CN104615971A - 一种用于化肥质量追溯系统的二维码跟踪识别方法 - Google Patents
一种用于化肥质量追溯系统的二维码跟踪识别方法 Download PDFInfo
- Publication number
- CN104615971A CN104615971A CN201510081036.1A CN201510081036A CN104615971A CN 104615971 A CN104615971 A CN 104615971A CN 201510081036 A CN201510081036 A CN 201510081036A CN 104615971 A CN104615971 A CN 104615971A
- Authority
- CN
- China
- Prior art keywords
- chemical fertilizer
- frame image
- represent
- scanning
- quick response
- 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
Landscapes
- Length Measuring Devices By Optical Means (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明提供一种用于化肥质量追溯系统的二维码跟踪识别方法,采用两台植入了卡尔曼滤波算法的多角度扫描相机对生产线上贴有二维码的化肥袋子进行多角度协作跟踪扫描,不仅可以让化肥袋子在生产线上的位置具有一定的容错性,还极大地提高了二维码扫描的成功率,确保快速高效地完成整个化肥质量追溯系统的入库工作。
Description
技术领域
本发明涉及二维码跟踪识别技术领域,具体是一种用于化肥质量追溯系统的二维码跟踪识别方法。
背景技术
现有的化肥质量追溯系统中涉及到的二维码扫描相机部分多为单一相机,部分厂家会采用多台相机对产品的二维码进行拍摄,却只是一味地通过增加相机个数来提高识别二维码的成功率,这种方式不仅增加了化肥质量追溯系统的硬件成本,占用了生产线上较多的空间,也提高了软件的运算量,实施起来也费时费力,大大降低了整体利润。
发明内容
本发明的目的在于提供一种用于化肥质量追溯系统的二维码跟踪识别方法,利用两台相机对生产线上的贴有二维码的化肥袋子进行多角度跟踪扫描,最大限度地增加化肥袋子在生产线上的位置容错性,提高二维码扫描的成功率。
本发明的技术方案为:
一种用于化肥质量追溯系统的二维码跟踪识别方法,该方法包括以下步骤:
(1)将两台多角度扫描相机对称布置在靠近化肥传送带入口端两侧,并沿化肥传送带的传送方向在两台多角度扫描相机构成的扫描区域两侧各设置一个激光传感器,分别作为扫描入口激光传感器和扫描出口激光传感器;
(2)当扫描入口激光传感器检测到有化肥袋子进入扫描区域时,将检测信息发送给控制器,所述控制器发送指令控制两台多角度扫描相机进入准备状态;
(3)当检测到有二维码进入视野时,多角度扫描相机进入工作状态,开始对焦并根据内置DSP处理器检测的化肥袋子的运动状态自动旋转,使得焦距和镜头达到最佳位置,完成拍摄,所述内置DSP处理器采用卡尔曼滤波算法对化肥袋子的运动状态进行跟踪;
(4)所述内置DSP处理器对多角度扫描相机拍摄的照片进行处理,提取二维码编码,并将二维码编码上传至本地PC机;只要两台多角度扫描相机中的其中一台捕捉到二维码,则该次扫描结束,本地PC机接收到二维码编码后,通过控制器发送指令控制两台多角度扫描相机进入休眠状态,等待下一袋化肥的到来;
(5)若化肥袋子从扫描区域经过,但两台多角度扫描相机均未捕捉到二维码,当扫描出口激光器检测到有化肥袋子离开扫描区域时,将检测信息发送给控制器,所述控制器发送指令控制两台多角度扫描相机进入休眠状态,等待下一袋化肥的到来。
所述的用于化肥质量追溯系统的二维码跟踪识别方法,步骤(3)中,所述内置DSP处理器采用卡尔曼滤波算法对化肥袋子的运动状态进行跟踪,具体包括:
a、根据当前帧图像的状态变量、系统噪声向量、误差协方差矩阵、系统噪声方差矩阵,采用以下公式对下一帧图像进行状态预测:
其中,表示下一帧图像的状态预测变量,A表示系统矩阵,Xt表示当前帧图像的状态变量,ωt表示当前帧图像的系统噪声向量;表示下一帧图像的误差预测协方差矩阵,Pt表示当前帧图像的误差协方差矩阵,Qt表示当前帧图像的系统噪声方差矩阵;ωt~(0,Qt),ωt服从标准正态分布;
b、采用以下公式对下一帧图像进行状态更新:
其中,Kt+1表示下一帧图像的卡尔曼增益,Ht表示当前帧图像的观测矩阵,Rt表示当前帧图像的观测噪声方差矩阵;xt+1表示下一帧图像的状态变量,zt=Htxt+vt,zt表示当前帧图像的测量向量,vt表示当前帧图像的观测噪声向量;Pt+1表示下一帧图像的误差协方差矩阵;vt~(0,Rt),vt服从标准正态分布。
由上述技术方案可知,本发明采用两台植入了卡尔曼滤波算法的多角度扫描相机对生产线上贴有二维码的化肥袋子进行多角度协作跟踪扫描,不仅可以让化肥袋子在生产线上的位置具有一定的容错性,还极大地提高了二维码扫描的成功率,确保快速高效地完成整个化肥质量追溯系统的入库工作。
附图说明
图1是本发明的方法流程图。
具体实施方式
下面,结合附图和具体实施例进一步说明本发明。
如图1所示,一种用于化肥质量追溯系统的二维码跟踪识别方法,包括以下步骤:
S1、靠近化肥传送带的入口端两侧对称设置两台多角度扫描相机,沿化肥传送带的传送方向在两台多角度扫描相机构成的扫描区域两侧各设置一个激光传感器,分别作为扫描入口激光传感器和扫描出口激光传感器;
S2、当扫描入口激光传感器检测到有化肥袋子进入扫描区域时,将检测信息发送给控制器,控制器发送指令控制两台多角度扫描相机进入准备状态;
S3、当多角度扫描相机检测到有二维码进入视野时,多角度扫描相机进入工作状态,开始对焦并根据内置DSP处理器检测的化肥袋子的运动状态自动旋转,使得焦距和镜头达到最佳位置,完成拍摄;
内置DSP处理器运用卡尔曼滤波算法对化肥袋子的运动状态进行检测,具体过程如下:
a、状态预测:
其中,表示下一帧图像的状态预测变量,A表示系统矩阵,xt表示当前帧图像的状态变量,ωt表示当前帧图像的系统噪声向量;表示下一帧图像的误差预测协方差矩阵,Pt表示当前帧图像的误差协方差矩阵,Qt表示当前帧图像的系统噪声方差矩阵;ωt~(0,Qt),ωt服从标准正态分布,此时
b、状态更新:
其中,Kt+1表示下一帧图像的卡尔曼增益,Ht表示当前帧图像的观测矩阵,Rt表示当前帧图像的观测噪声方差矩阵;xt+1表示下一帧图像的状态变量,zt=Htxt+vt,zt表示当前帧图像的测量向量,vt表示当前帧图像的观测噪声向量;Pt+1表示下一帧图像的误差协方差矩阵;vt~(0,Rt),vt服从标准正态分布。
S4、内置DSP处理器对多角度扫描相机拍摄的照片进行处理,提取二维码编码,并将二维码编码上传至本地PC机;由于采用两台多角度扫描相机同时对化肥袋子进行二维码扫描,只要有一台多角度扫描相机捕捉到二维码,则该次扫描结束,本地PC机接收到二维码编码后,通过控制器发送指令控制两台多角度扫描相机进入休眠状态,等待下一袋化肥的到来;
S5、若化肥袋子从扫描区域经过,但两台多角度扫描相机均未捕捉到二维码,当扫描出口激光器检测到有化肥袋子离开扫描区域时,将检测信息发送给控制器,控制器发送指令控制两台多角度扫描相机进入休眠状态,等待下一袋化肥的到来。
卡尔曼滤波是一种用来测量运动系统状态的自适应滤波器,在一个视频中,前后帧是具有相关性的,正是基于这种相关性,采用多角度扫描相机连续扫描二维码才能预测出下一帧图像,由于准确度较高,被广泛应用。通过实际测试,植入卡尔曼滤波算法的两台多角度扫描相机协作扫描,不仅可以让化肥袋子在生产线上的位置具有一定的容错性,还极大地提高了二维码扫描的成功率,几乎达到了100%。
以上所述实施方式仅仅是对本发明的优选实施方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案作出的各种变形和改进,均应落入本发明的权利要求书确定的保护范围内。
Claims (2)
1.一种用于化肥质量追溯系统的二维码跟踪识别方法,其特征在于,该方法包括以下步骤:
(1)将两台多角度扫描相机对称布置在靠近化肥传送带入口端两侧,并沿化肥传送带的传送方向在两台多角度扫描相机构成的扫描区域两侧各设置一个激光传感器,分别作为扫描入口激光传感器和扫描出口激光传感器;
(2)当扫描入口激光传感器检测到有化肥袋子进入扫描区域时,将检测信息发送给控制器,所述控制器发送指令控制两台多角度扫描相机进入准备状态;
(3)当检测到有二维码进入视野时,多角度扫描相机进入工作状态,开始对焦并根据内置DSP处理器检测的化肥袋子的运动状态自动旋转,使得焦距和镜头达到最佳位置,完成拍摄,所述内置DSP处理器采用卡尔曼滤波算法对化肥袋子的运动状态进行跟踪;
(4)所述内置DSP处理器对多角度扫描相机拍摄的照片进行处理,提取二维码编码,并将二维码编码上传至本地PC机;只要两台多角度扫描相机中的其中一台捕捉到二维码,则该次扫描结束,本地PC机接收到二维码编码后,通过控制器发送指令控制两台多角度扫描相机进入休眠状态,等待下一袋化肥的到来;
(5)若化肥袋子从扫描区域经过,但两台多角度扫描相机均未捕捉到二维码,当扫描出口激光器检测到有化肥袋子离开扫描区域时,将检测信息发送给控制器,所述控制器发送指令控制两台多角度扫描相机进入休眠状态,等待下一袋化肥的到来。
2.根据权利要求1所述的用于化肥质量追溯系统的二维码跟踪识别方法,其特征在于,步骤(3)中,所述内置DSP处理器采用卡尔曼滤波算法对化肥袋子的运动状态进行跟踪,具体包括:
a、根据当前帧图像的状态变量、系统噪声向量、误差协方差矩阵、系统噪声方差矩阵,采用以下公式对下一帧图像进行状态预测:
其中,表示下一帧图像的状态预测变量,A表示系统矩阵,xt表示当前帧图像的状态变量,ωt表示当前帧图像的系统噪声向量;表示下一帧图像的误差预测协方差矩阵,Pt表示当前帧图像的误差协方差矩阵,Qt表示当前帧图像的系统噪声方差矩阵;ωt~(0,Qt),ωt服从标准正态分布;
b、采用以下公式对下一帧图像进行状态更新:
其中,Kt+1表示下一帧图像的卡尔曼增益,Ht表示当前帧图像的观测矩阵,Rt表示当前帧图像的观测噪声方差矩阵;xt+1表示下一帧图像的状态变量,zt=Htxt+vt,zt表示当前帧图像的测量向量,vt表示当前帧图像的观测噪声向量;Pt+1表示下一帧图像的误差协方差矩阵;vt~(0,Rt),vt服从标准正态分布。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510081036.1A CN104615971B (zh) | 2015-02-14 | 2015-02-14 | 一种用于化肥质量追溯系统的二维码跟踪识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510081036.1A CN104615971B (zh) | 2015-02-14 | 2015-02-14 | 一种用于化肥质量追溯系统的二维码跟踪识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104615971A true CN104615971A (zh) | 2015-05-13 |
CN104615971B CN104615971B (zh) | 2017-08-11 |
Family
ID=53150409
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510081036.1A Active CN104615971B (zh) | 2015-02-14 | 2015-02-14 | 一种用于化肥质量追溯系统的二维码跟踪识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104615971B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105809564A (zh) * | 2016-05-27 | 2016-07-27 | 许昌学院 | 一种农业互联网络节点 |
CN110110716A (zh) * | 2019-05-08 | 2019-08-09 | 惠州市桑莱士智能科技股份有限公司 | 一种智能扫描二维码的自动调焦的高清摄像头 |
CN114210667A (zh) * | 2021-11-22 | 2022-03-22 | 浙江大华技术股份有限公司 | 一种管道清洁装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1655171A (zh) * | 2004-02-13 | 2005-08-17 | 鸿富锦精密工业(深圳)有限公司 | 条码自动扫描系统及方法 |
CN201450562U (zh) * | 2009-09-02 | 2010-05-05 | 江苏省烟草公司徐州市公司 | 卷烟分拣跟踪摄影装置 |
US20130138728A1 (en) * | 2011-11-25 | 2013-05-30 | Lg Electronics Inc. | Mobile device, display device and method for controlling the same |
CN103679111A (zh) * | 2013-12-06 | 2014-03-26 | 重庆邮电大学 | 基于二维码的物流自动分拣系统 |
-
2015
- 2015-02-14 CN CN201510081036.1A patent/CN104615971B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1655171A (zh) * | 2004-02-13 | 2005-08-17 | 鸿富锦精密工业(深圳)有限公司 | 条码自动扫描系统及方法 |
CN201450562U (zh) * | 2009-09-02 | 2010-05-05 | 江苏省烟草公司徐州市公司 | 卷烟分拣跟踪摄影装置 |
US20130138728A1 (en) * | 2011-11-25 | 2013-05-30 | Lg Electronics Inc. | Mobile device, display device and method for controlling the same |
CN103679111A (zh) * | 2013-12-06 | 2014-03-26 | 重庆邮电大学 | 基于二维码的物流自动分拣系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105809564A (zh) * | 2016-05-27 | 2016-07-27 | 许昌学院 | 一种农业互联网络节点 |
CN110110716A (zh) * | 2019-05-08 | 2019-08-09 | 惠州市桑莱士智能科技股份有限公司 | 一种智能扫描二维码的自动调焦的高清摄像头 |
CN114210667A (zh) * | 2021-11-22 | 2022-03-22 | 浙江大华技术股份有限公司 | 一种管道清洁装置 |
Also Published As
Publication number | Publication date |
---|---|
CN104615971B (zh) | 2017-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ferrera et al. | Real-time monocular visual odometry for turbid and dynamic underwater environments | |
Hernández et al. | Autonomous underwater navigation and optical mapping in unknown natural environments | |
CN102156985A (zh) | 基于虚拟卡口的行人及车辆数目计数方法 | |
Chen et al. | Panoramic annular SLAM with loop closure and global optimization | |
CN104615971A (zh) | 一种用于化肥质量追溯系统的二维码跟踪识别方法 | |
Akbar et al. | A novel benchmark RGBD dataset for dormant apple trees and its application to automatic pruning | |
Bahnsen et al. | 3d sensors for sewer inspection: A quantitative review and analysis | |
CN105426841A (zh) | 基于人脸检测的监控相机自定位方法及装置 | |
CN103984955A (zh) | 基于显著性特征和迁移增量学习的多摄像机目标识别方法 | |
Suo et al. | Fish keypoints detection for ecology monitoring based on underwater visual intelligence | |
CN112349057A (zh) | 基于深度学习的室内烟雾和火灾检测方法 | |
Wang et al. | A novel approach for lidar-based robot localization in a scale-drifted map constructed using monocular slam | |
CN105224941B (zh) | 对象辨识与定位方法 | |
Guizilini et al. | Semi-parametric models for visual odometry | |
Li et al. | A YOLO-GGCNN based grasping framework for mobile robots in unknown environments | |
Fan et al. | Long-awaited next-generation road damage detection and localization system is finally here | |
Mollica et al. | Integrating Sparse Learning-Based Feature Detectors into Simultaneous Localization and Mapping—A Benchmark Study | |
Fang et al. | A panoramic localizer based on coarse-to-fine descriptors for navigation assistance | |
Hożyń et al. | Stereo Vision System for Vision-Based Control of Inspection-Class ROVs | |
Chen et al. | Stereovision-based ego-motion estimation for combine harvesters | |
Yao et al. | GNSS Urban Positioning with Vision-Aided NLOS Identification | |
CN203636826U (zh) | 机械手装置 | |
Fan et al. | Combining Swin Transformer with UNet for Remote Sensing Image Semantic Segmentation | |
CN104933732A (zh) | 基于机器人全方位视觉运动目标检测和跟踪的方法 | |
Chen et al. | Real-Time 3D Reconstruction of UAV Acquisition System for the Urban Pipe Based on RTAB-Map |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |