基于视觉的太阳光自动定位系统设计

摘要：该文研究了一套基于机器视觉的方法对太阳光斑自动定位系统的设计。它采用波门跟踪算法，可实时监测太阳光方位角和高度角，并调整步进电机使得整套装置的接收屏与太阳光线始终保持垂直夹角，在完成自动跟踪的同时大大提高了太阳能接收利用率。

关键词：太阳光；机器视觉；图像传感器；波门跟踪算法

中图分类号：TP216 文献标识码：A 文章编号：1009-3044（2014）24-5759-03

Sunlight Automatic Positioning System Design Based on Vision

BAI Yi-mo

（College of Information Engineering， Dalian University， Dalian 116622， China）

Abstract：This paper presents a method that it based on machine vision system for automatic positioning of the solar flare design. Using gate tracking algorithms， it can monitor the azimuth and elevation angle of sunlight timely， then adjust the stepping motor allowing that the receiver screen of the entire device remain vertical angle with the sun's rays， while it can tracke solar automaticly and improve the utilization of solar receiver greatly.

Key words： sunlight； machine vision； image sensor； gate tracking algorithm

自1992年首次推出太阳灶自动跟踪系统以来[1]，国内外不少专家学者开始相继陆续开展这方面的研究。1994年《太阳能》杂志介绍一种液压传动系统设计的单轴太阳自动跟踪器[2]。1997年美国Blackace深入研究了单轴太阳跟踪器，完成了东西方向的自动跟踪，而南北方向则需手动调节，整个接收器的热接收率提高了15%。1998年美国加州成功的研究了ATM两轴跟踪器，并在太阳能面板上装有集中阳光的涅耳透镜，可以使小块的太阳能面板硅收集更多的能量，使热接收率得以进一步提高[3]。2002年美国亚利桑那大学推出一种新型太阳能跟踪装置，采用重量较轻的铝型材框架结构，利用控制电机完成跟踪[4]。

目前太阳能跟踪装置利用领域不广主要是太阳能的能量接收利用率受限导致。经大量实验表明，太阳光与跟踪装置的接收面夹角起到至关重要的影响作用。当与太阳辐射方向保持垂直的表面和始终朝南铅直方向的固定表面，一天中两者接收到的太阳辐射的比大约是3：1[5]。因此实时跟踪太阳光保持它与跟踪装置的夹角始终垂直即可大大增加接收面上收集的太阳辐射能量，提高太阳能的接收利用率。基于此，该文提出一种系统软件设计方法。可实现太阳光斑定位，自动跟踪。

1 系统硬件组成

本系统硬件部分主要由图像传感器、DSP处理器和执行机构组成，系统的工作原理如图1所示。

图1 系统工作原理框图

借助小孔成像原理，采集太阳光线，再通过图像传感器将光信号转换成电信号，输入到DSP控制器中，进行采集处理控制等算法后，可确定光斑位置信息，由此可推算出太阳高度角和方位角。再经判断太阳光与装置的成像机构所在平面与太阳光线否保持垂直夹角，并由DSP发出控制命令使执行机构根据夹角偏差参数实时调整成像机构角度，实现对太阳光线的自动跟踪。

2 系统软件程序

系统上电复位后，程序开始执行。具体步骤如下：

首先对DSP处理器初始化；

其次通过SCCB总线设置图像传感器相关参数，包括图像传感器初始化和图像采集。可进行放大、A/D转换、光电转换等处理，输出数字图像信号到DSP采集控制机构中，完成图像的采集和处理部分；

最后进行太阳光斑的采集和定位。

整体软件流程图如图2所示。

3） 定位跟踪算法子程序

一般图象处理系统确定目标位置的跟踪算法有波门跟踪算法和相关跟踪算法两类。其中波门跟踪算法是设计一个波门，波门的尺寸略大于目标图像，并使波门紧紧套住目标图像，然后用跟踪相关算法确定目标位置，使目标不受波门外的背景和噪声干扰的影响；相关跟踪是根据测量两幅图像之间的相关度函数去计算目标的位置变化，其中跟踪点就是两个图像匹配最好的位置，即相关函数的峰值。相关度的取值有一定复杂度。

波门跟踪算法跟适合本系统使用。主要有重心跟踪、边缘跟踪、双边缘跟踪、面积平衡等。其中重心跟踪是通过计算目标的重心确定波门，算法简单，抗噪性强。但无法获得目标的大小信息，因此波门大小确定比较困难；边缘跟踪是通过寻找目标边缘上的特定点，设置波门。由于目标边缘同时还反映了目标的大小，所设置的波门可以随着目标视图面积的变化而变化，因此边缘跟踪特别适合自适应波门跟踪。对本系统而言，经过大量实验验证发现将此两者算法相结合完成太阳光斑定位效果最佳。

a重心跟踪

重心跟踪是基于对目标能量矩的计算。其特点之一是阈值的大小随目标与背景之间的对比度高低而变化，二是在整个目标图像面积上对高于阈值的信息做几份运算，求取重心。

重心跟踪的实现主要有差分运算、阈值分割、遍历去噪和计算重心坐标四个步骤。在找到重心以后设置波门，波门重心坐标和重心坐标重合。

对于一个质量为[mk]的均匀的二维目标图像，其X，Y方向坐标分别为[xk]，[yk]，则质量重心坐标为：

b边缘跟踪

边缘跟踪是跟踪图像中灰度发生急剧变化区域的边界。可以用一阶微分或差分算子、梯度算子、sobel算子、拉普拉斯算子等来检测目标图像的边缘。

通过计算过零点，就可以找出图像的边界。这样可以选定目标边界的上、下、左、右等边界点中的一个作为跟踪点，使波门套住其中的某一个，以抑制目标或背景的其余部分。

3 实验结果

将上述检测到的太阳光方位角和高度角转换为步进电机在两个方向上转动的步数，通过DSP控制步进电机按指定步数转动，实时调整跟踪装置的接收面使其始终与太阳入射光保持垂直夹角，实现自动跟踪。

参考文献：

[1] 王涛.基于球面机构的太阳跟踪装置控制系统的研究[D].石家庄：河北工业大学，2005.

[2] 宋开峰.新型太阳跟踪装置机构的研究[D].石家庄：河北工业大学，2004.

[3] 周淑琴.自动跟踪式太阳能厨房的原理与应用[J].能源研究与应用，1995，6（3）：34-37.

[4] 郑守琛，余杰.太阳能电源[M].河南：河南人民出版社，1992.

[5] 徐文灿，袁俊，严伟，等.太阳能自动跟踪系统的探索与实验[J].物理实验，2003，23（9）：45-48.

[6] 冯月霞.基于DSP的视频图像目标快速识别与跟踪系统设计[D].中国科学院，2001（6）：9-15.