CN101629805A - 一种基于计算机视觉的铁路罐车容积测量方法 - Google Patents

Abstract

本发明涉及一种基于计算机视觉的铁路罐车容积测量方法，包括以下步骤：在罐车表面布置多个具有相同图案的标记点和具有不同图案的编码点，在罐车旁布置具有两个不同图案的编码点的标尺；用数码相机多角度拍摄罐车照片，每相邻两幅之间有重叠编码点区域；将上述各幅照片输入到计算机进行图像处理，根据基于图像序列的计算机立体视觉三维重构方法分别建立图像上所有编码点及标记点的三维点坐标，获得罐车表面的三维点数据；根据三维点数据重构出罐车外表面的三维形状；根据罐车外表面的三维形状及测得的罐车壁厚计算罐车容积。本发明便于操作、使用简单，克服原有计量标准器使用过程受人为因素影响较大、测量结果不稳定的问题，体积不确定度可小于2‰。

Description

一种基于计算机视觉的铁路罐车容积测量方法

技术领域

本发明涉及图像处理、三维数据点处理、计算机软件等技术，具体为一种基于计算机视觉的铁路罐车容积测量方法。

背景技术

铁路罐车既是一种计量器具，也是一种运输工具，作为计量器具，其罐体容积的准确程度影响到贸易结算的顺利进行，因此国家质检总局将其列入了我国强检目录，依法实施周期性强制检定；作为一种运输工具，它的装载程度(装载质量和装载液面高度)直接关系到铁路的运输安全，所以铁道部也将其作为一种安全设备来管理，在铁路罐车办理准运证和每年一次的过轨运输手续时，将铁路罐车容积检定证书(该证书提供了铁路罐车的准装高度范围值)作为必查的技术资料之一。目前，铁路罐车是通过计量标准“铁路罐车容积检定装置”来实施检定的，该计量标准由计量标准器套管尺、钢卷尺、超声波测厚仪组成。计量标准器的使用过程受人为的因素影响较大，测量结果不稳定，技术水平较低，科技含量不高，测量精度不高，虽然能满足我国目前铁路罐车容积检定不确定度为4‰的要求，但国际规定其为2‰，因此，需研究新的铁路罐车容积检定方法，以提高铁路罐车容积的准确度和国际标准接轨。

发明内容

为了克服上述不足，本发明要解决的技术问题是提供一种测量过程不受人为影响，测量结果稳定，测量精度高的铁路罐车容积测量方法。

为解决上述技术问题，本发明采用的技术方案是：

一种基于计算机视觉的铁路罐车容积测量方法包括以下步骤：在罐车表面布置多个具有相同图案的标记点和具有不同图案的编码点，在罐车旁布置具有两个不同图案的编码点的标尺；用数码相机多角度拍摄罐车照片，每相邻两幅之间有重叠编码点区域；将上述各幅照片输入到计算机进行图像处理，根据基于图像序列的计算机立体视觉三维重构方法分别建立图像上所有编码点及标记点的三维点坐标，获得罐车表面的三维点数据；根据三维点数据重构出罐车外表面的三维形状；根据罐车外表面的三维形状及测得的罐车壁厚计算罐车容积。

所述编码点为由对比色差明显的图案构成，每个图案中心为圆点，圆点周围为一不连续的同心环形；标记点为由对比色差明显的图案构成，图案中心为圆点；标记点在罐车罐体两侧成多条纵向条形布置，每条至少包围罐体一侧半周长的一半，在罐车封头成多条任意方向条形布置；编码点分布于罐车罐体表面两侧及封头，其在罐车封头的布置密度大于其在罐车罐体的布置密度。

数码相机分辨率大于1千万像素，拍摄前标定内参数。

所述图像处理包括以下步骤：

根据输入图像的各个不同编码点的图案确定各编码点的ID号；

根据ID号确定各个编码点在不同图像中的位置。

根据三维点数据重构出罐车外表面的三维形状包括：

计算罐车三维点数据的主轴；

用以主轴为法向的平面，在罐体和封头部分采用不同的分层厚度，将散乱的三维点数据进行分层投影，得到分布在分层平面内的平面点集；

对三维点数据进行重采样，得到有序的罐车表面三维点数据；

由有序的三维点数据利用b样条曲面重构出罐车形状。

所述计算罐车三维点数据的主轴包括：

计算三维点数据的协方差矩阵H_s，得到三维点数据的特征向量v₁、v₂、v₃；

选取一与特征向量v₁、v₂、v₃均不正交的向量α，快速确定三条主轴的取向，其判断准则如下：

如果v₁·α＞0，则ζ₁＝v₁，否则ζ₁＝-v₁；

如果v₃·α＞0，则ζ₃＝v₃，否则ζ₃＝-v₃；

ζ₂＝v₁×v₃；

选取α＝p_i-μ_s，其中p_i为任意三维点，μ_s为三维点数据的形心， ${\mathrm{\μ}}_s=\frac{1}{m}\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{p}_i;$

取三个向量中最大的向量作为三维点数据的主轴。

所述对三维坐标数据进行重采样包括：

对分层平面内的平面点集进行拟合，对罐车封头部分的分层平面点集拟合成圆；对罐体部分的分层平面点集用拟合成椭圆，并对罐体采用椭圆截面线性插值增加罐体的截面数；

在上述拟合圆和椭圆上采点。

由有序的三维点数据利用B样条曲面重构出罐车形状包括：

对有序的三维点数据进行参数化处理；

对每行三维点数据作封闭的B样条曲线拟合得到曲线簇；

对曲线簇作曲面的蒙皮处理，得到罐车外表面三维形状。

根据罐车外表面的三维形状及测得的罐车壁厚计算罐车容积包括：

根据测厚仪测得的罐车壁厚，将整个外表面向内偏置壁厚的距离，得到罐车内表面三维形状；

将罐车沿轴向分成多个薄片，计算各薄片的截面面积，根据各薄片的截面面积及该薄片厚度计算各薄片的体积并求和得到罐车总容积；

根据罐车内容物的装载高度，计算准装范围高度内任意刻度的容积。

本发明的有益效果是：

1.本发明方法便于操作、使用简单，可以克服计量标准器的使用过程受人为的因素影响较大，测量结果不稳定的问题。

2.本发明通过计算机视觉的方法采用数码相机直接采集铁路罐车表面的信息，达到了三维点数据欧式重建，然后又用非均匀有理B样条曲面重建铁路罐车的三维表面和形状，通过计算机软件可获取不同液面高度下罐车的容积，查询方便。

3.本发明对铁路罐车容积的计算精度高，体积不确定度可小于2‰。

附图说明

图1A、1B分别为编码点和标记点的基本形状示意图。

图2为编码点和标记点在罐车上的布置方法示意图。

图3为本发明方法流程图；

图4为重构罐车外表面的拟合流程图；

图5为本发明方法中三维点数据的分层示意图；

图6为本发明方法中分层后三维点数据分布示意图；

图7为本发明方法中罐体分层平面后三维点数据分布示意图；

图8为本发明方法中重采样后的三维点数据分布示意图；

图9为应用本发明方法重构出的罐车三维形状示意图；

图10A、10B分别为本发明方法中罐车容积计算方法图示(一)、(二)。

具体实施方式

下面结合附图进一步说明本发明。

如图3所示，本发明所述基于计算机视觉的铁路罐车容积检测方法的步骤如下：

在罐车表面布置多个具有相同图案的标记点1和具有不同图案的编码点2，在罐车旁布置具有两个不同图案的编码点的标尺3；用数码相机多角度拍摄罐车照片，每相邻两幅之间有重叠编码点区域；将上述各幅照片输入到计算机进行图像处理，根据基于图像序列的计算机立体视觉三维重构方法分别建立图像上所有编码点2及标记点1的三维点坐标，获得罐车表面的三维点数据；根据三维点数据重构出罐车外表面的三维形状；根据罐车外表面的三维形状及测得的罐车壁厚计算罐车容积。

本发明在测量铁路罐车时，只需用一台普通手持数码相机，一根两端贴有特殊编码点的标尺，一套编码点和标记点和一台普通个人计算机。

在实施以上检测步骤之前，需进行以下准备工作：

1)数码相机的选用。数码相机的分辨率需要在1千万像素以上，相机需要严格标定内参数，主要包括主点和焦距；

2)编码点2、标记点1及标尺3的制作。如图1A、1B所示，每个编码点2由于具有与其他编码点不同的图案使之有唯一的ID号与之对应，本实施例中，编码点外形尺寸为70×70mm，黑色无反光底色，白色环形图案，编码点可以用普通打印机打印出来，然后贴在塑料磁片上，以便于吸附在罐车上；标记点1的尺寸为18×18mm，黑底色，中间的白色为直径10mm的圆型；

3)标尺的两端贴有编码点，这两个编码点只在标尺上使用，这两个编码点的中心点的距离需经严格标定，以保证测量的准确性。

首先，如图2所示，将编码点2均匀布置在罐车的周围，封头部分的布置密度应为罐体部分布置密度的3倍左右；小的圆形标记点1布置成图2所示的条形，罐体部分为紧贴罐壁竖向布置6-8条，每条包围罐车一侧的半周长3/4左右，封头部分可采用1米长小条形横向布置，每个封头5-6条。布置时应特别注意编码点和标记点应当紧贴罐壁。将标尺3放置在容易拍照的罐车旁边。

然后，用严格标定过内参数(主要包括主点和焦距)的手持数码相机在罐车周围顺序拍照，相邻近的两张照片须保证有重叠区域，重叠区域内要保证有效果清晰的8-10个编码点，整个罐车需要50-60副照片，须保证有5张以上的照片包含标尺，每张照片要拍摄清晰，图像的分辨率在一千万像素以上。

随后，将这些照片输入到计算机中，利用计算机中开发的软件，进行图像处理以识别这些不同的编码点2，即根据输入图像的各个不同编码点的图案确定各编码点的ID号，根据ID号确定各个编码点在不同图像中的位置。

三维点坐标的计算

在计算三维点坐标时，本实施例采用了三视图方法，与两视图相比，三视图使用了景物在三幅视图中的影像，在理论上利用了更多的图像信息，能够提高结果计算精度。在两视图中，对极几何是三维重建的基础，关于计算基本矩阵的方法已经非常成熟。而三视图中的三线性关系和三焦点张量的计算则复杂很多，但计算精度也要高出很多。在3×4×5m的范围内，三维点坐标的精度可达到0.02mm。在三视图方法中，利用每相邻的三幅图像中的相同的特征点(即具有重叠区域的编码点)得到三幅视图的三焦点张量，从而获得三副视图的三线性关系，计算出所有编码点和标记点圆心的欧式三维坐标，这些点的三维坐标就是罐车表面采样的三维点坐标。

重构罐车外表面三维形状如图4所示。

先将根据三维点坐标得到的三维点数据载入计算机并去噪；

三维点数据主轴的计算

形心和主轴是物体本身固有的几何特性，它们不随坐标系的变换而发生变化，因而，定义三维点数据的主轴为协方差矩阵H_s的特征向量v₁、v₂、v₃。如果以这三个特征向量建立正交坐标系(ζ₁，ζ₂，ζ₃)，会有8种可能选择(±v₁，±v₂，±v₃)，这就是主轴取向多义性问题。为了方便三维点数据主轴的应用，可采用一种快速方便的主轴确定方法。

由于旋转平移变换并不改变矢量的点乘，因此，只要选取一与特征向量v₁、v₂、v₃均不正交的向量α，就可以快速的确定三条主轴的取向，其判断准则如下：

如果v₁·α＞0，则ζ₁＝v₁，否则ζ₁＝-v₁。

如果v₃·α＞0，则ζ₃＝v₃，否则ζ₃＝-v₃。

ζ₂＝v₁×v₃。

现在的关键问题就成了如何选取向量α。为方便起见，可选取α＝p_i-μ_s。其中p_i为任意三维点， ${\mathrm{\μ}}_s=\frac{1}{m}\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{p}_i$ 为三维点数据的形心；一般情况下，α均不与三个特征向量正交。如若和某一特征向量正交，则只需将α在两向量形成的平面内旋转一角度即可。三个向量(ζ₁，ζ₂，ζ₃)中最大的向量就是三维点数据的主轴。

三维点数据的分层

将散乱的三维点数据分层是为了在在一个截面内获得更多的三维点，然后用这些位于一个分层截面内的点拟合罐车的截面。由于罐车的封头在沿主轴方向的截面变化较大，所以封头部分的分层厚度设定为100mm，而在罐车的罐体部分表面变化比较平缓，所以罐体部分的分层厚度设定为500mm，如图5所示；确定了罐车主轴后，用以主轴为法向的平面进行分，把在分层厚度范围内的三维点向分层平面投影，得到分布在分层平面内的平面点集，如图6所示。为了使分层平面内的点集更加有效，对于封头部分分层平面内的个数需大于5个，而罐体部分分层平面内的点的个数需大于8个。

罐车表面数据的重采样

由于获得的三维点数据是散乱的，分布极为不均，为了能够拟合出罐车的曲面形状，需要获得有序的罐车表面三维数据点。首先要对分层平面内的平面点集进行拟合，对封头部分的分层平面的点集采用最小二乘方法拟合成圆，比较简单；对罐体部分的分层平面内的点集用椭圆拟合，这样做是为了能准确地描述罐车的实际形状。由于罐体部分分层之后的分层平面内的点数据不是封闭的，如图7所示，为了能够提高椭圆的拟合精度，先用直接最小二乘得到拟合的初始椭圆，然后用这个初始椭圆迭代法得到精确的椭圆。

这样得到的罐体部分椭圆的个数就是布置标记点长条形的数目，这样的数目还不足够来拟合整个罐体表面，所以用这6个椭圆在整个罐体部分插值成40个椭圆截面，然后在罐体的每个椭圆和封头部分拟合的每个圆上均匀地提取40个点就得到了整个罐车表面重采样的有序的三维点数据，如图8所示。

罐车三维形状的重构

得到了有序三维点数据后，有多种方法可以构造出曲面来。由于曲面的蒙皮操作将曲面建模问题转化为两步曲线的拟合或插值问题，使问题得以简化，所以这里采用该方法来重构曲面。由此可知，曲面的重构可分为两步：首先对每行数据点作封闭的NURBS曲线拟合，然后对曲线簇作曲面的蒙皮重构。

一条B(B-spline)曲线被定义为：

$C\left(v\right)=\underset{i=0}{\overset{n}{\mathrm{\Σ}}}{B}_i{N}_{i,k}\left(v\right)$

式中B_i为第i个控制点，n代表控制点个数，N_i，k(v)是曲线的基函数，其定义为

$N_{i,k}\left(v\right)=\frac{v-t_i}{t_{i+k}-t_i}{N}_{i,k-1}\left(v\right)+\frac{t_{i+k+1}-v}{t_{i+k+1}-t_{i+1}}{N}_{i+1,k-1}\left(v\right)$

且

式中v＝[t₀，…，t_n+k+1]为节点矢量，k为样条基的次数，t_i为节点。

对于给定的数据点集合

Q_i＝[x_i，y_i，z_i]^T i＝0，…，m

要给出其一条拟合B-spline曲线，必须首先确定数据点的位置参数{v_i}₀ ^m，次数k，控制点数n+1和节点矢量v。待求变量为控制点矢量。在计算数据点的位置参数时，可采用如下参数化公式

v₀＝0， $v_i=v_{i-1}+\frac{{\left|\right|Q_i-Q_{i-1}\left|\right|}^a}{\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{\left|\right|Q_j-Q_{j-1}\left|\right|}^a},$ i＝1，…m

其中参数a可取为0、0.5或1，分别对应着均匀、向心和累加弦长参数化。此外，节点矢量v也应根据位置参数{v_i}₀ ^m和控制点数来加以确定。由于这里制点数不会过多，节点矢量可按均匀分布的方式给出。Q_i为第i个三维点数据。

当没有约束条件时，控制点的解矢量可由下面最小二乘误差E的最小化方法得到

$\min E\left(X\right)=\underset{l=0}{\overset{m}{\mathrm{\Σ}}}{\left|\right|C\left(v_l\right)-Q_l\left|\right|}^2$

在原理上，该最小二乘问题等同于一个线性系统，其解矢量用矩阵形式可表示为

P＝[N^TN]^-1N^TQ

式中：

P∈R^(n+1)×3

Q∈R^(m+1)×3

N∈R^(m+1)×(n+1)。

其中，m+1为三维点个数，n+1为控制点个数，N为B样条基函数矩阵。Q为三维点数据向量。

到所有截面轮廓的B样条拟合曲线后，还要过这些曲线用蒙皮技术重构出曲面来。由于存在曲线相容性问题，因此在拟合主边界及内部截面轮廓线时，要采用相同的控制点数和统一的节点矢量。设得到的蒙皮曲面为

$S(u,v)=\underset{i=0}{\overset{r}{\mathrm{\Σ}}}\underset{j=0}{\overset{n}{\mathrm{\Σ}}}{B}_{i,j}{N}_{i,j}\left(u\right)N_{j,k}\left(v\right)$

式中，N_i，j(u)被定义的节点矢量区间为

N_i，j(v)被定义的节点矢量区间为

此时，还需要确定曲面的(r+1)×(n+1)个控制点B_ij。既然所有的截面轮廓被定义在统一的节点矢量上，可令这些曲线为

$C_j\left(v\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{d}_{i,j}{N}_{i,k}\left(v\right)$

j＝1，…，h

式中h为拟合曲线的个数，N_i，k为B样条曲线的基函数。

由此，蒙皮曲面的控制点{B_i，j}_i＝0 ^F，j＝0，…，n可通过再次对曲线族的第i列控制点{d_i，j}_j＝1 ^h进行B样条曲线拟合得到。如图9所示，为应用本发明方法重构出的罐车三维形状示意图；

罐车容积的计算方法

罐车外表面的三维形状重建之后，然后根据测厚仪测得的罐车的壁厚，将整个外表面向内偏置壁厚的距离，就得到了罐车内表面的三维形状。在计算整个罐车的容积时，首先将这个罐车沿轴向分成大量很小的薄片(本实施例为500个)，然后计算这些薄片的体积之和(见附图10A)。计算薄片的截面面积时，将截面离散成多边形(200个顶点)的方法，计算每两个顶点和中心点构成的多个三角形的面积之和(见附图10B)，乘以薄片的厚度就得到了薄片的体积。计算罐车的容积时，由于罐车并不是装满液体，所以该软件可以获得罐车在准装范围高度内任意刻度的容积。

利用本发明所述方法克服了现有铁路罐车容积测量方法的弊端，提高了铁路罐车容积测量的精度和稳定性，在铁路罐车以及大型封闭容器的容积测量方面具有很高的实用价值。

Claims (9)

1.一种基于计算机视觉的铁路罐车容积测量方法，其特征在于包括以下步骤：在罐车表面布置多个具有相同图案的标记点(1)和具有不同图案的编码点(2)，在罐车旁布置具有两个不同图案的编码点的标尺(3)；用数码相机多角度拍摄罐车照片，每相邻两幅之间有重叠编码点区域；将上述各幅照片输入到计算机进行图像处理，根据基于图像序列的计算机立体视觉三维重构方法分别建立图像上所有编码点(2)及标记点(1)的三维点坐标，获得罐车表面的三维点数据；根据三维点数据重构出罐车外表面的三维形状；根据罐车外表面的三维形状及测得的罐车壁厚计算罐车容积。

2.按照权利要求1所述基于计算机视觉的铁路罐车容积测量方法，其特征在于：所述编码点(2)为由对比色差明显的图案构成，每个图案中心为圆点，圆点周围为一不连续的同心环形；标记点(1)为由对比色差明显的图案构成，图案中心为圆点；标记点在罐车罐体两侧成多条纵向条形布置，每条至少包围罐体一侧半周长的一半，在罐车封头成多条任意方向条形布置；编码点(2)分布于罐车罐体表面两侧及封头，其在罐车封头的布置密度大于其在罐车罐体的布置密度。

3.按照权利要求1所述基于计算机视觉的铁路罐车容积测量方法，其特征在于：数码相机分辨率大于1千万像素，拍摄前标定内参数。

4.按照权利要求1所述基于计算机视觉的铁路罐车容积测量方法，其特征在于：所述图像处理包括以下步骤：

根据输入图像的各个不同编码点的图案确定各编码点的ID号；

根据ID号确定各个编码点在不同图像中的位置。

5.按照权利要求1所述基于计算机视觉的铁路罐车容积测量方法，其特征在于：根据三维点数据重构出罐车外表面的三维形状包括：

计算罐车三维点数据的主轴；

用以主轴为法向的平面，在罐体和封头部分采用不同的分层厚度，将散乱的三维点数据进行分层投影，得到分布在分层平面内的平面点集；

对三维点数据进行重采样，得到有序的罐车表面三维点数据；

由有序的三维点数据利用b样条曲面重构出罐车形状。

6.按照权利要求5所述基于计算机视觉的铁路罐车容积测量方法，其特征在于：所述计算罐车三维点数据的主轴包括：

计算三维点数据的协方差矩阵H_s，得到三维点数据的特征向量v₁、v₂、v₃；

选取一与特征向量v₁、v₂、v₃均不正交的向量α，快速确定三条主轴的取向，其判断准则如下：

如果v₁·α＞0，则ζ₁＝v₁，否则ζ₁＝-v₁；

如果v₃·α＞0，则ζ₃＝v₃，否则ζ₃＝-v₃；

ζ₂＝v₁×v₃；

选取α＝p_i-μ_s，其中p_i为任意三维点，μ_s为三维点数据的形心， ${\mathrm{\μ}}_s=\frac{1}{m}\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{p}_i;$

取三个向量中最大的向量作为三维点数据的主轴。

7.按照权利要求5所述基于计算机视觉的铁路罐车容积测量方法，其特征在于：所述对三维坐标数据进行重采样包括：

对分层平面内的平面点集进行拟合，对罐车封头部分的分层平面点集拟合成圆；对罐体部分的分层平面点集用拟合成椭圆，并对罐体采用椭圆截面线性插值增加罐体的截面数；

在上述拟合圆和椭圆上采点。

8.按照权利要求5所述基于计算机视觉的铁路罐车容积测量方法，其特征在于：由有序的三维点数据利用B样条曲面重构出罐车形状包括：

对有序的三维点数据进行参数化处理；

对每行三维点数据作封闭的B样条曲线拟合得到曲线簇；

对曲线簇作曲面的蒙皮处理，得到罐车外表面三维形状。

9.按照权利要求1所述基于计算机视觉的铁路罐车容积测量方法，其特征在于：根据罐车外表面的三维形状及测得的罐车壁厚计算罐车容积包括：

根据测厚仪测得的罐车壁厚，将整个外表面向内偏置壁厚的距离，得到罐车内表面三维形状；

将罐车沿轴向分成多个薄片，计算各薄片的截面面积，根据各薄片的截面面积及该薄片厚度计算各薄片的体积并求和得到罐车总容积；

根据罐车内容物的装载高度，计算准装范围高度内任意刻度的容积。

Images