一种基于单目视觉识别的装车站溜槽自动装车方法技术

本发明专利技术涉及一种基于单目视觉识别的装车站溜槽自动装车方法，包括：识别车厢高度；溜槽摆动至初始位；识别溜槽口距离和高度；溜槽摆动伸出至压煤位；溜槽摆动缩回至平煤位；判断溜槽口是否刮碰车帮；判断是否整列装车结束。本发明专利技术通过采用单目视觉采集图像信息，无需相机校准的先验知识，无需相机和环境的明确关系，从图像中确定仿射场景结构，完成图像识别，具备识别车厢高度、溜槽口与车厢前后帮的相对距离及与车顶平面的相对高度的功能，从而代替人完成一定的工作，且机器不会疲劳，工作效率较高。通过逻辑顺序完成自动的装车流程，可以解放更多的人力，为实现“有人监视、无人操作”的自动化装车提供了一种新的解决思路。的自动化装车提供了一种新的解决思路。的自动化装车提供了一种新的解决思路。

【技术实现步骤摘要】
一种基于单目视觉识别的装车站溜槽自动装车方法


[0001]本专利技术涉及一种基于单目视觉识别的装车站溜槽自动装车方法，是一种装载机械的自动获取信号并进行装载的方法，是一种铁路装车站运输大宗散料的自动检测和控制的方法。

技术介绍

[0002]快速定量装车站在散料运输中起到至关重要的作用，其装载效率关乎装车站的装车能力。目前我国的装载自动化程度尚有待提高，对于溜槽的控制多数都是通过人工完成装车；少数采用光栅、激光雷达检测获取动作信号完成自动装车。对于人工装车，操作员通过观察车厢是否到位来开启卸料闸门并启动溜槽摆动进行装车，当过程中出现装载的物料不均匀时，操作员手动操作溜槽控制手柄调整溜槽高度，使物料装载的较为均匀。重要的是操作员需要仔细观察车皮行进位置和车皮高度，装载效果也会因操作人员不同而有所差异，装车效率低。对于光栅、激光雷达检测装车，主要检测车厢的位置，并通过拉线传感器检测油缸位置，判断其是否到达设定的位置。可以看出，目前装载自动化流程较为单一，且仅能够检测出车厢自身的位置，尚未有将车帮口与溜槽口位置进行共同识别的方案，因此有必要研发一种新型的自动化装车解决方案。随着计算机技术的不断发展，并融合铁路装车场提出的“自动装载”和“快速装载”的要求，机器视觉技术不断得到应用，其可以代替人完成一定的工作，且机器不会疲劳，工作效率较高。因此，如何将机器视觉、图像处理识别技术和装车站自动装车结合起来，实现对于车帮口和溜槽口相互关系的识别，是一个亟需解决的问题。

技术实现思路

[0003]为了克服现有技术的问题，本专利技术提出了一种基于单目视觉识别的装车站溜槽自动装车方法。所述的方法通过单目视觉采集图像信息，对规划的参量进行识别，并通过逻辑顺序完成自动的装车流程。基于此，不仅可以提高装车的效率，而且可以解放更多的人力，为实现“有人监视、无人操作”的自动化装车提供了一种新的解决思路。
[0004]本专利技术的目的是这样实现的：一种基于单目视觉识别的装车站溜槽自动装车方法，所述方法所使用的系统包括：装车站的溜槽、溜槽控制子系统、视觉子系统，包括两部分：车厢高度识别模块和溜槽口与车厢帮相对位置识别模块，及图像识别子系统，所述方法的步骤如下：
[0005]步骤1，识别车厢高度：车厢尚未开始装车之前，识别出车厢高度，得到溜槽初始摆角信号及平煤位高度；
[0006]步骤2，溜槽摆动至初始位：根据步骤1识别得到的动作信号，溜槽控制系统驱动溜槽运动，使溜槽运动至初始待装车位后等待下一指令；
[0007]步骤3，识别溜槽口距离和高度：采用轻量化单视图三维重建融合直线检测算法，识别溜槽口与车厢前后帮的相对距离及与车顶平面的相对高度，对车帮进行三维重建，构
建车帮口平面与范围；采用基于运动学约束的轨迹跟踪算法，融合卡尔曼滤波对溜槽口底部位置与姿态进行准确估计，计算二者相对位置关系；
[0008]步骤4，溜槽摆动伸出至压煤位：通过步骤3实时检测溜槽前沿与前车帮的距离，将检测数据与伸出位时溜槽口前沿与前车帮的距离S进行实时比较，满足条件S＞L/cosβ－V0·
L/V后，溜槽控制装置驱动溜槽运动，先使溜槽摆动设定角度，再使溜槽伸缩段按照设定速度、设定长度运动至压煤位；式中：V0为车速；L为溜槽伸出长度；V为溜槽伸出速度；β为溜槽摆动角度；
[0009]步骤5，溜槽摆动缩回至平煤位：通过步骤3的实时检测，溜槽口底沿高度位于平煤位高度时，图像处理装置发信使溜槽伸缩段停止运动；
[0010]步骤6，判断溜槽口是否刮碰车帮：溜槽后沿与后车帮的距离达到设定指令后，即一节车厢装车结束，如果下平煤位低于车顶，需控制溜槽缩回至初始位；
[0011]步骤7，判断是否整列装车结束：如果检测到还有下一节车厢，则完成步骤7后开始下一个装车循环，重复步骤3
‑
7；如果未检测到还有下一节车厢，则结束装车。
[0012]进一步的，所述的步骤3，识别溜槽口距离和高度，包括以下子步骤：
[0013]子步骤1，对溜槽口进行目标追踪：对运动的溜槽口进行目标追踪采用KCF算法：首先对所要跟踪的目标图像转换到傅里叶域中，并训练一个非线性分类器；KCF训练的目标是找到一个函数f(z)＝ω
T
z，使样本x
i
和其回归目标y
i
之间的平方误差最小；式中：ω为模型权重；T为矩阵转置；z为剪出来的图像块；
[0014]子步骤2：对目标追踪进行优化：采用卡尔曼滤波器进一步优化物体的追踪，在第t
‑
1帧到第t帧中利用卡尔曼滤波进行预测；式中：t为视频流的第t帧；
[0015]子步骤3：求解溜槽口底沿距离火车厢顶平面的垂直距离：选取四个参照点计算辅助直线方程，分别选取溜槽口侧平面内已知的两点和车厢上表面边缘上的两点；通过两点确定一条直线得到直线方程，考虑到溜槽口最低端会插入火车车厢造成遮挡，因此目标追踪中心点的选取尤为重要，依据几何关系计算出目标追踪中心与车厢上平面的距离，最后对计算的距离进行修正。
[0016]本专利技术的优点和有益效果是：本专利技术通过采用单目视觉采集图像信息，无需相机校准的先验知识，无需相机和环境的明确关系，从图像中确定仿射场景结构，完成图像识别，具备识别车厢高度、溜槽口与车厢前后帮的相对距离及与车顶平面的相对高度的功能，从而代替人完成一定的工作，且机器不会疲劳，工作效率较高。通过逻辑顺序完成自动的装车流程，可以解放更多的人力，为实现“有人监视、无人操作”的自动化装车提供了一种新的解决思路。
附图说明
[0017]下面结合附图和实施例对本专利技术作进一步说明。
[0018]图1是本专利技术实施例一所述方法所使用的系统结构原理图；
[0019]图2是本专利技术实施例一所述方法所使用的系统结构原理图，是图1的A向视图；
[0020]图3是本专利技术实施例一所述方法的方形桩识别原理图；
[0021]图4是本专利技术实施例一所述方法的流程图；
[0022]图5是本专利技术实施例一所述的溜槽伸出位计算原理；
[0023]图6是本专利技术实施例二所述的对料口识别的计算原理图。
具体实施方式
[0024]实施例一：
[0025]本实施例是一种基于单目视觉识别的装车站溜槽自动装车方法，所述方法所使用的系统包括：装车站的溜槽1、溜槽控制子系统、视觉子系统，包括两部分：车厢高度识别模块2和溜槽口与车厢帮相对位置识别模块3，及图像识别子系统，如图1、2、3所示。
[0026]所述方法的步骤如下，流程如图4所示：
[0027]步骤1，识别车厢高度：车厢尚未开始装车之前，识别出车厢高度，得到溜槽初始摆角信号及平煤位高度，根据操作经验确定信号数据库。
[0028]用单目视觉识别车厢的高度首先要解决单目视图度量衡问题：在车厢高度识别模块的视觉检测场景内设置两个实际尺寸已知的方形桩4，这两个方形桩的侧边与车厢侧面不平行，有一定夹角(夹角的大小一般大于10度，小于80度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于单目视觉识别的装车站溜槽自动装车方法，所述方法所使用的系统包括：装车站的溜槽、溜槽控制子系统、视觉子系统，包括两部分：车厢高度识别模块和溜槽口与车厢帮相对位置识别模块，及图像识别子系统，其特征在于，所述方法的步骤如下：步骤1，识别车厢高度：车厢尚未开始装车之前，识别出车厢高度，得到溜槽初始摆角信号及平煤位高度；步骤2，溜槽摆动至初始位：根据步骤1识别得到的动作信号，溜槽控制系统驱动溜槽运动，使溜槽运动至初始待装车位后等待下一指令；步骤3，识别溜槽口距离和高度：采用轻量化单视图三维重建融合直线检测算法，识别溜槽口与车厢前后帮的相对距离及与车顶平面的相对高度，对车帮进行三维重建，构建车帮口平面与范围；采用基于运动学约束的轨迹跟踪算法，融合卡尔曼滤波对溜槽口底部位置与姿态进行准确估计，计算二者相对位置关系；步骤4，溜槽摆动伸出至压煤位：通过步骤3实时检测溜槽前沿与前车帮的距离，将检测数据与伸出位时溜槽口前沿与前车帮的距离S进行实时比较，满足条件S＞L/cosβ－V0·
L/V后，溜槽控制装置驱动溜槽运动，先使溜槽摆动设定角度，再使溜槽伸缩段按照设定速度、设定长度运动至压煤位；其中：V0为车速；L为溜槽伸出长度；V为溜槽伸出速度；β为溜槽摆动角度；步骤5，溜槽摆动缩回至平煤位：通过步骤3的实时检测，溜槽口底沿高度位于平煤位高度时，图像处理装置发信使溜槽伸缩段停止运动；步骤6，判断溜槽口是否刮碰车帮：溜槽后沿与...

【专利技术属性】
技术研发人员：陆思伊，李旭，吴冰，史兆洲，孙国顺，王禹哲，张绪帅，袁华，
申请(专利权)人：中煤科工智能储装技术有限公司，
类型：发明
国别省市：