CN103559704A - 一种铁路油罐车罐口视觉定位方法 - Google Patents
一种铁路油罐车罐口视觉定位方法 Download PDFInfo
- Publication number
- CN103559704A CN103559704A CN201310466844.0A CN201310466844A CN103559704A CN 103559704 A CN103559704 A CN 103559704A CN 201310466844 A CN201310466844 A CN 201310466844A CN 103559704 A CN103559704 A CN 103559704A
- Authority
- CN
- China
- Prior art keywords
- tank mouth
- image
- template
- tank
- mouth
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种铁路油罐车罐口视觉定位方法，包括：由大鹤管正对罐口时的图像提取罐口的单像素边缘并拟合椭圆，由椭圆公式计算罐口边缘的坐标及梯度作为形状模板；对模板与待搜索图像进行图像金字塔分解；计算待搜索图像各金字塔层中的梯度信息；设定罐口匹配的感兴趣区域及形状匹配阈值，在金字塔分解的最低图像分辨率层，使用归一化梯度互相关作为形状相似性度量函数进行罐口定位。本发明的方法具有可靠性强，实施成本低，自动化率高等特点。
Description
技术领域
本发明涉及一种机器视觉定位领域,特别是涉及一种铁路油罐车罐口视觉定位方法。
背景技术
我国炼油企业目前普遍采用大鹤管进行铁路油罐车油料装车，传统的大鹤管对准采用人工方式进行。这种方式工人操作时高度紧张，易疲劳，对位精度低。如发生操作失误，轻则将大鹤管拉弯或撞断，产生漏油，重则发生火灾爆炸事故，后果严重。环保方面，国家提出了节能减排的要求，而轻质油在装车时极易挥发，挥发的油气不但造成了能源浪费，而且极大地污染了环境，还是重大的安全隐患。为防止油气挥发，大鹤管上已逐步加装油气回收罩，大鹤管下管时，回收罩将罐口完全罩住，将挥发的油气回收，这要求大鹤管控制系统能够完成高精度的罐口定位，以往的人工操作方式已不适应当前的工况条件，因此需要开发高精度的自动化罐口定位方法。考虑输油现场的防爆要求，采用主动测量方式会造成安全隐患，因此基于机器视觉技术的非接触测量是一种理想的罐口定位方式。铁路油罐车罐口是标准的圆形，不同车型在罐口直径及罐体尺寸上有所差别，且输油作业在半露天环境下昼夜进行，这要求方法能够在大范围光照变化条件下对罐口进行准确识别并精确定位，同时要克服油污、车型等不确定因素造成的影响。
针对圆形罐口的视觉检测，Hough变换计算量大，耗时长，在复杂背景下检测效果差，不利于工业应用。而现有模板匹配方法需要频繁更换罐口模板以保证适应性，为推广应用带来了困难。
发明内容
本发明的目的是提供一种基于罐口形状匹配的铁路油罐车罐口视觉定位方法，以解决现有技术中定位方法存在适应性差的问题。
一种铁路油罐车罐口视觉定位方法，包括以下步骤：
S1.选择大鹤管正对罐口时摄像机拍摄的罐口图像提取形状模板，由图像中提取罐口的单像素边缘并拟合椭圆，从而得到椭圆的长短轴，由椭圆公式计算理想情况下罐口边缘的坐标及梯度；
S2.将模板与待搜索图像均进行图像金字塔分解；
S3.计算待搜索图像各金字塔层中的梯度信息；
S4.设定罐口匹配的感兴趣区域及形状匹配阈值，在金字塔分解的最低图像分辨率层，使用归一化梯度互相关作为罐口形状相似性度量函数，在待搜索图像感兴趣区域内将形状模板逐点移动并计算相似性度量值，如超过设定的匹配阈值，则该位置作为罐口出现的候选点，选择所有可能位置处相似性度量值最大的位置作为最终罐口位置，如所有位置相似性度量值均未超过设定阈值，则表示未找到罐口；
S5.如在S4中未找到罐口，则切换至下一尺寸罐口模板，返回S4继续查找，直至遍历所有车型，如在S4中找到罐口，则转入S6；
S6.将S4中得到的金字塔最低分辨率层罐口定位结果向上一高分辨率层映射，并将映射后结果作为匹配初值进行求精，该过程循环进行直至金字塔最高分辨率层；
S7.如摄像机经过标定，则利用变换矩阵可将S6中得到的罐口中心像素坐标转化为世界坐标，如摄像机未经标定，则直接输出罐口中心像素坐标作为定位结果。
上述步骤中，步骤S1进一步包括：
S1.1在大鹤管正对罐口时，利用Canny边缘检测算子提取罐口的单像素边缘；
S1.2选择罐口边缘无干扰位置作为起始点，使用边缘跟踪算法搜索罐口边缘点；
S1.3使用最小二乘法对S1.2搜索到的边缘点进行椭圆拟合，得到椭圆的长短轴；
S1.4根据不同车型罐口大小按比例对S1.3中拟合的椭圆进行缩放，使用罐口边缘位置及梯度向量构成形状模板，使用罐口边缘形心作为模板参考点。
本发明在模板提取过程中利用最小二乘法拟合罐口，即使部分边缘丢失，也可得到正确拟合结果，相对于手工设定模板，能够完全避免干扰边缘对形状相似性匹配度量值造成的影响；同时使用感兴趣区域及图像金字塔加快了罐口定位速度；为克服光照变化、干扰边缘及遮挡带来的影响，使用归一化梯度互相关相似性度量函数计算形状模板与待搜索图像边缘之间的相似性，过程中仅需计算模板与待搜索图像的梯度，不需要进行阈值化，避免了因阈值设定不准确造成的边缘缺失；本发明在应用中无须频繁更换形状模板即可兼容不同车型罐口，具有可靠性强，实施成本低，自动化率高等特点。
附图说明
图1是本发明的摄像机安装位置实例图；
图2是本发明的算法流程图；
图3是本发明的罐口模板提取流程图。
具体实施方式
下面结合附图与实例对本发明进行更详细地描述。
图1为本发明实施中摄像机的一种安装实例，该实例中摄像机安装在输油大鹤管上，摄像机与大鹤管位置关系固定，并与大鹤管同步移动。附图中1为大鹤管、2为摄像机、3为铁路油罐车罐口、4为铁路油罐车罐体。
如图2所示，依照本发明一种实施方式的铁路油罐车罐口定位步骤包括：
S1.利用罐口直径最大的车型，选择大鹤管正对罐口时摄像机拍摄的罐口图像提取形状模板，由图像中提取罐口的单像素边缘并拟合椭圆，从而得到椭圆的长短轴，由椭圆公式即可得到理想情况下罐口边缘的坐标及梯度，以边缘的形心作为模板参考点；
S2.将模板与待搜索图像均进行图像金字塔分解，分解的层数由用户指定，下采样因子选择0.5，即隔行隔列进行下采样；
S3.计算待搜索图像各金字塔层中的梯度信息，梯度可以使用任何能够得到方向信息的边缘检测算子得到；
S4.设定罐口匹配的感兴趣区域及形状匹配阈值，在金字塔分解的最低图像分辨率层，使用归一化梯度互相关作为罐口形状相似性度量函数，在待搜索图像感兴趣区域内将形状模板逐点移动并计算相似性度量值，如超过用户设定匹配阈值，则该位置作为罐口出现的候选点，选择所有可能位置处相似性度量值最大的位置作为最终罐口位置，如所有位置相似性度量值均未超过设定阈值，则表示未找到罐口；
S5.如在S4中未找到罐口，则切换至下一尺寸罐口模板，返回S4继续查找，直至遍历所有车型，如在S4中找到罐口，则转入S6；
S6.将S4中得到的金字塔最低分辨率层罐口定位结果向上一高分辨率层映射，并将映射后结果作为匹配初值进行求精，该过程循环进行直至金字塔最高分辨率层；
S7.如摄像机经过标定，则利用变换矩阵可将S6中得到的罐口中心像素坐标转化为世界坐标，如摄像机未经标定，则直接输出罐口中心像素坐标作为定 位结果。
如图3所示，步骤S1进一步包括：
S1.1在大鹤管正对罐口时，按照图1的摄像机安装方式，利用Canny边缘检测算子提取罐口的单像素边缘，高检测阈值设为0.5，以保证在抑制干扰边缘的基础上保留真实罐口边缘；
S1.2选择罐口边缘无干扰位置作为起始点，使用边缘跟踪算法，在8邻域条件下沿逆时针方向搜索边缘点并记录；
S1.3使用最小二乘法对S1.2存储的边缘点进行椭圆拟合，得到椭圆的长短轴；
S1.4根据不同车型罐口大小按比例对S1.3中拟合的椭圆进行缩放，使用罐口边缘位置及梯度向量构成形状模板，使用罐口边缘形心作为模板参考点。
以上实施方式仅用于说明本发明的技术方案，而非对其的限制，本领域的普通技术人员在不使相应技术方案脱离本发明的精神和范围的情况下，还可以做出各种变化与变型，所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。
Claims (8)
1.一种铁路油罐车罐口视觉定位方法，其特征在于，包括：
S1.从大鹤管正对罐口时摄像机拍摄的罐口图像中提取形状模板；
S2.将所述模板与待搜索图像进行图像金字塔分解；
S3.使用边缘检测算子计算所述待搜索图像各金字塔层中的梯度信息；
S4.在金字塔分解的最低图像分辨率层，使用梯度归一化互相关函数作为罐口形状相似性度量函数，在待搜索图像感兴趣区域内将所述模板逐点移动并计算相似性度量值，如果计算的相似性度量值超过设定的匹配阈值，则将所述模板移动的位置作为罐口出现的候选点，选择所有候选点中相似性度量值最大的位置作为罐口位置。
2.如权利要求1所述的方法，其特征在于，步骤S1包括：
S1.1在大鹤管正对罐口时，利用Canny边缘检测算子提取罐口的单像素边缘；
S1.2选择罐口的单像素边缘中无干扰位置作为起始点，使用边缘跟踪算法搜索罐口边缘点；
S1.3使用最小二乘法对搜索到的边缘点进行椭圆拟合，得到椭圆的长短轴；
S1.4根据不同车型罐口大小按比例对拟合的椭圆进行缩放，罐口边缘位置及梯度向量构成形状模板，使用罐口边缘形状作为模板参考点。
3.如权利要求2所述的方法，其特征在于，在步骤S1.4中，罐口形状模板以拟合罐口边缘点位置和边缘梯度表示。
4.如权利要求2所述的方法，其特征在于，在步骤S1.4中，对不同车型罐口按比例计算不同的形状模板。
5.如权利要求1所述的方法，其特征在于，在步骤S2中，使用图像金字塔技术对所述模板和所述待搜索图像进行分解。
6.如权利要求1所述的方法，其特征在于，在步骤S4中，使用感兴趣区域加快罐口定位速度。
7.如权利要求1至6中任一项所述的方法，其特征在于，所述步骤S4还包括：如所有位置的相似性度量值均未超过设定阈值，则表示未找到罐口。
8.如权利要求7所述的方法，其特征在于，在步骤S4之后，所述方法还包括：
S5.如在步骤S4中未找到罐口，则切换至下一尺寸罐口模板，返回步骤S4继续查找，直至遍历所有车型，如在步骤S4中找到罐口，则转入步骤S6；
S6.将步骤S4中得到的金字塔最低分辨率层罐口定位结果向上一高分辨率层映射，并将映射后结果作为匹配初值进行求精，该过程循环进行直至金字塔最高分辨率层；
S7.如摄像机经过标定，则利用变换矩阵可将S6中得到的罐口中心像素坐标转化为世界坐标，如摄像机未经标定，则直接输出罐口中心像素坐标作为定位结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310466844.0A CN103559704B (zh) | 2013-10-09 | 2013-10-09 | 一种铁路油罐车罐口视觉定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310466844.0A CN103559704B (zh) | 2013-10-09 | 2013-10-09 | 一种铁路油罐车罐口视觉定位方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103559704A true CN103559704A (zh) | 2014-02-05 |
| CN103559704B CN103559704B (zh) | 2017-05-24 |
Family
ID=50013943
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310466844.0A Active CN103559704B (zh) | 2013-10-09 | 2013-10-09 | 一种铁路油罐车罐口视觉定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103559704B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105668273A (zh) * | 2016-03-01 | 2016-06-15 | 江苏理工学院 | 罐车定位设备 |
| CN105930858A (zh) * | 2016-04-06 | 2016-09-07 | 吴晓军 | 一种带旋转、缩放的快速高精度几何模板匹配方法 |
| CN108529547A (zh) * | 2018-03-31 | 2018-09-14 | 广西金茂生物化工有限公司 | 一种酒精鹤管自动装车系统 |
| CN110378376A (zh) * | 2019-06-12 | 2019-10-25 | 西安交通大学 | 一种基于机器视觉的加油口目标识别定位方法 |
| CN112304950A (zh) * | 2020-10-06 | 2021-02-02 | 清华大学 | 微液滴观测装置及基于形状匹配的微液滴图像识别方法 |
| CN113313725A (zh) * | 2021-05-28 | 2021-08-27 | 湖北三江航天江河化工科技有限公司 | 含能材料药桶的桶口识别方法及系统 |
| CN113744133A (zh) * | 2021-09-13 | 2021-12-03 | 烟台艾睿光电科技有限公司 | 一种图像拼接方法、装置、设备及计算机可读存储介质 |
| CN113838148A (zh) * | 2021-10-08 | 2021-12-24 | 中科海拓(无锡)科技有限公司 | 一种基于机器视觉的鹤管装卸油装置的自动定位方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005354201A (ja) * | 2004-06-08 | 2005-12-22 | Canon Inc | 画像処理装置及び画像処理方法 |
| CN2934202Y (zh) * | 2006-07-21 | 2007-08-15 | 哈尔滨天源石化装备制造有限责任公司 | 火车槽车装油作业用大鹤管自动定位装置 |
-
2013
- 2013-10-09 CN CN201310466844.0A patent/CN103559704B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005354201A (ja) * | 2004-06-08 | 2005-12-22 | Canon Inc | 画像処理装置及び画像処理方法 |
| CN2934202Y (zh) * | 2006-07-21 | 2007-08-15 | 哈尔滨天源石化装备制造有限责任公司 | 火车槽车装油作业用大鹤管自动定位装置 |
Non-Patent Citations (2)
| Title |
|---|
| 裴志军 等: "一种基于梯度特征列表的机器视觉目标匹配", 《计算机工程与应用》 * |
| 项学智: "复杂条件下的圆检测技术研究", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105668273A (zh) * | 2016-03-01 | 2016-06-15 | 江苏理工学院 | 罐车定位设备 |
| CN105668273B (zh) * | 2016-03-01 | 2017-12-15 | 江苏理工学院 | 罐车定位设备 |
| CN105930858A (zh) * | 2016-04-06 | 2016-09-07 | 吴晓军 | 一种带旋转、缩放的快速高精度几何模板匹配方法 |
| CN108529547A (zh) * | 2018-03-31 | 2018-09-14 | 广西金茂生物化工有限公司 | 一种酒精鹤管自动装车系统 |
| CN110378376A (zh) * | 2019-06-12 | 2019-10-25 | 西安交通大学 | 一种基于机器视觉的加油口目标识别定位方法 |
| CN112304950A (zh) * | 2020-10-06 | 2021-02-02 | 清华大学 | 微液滴观测装置及基于形状匹配的微液滴图像识别方法 |
| CN113313725A (zh) * | 2021-05-28 | 2021-08-27 | 湖北三江航天江河化工科技有限公司 | 含能材料药桶的桶口识别方法及系统 |
| CN113313725B (zh) * | 2021-05-28 | 2022-06-17 | 湖北三江航天江河化工科技有限公司 | 含能材料药桶的桶口识别方法及系统 |
| CN113744133A (zh) * | 2021-09-13 | 2021-12-03 | 烟台艾睿光电科技有限公司 | 一种图像拼接方法、装置、设备及计算机可读存储介质 |
| CN113838148A (zh) * | 2021-10-08 | 2021-12-24 | 中科海拓(无锡)科技有限公司 | 一种基于机器视觉的鹤管装卸油装置的自动定位方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103559704B (zh) | 2017-05-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103559704A (zh) | 一种铁路油罐车罐口视觉定位方法 | |
| CN109685066B (zh) | 一种基于深度卷积神经网络的矿井目标检测与识别方法 | |
| CN107563419B (zh) | 图像匹配和二维码相结合的列车定位方法 | |
| Noda et al. | Vehicle ego-localization by matching in-vehicle camera images to an aerial image | |
| CN105258702B (zh) | 一种基于slam导航移动机器人的全局定位方法 | |
| US10552982B2 (en) | Method for automatically establishing extrinsic parameters of a camera of a vehicle | |
| Broggi et al. | Self-calibration of a stereo vision system for automotive applications | |
| CN104503449A (zh) | 一种基于环境直线特征的定位方法 | |
| CN103324198B (zh) | 一种基于计算机视觉技术的集卡定位自动引导系统及其使用方法 | |
| US11378383B2 (en) | Plant facility apparatus recognition system and plant facility apparatus recognition method | |
| CN107909047B (zh) | 一种汽车及其应用的车道检测方法及系统 | |
| CN106767399A (zh) | 基于双目立体视觉和点激光测距的物流货物体积的非接触测量方法 | |
| CN105405154A (zh) | 基于颜色-结构特征的目标对象跟踪方法 | |
| CN103136525B (zh) | 一种利用广义Hough变换的异型扩展目标高精度定位方法 | |
| CN104501811A (zh) | 一种基于环境直线特征的地图匹配方法 | |
| CN104501829A (zh) | 一种惯性导航系统的误差校正方法 | |
| CN110929538A (zh) | 具有基准标记的对象定位器 | |
| CN102243705A (zh) | 基于边缘检测的车牌定位方法 | |
| CN112805766A (zh) | 用于更新详细地图的装置和方法 | |
| Brenner | Vehicle localization using landmarks obtained by a lidar mobile mapping system | |
| CN114563795B (zh) | 基于激光里程计和标签融合算法的定位追踪方法及系统 | |
| CN105046686A (zh) | 定位方法及装置 | |
| CN115564865A (zh) | 一种众包高精地图的构建方法、系统、电子设备及车辆 | |
| CN104501794A (zh) | 一种基于环境直线特征的地图创建方法 | |
| Ma et al. | RoLM: Radar on LiDAR map localization |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |