基于Matlab和VC++混合编程的障碍检测系统设计

　　0 引言

　　在智能移动机器人自主导航的研究中，应用视觉来进行实时障碍检测，一直是研究的热点问题。目前，许多研究工作者已将视觉导航应用到移动机器人的移动控制中，但由于其图像处理数据量大、算法较复杂，因此在具体应用中存在实时性较差、道路区域检测的算法不够鲁棒、只能适合算法特定的道路模型等缺点。为了提高移动机器人检测障碍物的实时性，文中提出了一种基于Matlab和VC混合编程的障碍物检测系统软件实现方法，可以大大提高编程的效率，缩短软件的开发周期，且可以快速准确地检测到障碍物。

　　1 VC++与Matlab混合编程方法

　　Matlab是由美国MatlaWorks公司推出的用于算法开发、数据分析以及数值计算的高级技术计算语言和交互式环境，在矩阵运算、数值计算和图形显示等方面，具有强大的功能，非常直观、简洁。它为各工程计算领域提供了相应的工具箱，在控制界、生物医学工程、语音处理、数字信号处理、雷达工程、信号分析、计算机技术等各行各业中都得到了广泛的应用。但是和其它高级编程语言相比，它的程序执行速度较慢，其源代码的公开不利于算法和数据的保密。

　　VisualC++是Microsoft公司推出的面向对象可视化编程的高级程序设计语言，它集成了功能强大的编译器、连接器、调试器、AppWizard等多种多样的可视化编程工具。它采用编译方式运行，运行速度快，特别是编写界面的能力很强。但它在数字处理分析、算法工具、编程效率和准确方便的绘制数据图像方面远低于Matlab语言。

　　Matlab与VC++常用的结合方法有5种：

　　①Matlab引擎。

　　②用Matcom将Matlab的M文件编译成C语言文件并嵌入VC++。

　　③使用Matlab提供的函数库或C++接口函数库直接在VC中编程。

　　④利用Matlab提供的MCC命令生成与Matlab文件对应的基于C语言或C++语言的包裹文件，再嵌入VC中。

　　⑤应用组建技术实现Matlab与VC混合编程。

　　本研究针对5种方法进行了研究和试验。后4种方法对于Matlab的图像处理工具箱只有部分支持，而Matlab引擎对Matlab具有全功能调用功能，包括对于数字图像和通信对象处理的支持，故本文选用Matlab引擎来实现基于VC++和Matlab的障碍物检测系统研发平台。

　　2 障碍物检测系统的设计与实现

　　2.1 Matlab和VC接口编译环境的设置

　　在VC的集成环境中，如要实现与Matlab引擎之间的通信，需要对VC的编译环境进行一些设置，例如：为VC工程添加Matlab头文件、添加Matlab库文件等等。

　　2.2 VC中调用Matlab引擎的设置及程序实现