基于Android的無線智能尋物系統(tǒng)的研究與開發(fā)

王維樵，盧 苗，鄧舒宇，譚國平

（河海大學(xué) 計算機(jī)與信息學(xué)院，江蘇 南京 211100）

基于Android的無線智能尋物系統(tǒng)的研究與開發(fā)

王維樵，盧 苗，鄧舒宇，譚國平

（河海大學(xué) 計算機(jī)與信息學(xué)院，江蘇 南京 211100）

為了實(shí)現(xiàn)自動尋物功能，設(shè)計一個基于圖像處理技術(shù)和路勁規(guī)劃技術(shù)的智能小車尋物系統(tǒng)。系統(tǒng)由智能手機(jī)平臺和智能小車組成，智能手機(jī)平臺負(fù)責(zé)控制智能小車和物品搜尋，智能小車負(fù)責(zé)圖像采集。通過實(shí)驗，系統(tǒng)能在簡單的地形環(huán)境中尋找到指定的物品。

尋物系統(tǒng)；手機(jī)控制；智能小車；圖像處理；路徑規(guī)劃

在日常生活中，人們常常為丟失物品而煩惱，而傳統(tǒng)的張貼尋物啟示也有其不適用的時候。為了方便快速精確的幫助人們尋找丟失物品，我們設(shè)計了一套基于智能手機(jī)的尋物系統(tǒng)。目前市場上已經(jīng)存在一些成型的產(chǎn)品，它們均以無線遙控技術(shù)為基礎(chǔ)，通過發(fā)射器與接收器間的通信來確定物體的位置。其又分為主動式與被動式兩種，被動式的發(fā)射器安放在被尋物體上，一直帶電工作，接收器安放在用戶處，當(dāng)接收不到發(fā)射器發(fā)出的聲、光等指示信號時，表明物體需要被尋找。而主動式則將接收器安放在物體上，一直帶電工作，而發(fā)射器安放在用戶一側(cè)，當(dāng)用戶需要尋找物體時才用發(fā)射器向接收器發(fā)出信號，當(dāng)接收器收到信號后，才通過聲、光來精確定位物體[1]。無論主動式還是被動式都只能尋找安裝了接收器或發(fā)射器的特定物體，無法起到真正尋物的作用。

因而我們設(shè)計了一套基于圖像匹配的無線智能尋物系統(tǒng)，系統(tǒng)由捕獲物品丟失位置四周的圖片的下位機(jī)與對下位機(jī)進(jìn)行控制與對圖片數(shù)據(jù)進(jìn)行處理的上位機(jī)組成[2]。以用智能小車為下位機(jī)為例，小車由路徑規(guī)劃算法控制，自動對周圍環(huán)境進(jìn)行拍照，并由手機(jī)客戶端訪問小車，實(shí)時讀取圖片數(shù)據(jù)，手機(jī)客戶端將小車捕獲的照片與被尋物的照片通過圖像匹配算法進(jìn)行比較匹配，直到兩組圖片匹配為止，完成尋物目的。系統(tǒng)的核心算法為小車的路徑規(guī)劃算法與圖像匹配算法。

1 系統(tǒng)整體框架設(shè)計

本系統(tǒng)采用智能小車作為實(shí)驗平臺，能方便的進(jìn)行平臺的移植，具有廣泛的適用范圍，能根據(jù)用戶的需求進(jìn)行各種物體的尋找，真正起到尋物作用。系統(tǒng)的硬件組成如圖1，由手機(jī)客戶端、路由器、單片機(jī)系統(tǒng)、顯示模塊與電機(jī)驅(qū)動模塊組成。手機(jī)客戶端我們選擇了當(dāng)前使用率較高的Android4.2系統(tǒng)，向下支持到Android2.3。軟件的開發(fā)環(huán)境采用Eclipse平臺下的Android SDK。

圖1 系統(tǒng)硬件組成Fig. 1 Components of the hardware system

Android 是一個面向移動開發(fā)和平板電腦開發(fā)的開源平臺，Android 平臺融入了面向手持設(shè)備的通用計算理念。它是一個綜合平臺，包含一個基于Linux 的操作系統(tǒng)，用于管理設(shè)備、內(nèi)存和進(jìn)程。Android 系統(tǒng)中的Java 庫涵蓋了電話、視頻、語音、圖形、連接、UI 編程和設(shè)備的其他許多方面[3]。

Android 平臺作為新興的智能手機(jī)平臺，有著強(qiáng)大的應(yīng)用層API和大量的傳感器功能，其開放的平臺有利于開發(fā)者開發(fā)出各種優(yōu)秀的應(yīng)用，并且Android平臺手機(jī)能無縫結(jié)合優(yōu)秀的谷歌服務(wù)。因而本文針對Android手機(jī)的控制方式進(jìn)行設(shè)計，提出一種更方便的尋物系統(tǒng)。

智能小車的核心模塊為STC12C5A60S2微處理器，其與路由器、電機(jī)驅(qū)動模塊和液晶屏連接，通過嵌入式系統(tǒng)實(shí)現(xiàn)接受上位機(jī)指令并響應(yīng)控制等功能。路由器選用TP-Link的TL-WR703N，刷入嵌入式系統(tǒng)，實(shí)現(xiàn)手機(jī)與單片機(jī)的通信功能。顯示屏我們使用1602液晶顯示屏來顯示小車的運(yùn)行狀態(tài)。而電機(jī)驅(qū)動模塊則選擇了常用的5V電機(jī)驅(qū)動芯片L298D，并與4組直流電機(jī)相連，利用單片機(jī)使之工作在占空比可調(diào)的開關(guān)狀態(tài)，精確調(diào)整電機(jī)的轉(zhuǎn)速，實(shí)現(xiàn)小車的驅(qū)動控制。

2 控制系統(tǒng)軟件設(shè)計

控制軟件主要分為下位機(jī)單片機(jī)控制程序與手機(jī)客戶控制程序。手機(jī)客戶端作為尋物系統(tǒng)的重要功能部分主要包括小車運(yùn)動控制、圖片接收、圖像比較等功能，按照功能的不同，將手機(jī)客戶端分為小車控制模塊與圖像處理模塊兩大功能模塊，每個模塊均由獨(dú)立的線程進(jìn)行控制。由于小車提供有相應(yīng)的API接口，手機(jī)只要發(fā)送特定的指令即可實(shí)現(xiàn)不同的控制。

2.1 小車控制模塊

小車控制模塊主要實(shí)現(xiàn)小車的運(yùn)動控制，其中又包括手動控制與自動控制兩個部分。對于手動控制，我們仿照游戲手柄上的搖桿設(shè)計，在界面上描繪了相似的360°控制搖桿來控制小車前進(jìn)的方向，使得用戶能更為直觀、方便的手動控制小車。當(dāng)中央搖桿的位置方向發(fā)生改變時，其偏移量傳遞給小車位置控制線程，線程根據(jù)偏移量來判斷小車前進(jìn)方向，并向小車發(fā)出相應(yīng)指令。

自動控制模塊負(fù)責(zé)生成小車尋物路線，并向下位單片機(jī)發(fā)出相應(yīng)指令，控制小車自動尋找物品。尋物系統(tǒng)的關(guān)鍵在于小車的路線規(guī)劃問題，這要求小車盡可能短的路線內(nèi)準(zhǔn)確的尋找到物體。在只考慮工作環(huán)境為平面情況的條件下，采用柵格法建立環(huán)境模型，自由空間和障礙物可分別表示為自由柵格與障礙柵格。設(shè)一個柵格為一點(diǎn)v，構(gòu)建一個賦權(quán)圖G=（V，E），其中V為頂點(diǎn)集合，E為邊集合，以捕獲圖片與原圖的相似度為邊的權(quán)值dv。則圖的每個相鄰點(diǎn)相互連通，邊的權(quán)值dv未知。由于目標(biāo)點(diǎn)未知，若用深度優(yōu)先算法遍歷賦權(quán)圖的每一個點(diǎn)，求出每個點(diǎn)的相似度，再進(jìn)行排序，得出最接近的一點(diǎn)，則可以求出物體的位置。但這種方法雖然準(zhǔn)確率高，但時間復(fù)雜度高。若采用貪心算法，在每個階段，選擇一個與當(dāng)前階段所在頂點(diǎn)相鄰的點(diǎn)v，它在所有相鄰的點(diǎn)中具有最大的dv，然后進(jìn)行訪問，聲明為已訪問[4]。算法流程圖如圖2所示。

算法步驟如下：

設(shè)S 為已經(jīng)搜索過的頂點(diǎn)集合，U 為未搜索的頂點(diǎn)集合。

a)初始化 S={A}，U ={n，n + 1，n + 2……n + n}；

圖2 小車路線規(guī)劃算法Fig. 2 Path planning algorithm of smart car

b)從節(jié)點(diǎn) A 開始搜索，擴(kuò)展 A 到下一節(jié)點(diǎn)，選取權(quán)值dv最大的頂點(diǎn) n，并將 n 加入 S 集合，此時 S ={A，n}，U ={ n +1，n + 2……n + n }；

c)以點(diǎn)n 為新考慮的中間節(jié)點(diǎn)，擴(kuò)展 n的節(jié)點(diǎn)，選取與點(diǎn) n 相接而且權(quán)值dv最大的下一節(jié)點(diǎn) n+1，并將 n+1 加入 S集合；

以 n+1節(jié)點(diǎn)為新的擴(kuò)展節(jié)點(diǎn)，重復(fù)步驟c) 的思想進(jìn)行搜索，直到找到一點(diǎn)n’，在點(diǎn)n’的柵格內(nèi)存在要尋找的物品，則算法結(jié)束。

2.2 圖像處理模塊

圖像控制模塊主要負(fù)責(zé)圖像接收與圖像匹配。圖像接收負(fù)責(zé)實(shí)時接收小車發(fā)來的圖片信息，顯示在手機(jī)屏幕上，并在后臺進(jìn)行圖片比較。通過繼承SurfaceHolder.Callback類，能從小車路由器實(shí)時接收圖片數(shù)據(jù)，并使用Canvas方法描繪到畫布上。在程序接收圖像的同時，程序通過多線程技術(shù)同時進(jìn)行圖像匹配，提高搜索速度。

系統(tǒng)的核心算法為圖像識別匹配算法，圖像匹配算法作為現(xiàn)今圖像處理技術(shù)中一項重要的技術(shù)，涉及到圖像采集、圖像預(yù)處理、圖像特征點(diǎn)提取等技術(shù)。為了解決各種圖像畸變帶來的匹配困難，人們根據(jù)特征空間、相似性度量、圖像匹配類型變換與變換參數(shù)的搜索四種元素提出了各種圖像匹配技術(shù)。如今主要的圖像匹配技術(shù)主要分為基于灰度相關(guān)的匹配、基于特征的匹配、基于模型的匹配和基于變換域的匹配[5]。考慮到一般圖像匹配算法的計算量大，時間復(fù)雜度高，對于處理速度有限的移動手機(jī)而言，要一直持續(xù)處理，開銷非常大，會帶來程序死鎖的問題，所以我們采用“感知哈希算法”（Perceptualhash algorithm）來解決圖像匹配的問題。

感知哈希是從數(shù)字媒體中提取的一串?dāng)?shù)字序列，是媒體感知內(nèi)容的摘要。令I(lǐng) 代表原始圖像，I ’代表待檢測圖像，H（·，K）表示使用密鑰K加密后的哈希序列。在哈希序列的匹配中，用匹配函數(shù)D（·，·）來計算兩個數(shù)字媒體對象之間的感知距離，感知距離可用漢明距離或歐式距離計算。假設(shè)閾值為M，若D（H（I，K），H（I’，K））≤M，則認(rèn)為待測圖像與原圖像相似；若D（H（I，K），H（I’，K））＞M，則認(rèn)為待測圖像與原圖像不相似。一般而言，感知距離越大，兩張圖像差別越大。

本程序的感知哈希算法實(shí)現(xiàn)如圖3所示。

圖3 感知哈希算法Fig. 3 Perceptual Hash algorithm

1）讀取圖片，然后將圖像歸一化為8×8，共64個像素，去除圖片細(xì)節(jié)，只保留圖片的結(jié)構(gòu)、明暗等基本信息；

2）將轉(zhuǎn)化為64級灰度圖，并計算所有灰度的平均值；

3）將每個像素的灰度值和平均灰度值比較，若大于或等于平均值，則記為1；若小于平均值，則記為0，將比較結(jié)果組合成一個64位的整數(shù)，這就是這張圖片的哈希序列H（·，K）。

最后計算兩幅圖像的感知距離，并取閥值M=5，如果感知距離不超過5，就說明兩張圖片很相似[6]。

3 結(jié) 論

對不同實(shí)驗物體在同一空間內(nèi)進(jìn)行一系列實(shí)驗，該系統(tǒng)能完成一些基本的搜尋任務(wù)，找到目標(biāo)物體，證明系統(tǒng)的算法有效，系統(tǒng)的整體設(shè)計可行，但圖像匹配算法和路勁規(guī)劃算法還有待改善。可以通過優(yōu)化圖像匹配算法[7]，減少環(huán)境因素（如光線亮暗等）的影響，提高尋物的精確度及速度，更加輕松的尋找到目標(biāo)物體。

將基于小車的智能尋物系統(tǒng)應(yīng)用于某些艱難作業(yè)環(huán)境，能有效節(jié)省人力、物力，保證工作人員安全，降低事故發(fā)生率。另外，對于一些狹小的空間，人們難以到達(dá)，智能小車尋物也不失為一個好的選擇。

[1] 梁樹軍,黃敏. 無線小型微功耗尋物系統(tǒng)的設(shè)計與實(shí)現(xiàn)[J].微計算機(jī)信息, 2009, 25(29):112-113.

LIANG Shu-jun, HUANG Min. The design and implementation of object-searching system based on mini micro-power for wireless[J].Microcomputer Information,2009,25(29):112-113.

[2] 李強(qiáng),陳善勇,楊尚罡. 基于TMS320VC5416的機(jī)器視覺處理系統(tǒng)[J].電視技術(shù), 2004, (7):86-88.

LI Qiang,CHEN Shan-yong,YANG Shang-gang.A Machine Vision System Based on TMS320VC5416[J].Video Engineering, 2004,(7):86-88.

[3] Komatineni S,MacLean D.精 通 Android[M].楊 越 ,曾 少 寧 ,譯 .北京:人民郵電出版社, 2013.

[4] 張捍東,鄭睿,岑豫皖. 移動機(jī)器人路徑規(guī)劃技術(shù)的現(xiàn)狀與展望[J]. 系統(tǒng)仿真學(xué)報. 2005, 17(2):439-443.

ZHANG Han-dong, ZHENG Rui, CEN Yu-wan. Present Situation and Future Development of Mobile Robot Path Planning Technology[J].Journal of System Simulation,2005,17(2):439-443.

[5] 王紅梅,張科,李言俊. 圖像匹配研究進(jìn)展[J]. 計算機(jī)工程與應(yīng)用, 2004, 40(19):42-44, 47.

WANG Hong-mei, ZHANG Ke, LI Yan-jun. Research progress on image matching[J].Computer Engineering and Applications,2004,40(19):42-44, 47.

[6] 張慧,張海濱,李瓊. 基于人類視覺系統(tǒng)的圖像感知哈希算法[J]. 電子學(xué)報, 2008, 36(12A):30-34.

ZHANG Hui, ZHANG Hai-bin, LI Qiong. Image perceptual hashing based on human visual system[J].Acta Electronica Sinica, 2008, 36(12A):30-34.

[7] 鄭興明.基于特征序列匹配函數(shù)的快速圖像匹配[J].電子科技,2012(10):11-14,18.

ZHENG Xing-ming. Fast image matching based on feature matching function sequence[J]. Electronic Science and Technology,2012(10):11-14,18.

Development and research of object-searching system based on Android

WANG Wei-qiao, LU Miao, DENG Shu-yu, TAN Guo-ping
（Computer and Information College,Hohai University, Nanjing 211100,China）

In order to achieve the function of automatic searching object, an object-searching system combining with image processing technology and path planning algorithm is designed. The system consists of smart phone platforms and smart car. Smart phone platform is responsible for controlling the smart car and searching object, smart car is responsible for image acquisition. Through experiments, the system can find an appointed object in simple terrain environment.

object-searching system; smartphone control; smart car; image processing; path planning

TP391

A

1674-6236(2014)03-0018-03

2013–06–30 稿件編號：201306219

河海大學(xué)國家級大學(xué)生創(chuàng)新訓(xùn)練項目（201205XCX073）

王維樵(1990—)，男，廣東肇慶人。研究方向：無線多媒體通信。