐标测量步骤，调节伺服电机带动转盘旋转，得到第1个rfid标签旋转的角度θ＝48.4°，则θ＝48.4°和上述第三步骤中获得的r1＝198.4mm即为第1个rfid标签标记点的水平坐标参量，进一步计算得到第1个rfid标签的水平二维坐标为(131.7mm，148.4mm)，第1个rfid标签水平坐标测量示意图如图3所示；

第五步骤：rfid标签侧视图像采集步骤，控制计算机控制伺服电机带动转盘旋转，控制计算机控制水平相机进行前后调整，使水平相机对其中一个标签清晰成像，以该标签为模板，测量模板中心点到转盘的垂直距离h＝328.0mm，即模板的垂直坐标，使水平相机对第1个rfid标签准确对焦，获得第1个rfid标签侧视图像，利用模板匹配对模板和第1个rfid标签进行匹配，计算第1个rfid标签的中心点与模板中心点之间的像素个数差值c1＝71；

第六步骤：rfid标签垂直坐标测量步骤，根据三角形相似原理，确定图像中每个像素的大小为a＝0.75mm，其中，0.75mm为每个像素边长的大小，根据模板的垂直坐标和第1个rfid标签与模板在垂直方向上的像素个数差值，以及第1个rfid标签中心点纵坐标数值大于模板中心点纵坐标数值，判断得出第1个rfid标签中心点在模板中心点上方，从而计算得出第1个rfid标签在垂直方向上的垂直坐标h1＝h+c1×a＝327.85+0.75×71＝381.1mm；

第七步骤：rfid标签三维坐标确定步骤，确定第1个rfid标签三维坐标为(131.7，148.4，381.1)；

第八步骤：重复上述第三、四、五、六、七步骤，测量所有7个rfid标签的水平二维坐标和垂直坐标，即得到所有7个rfid标签的三维坐标为(131.7，148.4，381.1)，(116.5，179.2，355.9)，(-232.4，200.3，350.5)，(-168.7，-58.8，350.3)，(47.5，-106.4，328.5)，(174.2，40.7，340.1)，(174.9，-16.7，379.9)。

以上所述的一种基于视觉的rfid多标签网络三维测量建模方法第二步骤所述迭代式阈值分割，步骤如下：

步骤一：对垂直俯视图像进行归一化处理，设定迭代收敛参数t0＝0.01，并选择一个初始的估计阈值t1＝0.5178；

步骤二：用估计阈值t1＝0.5178分割垂直俯视图像，将垂直俯视图像分为g1和g2两部分，其中，g1为{(x，y)|g(x，y)＞t1}，g2为{(x，y)|g(x，y)＜t1}；

步骤三：计算g1和g2中所有像素的平均灰度值μ1＝0.6615和μ2＝0.1165，以及新的阈值t2＝(0.6615+0.1165)/2＝0.3890；

步骤四：|t2-t1|＜0.01，则t2即为最优阈值，否则，将t2赋值给t1；

步骤五：重复以上步骤二、三、四，直到获取最优阈值，利用最终获取的最优阈值t2对垂直俯视图像进行阈值分割，得到垂直俯视图像的二值化图像i，垂直俯视图像的二值化图像如图4所示。

以上所述的一种基于视觉的rfid多标签网络三维测量建模方法第二步骤所述形态学方法，步骤如下：

步骤一：对垂直俯视图像的二值化图像进行膨胀操作，得到膨胀后的图像其中b为结构元素，i为垂直俯视图像的二值化图像，表示膨胀，p1为膨胀后的图像，膨胀后的图像如图5所示；

步骤二：对图像进行腐蚀操作，得到腐蚀后的图像p2＝p1θb，其中b为结构元素，p1为膨胀后的图像，θ表示腐蚀，p2为腐蚀后的图像，腐蚀后的图像如图6所示；

步骤三：再重复一次以上步骤一和步骤二的操作，然后再对图像执行填充操作，得到图像p3，填充后的图像如图7所示，对p3执行步骤二操作，得到形态学处理后的图像，形态学处理最终效果图如图8所示。

以上所述的一种基于视觉的rfid多标签网络三维测量建模方法第三步骤和第五步骤所述模板匹配，步骤如下：

步骤一：选择某一特定图像为参考模板图像，在图像的搜索区域内逐点平移已知的参考模板图像，遍历搜索区域内的每一个像素点；

步骤二：确定归一化互相关系数将参考模板图像和原图像中同样大小的搜索区域图像进行匹配，其中，(m，n)为像素点坐标，t(m，n)为参考模板图像，为参考模板图像均值，m为像素点坐标横坐标的最大值，n为像素点坐标列坐标的最大值，s^i，j(m，n)为搜索区域图像，为搜索区域图像的均值；

步骤三：将参考模板图像平移到下一个像素点，重复以上步骤二，直至所有位置都匹配完成以后，归一化互相关系数nc(i，j)大于设定阈值λ＝0.75的区域即为所要寻找的匹配区域，7个rfid标签垂直俯视图像模板匹配结果图如图9所示，第1个rfid标签水平图像模板匹配结果图如图10所示。

以上所述的一种基于视觉的rfid多标签网络三维测量建模方法第五步骤所述控制计算机控制水平相机进行前后调整，步骤如下：

步骤一：测量水平相机初始位置到转盘中心的距离l1＝1.512m；

步骤二：控制计算机控制伺服电机带动转盘旋转，使得第1个rfid标签与水平相机处于垂直状态，计算第1个rfid标签与水平相机之间的距离d1＝1.512m-0.406m＝1.106m；

步骤三：计算水平相机对第1个rfid标签准确对焦需要的物方距离其中，l′为水平相机镜头中心到水平相机内部ccd传感器的距离，l′＝0.00597m，f＝0.006m；

步骤四：水平相机对第1个rfid标签准确对焦需要调整的距离δl1＝d1-|l1|＝1.106m-(1.194m)＝-0.088m，δl1小于零，水平相机沿远离第1个rfid标签方向移动0.088m。

以上所述的一种基于视觉的rfid多标签网络三维测量建模方法第六步骤所述三角形相似原理，步骤如下：

步骤一：控制计算机控制水平相机进行前后调整，使水平相机对其中一个标签清晰成像，测量标签到水平相机的距离，记为s＝1.194m，水平相机镜头中心到水平相机内部ccd传感器的距离l′＝0.00597m，ccd像元的边长e＝3.75μm；

步骤二：计算图像的像素边长