技术领域
[0001] 本
发明涉及噪声攻击下网络化视觉倒立摆系统稳定控制方法，具体涉及通过网络连接的倒立摆视觉系统稳定控制的图像噪声攻击处理方法，其属于自动控制技术，网络技术与
机器视觉等多学科交叉领域。
背景技术
[0002] 倒立摆控制系统具有复杂性，不
稳定性，非线性，高阶次等特征，其稳定控制问题已成为控制领域研究的经典问题之一，是一个理想的进行控制理论教学及开展多种控制
算法研究平台。通过对倒立摆的研究，可以有效的反映控制系统中的许多典型问题：如非线性问题、鲁棒性问题、镇定问题、随动问题以及
跟踪问题等。通过对倒立摆的控制，可以用来检测新的控制方法是否具有较强的处理非线性和不稳定性等问题的能
力。其控制方法在军工、航天、
机器人和一般工业过程领域中都有着广泛的用途，如机器人行走过程中的平衡控制、火箭发射中的垂直度控制和卫星飞行中的
姿态控制等。
[0003] 机器视觉是
人工智能正在快速发展的一个分支，其用机器代替人眼来做测量和判断。机器视觉是一项综合技术，其中包括
图像处理、机械工程技术、控制技术、电
光源照明技术、光学成像技术、
传感器技术、模拟与数字视频技术、计算机软、
硬件技术和人机
接口技术。最大的特点就是可以提高生产的灵活性和自动化程度。一个典型的工业机器视觉系统包括：光源、镜头（定焦镜头、变倍镜头、远心镜头、
显微镜头）、相机（包括CCD相机和COMS相机）、图像处理单元（或图像捕获卡）、图像处理
软件、监视器、通讯、输入输出单元等。随着机器视觉的发展，使得视觉信息越来越多的被用于连续的反馈，在此
基础上，提出了基于视觉的伺服控制形式。
[0004] 随着网络技术、计算机技术、自动控制技术、仪器仪表通信的飞速发展，以及现在智能设备的广泛应用，逐步产生了通过网络传输测量
信号和
控制信号的网络控制系统，其具有信息资源共享、布线简单、成本低、高效灵活、易于安装和维护诸多优点，已初步应用于工业自动化、远程过程控制、航天航空、智能家居系统、智能交通管理、机器人等工业领域。对于图像网络传输的问题，国内外学者主要针对未受攻击的原始图像开展研究，并在图像重建、增强、和滤波等方面取得一系列成果，然而开放式网络环境给图像信息传输带来严重的信息安全问题，如何减少网络攻击给系统的控制性能带来的影响，提升系统性能，需要进一步深入研究。
发明内容
[0005] 为了解决以上诸多问题，本发明旨在提供噪声攻击下网络化视觉倒立摆系统稳定控制方法，为机器视觉与网络控制理论研究者处理视觉信息在网络中传送时噪声遭受噪声攻击提供解决方案。
[0006] 为了实现上述目的，本发明采用的构思是：噪声攻击下的网络化视觉倒立摆系统稳定控制方法，其控制系统包括：倒立摆摆体、光源（日光灯）、工业相机、远程客户端PC机、本地
服务器端PC机、电控箱和伺服
电机。其中工业相机与倒立摆平面相平行，负责采集倒立摆实时运动图像，并经由本地服务器通过网络发送给远程客户端，远程客户端接收到图像后信息后先由检测去噪单元进行检测去噪处理，然后由图像处理单元进行图像的区域截取、
边缘检测、
霍夫变换等相关处理得到摆杆偏
角和小车位移的状态信息并回传给本地服务器，由本地服务器计算相应的控制量，然后将控制量发送到运动控制卡中转化为控制脉冲量，最后经由伺服
驱动器驱动
伺服电机来带动倒立摆小车运动，由此保持倒立摆摆杆的动态垂直平衡。
[0007] 在本发明中，针对图像信息在网络中传输时，容易被中间人（攻击者）利用截取工具（如Sniffer、Scapy等）截取传输信息并注入虚假数据而产生的图像噪声，在远程客户端设置图像检测滤波单元。首先根据倒立摆运动图像内容改变较小这一特性，计算初始图像高频
能量，并设为初始
阈值。在控制过程中利用傅里叶变换将远程客户端PC机接收到的图像由
空域变换到频域，并计算图像高频信号能量，通过与初始阈值相比，来判断高频能量是否异常，以此判断图像是否遭受噪声攻击。如果检测到倒立摆图像受到噪声攻击后，分别采用均值
滤波器、中值滤波器、高斯滤波器、双边滤波器、自适应中值滤波器等多种滤波方式对图像进行滤波去噪，并计算每一种滤波器滤波后图像的峰值
信噪比（PNSR），选择滤波后
峰值信噪比（PNSR）最大的图像进行后续图像处理操作，计算状态信息并通过网络进行发送至本地服务器；如果未检测到噪声则直接进行图像处理获得倒立摆小车和摆杆的状态量，并通过网络进行发送至本地服务器。
[0008] 上述倒立摆本体选用固高科技有限公司生产的GLIP2001C型直线运动一级倒立摆。它由底座、交流伺服电机、
同步带、滑
块、滑轨和摆杆组成，其中滑轨长0.6m，摆杆长0.5m。
[0009] 上述工业相机采用Basler Aca640-120gm型高
帧率单色相机，为了满足倒立摆系统实时性的要求，工业相机的帧率要求在60FPS以上，在本发明中工业相机的
采样周期设定为10ms,即相机以100帧/秒的速度连续拍摄倒立摆的实时图像。
[0010] 上述光源采用5根纵向排列的LED日照
灯管，处于倒立摆摆体正上方，且高度可以任意调节，同时也可以根据实际需求自由调节其
亮度高度。
[0011] 上述图像去噪与处理及控制软件系统由Microsoft Visual Studio 2010结合OpenCV2.4.11机器视觉库开发而成。其中OpenCV机器视觉库可以被其他任何
计算机视觉库代替，只要是可以实现图像去噪与处理功能即可。
[0012] 上述远程客户端以C/S的方式远程
访问本地服务器端时，在远程客户端PC机界面上采用IP地址和端口号的形式取得本地服务器端PC机的操作权限，从而使远程客户端PC机能实时的将状态信息发送到本地服务器端PC机。上述远程客户端PC机对接收到的由本地客户端经由网络发送来的图像利用傅里叶变换将接收到的图像由空域变换到频域，并计算图像高频信号能量，通过与初始阈值相比，来判断高频能量是否异常，以此判断图像是否遭受噪声攻击。当检测到倒立摆图像受到噪声攻击后，分别采用均值滤波器、中值滤波器、高斯滤波器、双边滤波器、自适应中值滤波器等多种滤波方式对图像进行滤波去噪，并计算每一种滤波器滤波后图像的峰值信噪比（PNSR），选择滤波后峰值信噪比（PNSR）最大的图像进行后续操作。如果未检测到倒立摆图像受到攻击则直接进行后续图像处理操作。
[0013] 上述图像去噪的目的是在较小程度上影响图像
质量，保留更多图像细节的前提下，通过滤波的方法尽可能多的去除噪声，提高获取所需图像信息的精确率。
[0014] 上述相机帧率设为100fps并不意味着每秒处理100帧图像，本发明采用软件程序实现相机连续采集图像的控制，即当前一帧图像处理完获取小车位移和摆杆偏角的后触发相机采集下一帧图像上述本地服务端PC机获取小车与摆杆的实时状态信息后，采用LQR控制算法计算出对应的系统控制量。
[0015] 上述本地服务器端PC机内嵌运动控制卡，用以将控制量转化为相应的脉冲指令。
[0016] 上述电控箱内嵌端
子板和伺服驱动器，
端子板用来转接运动控制卡的相关控制，伺服驱动器用以对伺服电机的控制带动小车在滑轨上自由运动，以此来达到倒立摆稳定控制的目的。
[0017] 根据上述发明构思，本发明采用如下技术方案：安装一台平行于倒立摆平台的高帧率单色相机，实时采集倒立摆运动图像并发送至本地服务器端PC机；本地服务器端PC机以C/S方式与远程客户端交互，将运动图像通过网络实时发送至远程客户端PC机；远程客户端PC机包含图像检测滤波单元与图像处理单元，先由检测滤波单元对接收到的图像进行检测，判断图像是否存在图像信息在网络中传输时被中间人（攻击者）利用网络数据包截取工具截取并注入虚假数据而产生的图像噪声，并根据检测结果决定是否对图像滤波，再利用OpenCV机器视觉库中相关图像处理函数对检测滤波单元处理后的图像进行区域截取、边缘检测、霍夫变换等图像处理操作，以便获取小车与摆杆的特征点进而获取状态信息；远程客户端PC机将获取的状态信息经过网络发送至本地服务器端PC机；本地服务器端PC机根据得到的摆杆转动的角度和
角速度以及小车运动的位移和速度计算相应的控制量，然后将控制量发送到运动控制卡中转
化成控制脉冲量，最后经由伺服驱动器驱动伺服电机来带动倒立摆小车的运动，使摆杆保持垂直向上状态动态稳定，以此实现在噪声攻击下网络化视觉倒立摆的稳定控制。
[0018] 上述噪声攻击下网络化视觉倒立摆稳定控制方法，其特征在于：针对倒立摆实时运动图像在网络中传输时，中间人（攻击者）利用网络数据包截取工具（如Sniffer、Scapy等）截取传输信息并注入虚假数据而产生的图像噪声进行检测，当检测到倒立摆图像受到噪声攻击后，分别采用均值滤波器、中值滤波器、高斯滤波器、双边滤波器、自适应中值滤波器等多种滤波方式对图像进行滤波去噪，并计算每一种滤波器滤波后的图像峰值信噪比（PNSR），选择滤波后峰值信噪比（PNSR）最大的图像进行后续操作。如果未检测到倒立摆图像受到噪声攻击则直接进行后续图像处理操作。
[0019] 本发明与现有的技术相比较，其具有如下突出实质性特点和显著优点：本发明使用了包括机器视觉和网络控制等相关的技术方法，有效的实现了噪声攻击下网络化视觉倒立摆系统的稳定控制。针对视觉信息在网络中传输过程中可能受到噪声攻击，影响系统对倒立摆小车与摆杆的状态信息的获取这一问题，本发明提出一种有效的去除噪声的控制方法。本发明中的控制方法在图像由本地服务器端经由网络传输至远程客户端后，利用傅里叶变换计算图像高频信号能量，检测高频能量是否异常，来判断图像是否遭受噪声攻击，如果判定图片受噪声攻击，则分别采用均值滤波器、中值滤波器、高斯滤波器、双边滤波器、自适应中值滤波器等多种滤波方式对图像进行滤波去噪，并计算每一种滤波器滤波后的图像峰值信噪比（PNSR），选择滤波后峰值信噪比（PNSR）最大的图像进行后续操作。如果未检测到倒立摆图像受到攻击则直接进行后续图像处理操作。此方法增加了状态信息获取的准确性，为当前机器视觉与网络控制领域的研究者针对受噪声攻击问题提供了一个有效解决途径与良好的实验平台。
附图说明
[0020] 图1 噪声攻击下网络化视觉倒立摆系统稳定控制程序
框图。
[0021] 图2 带图像去噪处理的网络化视觉倒立摆控制
流程图。
[0022] 图3 在不同噪声攻击下使用不同滤波方法后的系统实时控制曲线。
[0023] 图4不同滤波方法后的图像峰值信噪比(PNSR)。
[0024] 具体实施方式：本发明的优选
实施例,但不作为本发明的限制，结合附图详述如下：
实施例一：参见图1，本噪声攻击下噪声攻击下网络化视觉倒立摆稳定控制方法，操作步骤如下：安装一台平行于倒立摆平台的高帧率单色工业相机，实时采集倒立摆的运动图像并发送至本地服务器端PC机；本地服务器端PC机以C/S方式与远程客户端交互，将运动图像通过网络实时发送至远程客户端PC机；远程客户端PC机包含图像检测滤波单元与图像处理单元，先由检测滤波单元对接收到的图像进行检测，判断图像是否存在图像信息在网络中传输时被中间人（攻击者）利用网络数据包截取工具截取并注入虚假数据而产生的图像噪声，并根据检测结果决定是否对图像滤波，再利用OpenCV机器视觉库中相关图像处理函数对检测滤波单元处理后的图像进行区域截取、边缘检测、霍夫变换等图像处理操作，以便获取小车与摆杆的特征点进而获取状态信息；远程客户端PC机将获取的状态信息经过网络发送至本地服务器端PC机；本地服务器端PC机根据得到的摆杆转动的角度和角速度以及小车运动的位移和速度计算相应的控制量，然后将控制量发送到运动控制卡中转化成控制脉冲量，最后经由伺服驱动器驱动伺服电机来带动倒立摆小车的运动，使摆杆保持垂直向上状态动态稳定，以此实现在噪声攻击下网络化视觉倒立摆的稳定控制。
[0025] 实施例二：本实施例与实施例一基本相同，特别之处如下：所述噪声攻击下网络化视觉倒立摆稳定控制方法，其特征在于针对倒立摆实时运动图像在网络中传输时，中间人（攻击者）利用网络数据包截取工具（如Sniffer、Scapy等）截取传输信息并注入虚假数据而产生的图像噪声，在远程客户端设置滤波单元，对接收到的图像滤波去噪，保证获取状态信息的精确性。
[0026] 实施例三：如图1所示，噪声攻击下网络化视觉倒立摆稳定控制方法，其特征在于可以减少视觉信息在获取和传输的过程中噪声对系统稳定控制性能的影响。其操作步骤如下：在本地服务器端安装一台Basler Aca640-120gm型高帧率单色工业相机（平行于倒立摆平台），用于倒立摆运动图像的实时采集并发送至本地服务器端PC机；本地服务器端PC机以C/S方式与远程客户端交互，将运动图像通过网络实时发送至远程客户端PC机；远程客户端PC机的图像去噪与处理及控制软件系统由Microsoft Visual Studio 2010结合OpenCV2.4.11机器视觉库开发而成，
软件包含图像检测滤波单元与图像处理单元，远程客户端PC机先通过滤波检测单元对接收到的图像信息进行检测滤波处理，再利用OpenCV机器视觉库中相关图像处理函数对滤波后的图像进行区域截取、边缘检测、霍夫变换等图像处理操作，以便获取小车与摆杆的特征点进而获取状态信息；远程客户端PC机将获取的状态信息经过网络发送至本地服务器端PC机；本地服务器端PC机根据得到的摆杆转动的角度和角速度以及小车运动的位移和速度，采用LQR
控制器计算出系统的控制量，然后将该控制量发送至GT-400-SV运动控制卡转化为相应的脉冲指令，以此来精确控制小车的运动（位移、速度和
加速度），使整个系统处于动态平衡状态，实现噪声攻击下网络化视觉倒立摆稳定控制。
