塔吊作為現代建筑必備的吊運工具，在工程建筑中作出了巨大的貢獻,。但近年來塔吊安全事故頻發(fā),，不但帶來了巨大的經濟損失，而且也造成了不少人員傷亡,。因此,，視頻設備被應用到塔吊監(jiān)控領域。當前工地上的視頻監(jiān)控設備主要是針對遠程監(jiān)測人員使用,，而且是基于PC平臺,，由于PC體積過大，不適合在狹小的塔吊駕駛室安裝,，所以沒有得到廣泛的應用,。至于對吊鉤距離地面的高度測量問題,，目前主要有激光測距和超聲波測距，但是激光測距儀成像速度慢,，而且價格比較昂貴,。超聲波測距受外界的影響較大，樓層越高,，超聲波損失就越嚴重,，導致測量誤差較大。隨著嵌入式技術和圖像處理技術的發(fā)展,，單目視覺測距為測量吊鉤高度提供了一種有效的解決方案,，它不但能進行高度的測量，同時也解決了駕駛員操作時碰到的視覺盲區(qū)問題,。

1 系統總體設計
    本文設計的是一個采用單目視覺測量塔吊吊鉤高度的視頻傳輸系統，該系統不但能夠實時顯示測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)控吊臂下方工地場景，接收端放在駕駛室中供駕駛員查看,。兩個終端通過WiFi無線網絡實現通信連接,。系統的工作過程是：視頻采集終端通過USB攝像頭采集視頻數據信息，并通過圖像處理計算出吊鉤距離地面的高度信息,，然后通過無線網絡將數據信息傳輸到視頻接收端,，并在LCD顯示屏上顯示出實時高度信息以及視頻信息。
2 系統硬件設計
    系統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,、數據處理模塊、WiFi無線傳輸模塊以及電源模塊,；視頻接收終端相對于采集終端去掉了視頻采集模塊,，增加了LCD顯示屏以及存儲模塊。采集模塊的結構圖如圖1所示,。

    該系統的基本工作原理是：采集端的USB攝像頭將采集得到的模擬視頻信號通過視頻解碼器轉換成數字視頻信號,，然后將數字視頻信號輸入到S3C6410的視頻通道口進行處理[2]，最后通過WiFi無線模塊將處理后的數據信息發(fā)送到接收端,，并在LCD屏上顯示實時視頻以及檢測到的吊鉤實時高度信息,。
2.1 S3C6410微處理器模塊
    S3C6410是三星公司設計的16/32位RISC微處理器，基于ARM1176JZF-S內核,，最高主頻可達667 MHz,。具有獨立的Load/Store和8級流水線設計,，采用特殊的設計改善視頻處理能力，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，是一個低成本,、低功耗,、高性能的應用處理器，非常適合視頻媒體的應用,。
2.2 視頻采集模塊
    該系統采用OmniVision公司的OV9650芯片作為CMOS數字圖像傳感器,，該芯片向S3C6410提供SCCB和Camera Interface接口，而且內部集成了圖像傳感器和數/模轉換器,。光學圖像投射到圖像傳感器上,，將光學圖像信號轉化為電信號，電信號通過內部的數/模轉換器轉化為數字信號,，最后經過數字信號處理芯片DSP處理之后通過USB接口傳輸到開發(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,，實現兩者之間的數據傳輸,。OV9650的系統時鐘SCLK與S3C6410的CAMCLK相連，用來解決傳輸數據時同步時鐘信號,。S3C6410通過I2C總線對OV9650的內部寄存器進行讀寫來控制該芯片,。

2.3 WiFi無線傳輸模塊
    該設計需要實現視頻數據的實時傳輸。雖然通過H.264進行了壓縮處理,，但是它的數據量依然較大,，所以采用WiFi無線寬帶技術，通信帶寬2 Mb/s,、11 Mb/s,、54 Mb/s（自適應），具有自適應能力強,、抗干擾能力強等優(yōu)點,。本文采用的88W8686是Marvell公司推出的WiFi無線模塊，該模塊完全遵循IEEE 802.11g標準,，而且兼容802.11b協議標準,。它工作在2.4 GHz頻段，最高傳輸速率達54 Mb/s,。該無線模塊提供了SPI和SDIO接口,，通過SPI或者SDIO接口將傳輸過來的數據封裝起來，通過WLAN將信息傳輸給遠程客戶端,。系統的88W8686-
WiFi無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（HOST）端和設備端（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,，該系統采用SPI mode傳輸模式,。

3 基于V4L2的視頻采集過程
    該系統使用的是Linux-2.6.38的內核版本，它支持USB Camera,，只要USB Camera符合UVC(USB Video Class)標準,，USB設備就可以直接使用。V4L2是Linux內核中一種通用的視頻設備驅動,，它的Video設備在用戶空間通過調用各種ioctl對攝像頭進行控制,，而且還可以使用mmap進行內存的映射。V4L2的操作流程如圖4所示,。首先要打開設備文件，取得設備的capability,，根據設備的功能,，選擇視頻輸入，設置視頻的制式和幀格式,，并向驅動申請幀緩沖,，將申請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,。再將申請到的幀緩沖全部入列,，以便存放采集到的數據。這時就可以開始視頻采集,，并出列已采集數據的幀緩沖,，獲得原始采集數據，再將幀緩沖重新入列到隊尾循環(huán)采集視頻數據,，最后如果停止采集就關閉視頻,。  

4 單目視覺測量吊鉤高度
    機器視覺測量距離主要有雙目測距、單目測距等,。雙目測距由于需要特征點匹配,，而實際中這種匹配比較困難，從而影響了它的測量精度和效率,。單目測距是指利用單個攝像頭作為視覺傳感器進行距離測量,，它要求攝像頭的位置是固定的,，如果攝像頭移動，則會有角度的變化,，這樣就需要重新標定[5],。本文介紹的測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,，這樣有利于檢測吊鉤的高度,。這種單目測距方法具有結構簡單、穩(wěn)定性高,、運算速度快等優(yōu)點,。
4.1 吊鉤的檢測和定位
    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分割方法實現對吊鉤的快速識別,，這種方法處理結果較準,，而且對光線變化的適應性好。對于視頻圖像的處理采用RGB模型,，它比較適合于目標的識別,。
    在吊鉤運行過程中，采用二值化操作對吊鉤進行檢測分割,，這里采用局部自適應閾值的方法,。該方法根據像素鄰塊的像素值分布來確定該像素位置上的二值化閾值[6]。其優(yōu)點在于每個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)域二值化閾值相應地就會較低,。這樣對于吊鉤更容易準確地檢測識別,。本設計采用的自適應閾值算法是CV_ADAPTIVE_THRESH_GAUSSIAN_C，即先求出塊中的加權和(gaussian),， 再減掉param1,。該設計中吊鉤的顏色為黃色，而且黃色像素比較稀疏,，根據訓練的自適應閾值,，就可以檢測出吊鉤的邊界，從而準確識別出吊鉤的位置,。
4.2 單目測距改進的算法
    單目視覺測距技術需要從二維圖像信息中獲得三維空間中的位置信息,，這就要將三維的場景投影到攝像機二維圖像平面上。所以需要利用幾何關系來確定被測物體在世界坐標中位置點及其在成像點之間的數學關系,，具體可以采用小孔成像原理來模擬兩者之間的投影關系,。這里采用針孔模型測距方法來進行分析[7]，被測物體的特征點在攝像機成像平面上的投影幾何圖像如圖5所示,。

5 測量結果分析
    基于ARM11平臺的Linux系統開發(fā)了塔吊監(jiān)控系統,。系統將采集的視頻圖像數據通過S3C6410處理器處理之后輸出視頻數據以及吊鉤的高度信息,。基于Linux系統開發(fā)了Qt上位機界面[9],。通過單目視覺測得的10組吊鉤高度數據如表1所示,。

    由表1的數據可以看出，隨著吊鉤的下放,，也就是吊鉤越遠,，測量的誤差率越高，這是因為攝像頭的軸線和被測目標的平面發(fā)生了傾斜以及對吊鉤的識別度降低等因素造成的,，所以該設計應用在中低層建筑塔吊中效果較好,，對駕駛員的操作起到一定的輔助作用。
    雖然目前市場上的監(jiān)控設備較多,，但是多是基于PC平臺,，而且缺少圖像處理功能，智能化程度較低,。同時它的體積較大,，不方便攜帶，而且價格相對與ARM平臺要貴許多,。本文提出的基于ARM11平臺的單目視覺塔吊監(jiān)控系統結合多特征信息融合和單目測距原理,，實現了對塔吊吊鉤的監(jiān)控以及高度的實時測量，解決了駕駛員的視覺盲區(qū)問題,，使駕駛員可隨時掌握吊鉤高度信息,，增強了駕駛員作業(yè)的安全性，也提高了作業(yè)的效率,。
參考文獻
[1] 趙春媛,，李萌,，韓會山.基于ＡＲＭ９的無線視頻監(jiān)控系統設計與實現[J].計算機工程與設計,，2012，33（2）：529-533.
[2] 李文江,，王紅飛,，侯玉峰.基于S3C6410的嵌入式膠帶運輸機監(jiān)控系統[J].儀表技術與傳感器，2010(12)：74-79.
[3] 梁艷.基于OpenCV的ARM嵌入式網絡視頻監(jiān)控系統[J].微型機與應用,，2013,，32（9）：29-31.
[4] 郗瑤穎，張建陽,，趙祥模.基于ARM11的單目視覺車距監(jiān)測系統[J].計算機系統應用,，2012，21(12)：33-37.
[5] 李二濤,，張斌貝,，曾虹.基于單目視覺的彩色目標跟蹤[J]. 杭州電子科技大學學報,，2008，28（5）：139-142.
[6] 顧裕豐,，劉國棟.一種復雜場景下的運動目標跟蹤算法[J]. 電子技術應用,，2012，38（1）：122-125.
[7] 韓延祥,，張志勝,，戴敏.用于目標測距的單目視覺測量方法[J].光學精密工程，2011,，19(5)：1110-1117.
[8] 張法全,，路立平，沈滿德.單目視覺目標距離測量方法[J]. 光子學報,，2009,，38(2)：453-456.
[9] 劉治國，陳新華.基于Linux和Qt的智能家居系統的設計與實現[J].電子技術應用,，2012,，38(4)：23-26.