一种基于机器视觉的轮胎吊行走系统自动纠偏方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN106892356A(43)申请公布日2017.06.27(21)申请号201710070800.4(22)申请日2017.02.09(71)申请人江苏大学地址212013江苏省镇江市京口区学府路301号(72)发明人赵德安刘晓洋陈玉(51)Int.Cl.B66C13/48(2006.01)B66C9/16(2006.01)B66C13/16(2006.01)G06K9/00(2006.01)G06K9/32(2006.01)权利要求书2页说明书5页附图3页(54)发明名称一种基于机器视觉的轮胎吊行走系统自动纠偏方法(57)摘要本发明公开了一种基于机器视觉的轮胎吊行走系统自动纠偏方法，选择轮胎吊一侧作为引导侧，在其前后分别安装一个摄像头并进行校准；采集图像并进行适当的预处理；建立BP神经网络并选取像素点集进行多次训练；挑选测试误差最小的网络对图像进行识别；将识别后的图像简化为一系列离散的点，采用Hough变换和最小二乘法进行直线检测并将所检测直线合并为一条作为规划路径；拼接前后摄像头的图像，并以拼接后图像的左上角为原点建立新的坐标系并重新建立两条规划路径方程；计算两条规划路径在极坐标参数空间的欧氏距离，若距离大于设定值，则重新校准摄像头，否则合并两条规划路径；计算规划路径与图像纵向中线的夹角和交点位置并制定纠偏策略。CN106892356ACN106892356A权利要求书1/2页1.一种基于机器视觉的轮胎吊行走系统自动纠偏方法，其特征在于，包括以下步骤：(a)选择轮胎吊行走系统一侧作为引导侧，在其前后位置分别安装一个同一型号和配置的摄像头并进行校准；(b)对采集到的图像通过适当的图像预处理得到特定大小和分辨率的待检测图像；(c)建立BP神经网络并选取大量像素点集进行多次训练；(d)选取测试误差最小的网络对图像进行识别，所述的图像识别是将每个像素点及其周边一定范围内像素点的RGB值输入神经网络进行判别；(e)将识别后的图像简化为一系列离散的点，采用混合Hough变换和最小二乘的方法对图像进行直线检测，通过取所检测到直线对应参数的平均值将检测到的直线合并，并作为规划路径；(f)拼接前后摄像头的图像，以拼接后图像的左上角为原点建立新的坐标系并重新建立两条规划路径的方程；(g)将两条规划路径参数转换到极坐标参数空间，分别表示为(ρ1,θ1)，(ρ2,θ2)，计算两点的欧氏距离，若距离大于设定值，则前后摄像头位置有变动需要重新进行校准，否则合并两条规划路径方程为一条；(h)根据引导侧的中心和规划路径的位置关系以及规划路径与图像纵向中线的夹角制定纠偏策略。2.根据权利要求1所述的方法，其特征在于，所述步骤a中摄像头的安装和校准，前后摄像头应安装在引导侧前后的同一高度并与水平面所夹角度一致，具体校准步骤如下：Stepa1：令轮胎吊的引导侧中心位于引导线上并使引导侧所在直线与引导线所夹角度大于15度；Stepa2：前后摄像头分别采集图像并进行预处理，延长每幅图像中的引导线和图像纵向中线使其相交于图像外。Stepa3：测定交点到图像的距离分别计为l1、l2，若二者不一致，则调整摄像头使其一致并计为l。3.根据权利要求1所述的方法，其特征在于，所述步骤b中预处理是指将采集到的大幅面高分辨率图像进行分辨率降低并截取感兴趣区域，若图像噪声严重还要进行图像滤波处理。4.根据权利要求1所述的方法，其特征在于，所述步骤c中所述的BP神经网络的建立和训练，建立输入层节点为75，输出层节点数为1的BP神经网络，选取大量引导线上大小为5*5的像素点集和引导线外大小为5*5的像素点集并将其分别作为正例和反例对神经网络进行训练，此正反例选取应包括各种工况条件下拍摄的图像，且各种工况下选取的正反例数量需要达到一定数量级。5.根据权利要求1所述的方法，其特征在于，所述步骤e中图像简化和混合Hough变换和最小二乘的直线检测方法，其中图像简化的方法如下：Stepe1：对识别得到的二值图像每隔5个像素点的宽度取一条横向直线；Stepe2：取该直线上每个连通区的中点来简化二值图像。混合Hough变换和最小二乘的直线检测方法如下：Step1：将简化图像中的点由直角坐标图像空间向极坐标参数空间转换；2CN106892356A权利要求书2/2页Step2：对参数空间进行极大值抑制并选取参数空间值大于最大值0.3倍的点；Step3：计算选取点对应的图像空间的像素点和直线方程；Step4：剔除横向或接近横向分布的直线和对应像素点过少的直线；Step5：对直线方程参数接近而对应像素点不一致的直线进行合并；Step6：选取距离每条所检测直线一定距离的点，重新进行最小二乘直线拟合。6.根据权利要求1所述的方法，其