推荐星级:
  • 1
  • 2
  • 3
  • 4
  • 5

基于Python与Zbar的无人机盘点条形码识别研究

更新时间:2019-12-24 20:20:57 大小:2M 上传用户:songhuahua查看TA发布的资源 标签:python无人机图像处理 下载积分:1分 评价赚积分 (如何评价?) 打赏 收藏 评论(0) 举报

资料介绍

文中针对立体仓库内部利用无人机进行大件货物盘点环境下条形码图像识别问题进行研究,提出了适合此种环境下的条形码识别方法。首先通过无人机拍摄终端拍摄图片,进而利用Python与相关数字图像处理模块进行图像预处理、条形码定位,最终利用Zbar开源条形码识别工具进行条形码译码,将结果与数据库内的记录进行比对,完成盘点。实验证明,此方法与直接利用原图和Zbar条形码识别模块的识别结果相比,识别率提高,效果较为理想。


部分文件列表

文件名 大小
基于Python与Zbar的无人机盘点条形码识别研究.pdf 2M

部分页面预览

(完整内容请下载后查看)
2018  
6
期
年
第
物流工程与管理  
LOGISTICS ENGINEERING AND MANAGEMENT  
物流技术  
40  
288  
期
第
卷
总第  
doi: 10. 3969 /j. issn. 1674 -4993. 2018. 06. 032  
Python Zbar  
与
基于  
的无人机盘点  
条形码识别研究  
, , , ,  
□ 王倩妮 邱菲尔 章圳琰 李 玥 夏云鹏  
(
,
西南交通大学 交通运输与物流学院 四川 成都  
610031)  
【
摘
】 ,  
要 文中针对立体仓库内部利用无人机进行大件货物盘点环境下条形码图像识别问题进行研究 提出了适合  
。 ,  
此种环境下的条形码识别方法 首先通过无人机拍摄终端拍摄图片 进而利用  
Python  
与相关数字图像处理模块进行图  
、 ,  
像预处理 条形码定位 最终利用  
Zbar  
, ,  
开源条形码识别工具进行条形码译码 将结果与数据库内的记录进行比对 完成  
。
,
Zbar  
,
,
。
盘点 实验证明 此方法与直接利用原图和  
条形码识别模块的识别结果相比 识别率提高 效果较为理想  
关键词 条形码识别 数字图像处理 无人机盘点  
】 TH692. 3 】 B  
【
】
;
;
【
【
【 】 1674 -4993( 2018) 06 -0076 -03  
文章编号  
中图分类号  
文献标识码  
Study on UAV Inventory Bar Code Identification Based on Python and Zbar  
WANG Qian - ni,QIU Fei - er,ZHANG Zhen - yan,LI Yue,XIA Yun - peng  
□
( School of Transportation & Logistics,Southwest Jiaotong University,Chengdu 610031,China)  
【Abstract】In this paper,the problem of bar code image recognition in the environment of large - scale goods inventory  
using the UAV inside a 3D warehouse is studied,and a bar code identification method suitable for this environment is proposed.  
Firstly,the UAV photographs the terminal to take pictures,and then uses Python and related digital image processing modules to  
perform image preprocessing and bar code positioning. Finally,Zbar's open source bar code recognition tool is used for bar code  
decoding,and the results are compared with the records in the database. Complete the inventory. Experiments show that compared  
with the recognition results of the direct use of the original bar graph and Zbar bar code recognition module,the recognition rate is  
improved and the effect is ideal.  
【Key words】barcode recognition; digital image processing; UAV inventory  
1
,
盘点是在库货物管理的重要手段之一 通过核对实际库  
引言  
,
随着科学技术的发展 条形码技术已经渗透在生活中的  
, 。  
存与记录库存 达到准确掌握库存信息的目的 随着现代物  
。 、 、  
各个领域 条形码成本低 信息输入速度快 可靠性高等优  
, ,  
流的高速发展 越来越多的企业采用立体库进行仓储 提高了  
[1]  
, ,  
为其广泛应用提供了条件 其中包含的信息更是有助于  
, 。  
仓库利用率 也增加了高层货架货物的盘点难度 调研发现  
,
点
, 、  
信息化管理的推进 加速了工业 商业等产业的智慧化进程  
。
大多数采用立体库的企业通过自动堆垛机移动高层货架货物  
, 。 ,  
进行盘点 效率低下 引入无人机进行盘点 无人机以一定路  
20  
条形码技术上世纪  
年代起在邮局单据自动分拣系统  
, , 。  
应用 后推广至其他领域 衍生出不同的种类 一维条形码通  
, , , ,  
线飞行 采集货物信息 回传图片 配合条形码识别技术 可以  
“ ”、“ ” ,  
过有规则的 条 空 排列在水平方向上表示信息 目前主  
。
有效解决高层货架盘点困难的问题  
EAN 、UPC 、Code39 、Codebar 、ISBN  
码 码 码 码  
,
2
要有  
码等类型  
无人机盘点图像获取与现有识别工具的问题  
。
一维条形码需要与数据库配合工作 条形码技术的应用推动  
, 、  
无人机设备大多搭载摄像终端 可以用于拍照 录像等  
。
, ,  
了条形码识别技术的发展 依靠摄像终端采集条形码图像 通  
,
将无人机用于盘点作业 为防止室内环境对无人机飞行造成  
、 ,  
过图像处理与识别定位条码 读取条码信息 减少了人工的参  
, ,  
影响 出现倾覆现象 因此采用可在室内飞行的  
DJI - spark  
系
, ,  
与 在节约成本的同时 大大提高了效率  
。
, ,  
列无人机 依照控制路线飞行并拍摄图片 图片包含货物信息  
【
】2018 - 04 - 08  
收稿日期  
【
】
作者简介 王倩妮  
( 1997— ) , ,  
, , :  
女 山东济南人 本科 研究方向 交通工程  
。
。
( 1997— ) , , , , :  
女 浙江宁波人 本科 研究方向 物流工程  
邱菲尔  
( 1996— ) , , , : 。  
男 浙江杭州人 研究方向 物流工程  
章圳琰  
( 1997— ) , , , , :  
玥 女 河北唐山人 本科 研究方向 物流工程  
。
。
李
( 1996— ) , ,  
, , :  
男 河北沧州人 本科 研究方向 物流管理  
夏云鹏  
6
:
王倩妮等 基于  
Python  
Zbar  
与 的无人机盘点条形码识别研究  
第
期
77  
、 、  
条形码 货位信息条形码 货物其他信息与无关背景  
。
, 。  
这些滤波方法各有特点 需结合实际需求进行选择 综合考  
利用现有条形码识别工具识别未经处理的无人机拍摄图  
虑无人机盘点获取图像包含的噪声类型与针对条形码定位识  
, :  
片 我们可将识别结果分为两类 若能够识别图像中条形码  
,
, ,  
别的需求 在噪声处理阶段 首先对灰度化图像进行中值滤  
,
则返回识别结果 识别准确率为  
100% ,  
即不存在译码错误问  
,
波 而后进行高斯滤波处理  
。
; , ,  
题 若不能识别图像中条形码 则返回条形码结果为空 无法  
,
中值滤波是一种非线性信号处理方法 是通过一个由奇  
。 ,  
达到获取图片中条形码的目的 以上结果表明 现行条形码  
* ,  
数点 奇数点构成的滑动窗口在图片移动 用窗口内各点的  
。
识别工具不完全适合无人机拍摄的图片  
。
中值代替窗口中心点值的方法 该方法能够避免均值滤波等  
: ,  
经分析无法识别主要有以下三点原因 首先 无人机在飞  
,
方法带来的图像模糊问题 可以在去除图像噪声的同时保护  
,
行时需与货架保持一定距离 条码尺寸与图片尺寸的比值较  
, 。  
图像边缘 对于条形码正确识别至关重要 滑动窗口尺寸是  
, , ; ,  
小 加之有背景的干扰 难以准确定位识别 其次 无人机即使  
, 3 ,  
中值滤波中的可变参数 默认尺寸为 点 可以依据实际拍摄  
“ ” , ,  
在 悬停 状态拍摄图片 仍与货架间存在相对运动 造成模糊  
, , 5  
条件选取参数 经多次尝试发现 案例情景中采用 点的滑动  
; , ,  
现象 最后 部分区域条形码较为集中 一张图片中存在多个  
,
窗口 并进行两次中值滤波效果较好  
。
,
条形码 不易于进行识别  
。
、
中值滤波对于脉冲噪声 颗粒噪声具有较好的去除效果  
,
,
综合分析以上影响因素 在保留现有条形码识别模块译  
, ,  
但对于高斯噪声效果不佳 因此 还需经过高斯滤波去除图像  
, 、 。  
码功能的同时 提出一系列图像预处理 条形码定位流程 流  
。
中的高斯噪声 高斯滤波的一种实现方式是对图像进行卷  
1
程如图 所示  
:
,
积 通过滑动窗口对区域进行加权平均计算代替窗口中心点  
。
, ,  
由于随着滑动窗口的增大 图像会变得模糊 因此此处采  
值
1
用标准差为 对应的模板进行卷积  
。
3. 3  
边缘检测  
,
边缘检测是数字图像处理的重要组成部分 可以检测图  
1
图
条形码识别流程图  
3
图像预处理  
,
像中像素灰度值有阶跃变化的像素 这些像素组成的集合就  
,
在无人机拍摄得到图像后 条形码识别图像预处理阶段  
, “ ”、“ ” ,  
是该图像的边缘 而条形码由一系列黑白 条 空 组成 边  
2
步骤如图 所示  
:
,
缘属性强 利用边缘检测方法处理有利于条形码的定位  
。
在
,Sobel、Kirsch、Prewitt、Canny、Laplacian  
数字图像处理领域  
等
,
算子均可用于进行边缘检测 由于算子主要是基于图像强度  
, 、  
的一阶与二阶导数 在计算过程中一阶导数效率更高 运行速  
2
图
预处理步骤流程图  
,
度更快 因此选择  
Sobel  
。
算子进行边缘检测  
Sobel  
,
算子通常具有方向性 在条形码边缘检测过程中  
,
3. 1  
灰度化  
摄像功能终端拍摄的大多数是  
Sobel  
,
算子 并将两个方向结  
在水平方向与垂直方向分别运用  
RGB  
, RGB  
图像 将  
图像通  
,
果叠加 得到边缘检测后的灰度图像  
。
。
过一定计算方法转换为灰度图的方法称为灰度化处理 图像  
,
dst。  
完成此步骤后 保存结果  
dst Zbar 。  
进行条形码识别  
在后续完成条形码定位  
R、G、B , 0 - 255  
三个矩阵 每个矩阵的每个元素值在  
可等效为  
,
后 将截取  
输入  
, ,  
范围间且仅为整数 灰度化后图像数据量大大减小 便于接下  
3. 4  
二值化  
,
由于图像在采集过程中受光线等因素的影响 图像包含  
,
来的运算 提高处理速度  
。
: 、  
目前灰度化的计算方法主要有 平均值法 最大值法与加  
,
一定有效信息与背景 利用二值化算法进行二值化处理可以  
。
权平均值法三种 平均值法即将三通道亮度求平均值作为灰  
。 ,  
提取图像中的有效信息 二值化处理 即利用阈值选取算法  
;
度图灰度值 最大值法即选择三个通道亮度最大值作为灰度  
T, ,  
选取阈值 针对灰度图像按下列公式进行处理 使图像呈现  
。
图灰度值  
,
考虑盘点作业下 条形码所在区域与背景颜色差异较大  
。
明显的黑与白的效果 二值化能够迅速区分图像的前景与背  
,
, 。  
景 获取感兴趣的特征区域 图像中的像素点灰度值为  
Grey  
,
:
因此采用加权平均值灰度化方法进行处理 计算方法如下  
Grey( x,y) = 0. 299 × R( x,y) + 0. 587 × G( x,y) + 0. 114 ×  
B( x,y)  
3. 2  
( x,y) ,  
二值化后结果为  
Binary( x,y) 。  
1 Grey( x,y)  
T
≥
Binary( x,y) =  
{
}
0
Grey( x,y) < T)  
噪声处理  
,
阈值选取算法可分为固定阈值和自适应阈值两类 常用  
,
在拍摄终端获取图片时 环境等因素会对图片质量造成  
、P 、  
方法有双峰法 参数法 最大类间方差法  
( Ostu ) 、  
法 迭代法  
, 、 、  
影响 图像中可能包含如脉冲噪声 颗粒噪声 高斯噪声等类  
。
,
由于无人机盘点的仓库环境较为单一 经实验发现采用  
。
型的噪声 因此在图像预处理阶段需要通过滤波的手段去除  
等
。
。
全局固定阈值的二值化方法效果良好 由于图片前景与背景  
1979  
年提出的最大类间方差法  
这些噪声  
、 、  
在数字图像处理领域中有如均值滤波 维纳滤波 中值滤  
,
差异较大的 选用日本大津于  
( Ostu ) 。 ,  
待分割的图像被分为前景与背景两个部分 灰度  
、 、  
波 高斯滤波 小波去噪等多种滤波方法用于去除各类噪声  
,
法

全部评论(0)

暂无评论

上传资源 上传优质资源有赏金

  • 打赏
  • 30日榜单

推荐下载