一种基于条形码控制机车的方法、装置、系统及介质

技术领域

本申请实施例涉及车辆控制领域，具体涉及一种基于条形码控制机车的方法、装置、系统及介质。

背景技术

相关技术中，轨道机车的定位主要依靠带惯导的卫星定位系统。带惯导的卫星定位系统受轨道周围建筑物环境的影响较大，例如，在机车被钢架廊桥、管道、厂房、高墙等遮挡的区域不能准确定位，在高炉下被完全遮挡，卫星定位完全无法使用，导致不能够准确的定位到机车，从而无法精准的控制机车的运行状态。

因此，如何精准的控制机车的运行状态成为需要解决的问题。

发明内容

本申请实施例提供一种基于条形码控制机车的方法、装置、系统及介质，通过本申请的一些实施例至少能够通过设置在参照物上的条形码，实时的获得机车在参照物内的精确位置，从而能够对机车的运行状态进行准确控制。

第一方面，本申请提供了一种基于条形码控制机车的方法，应用于处理器，所述方法包括：获取待识别图像，其中，所述待识别图像是对定位标识进行拍摄得到的，所述定位标识设置在参照物上，所述机车可在所述参照物内部移动；识别所述定位标识上展示的条形码，得到所述机车相对于所述参照物的位置；基于所述位置生成控制所述机车运行状态的指令。

因此，本申请实施例通过识别参照物上的定位标识，能够实现在通信信号被遮挡的情况下，也能识别机车相对于参照物的位置，从而能够精准的对机车的运行状态进行控制，从而提高机车的作业效率。

结合第一方面，在本申请的一种实施方式中，所述识别所述定位标识上展示的条形码，得到所述机车相对于所述参照物的位置，包括：对所述条形码中的多个黑条进行边缘检测，获得多个横边边缘和多个竖边边缘，其中，所述多个黑条的RGB值均为0；确认所述多个黑条中的各黑条对应的横边边缘和竖边边缘的夹角为90°，则提取所述条形码中的位置信息，得到所述机车相对于所述参照物的位置。

因此，本申请实施例通过对条形码的各黑条对应的边缘的角度信息进行判断，能够根据角度信息的不同，使用相对应的方法进行位置信息的提取，提高了位置识别的效率。

结合第一方面，在本申请的一种实施方式中，所述提取所述条形码中的位置信息，得到所述机车相对于所述参照物的位置，包括：提取所述条形码中的位置信息，并且在数据转换规则表中查找与所述位置信息对应的目标距离值，其中，所述数据转换规则表用于存储位置信息与距离值之间的对应关系；将所述目标距离值作为所述机车相对于所述参照物的位置。

因此，本申请实施例通过数据转换规则表，能够存储位置信息与距离值之间的对应关系，从而能够快速的获取准确的参照物位置。

结合第一方面，在本申请的一种实施方式中，在所述对所述条形码中的多个黑条进行边缘检测，获得多个横边边缘和多个竖边边缘之后，所述方法还包括：确认所述多个黑条中存在横边边缘和竖边边缘的夹角为大于90°或者小于90°的目标黑条；则对以所述目标黑条为中心的预设范围内的所有黑条进行识别，得到所述机车相对于所述参照物的位置。

因此，本申请实施例通过取偏斜的黑条预设范围内的所有黑条进行识别，能够防止位置信息识别错误，导致机车定位不准确，从而能够提升机车定位的准确率。

结合第一方面，在本申请的一种实施方式中，在所述获取待识别图像之后，所述方法还包括：对所述待识别图像进行二值化处理获得二值化图像，并且将所述二值化图像分割为多个子区域；所述识别所述定位标识上展示的条形码，得到所述机车相对于所述参照物的位置，包括：分别识别所述多个子区域中各子区域展示的条形码，得到所述机车相对于所述参照物的位置。

因此，本申请实施例通过对定位标识进行分割，分别识别多个子区域，能够提高处理器的反应速度，从而提高获得机车位置的效率。

结合第一方面，在本申请的一种实施方式中，所述条形码均匀的分布在所述参照物的内壁、地面或顶面上。

第二方面，本申请提供了一种控制机车的系统，所述系统包括：摄像头，被配置为对参照物进行拍摄得到待识别图像；处理器，被配置为获取所述待识别图像，并且根据所述待识别图像执行如第一方面任意实施例所述的方法，获得控制机车运行状态的指令；任务执行单元，被配置为获取并执行所述指令。

第三方面，本申请提供了一种基于条形码控制机车的装置，应用于处理器，所述装置包括：图像获取模块，被配置为获取待识别图像，其中，所述待识别图像是对定位标识进行拍摄得到的，所述定位标识设置在参照物上，所述机车可在所述参照物内部移动；位置识别模块，被配置为识别所述定位标识上展示的条形码，得到所述机车相对于所述参照物的位置；指令生成模块，被配置为基于所述位置生成控制所述机车运行状态的指令。

结合第三方面，在本申请的一种实施方式中，所述位置识别模块还被配置：为对所述条形码中的多个黑条进行边缘检测，获得多个横边边缘和多个竖边边缘，其中，所述多个黑条的RGB值均为0；确认所述多个黑条中的各黑条对应的横边边缘和竖边边缘的夹角为90°，则提取所述条形码中的位置信息，得到所述机车相对于所述参照物的位置。

结合第三方面，在本申请的一种实施方式中，所述位置识别模块还被配置：提取所述条形码中的位置信息，并且在数据转换规则表中查找与所述位置信息对应的目标距离值，其中，所述数据转换规则表用于存储位置信息与距离值之间的对应关系；将所述目标距离值作为所述机车相对于所述参照物的位置。

结合第三方面，在本申请的一种实施方式中，所述位置识别模块还被配置：确认所述多个黑条中存在横边边缘和竖边边缘的夹角为大于90°或者小于90°的目标黑条；则对以所述目标黑条为中心的预设范围内的所有黑条进行识别，得到所述机车相对于所述参照物的位置。

结合第三方面，在本申请的一种实施方式中，所述位置识别模块还被配置：对所述待识别图像进行二值化处理获得二值化图像，并且将所述二值化图像分割为多个子区域；分别识别所述多个子区域中各子区域展示的条形码，得到所述机车相对于所述参照物的位置。

结合第三方面，在本申请的一种实施方式中，所述条形码均匀的分布在所述参照物的内壁、地面或顶面上。

第四方面，本申请提供了一种电子设备，包括：处理器、存储器和总线；所述处理器通过所述总线与所述存储器相连，所述存储器存储有计算机程序，所述计算机程序由所述处理器执行时可实现如第一方面任意实施例所述的方法。

第五方面，本申请提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被执行时可实现如第一方面任意实施例所述的方法。

附图说明

图1为本申请实施例示出的条形码控制机车的系统组成示意图；

图2为本申请实施例示出的条形码控制机车的方法流程图之一；

图3为本申请实施例示出的待识别图像示意图；

图4为本申请实施例示出的黑条的边缘检测示意图；

图5为本申请实施例示出的另一黑条的边缘检测示意图；

图6为本申请实施例示出的条形码控制机车的方法流程图之二；

图7为本申请实施例示出的条形码控制机车的装置组成示意图；

图8为本申请实施例示出的一种电子设备组成示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本申请的一部分实施例，而不是全部实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对附图中提供的本申请的实施例的详情描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护范围。

本申请实施例可以应用于在参照物限定机车的活动范围的情况下(例如，高炉对机车进行遮挡的情况下)，对机车进行定位以及控制机车的运行状态的场景。为了改善背景技术中的问题，在本申请的一些实施例中，通过在参照物内设置定位标识来准确的对机车进行定位。例如，在本申请的一些实施例中，通过识别定位标识上的条形码来获得机车相对于参照物的准确位置，从而依据该位置生成控制机车运行状态的指令。

下面结合附图详细描述本申请实施例中的方法步骤。

图1提供了本申请一些实施例中的基于条形码控制机车的系统组成示意图，该系统包括摄像头110、处理器120和任务执行单元130。具体的，摄像头110对参照物内的定位标识进行拍摄获得待识别图像，并且将待识别图像发送给处理器120。处理器120在接收到待识别图像之后，对待识别图像中显示的条形码进行识别，得到机车相对于参照物的位置，并且基于该相对位置生成控制机车运行状态的指令，之后向任务执行单元130发送该指令。任务执行单元130在接收到该指令之后，依据指令内容对机车的运行状态进行控制。

与本申请实施例不同的是相关技术中，轨道机车的定位主要依靠带惯导的卫星定位系统。带惯导的卫星定位系统受轨道周围建筑物环境的影响较大，导致不能够准确的定位到机车，从而无法精准的控制机车的运行状态。而本申请的实施例是通过识别参照物中的定位标识，来对机车的位置进行定位的，因此本申请的实施例并不需要像相关技术使用卫星定位即可获得机车相对于参照物的位置。

下面以处理器为例示例性阐述本申请一些实施例提供的基于条形码控制机车的方案。

至少为了解决背景技术中的问题，如图2所示，本申请一些实施例提供了一种基于条形码控制机车的方法，该方法包括：

S210，获取待识别图像。

需要说明的是，待识别图像上至少包括定位标识，待识别图像是对定位标识进行拍摄得到的，定位标识设置在参照物上，机车可在参照物内部移动。在机车前进方向侧面安装高速摄像头，调整摄像头广角，保证可实时获取机车前行方向的完整条形码图像。

在本申请的一种实施方式中，定位标识被布置在参照物的内壁、地面或顶面上，参照物可以是钢架廊桥、管道、厂房、高墙、高炉等，机车需要进入参照物内进行作业。

作为本申请一具体实施例，参照物为高炉，机车进入参照物内进行作业，例如，机车在参照物的指定位置内停车装载货物，之后启动驶出高炉。工作人员在高炉的墙壁上布置定位标识，即可通过待识别图像获得机车相对于高炉的位置，并且准确的控制机车在固定位置进行停止或启动。可以理解的是，本实施例仅为举例，本申请的实施例不限于此。

作为本申请另一具体实施例，参照物为地铁围栏，机车为地铁，那么工作人员在地铁围栏中布置定位标识，当地铁在运行的过程中，安装在地铁与前进方向相对应的车厢上的摄像头对定位标识进行拍摄，获得定位标识，之后处理器通过识别待识别图像获得地铁相对于地铁围栏的位置。可以理解的是，本实施例仅为举例，本申请的实施例不限于此。

在本申请的一种实施方式中，拍摄待识别图像的摄像头可以安装在机车的第一节车厢与最后一节车厢上，还可以安装在参照物的内壁上或者顶面上。摄像头拍摄的时间间隔可以根据实际的生产需求进行设置，可以是0.01秒拍摄一张图像，也可以是0.001秒拍摄一张图像，本申请实施例不限于此。

在本申请的具体场景中，根据高炉的轨道长度可以在高炉的侧壁墙面上排列连续的条形码，还可以以一米为条形码的长度，每间隔一米刷上与当前位置相对应的条形码。可以理解的是，上述条形码的排列方式仅为距离，可以根据实际的生产需求进行调整，本申请不限于此。

S220，识别定位标识上展示的条形码，得到机车相对于参照物的位置。

在本申请的一种实施方式中，得到机车相对于参照物的位置的具体实施步骤如下所示：

S2201：对条形码中的多个黑条进行边缘检测，获得多个横边边缘和多个竖边边缘。可以理解的是，多个黑条的RGB值均为0。

可以理解的是，需要工作人员对高炉下的墙面两侧刷上按规律排列的条形码。利用安装在轨道机车运行前端的高速摄像头(或者条形码扫描器)获取墙面的条形码图像，使用OpenCV图像识别算法识别出当前轨道机车位置的RGB值，并进行灰度转化(二值化)，实现图像的一个预处理。

也就是说，在获得待识别图像之后，先对待识别图像进行二值化处理。具体的，使用OpenCV处理高速摄像头获取的轨道两侧条形码图像(即待识别图像)，可以理解的是，OpenCV是一个跨平台计算机视觉库，通过其C++接口获取图像的RGB值。在RGB颜色空间中，条形码颜色一般满足如下表达式(1)。

0≤I

0≤I

0≤I

其中，T为RGB值的阈值，例如，T可以取值为255，I

接下来通过预先设定的二值化阈值，对待识别图像进行二值化操作，如下表达式(2)所示。

其中，BW(x，y)表示待识别图像中任意像素点二值化后的RGB值，二值化阈值为大于(200,200,200)，可以理解的是，二值化阈值可以根据实际的生产环境进行设置，本申请不限于此。

之后，使用二值化后的待识别图像对多个黑条进行边缘检测，获得多个横边边缘和多个竖边边缘。众所周知，条形码是由黑白相间的条形码图像组成，黑条即为BW(x，y)＝(0,0,0)的条形码。具体的，本申请使用亮度值的不连续性来对多个黑条进行边缘检测。

例如，如图3所示，图3为待识别图像的示意图，图3中的多个黑条包括：第一黑条301、第二黑条304、第三黑条305、第四黑条306、第五黑条307、第六黑条308和第七黑条309。其中，第一黑条301中包括第一横边302和第一竖边303。

S2202：基于多个黑条中各黑条的横边边缘和竖边边缘的角度信息，提取条形码中的位置信息，得到机车相对于参照物的位置。

也就是说，经过边缘检测后的图像为二值图像，边缘点用“1”表示，即使用黑点表示边缘，非边缘点用“0”表示，即使用白点表示非边缘点。一维条形码是由相互平行的黑白条间隔组成的，因此经过边缘检测后的结果为平行线，若能计算出边缘图像中某些条区域内的角度均近似为某值，则可以认为角度近似相等的条有可能组成条码区域。

例如，如图4所示，图4为第一黑条301边缘检测之后获得的示意图，其中，第一横边302和第一竖边303的夹角为90°，那么，第一横边302和第一竖边303组成的黑条即为条码区域。

在S2202的一种实施方式中，首先，确认多个黑条中的各黑条对应的横边边缘和竖边边缘的夹角为90°。然后，提取条形码中的位置信息，得到机车相对于参照物的位置。

具体的，提取条形码中的位置信息，并且在数据转换规则表中查找与位置信息对应的目标距离值，将目标距离值作为机车相对于参照物的位置。

也就是说，若横边边缘和竖边边缘的夹角为90°则说明条码区域能够识别准确，可以直接对条形码进行识别，在数据转换规则表中查找识别后的位置信息，并且获得于其相对应的距离值。可以理解的是，可以以起始条形码为参照，获取当前位置与起始条形码之间的距离作为距离值。

可以理解的是，数据转换规则表用于存储位置信息与距离值之间的对应关系。若参照物内存在弯道，则由相关人员按照实际的位置进行标注完成后，保存在数据转换规则表中。

在S2202的另一种实施方式中，首先，确认多个黑条中存在横边边缘和竖边边缘的夹角为大于90°或者小于90°的目标黑条。

然后，对以目标黑条为中心的预设范围内的所有黑条进行识别，得到机车相对于参照物的位置。

具体的，提取条形码中的位置信息，并且在数据转换规则表中查找与位置信息对应的目标距离值，将目标距离值作为机车相对于参照物的位置。

可以理解的是，数据转换规则表用于存储位置信息与距离值之间的对应关系。

也就是说，若横边边缘和竖边边缘的夹角大于90°或者小于90°则说明条码区域可能不能够被识别准确，需要对当前黑条为中心的预设范围内的所有黑条进行识别，或者包括当前黑条的预设范围内的所有黑条进行识别。

例如，如图5所示，图5为第一黑条301边缘检测之后获得的示意图，其中，第一横边302和第一竖边303的夹角大于90°，那么，需要对包括第一黑条301的预设范围内的所有黑条进行识别。具体的，若预设范围为包括第一黑条301在内的5条黑条，则当前的识别范围为第一黑条301、第二黑条304、第三黑条305、第四黑条306和第五黑条307。也就是说，需要将第一黑条301、第二黑条304、第三黑条305、第四黑条306和第五黑条307一起进行识别，获得机车相对于参照物的位置。

在本申请的一种实施方式中，在获取待识别图像之后，首先，对待识别图像进行二值化处理获得二值化图像，并且将二值化图像分割为多个子区域。然后，分别识别多个子区域中各子区域展示的条形码，得到机车相对于参照物的位置。

也就是说，为了减轻处理器的负担，可以将整幅待识别图像等分为多个子区域，其中，至少会存在一条表征位置信息的条码。本申请为了计算的简单性，可以将图像分成等份，例如：将480*640的图像分成30*640的16等份。各子区域的识别方式与上述实施例中所述的识别方式相同，在此不再赘述。

S230，基于相对位置生成控制机车运行状态的指令。

也就是说，机车在参照物中是固定的位置对应固定的指令，在确认相对位置之后，基于相对位置确认机车应该执行何种指令，并且相对应的生成控制机车运行状态的指令。

例如，机车应该在距离值为3cm的位置停车2分钟，那么在处理器识别到距离值为3cm的情况下，立即生成并且向机车传递停车2分钟的指令，以使机车能够在接收到该指令之后进行停车操作。

作为本申请一具体实施例，本申请中的轨道机车条形码识别定位方法可提高轨道机车在高炉下的定位精度，并且提供了条形码识别定位方法和原理，实现了高炉下机车的精确定位，解决了高炉下卫星无法定位导致机车自动驾驶系统无法精准停车的问题。综上，机车条形码识别定位系统提供了轨道机车实时的、高精度的位置信息，为轨道机车自动驾驶的位置展示、任务调度和无人控制输出了必要的数据支持。

轨道机车条形码识别定位系统采用基于OpenCV的图像识别方案，提升了轨道机车在高炉下定位的可靠性。轨道机车条形码识别定位系统通过融合条形码扫描器数据，利用OpenCV图像识别方法，实现了轨道机车在被遮挡区域的准确定位。可用于高炉下自动驾驶机车精准停车的数据支撑。

具体的，如图6所示，基于条形码机车定位的具体实施步骤包括：S601图像输入，S602灰度转化，S603边缘检测，S604图像分割，S605角度计算，S606条形码定位，S607条形码识别，若识别成功，则执行S608结果显示，若识别失败，则执行S603边缘检测。

也就是说，运行机车到高炉下，当识别到最开始的条形码图像时，记下此时的定位坐标作为条形码识别定位的初始点。后续每1s识别一次条形码片段，从而获得一张待识别图像，处理器获取当前待识别图像，对其进行灰度转化，进行二值化操作，之后对待识别图像进行边缘检测，识别待识别图像中的多个黑条。将待识别图像进行图像分割，分割为多个子区域，并且对各子区域中黑条的横边边缘和竖边边缘进行角度计算，获得角度值，之后根据角度值进行条形码定位和条形码识别。最后，在识别成功的情况下输出机车相对于高炉的位置，若识别不成功，则继续进行边缘检测，直至条形码识别成功。

因此，轨道机车条形码识别定位系统以OpenCV图像识别算法为基础，使用条形码扫描器，扫描并识别到条形码中存在位置信息的部分，实现了轨道机车在遮挡场景下，可靠和高精度的位置定位。

因此，轨道机车条形码识别系统提出了高炉下遮挡严重场景中，利用计算机视觉识别条形码重要条从而可以确定确定机车位置，定位精度可达到毫米级，可靠性、准确性更高；轨道机车条形码识别系统解决了轨道机车在高炉下无法精确定位的问题。

上文描述了一种基于条形码控制机车的方法的具体实施例，下文将描述一种基于条形码控制机车的装置。

如图7所示，本申请的一些实施例提供一种基于条形码控制机车的装置700，该装置包括：图像获取模块710、位置识别模块720和指令生成模块730。

图像获取模块710，被配置为获取待识别图像，其中，所述待识别图像是对定位标识进行拍摄得到的，所述定位标识设置在参照物上，所述机车可在所述参照物内部移动。

位置识别模块720，被配置为识别所述定位标识上展示的条形码，得到所述机车相对于所述参照物的位置。

指令生成模块730，被配置为基于所述位置生成控制所述机车运行状态的指令。

在本申请的一种实施方式中，所述位置识别模块720还被配置：为对所述条形码中的多个黑条进行边缘检测，获得多个横边边缘和多个竖边边缘，其中，所述多个黑条的RGB值均为0；确认所述多个黑条中的各黑条对应的横边边缘和竖边边缘的夹角为90°，则提取所述条形码中的位置信息，得到所述机车相对于所述参照物的位置。

在本申请的一种实施方式中，所述位置识别模块720还被配置：提取所述条形码中的位置信息，并且在数据转换规则表中查找与所述位置信息对应的目标距离值，其中，所述数据转换规则表用于存储位置信息与距离值之间的对应关系；将所述目标距离值作为所述机车相对于所述参照物的位置。

在本申请的一种实施方式中，所述位置识别模块720还被配置：确认所述多个黑条中存在横边边缘和竖边边缘的夹角为大于90°或者小于90°的目标黑条；则对以所述目标黑条为中心的预设范围内的所有黑条进行识别，得到所述机车相对于所述参照物的位置。

在本申请的一种实施方式中，所述位置识别模块720还被配置：对所述待识别图像进行二值化处理获得二值化图像，并且将所述二值化图像分割为多个子区域；分别识别所述多个子区域中各子区域展示的条形码，得到所述机车相对于所述参照物的位置。

在本申请的一种实施方式中，所述条形码均匀的分布在所述参照物的内壁、地面或顶面上。

在本申请实施例中，图7所示模块能够实现图1至图6方法实施例中的各个过程。图7中的各个模块的操作和/或功能，分别为了实现图1至图6中的方法实施例中的相应流程。具体可参见上述方法实施例中的描述，为避免重复，此处适当省略详细描述。

如图8所示，本申请实施例提供一种电子设备800，包括：处理器810、存储器820和总线830，所述处理器通过所述总线与所述存储器相连，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，用于实现如上述所有实施例中任一项所述的方法，具体可参见上述方法实施例中的描述，为避免重复，此处适当省略详细描述。

其中，总线用于实现这些组件直接的连接通信。其中，本申请实施例中处理器可以是一种集成电路芯片，具有信号的处理能力。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-Only Memory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。存储器中存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，可以执行上述实施例中所述的方法。

可以理解，图8所示的结构仅为示意，还可包括比图8中所示更多或者更少的组件，或者具有与图8所示不同的配置。图8中所示的各组件可以采用硬件、软件或其组合实现。

本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被服务器执行时实现上述所有实施方式中任一所述的方法，具体可参见上述方法实施例中的描述，为避免重复，此处适当省略详细描述。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。