System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及一种基于机器视觉的钢包运行状态检测方法,属于炼钢方法。
技术介绍
1、在工业控制水平快速发展的大背景下,炼钢自动化技术水平较之前也具有明显提升,安全、高效且有序的炼钢是钢铁行业的重要目标,检测钢包运行状态在转炉炼钢过程中是至关重要的。
2、在传统的转炉炼钢工艺中,往往通过人工操作天车,进而控制钢包运行状态,但天车工人的地理位置以及视觉角度容易出现误差,且遇到障碍物无法判断钢包运行状态。
3、在机器学习领域,不断涌现出各种算法和模型。但在实际应用场景中,往往需要多方面的优化和改进,从而提供更高效和智能的技术服务。
技术实现思路
1、本专利技术目的是提供一种基于机器视觉的钢包运行状态检测方法,基于帧间差异法和三维坐标变换相结合进行运动钢包检测,通过利用前后两帧图像之间的像素差检测钢包轮廓,并根据旋转矩阵和平移向量实时判断钢包向上吊起、向下坐落、水平靠近和水平远离的四种运行状态,在检测钢包轮廓的同时,不仅能得到钢包的位置坐标,还可判断钢包的移动方向,有助于确保炼钢车间生产的高效有序,能规范炼钢车间天车物流跟踪系统,根据钢包运行状态进行信息化管理,有助于提高生产管理效率、优化资源配置、降低生产成本以及确保生产安全,有效地解决了
技术介绍
中存在的上述问题。
2、本专利技术的技术方案是:一种基于机器视觉的钢包运行状态检测方法,包含以下步骤:
3、s1:利用摄像头函数获取相机中的视频;
4、s2:进行图像预处理;
6、s4:建立三维空间坐标系获取旋转矩阵和平移向量;
7、s5:利用前后两帧图像之间的光流计算每个像素点的平移向量;
8、s6:根据平移向量的大小和方向划分静态区域和动态区域;
9、s7:根据旋转矩阵和平移向量判断钢包运行状态。
10、所述步骤s1中,摄像头函数为cv2.videocapture(),相机为rgb-d相机,包括利用摄像头函数提取rgb-d相机中含钢包的视频。
11、所述步骤s2中,图像预处理包括灰度化、高斯滤波和等比缩放流程。
12、所述步骤s3中,包括计算当前帧与背景图像之间的像素差异,获得钢包的位置。
13、所述步骤s3中,检测钢包轮廓还包括阈值化处理和膨胀操作,通过阈值化处理,得到二值图像,并对其进行膨胀操作,填补空洞和缺陷,获得钢包轮廓。
14、所述步骤s4中,建立三维空间坐标系获取旋转矩阵和平移向量,包括以相机光学中心为原点o,过原点水平方向为坐标系的x轴,竖直方向为y轴,相机视线方向为z轴,坐标系满足右手法则。
15、所述步骤s5中,前后两帧图像之间的光流计算每个像素点的平移向量。
16、计算平移向量包括以下步骤:
17、通过opencv提供的函数cv2.calcopticalflowfarneback()计算稠密光流,得到每个像素点的平移量v,平移向量是指每个像素点的平移量在水平和垂直方
18、上的平移量。
19、所述步骤s6中,根据平移向量的大小和方向划分静态区域和动态区域,包括设置阈值t判断每个像素点是否属于静态区域或动态区域,阈值通常取为5,若v<5,则该像素点属于静态区域;若v>5,则该像素点属于动态区域。
20、所述步骤s7中,钢包运行状态分为四种,分别为向上吊起、向下坐包、横向水平靠近和横向水平远离。
21、由于相机是可旋转的,假设两个相机坐标系为c1和c2,则旋转矩阵r和平移向量v可表示为c2对于c1的变换:c2=rc1+v,设钢包在坐标系c1中的位置为p(x,y,z),则其在坐标系c2中的位置为p'(x+vx,y+vy,z+vz),其中vx,vy,vz分别表示v的三个分量,根据p'在c2中的位置判断钢包的运动方向:
22、若vz>0,则钢包是横向水平靠近的;若vz<0,则钢包是横向水平远离的;若vy>0,则钢包是向上吊起的;若vy<0,则钢包是向下坐包的。
23、本专利技术的有益效果是:基于帧间差异法和三维坐标变换相结合进行运动钢包检测,通过利用前后两帧图像之间的像素差检测钢包轮廓,并根据旋转矩阵和平移向量实时判断钢包向上吊起、向下坐落、水平靠近和水平远离的四种运行状态,在检测钢包轮廓的同时,不仅能得到钢包的位置坐标,还可判断钢包的移动方向,有助于确保炼钢车间生产的高效有序,能规范炼钢车间天车物流跟踪系统,根据钢包运行状态进行信息化管理,有助于提高生产管理效率、优化资源配置、降低生产成本以及确保生产安全。
本文档来自技高网...【技术保护点】
1.一种基于机器视觉的钢包运行状态检测方法,其特征在于包含以下步骤:
2.根据权利要求1所述的一种基于机器视觉的钢包运行状态检测方法,其特征在于:所述步骤S1中,摄像头函数为cv2.VideoCapture(),相机为RGB-D相机,包括利用摄像头函数提取RGB-D相机中含钢包的视频。
3.根据权利要求1所述的一种基于机器视觉的钢包运行状态检测方法,其特征在于:所述步骤S2中,图像预处理包括灰度化、高斯滤波和等比缩放流程。
4.根据权利要求1所述的一种基于机器视觉的钢包运行状态检测方法,其特征在于:所述步骤S3中,包括计算当前帧与背景图像之间的像素差异,获得钢包的位置。
5.根据权利要求1所述的一种基于机器视觉的钢包运行状态检测方法,其特征在于:所述步骤S3中,检测钢包轮廓还包括阈值化处理和膨胀操作,通过阈值化处理,得到二值图像,并对其进行膨胀操作,填补空洞和缺陷,获得钢包轮廓。
6.根据权利要求1所述的一种基于机器视觉的钢包运行状态检测方法,其特征在于:所述步骤S4中,建立三维空间坐标系获取旋转矩阵和平移向量,包括以相
7.根据权利要求1所述的一种基于机器视觉的钢包运行状态检测方法,其特征在于:所述步骤S5中,前后两帧图像之间的光流计算每个像素点的平移向量。
8.根据权利要求7所述的一种基于机器视觉的钢包运行状态检测方法,其特征在于:计算平移向量包括以下步骤:
9.根据权利要求1所述的一种基于机器视觉的钢包运行状态检测方法,其特征在于:所述步骤S6中,根据平移向量的大小和方向划分静态区域和动态区域,包括设置阈值T判断每个像素点是否属于静态区域或动态区域,阈值通常取为5,若v<5,则该像素点属于静态区域;若v>5,则该像素点属于动态区域。
10.根据权利要求1所述的一种基于机器视觉的钢包运行状态检测方法,其特征在于:所述步骤S7中,钢包运行状态分为四种,分别为向上吊起、向下坐包、横向水平靠近和横向水平远离。
...【技术特征摘要】
1.一种基于机器视觉的钢包运行状态检测方法,其特征在于包含以下步骤:
2.根据权利要求1所述的一种基于机器视觉的钢包运行状态检测方法,其特征在于:所述步骤s1中,摄像头函数为cv2.videocapture(),相机为rgb-d相机,包括利用摄像头函数提取rgb-d相机中含钢包的视频。
3.根据权利要求1所述的一种基于机器视觉的钢包运行状态检测方法,其特征在于:所述步骤s2中,图像预处理包括灰度化、高斯滤波和等比缩放流程。
4.根据权利要求1所述的一种基于机器视觉的钢包运行状态检测方法,其特征在于:所述步骤s3中,包括计算当前帧与背景图像之间的像素差异,获得钢包的位置。
5.根据权利要求1所述的一种基于机器视觉的钢包运行状态检测方法,其特征在于:所述步骤s3中,检测钢包轮廓还包括阈值化处理和膨胀操作,通过阈值化处理,得到二值图像,并对其进行膨胀操作,填补空洞和缺陷,获得钢包轮廓。
6.根据权利要求1所述的一种基于机器视觉的钢包运行状态检测方法,其特征在...
【专利技术属性】
技术研发人员:尤晨欣,张彩东,张飞,田志强,李双江,王鑫,尚振威,谢天宜,王金星,姜海罡,王昊天,张庆宇,
申请(专利权)人:河北河钢材料技术研究院有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。