基于改進(jìn)GAC模型的充電插座定位研究

甄倩倩，張庭亮

（1.安陽(yáng)師范學(xué)院 軟件學(xué)院，河南 安陽(yáng) 455000；2.安陽(yáng)工學(xué)院 電子信息與電氣工程學(xué)院，河南 安陽(yáng) 455000）

基于改進(jìn)GAC模型的充電插座定位研究

甄倩倩1，張庭亮2

（1.安陽(yáng)師范學(xué)院 軟件學(xué)院，河南 安陽(yáng) 455000；2.安陽(yáng)工學(xué)院 電子信息與電氣工程學(xué)院，河南 安陽(yáng) 455000）

為了達(dá)到機(jī)器人自主充電的目的，需要定位墻壁上的充電插座，文章采用一種改進(jìn)的GAC模型算法對(duì)插座圖像進(jìn)行定位，該模型能夠克服傳統(tǒng)的GAC模型欠定位的缺點(diǎn)。在真實(shí)取景的圖像中進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明，改進(jìn)的GAC模型算法在插孔定位上具有可行性、快速性和準(zhǔn)確性。

機(jī)器人；GAC模型；插座定位

近幾十年來(lái)，科學(xué)家對(duì)人工智能的研究從未停止，機(jī)器人作為人工智能中重要的研究領(lǐng)域，近些年也取得了一定的成果。“機(jī)器人革命”有望成為“第三次工業(yè)革命”的一個(gè)切入點(diǎn)和重要增長(zhǎng)點(diǎn)，其研發(fā)、制造、應(yīng)用是衡量一個(gè)國(guó)家科技創(chuàng)新和高端制造業(yè)水平的重要標(biāo)志[1]。隨著人類(lèi)對(duì)智能家居的要求，服務(wù)機(jī)器人走入千家萬(wàn)戶(hù)。但目前為止，大部分移動(dòng)機(jī)器人都采用可充電蓄電池組來(lái)給機(jī)器人自身供電，通常只能維持幾個(gè)小時(shí)的工作時(shí)間[2]。因此，當(dāng)電量降低到某種程度時(shí)，讓可移動(dòng)機(jī)器人自主充電，成為亟待解決的問(wèn)題。機(jī)器人完成自主充電的首要任務(wù)是定位出墻壁上的充電插孔。因此，本文針對(duì)移動(dòng)機(jī)器人自動(dòng)定位充電插孔算法的研究具有重要的理論和應(yīng)用價(jià)值。

充電插孔定位的關(guān)鍵是將插孔和墻壁分割。近些年，很多學(xué)者對(duì)圖像定位技術(shù)進(jìn)行了深入的研究，并取得了很多成果。羅希平等[3]介紹常見(jiàn)的圖像定位類(lèi)別有：閾值定位、邊緣檢測(cè)、統(tǒng)計(jì)學(xué)定位方法等。每個(gè)類(lèi)別中又包含很多具體的定位方法，幾何活動(dòng)輪廓（geometric active contour，GAC）模型就是其中的一種。GAC模型是基于曲線(xiàn)演化和水平集理論的方法，該模型能夠克服參數(shù)活動(dòng)輪廓模型依賴(lài)自由參數(shù)的缺陷[4]。并且，該模型對(duì)初值位置不敏感、具有穩(wěn)定唯一的數(shù)值解等。幾何活動(dòng)輪廓模型的這些良好特性已經(jīng)引起了人們?cè)絹?lái)越多的關(guān)注[5]。目前，GAC模型在圖像定位中已取得很好的實(shí)驗(yàn)效果[6]，但該模型對(duì)噪聲比較敏感，容易欠定位，若進(jìn)行平滑去噪又會(huì)導(dǎo)致圖形的過(guò)定位[7]。文中采用GAC模型算法對(duì)充電插孔定位進(jìn)行分析研究，從而確定該算法在充電插座定位方面的可行性、精確性和有效性。

1 幾何活動(dòng)輪廓模型

1997年，Caselles等[8]提出了一種不含自由參數(shù)的GAC模型。GAC模型能量函數(shù)為：

C(s)函數(shù)為閉合曲線(xiàn)C，L（C）為C的弧長(zhǎng)，s為弧長(zhǎng)參數(shù)，?I為圖像I的梯度。應(yīng)用變分法求極值，該模型所對(duì)應(yīng)的梯度下降流為：

其中，k為曲線(xiàn)C的曲率，N是曲線(xiàn)C的單位法矢量，g如式（2）中的邊緣指示函數(shù)：

式（3）中k1為反差常數(shù)，對(duì)邊緣函數(shù)g的下降速率加以控制。

式（2）中，GAC模型演化時(shí)，受內(nèi)外兩種力的支配，其中內(nèi)力，是指曲線(xiàn)自身的曲率運(yùn)動(dòng)，曲率運(yùn)動(dòng)的強(qiáng)弱由圖像的標(biāo)量場(chǎng)g（x,y）的控制。在圖像邊緣附近時(shí)，該力會(huì)變得很小，以致“停止”。而外力是指梯度?g。GAC模型當(dāng)對(duì)象有較深的凹陷邊界時(shí)，GAC模型可能會(huì)停止在某一局部最小值狀態(tài)，為了解決這一問(wèn)題，王大凱等[9]提出一種推廣GAC模型，并且該模型已經(jīng)應(yīng)用在文獻(xiàn)[10]以及文獻(xiàn)[11]中，該模型梯度下降流為：

式（4）中的c為可選常數(shù)。該模型中引入的力能夠加快曲線(xiàn)演化速率，且可以使曲線(xiàn)收縮到圖像深凹區(qū)域邊界。

本文采用改進(jìn)的GAC模型進(jìn)行充電插座的定位過(guò)程為：首先對(duì)插座圖像進(jìn)行讀取，之后開(kāi)始構(gòu)造能量函數(shù)，引入非負(fù)常數(shù)項(xiàng)，求出梯度下降流函數(shù)，引入嵌入式函數(shù)，采用迎風(fēng)方案求解水平集演化方程，設(shè)置相應(yīng)的參數(shù)，水平集曲線(xiàn)演化，最終定位出結(jié)果。

2 實(shí)驗(yàn)結(jié)果及分析

實(shí)驗(yàn)環(huán)境為：算法的實(shí)驗(yàn)環(huán)境為：CPU為Intel（R）Core（TM）i5-7200，內(nèi)存為8 G，操作系統(tǒng)為Windows10，編譯環(huán)境為MATLAB R2015a。實(shí)驗(yàn)數(shù)據(jù)：蘋(píng)果iphone6s手機(jī)所拍攝的室內(nèi)墻壁圖片。當(dāng)?shù)介L(zhǎng)為0.02，常數(shù)速度為13時(shí)，插座圖像原圖如圖1所示。通過(guò)改進(jìn)GAC模型的Matlab程序?qū)Σ遄鶊D像定位過(guò)程如圖2所示。從圖2（l）可知，該改進(jìn)的GAC模型能夠準(zhǔn)確定位出插座的插孔。

圖1 插座圖像原圖

圖2 插座圖像定位分割過(guò)程

3 結(jié)語(yǔ)

本文主要介紹改進(jìn)的GAC算法，并用該算法進(jìn)行充電插座的定位，實(shí)驗(yàn)結(jié)果表明，該方法可行、定位準(zhǔn)確且快速。通過(guò)該方法，能夠準(zhǔn)確定位充電插座，為可移動(dòng)雙目視覺(jué)機(jī)器人自主充電提供了條件。但本文中所采用的改進(jìn)的GAC算法中若用固定的常數(shù)c來(lái)定位所有的圖像不太現(xiàn)實(shí)，所以常數(shù)c的選擇，是圖像邊界定位的難點(diǎn)，也是改進(jìn)GAC模型方面的研究方向。

[1]曲道奎.中國(guó)機(jī)器人產(chǎn)業(yè)發(fā)展現(xiàn)狀與展望[J].中國(guó)科學(xué)院院刊，2015（3）：342-346.

[2]萬(wàn)樹(shù)春.基于雙目視覺(jué)的充電插座目標(biāo)定位算法研究[D].長(zhǎng)春：吉林大學(xué)，2015.

[3]羅希平，田捷，諸葛嬰，等.圖像定位方法綜述[J].模式定位與人工智能，1999（3）：300-312.

[4]楊松，羅培，羅浩元，等.基于改進(jìn)的GAC模型圖像定位算法[J].光學(xué)技術(shù)，2016（2）：185-192.

[5]陳波，賴(lài)劍煌.用于圖像定位的活動(dòng)輪廓模型綜述[J].中國(guó)圖象圖形學(xué)報(bào)，2007（1）：11-20.

[6]唐利明.基于GAC模型的自適應(yīng)圖像定位算法[J].小型微型計(jì)算機(jī)系統(tǒng)，2010（6）：1223-1225.

[7]林錦.一種結(jié)合CV與GAC模型的物體輪廓提取方法[J].福州大學(xué)學(xué)報(bào)，2014（3）：387-392.

[8]CASELLES V，MOREL J M，SAPIRO G.Geodesic active contours[J].Computer Vision and Image Understanding，1997（1）：61-79.

[9]王大凱，侯榆青，彭進(jìn)業(yè).圖像處理的偏微分方程方法[M].北京：科學(xué)出版社，2008.

[10]孫穎，張新長(zhǎng)，康停軍，等.改進(jìn)GAC模型在點(diǎn)云和影像自動(dòng)提取建筑物邊界中的應(yīng)用[J].測(cè)繪學(xué)報(bào)，2013（3）：337-343.

[11]白雪冰，許景濤，宋恩來(lái)，等.基于改進(jìn)GAC模型的木材表面缺陷圖像定位[J].福建林業(yè)科技，2016（3）：105-111.

Research on electrical socket location based on improved GAC model

Zhen Qianqian1, Zhang Tingliang2
（1.Software Engineering School, Anyang Normal University, Anyang 455000, China;2.Electronic Information and Electrical Engineering School, Anyang Institute of Technology, Anyang 455000, China）

In order to achieve autonomous charging of robots, it is necessary to locate the charging socket on the wall. In this paper, an improved GAC model algorithm is used to locate the socket image. This model can overcome the shortcomings of traditional GAC model.Experimental results show that the improved GAC model algorithm is feasible, fast and accurate in socket orientation.

robot; GAC model; socket location

甄倩倩（1988— ），女，河南開(kāi)封人，助教，碩士；研究方向：智能信息處理。