塔吊作為現(xiàn)代建筑必備的吊運(yùn)工具，在工程建筑中作出了巨大的貢獻(xiàn)。但近年來(lái)塔吊安全事故頻發(fā)，不但帶來(lái)了巨大的經(jīng)濟(jì)損失，而且也造成了不少人員傷亡。因此，視頻設(shè)備被應(yīng)用到塔吊監(jiān)控領(lǐng)域。當(dāng)前工地上的視頻監(jiān)控設(shè)備主要是針對(duì)遠(yuǎn)程監(jiān)測(cè)人員使用，而且是基于PC平臺(tái)，由于PC體積過(guò)大，不適合在狹小的塔吊駕駛室安裝，所以沒(méi)有得到廣泛的應(yīng)用。至于對(duì)吊鉤距離地面的高度測(cè)量問(wèn)題，目前主要有激光測(cè)距和超聲波測(cè)距，但是激光測(cè)距儀成像速度慢，而且價(jià)格比較昂貴。超聲波測(cè)距受外界的影響較大，樓層越高，超聲波損失就越嚴(yán)重，導(dǎo)致測(cè)量誤差較大。隨著嵌入式技術(shù)和圖像處理技術(shù)的發(fā)展，單目視覺(jué)測(cè)距為測(cè)量吊鉤高度提供了一種有效的解決方案，它不但能進(jìn)行高度的測(cè)量，同時(shí)也解決了駕駛員操作時(shí)碰到的視覺(jué)盲區(qū)問(wèn)題。

1 系統(tǒng)總體設(shè)計(jì)
    本文設(shè)計(jì)的是一個(gè)采用單目視覺(jué)測(cè)量塔吊吊鉤高度的視頻傳輸系統(tǒng)，該系統(tǒng)不但能夠?qū)崟r(shí)顯示測(cè)得的吊鉤距離地面的高度信息，還能顯示視頻圖像信息[1]。系統(tǒng)包含視頻采集端和視頻接收端，采集端安裝在塔吊吊臂的變幅小車上，攝像頭豎直向下安裝，監(jiān)控吊臂下方工地場(chǎng)景，接收端放在駕駛室中供駕駛員查看。兩個(gè)終端通過(guò)WiFi無(wú)線網(wǎng)絡(luò)實(shí)現(xiàn)通信連接。系統(tǒng)的工作過(guò)程是：視頻采集終端通過(guò)USB攝像頭采集視頻數(shù)據(jù)信息，并通過(guò)圖像處理計(jì)算出吊鉤距離地面的高度信息，然后通過(guò)無(wú)線網(wǎng)絡(luò)將數(shù)據(jù)信息傳輸?shù)揭曨l接收端，并在LCD顯示屏上顯示出實(shí)時(shí)高度信息以及視頻信息。
2 系統(tǒng)硬件設(shè)計(jì)
    系統(tǒng)的硬件主要由視頻采集終端和視頻接收終端兩部分組成。視頻采集終端包括視頻采集模塊、數(shù)據(jù)處理模塊、WiFi無(wú)線傳輸模塊以及電源模塊；視頻接收終端相對(duì)于采集終端去掉了視頻采集模塊，增加了LCD顯示屏以及存儲(chǔ)模塊。采集模塊的結(jié)構(gòu)圖如圖1所示。

    該系統(tǒng)的基本工作原理是：采集端的USB攝像頭將采集得到的模擬視頻信號(hào)通過(guò)視頻解碼器轉(zhuǎn)換成數(shù)字視頻信號(hào)，然后將數(shù)字視頻信號(hào)輸入到S3C6410的視頻通道口進(jìn)行處理[2]，最后通過(guò)WiFi無(wú)線模塊將處理后的數(shù)據(jù)信息發(fā)送到接收端，并在LCD屏上顯示實(shí)時(shí)視頻以及檢測(cè)到的吊鉤實(shí)時(shí)高度信息。
2.1 S3C6410微處理器模塊
    S3C6410是三星公司設(shè)計(jì)的16/32位RISC微處理器，基于ARM1176JZF-S內(nèi)核，最高主頻可達(dá)667 MHz。具有獨(dú)立的Load/Store和8級(jí)流水線設(shè)計(jì)，采用特殊的設(shè)計(jì)改善視頻處理能力，集成了多格式的編解碼器(MFC)，支持MPEG4/H.263/H.264編碼、譯碼以及VC1的解碼，是一個(gè)低成本、低功耗、高性能的應(yīng)用處理器，非常適合視頻媒體的應(yīng)用。
2.2 視頻采集模塊
    該系統(tǒng)采用OmniVision公司的OV9650芯片作為CMOS數(shù)字圖像傳感器，該芯片向S3C6410提供SCCB和Camera Interface接口，而且內(nèi)部集成了圖像傳感器和數(shù)/模轉(zhuǎn)換器。光學(xué)圖像投射到圖像傳感器上，將光學(xué)圖像信號(hào)轉(zhuǎn)化為電信號(hào)，電信號(hào)通過(guò)內(nèi)部的數(shù)/模轉(zhuǎn)換器轉(zhuǎn)化為數(shù)字信號(hào)，最后經(jīng)過(guò)數(shù)字信號(hào)處理芯片DSP處理之后通過(guò)USB接口傳輸?shù)介_(kāi)發(fā)板上[3]。OV9650和S3C6410接口的連接線如圖2所示，OV9650的DATA[7：0]與S3C6410的CAMDATA[7:0]相連，實(shí)現(xiàn)兩者之間的數(shù)據(jù)傳輸。OV9650的系統(tǒng)時(shí)鐘SCLK與S3C6410的CAMCLK相連，用來(lái)解決傳輸數(shù)據(jù)時(shí)同步時(shí)鐘信號(hào)。S3C6410通過(guò)I2C總線對(duì)OV9650的內(nèi)部寄存器進(jìn)行讀寫來(lái)控制該芯片。

2.3 WiFi無(wú)線傳輸模塊
    該設(shè)計(jì)需要實(shí)現(xiàn)視頻數(shù)據(jù)的實(shí)時(shí)傳輸。雖然通過(guò)H.264進(jìn)行了壓縮處理，但是它的數(shù)據(jù)量依然較大，所以采用WiFi無(wú)線寬帶技術(shù)，通信帶寬2 Mb/s、11 Mb/s、54 Mb/s（自適應(yīng)），具有自適應(yīng)能力強(qiáng)、抗干擾能力強(qiáng)等優(yōu)點(diǎn)。本文采用的88W8686是Marvell公司推出的WiFi無(wú)線模塊，該模塊完全遵循IEEE 802.11g標(biāo)準(zhǔn)，而且兼容802.11b協(xié)議標(biāo)準(zhǔn)。它工作在2.4 GHz頻段，最高傳輸速率達(dá)54 Mb/s。該無(wú)線模塊提供了SPI和SDIO接口，通過(guò)SPI或者SDIO接口將傳輸過(guò)來(lái)的數(shù)據(jù)封裝起來(lái)，通過(guò)WLAN將信息傳輸給遠(yuǎn)程客戶端。系統(tǒng)的88W8686-
WiFi無(wú)線模塊是雙排插針式接口[4]，它與S3C6410的SDIO接口連接使用，如圖3所示。SDIO總線有兩端，分別為主機(jī)（HOST）端和設(shè)備端（DEVICE），由HOST端發(fā)出命令，然后在DEVICE端解析采用HOST發(fā)出的命令。SDIO接口支持SPI mode、1 bit mode、4 bit mode三種傳輸模式，該系統(tǒng)采用SPI mode傳輸模式。

3 基于V4L2的視頻采集過(guò)程
    該系統(tǒng)使用的是Linux-2.6.38的內(nèi)核版本，它支持USB Camera，只要USB Camera符合UVC(USB Video Class)標(biāo)準(zhǔn)，USB設(shè)備就可以直接使用。V4L2是Linux內(nèi)核中一種通用的視頻設(shè)備驅(qū)動(dòng)，它的Video設(shè)備在用戶空間通過(guò)調(diào)用各種ioctl對(duì)攝像頭進(jìn)行控制，而且還可以使用mmap進(jìn)行內(nèi)存的映射。V4L2的操作流程如圖4所示。首先要打開(kāi)設(shè)備文件，取得設(shè)備的capability，根據(jù)設(shè)備的功能，選擇視頻輸入，設(shè)置視頻的制式和幀格式，并向驅(qū)動(dòng)申請(qǐng)幀緩沖，將申請(qǐng)到的幀緩沖映射到用戶空間，這樣就可以直接操作采集到的幀。再將申請(qǐng)到的幀緩沖全部入列，以便存放采集到的數(shù)據(jù)。這時(shí)就可以開(kāi)始視頻采集，并出列已采集數(shù)據(jù)的幀緩沖，獲得原始采集數(shù)據(jù)，再將幀緩沖重新入列到隊(duì)尾循環(huán)采集視頻數(shù)據(jù)，最后如果停止采集就關(guān)閉視頻。  

4 單目視覺(jué)測(cè)量吊鉤高度
    機(jī)器視覺(jué)測(cè)量距離主要有雙目測(cè)距、單目測(cè)距等。雙目測(cè)距由于需要特征點(diǎn)匹配，而實(shí)際中這種匹配比較困難，從而影響了它的測(cè)量精度和效率。單目測(cè)距是指利用單個(gè)攝像頭作為視覺(jué)傳感器進(jìn)行距離測(cè)量，它要求攝像頭的位置是固定的，如果攝像頭移動(dòng)，則會(huì)有角度的變化，這樣就需要重新標(biāo)定[5]。本文介紹的測(cè)距方法就是將攝像頭固定在塔吊駕駛室下方，并向下傾斜一定的角度，這樣有利于檢測(cè)吊鉤的高度。這種單目測(cè)距方法具有結(jié)構(gòu)簡(jiǎn)單、穩(wěn)定性高、運(yùn)算速度快等優(yōu)點(diǎn)。
4.1 吊鉤的檢測(cè)和定位
    塔吊的吊鉤具有顯著的黃顏色特征，所以采用基于顏色的目標(biāo)分割方法實(shí)現(xiàn)對(duì)吊鉤的快速識(shí)別，這種方法處理結(jié)果較準(zhǔn)，而且對(duì)光線變化的適應(yīng)性好。對(duì)于視頻圖像的處理采用RGB模型，它比較適合于目標(biāo)的識(shí)別。
    在吊鉤運(yùn)行過(guò)程中，采用二值化操作對(duì)吊鉤進(jìn)行檢測(cè)分割，這里采用局部自適應(yīng)閾值的方法。該方法根據(jù)像素鄰塊的像素值分布來(lái)確定該像素位置上的二值化閾值[6]。其優(yōu)點(diǎn)在于每個(gè)像素位置的二值化閾值不是固定不變的，而是由周圍的鄰域像素分布決定的，亮度較高的區(qū)域二值化閾值較高，亮度低的區(qū)域二值化閾值相應(yīng)地就會(huì)較低。這樣對(duì)于吊鉤更容易準(zhǔn)確地檢測(cè)識(shí)別。本設(shè)計(jì)采用的自適應(yīng)閾值算法是CV_ADAPTIVE_THRESH_GAUSSIAN_C，即先求出塊中的加權(quán)和(gaussian)， 再減掉param1。該設(shè)計(jì)中吊鉤的顏色為黃色，而且黃色像素比較稀疏，根據(jù)訓(xùn)練的自適應(yīng)閾值，就可以檢測(cè)出吊鉤的邊界，從而準(zhǔn)確識(shí)別出吊鉤的位置。
4.2 單目測(cè)距改進(jìn)的算法
    單目視覺(jué)測(cè)距技術(shù)需要從二維圖像信息中獲得三維空間中的位置信息，這就要將三維的場(chǎng)景投影到攝像機(jī)二維圖像平面上。所以需要利用幾何關(guān)系來(lái)確定被測(cè)物體在世界坐標(biāo)中位置點(diǎn)及其在成像點(diǎn)之間的數(shù)學(xué)關(guān)系，具體可以采用小孔成像原理來(lái)模擬兩者之間的投影關(guān)系。這里采用針孔模型測(cè)距方法來(lái)進(jìn)行分析[7]，被測(cè)物體的特征點(diǎn)在攝像機(jī)成像平面上的投影幾何圖像如圖5所示。

5 測(cè)量結(jié)果分析
    基于ARM11平臺(tái)的Linux系統(tǒng)開(kāi)發(fā)了塔吊監(jiān)控系統(tǒng)。系統(tǒng)將采集的視頻圖像數(shù)據(jù)通過(guò)S3C6410處理器處理之后輸出視頻數(shù)據(jù)以及吊鉤的高度信息。基于Linux系統(tǒng)開(kāi)發(fā)了Qt上位機(jī)界面[9]。通過(guò)單目視覺(jué)測(cè)得的10組吊鉤高度數(shù)據(jù)如表1所示。

    由表1的數(shù)據(jù)可以看出，隨著吊鉤的下放，也就是吊鉤越遠(yuǎn)，測(cè)量的誤差率越高，這是因?yàn)閿z像頭的軸線和被測(cè)目標(biāo)的平面發(fā)生了傾斜以及對(duì)吊鉤的識(shí)別度降低等因素造成的，所以該設(shè)計(jì)應(yīng)用在中低層建筑塔吊中效果較好，對(duì)駕駛員的操作起到一定的輔助作用。
    雖然目前市場(chǎng)上的監(jiān)控設(shè)備較多，但是多是基于PC平臺(tái)，而且缺少圖像處理功能，智能化程度較低。同時(shí)它的體積較大，不方便攜帶，而且價(jià)格相對(duì)與ARM平臺(tái)要貴許多。本文提出的基于ARM11平臺(tái)的單目視覺(jué)塔吊監(jiān)控系統(tǒng)結(jié)合多特征信息融合和單目測(cè)距原理，實(shí)現(xiàn)了對(duì)塔吊吊鉤的監(jiān)控以及高度的實(shí)時(shí)測(cè)量，解決了駕駛員的視覺(jué)盲區(qū)問(wèn)題，使駕駛員可隨時(shí)掌握吊鉤高度信息，增強(qiáng)了駕駛員作業(yè)的安全性，也提高了作業(yè)的效率。
參考文獻(xiàn)
[1] 趙春媛，李萌，韓會(huì)山.基于ＡＲＭ９的無(wú)線視頻監(jiān)控系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].計(jì)算機(jī)工程與設(shè)計(jì)，2012，33（2）：529-533.
[2] 李文江，王紅飛，侯玉峰.基于S3C6410的嵌入式膠帶運(yùn)輸機(jī)監(jiān)控系統(tǒng)[J].儀表技術(shù)與傳感器，2010(12)：74-79.
[3] 梁艷.基于OpenCV的ARM嵌入式網(wǎng)絡(luò)視頻監(jiān)控系統(tǒng)[J].微型機(jī)與應(yīng)用，2013，32（9）：29-31.
[4] 郗瑤穎，張建陽(yáng)，趙祥模.基于ARM11的單目視覺(jué)車距監(jiān)測(cè)系統(tǒng)[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2012，21(12)：33-37.
[5] 李二濤，張斌貝，曾虹.基于單目視覺(jué)的彩色目標(biāo)跟蹤[J]. 杭州電子科技大學(xué)學(xué)報(bào)，2008，28（5）：139-142.
[6] 顧裕豐，劉國(guó)棟.一種復(fù)雜場(chǎng)景下的運(yùn)動(dòng)目標(biāo)跟蹤算法[J]. 電子技術(shù)應(yīng)用，2012，38（1）：122-125.
[7] 韓延祥，張志勝，戴敏.用于目標(biāo)測(cè)距的單目視覺(jué)測(cè)量方法[J].光學(xué)精密工程，2011，19(5)：1110-1117.
[8] 張法全，路立平，沈滿德.單目視覺(jué)目標(biāo)距離測(cè)量方法[J]. 光子學(xué)報(bào)，2009，38(2)：453-456.
[9] 劉治國(guó)，陳新華.基于Linux和Qt的智能家居系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].電子技術(shù)應(yīng)用，2012，38(4)：23-26.