CN105447817B - 一种基于边缘轮廓的热轧中间坯平面图像拼接方法 - Google Patents
一种基于边缘轮廓的热轧中间坯平面图像拼接方法 Download PDFInfo
- Publication number
- CN105447817B CN105447817B CN201510755361.1A CN201510755361A CN105447817B CN 105447817 B CN105447817 B CN 105447817B CN 201510755361 A CN201510755361 A CN 201510755361A CN 105447817 B CN105447817 B CN 105447817B
- Authority
- CN
- China
- Prior art keywords
- intermediate base
- image
- coordinate
- unit
- profile
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000005304 joining Methods 0.000 title claims abstract description 13
- 230000033001 locomotion Effects 0.000 claims abstract description 16
- 230000009466 transformation Effects 0.000 claims abstract description 4
- 238000005259 measurement Methods 0.000 claims description 12
- 238000003384 imaging method Methods 0.000 claims description 9
- 230000003287 optical effect Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 4
- 238000005452 bending Methods 0.000 abstract description 19
- 238000005096 rolling process Methods 0.000 abstract description 10
- 239000000284 extract Substances 0.000 abstract description 4
- 229910000831 Steel Inorganic materials 0.000 abstract description 2
- 238000005098 hot rolling Methods 0.000 abstract description 2
- 239000010959 steel Substances 0.000 abstract description 2
- 238000007796 conventional method Methods 0.000 abstract 1
- 238000001514 detection method Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000006073 displacement reaction Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000000498 cooling water Substances 0.000 description 2
- 238000003801 milling Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000001000 micrograph Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及轧钢自动控制领域,公开了一种基于边缘轮廓的热轧中间坯平面图像拼接方法,包括:S1:获取中间坯平面图像;S2:提取单幅图像中间坯轮廓;S3:将轮廓点像素坐标转化为实际坐标;S4:计算拍摄间隔内中间坯运动的距离;S5:计算图像变换参数,获得中间坯沿宽度方向的平移量和整体旋转量,获取中间坯的拼接图像。本发明在确定两幅中间坯图像沿长度方向距离的基础上,根据中间坯边缘连续变化的特点,通过沿宽度方向的平移和整体的旋转完成具有重叠部分的连续热轧中间坯表面轮廓图像的拼接,与传统方法相比,能够消除中间坯轧制过程跑偏、侧弯引起的图像拼接精度降低问题,且算法简单、运算速度快、精度高。
Description
技术领域
本发明涉及轧钢自动控制领域,特别涉及一种基于边缘轮廓的热轧中间坯平面图像拼接方法。
背景技术
热轧中间坯的侧弯(镰刀弯)是热轧粗轧阶段板坯不对称缺陷的主要表现形式,是影响产品成材率的主要因素之一,同时侧弯现象对粗轧以及之后的精轧过程的稳定性有着极大的危害。为了能够达到对中间坯的侧弯的有效控制,首先要完成对中间坯的侧弯程度的有效测量。
中间坯温度高,生产节奏快,其侧弯程度难以人工测量,因此生产现场主要依靠操作工直接观察中间坯表面形状,根据经验调整轧机辊缝的倾斜来消除和控制侧弯。近些年来,随着机器视觉技术的发展,很多研究者采用CCD相机对中间坯的平面进行拍摄,并通过相应的相机标定技术,完成中间坯表面图像坐标向空间实际坐标的转换,从而获得中间坯的平面形状,为侧弯的控制提供了检测手段。
在热连轧生产中,中间坯最后道次的长度会达到40-60米,为了拍摄到板坯全长,CCD相机只能安装在距离轧机60m处的辊道上方,此时中间坯尾端在所成相中所占像素很少,测量误差很大。为了提高检测精度,采用面阵CCD相机对运动中间坯局部平面形状连续拍摄,并将连续图片序列拼接成完整中间坯平面形状的测量方案被广泛认可。传统的方法为在拼接时采用中间坯速度和拍摄时间间隔计算两张图像中板坯沿长度方向的移动距离,对板坯图像进行平移后直接拼接。然而在实际生产过程中中间坯在辊缝内会出现跑偏现象,同时当侧弯出现时,轧机出口的中间坯会出现弯曲。假设板坯不动(板坯为参考系,CCD相机运动),两次拍摄的区域如图1所示,其中11为第i次测量的范围,12为第(i+1)次测量的范围,拍摄区域除了中间坯运动引起的沿长度方向的平移,还会出现沿宽度方向的平移(对应跑偏)和转动(对应侧弯),因此只对中间坯图像进行沿板坯长度进行平移,完成图像的拼接,会产生较大的误差。
随着图像拼接技术的发展,出现了越来越多的高效图像拼接方法:
专利1(基于点、线双重特征的快速图像拼接方法,公开号CN103679636A)利用Canny边缘检测算法和Harris角点检测算法,分别提取出图像的线特征和点特征,然后利用相似测度NCC对特征点进行粗匹配,随机采样算法RANSAC算法剔除错误匹配点提高图像配准的精度,最后采用加权平均法对拼接后的图像进行融合并消除拼接缝隙。
专利2(基于边缘分类信息的图像拼接方法,公开号CN101794439A),首先提取图像的边缘类,在己经获取的图像边缘类中提取图像SIFT特征,利用K-D树搜索近似最近邻的方法对两幅有重叠图中的对应SIFT特征点进行匹配,找到两幅图像的两个公共边界点后,以过直线作为图像拼接的缝合线得到一个“无缝”的拼接图像。
专利3(一种基于SURF操作数的显微镜图像拼接方法,公开号CN102129704A)针对医学显微镜图像中存在大量的斑点状结构如气泡、细胞等,把SURF操作数引入到显微镜图像的拼接领域中来,完成了图像的拼接。
其共同之处在于,针对两张具有重叠区域的图片,采用特定算法提取图像局部信息特征点,并寻找两幅图像中能够匹配的特征点,再利用匹配的特征点确定重叠区域,完成图片的拼接。图像的匹准都根据图像局部灰度梯度信息采用一些算法确定图像中的特征点,进而完成图像的拼接。然而中间坯温度较高,表面所成像几乎没有灰度变化,很难通过局部信息的变化找到特征点;同时在轧制过程中,大量的冷却水会残留在中间坯表面,随着中间坯的运动,这些冷却水会在中间坯表面无序运动,会引起中间坯表面图像信息时刻变化,通过这些信息找到的特征点位置也会发生变化,使通过这些特征点找到的匹配信息失效。因此,通过寻找匹配特征点的图像拼接方法不适合热轧中间坯的图像拼接。
发明内容
本发明的目的就是克服现有技术的不足,提供了一种基于边缘轮廓的热轧中间坯平面图像拼接方法。热轧中间坯温度高,发射出大量可见光,与环境光差异巨大,因此可以准确的确定中间坯的平面边缘轮廓,本发明在利用板坯运动速度确定两幅中间坯图像沿长度方向的移动距离的基础上,通过中间坯边缘轮廓连续变化的原理,计算两幅中间坯图像的横向(沿宽度方向)平移量和整体旋转量,完成中间坯平面形状的拼接。所用算法考虑了生产过程中中间坯实际的运动情况,理论上计算精度高,计算量小,能够实现在线检测,为中间坯侧弯的在线检测提供了基础。
为实现上述目的,本发明一种基于边缘轮廓的热轧中间坯平面图像拼接方法,通过以下步骤实现:
步骤S1:获取中间坯平面图像;
步骤S2:利用CANNY算法提取单幅图像中间坯轮廓,并记录中间坯轮廓图像像素坐标(m,n),其中图像像素坐标系mon的原点为图像最左下角像素,m轴为图像宽度方向,正方向向右;n轴为图像高度方向,正方向向上,m、n分别是该像素在数组中的列数与行数;
步骤S3:随着中间坯沿长度方向运动,获取具有重叠部分的连续中间坯图像序列,并将第i张图像中中间坯轮廓点像素坐标(mi,ni)转化为实际坐标(xi,yi);
步骤S4:在线收集轧机工作辊半径R、转速ωroll和前滑值ε,计算第i次和第i+1次拍摄间隔Ti内中间坯运动的距离Si;
步骤S5:计算图像变换参数,获得中间坯在第i次和第i+1次之间沿宽度方向的平移量和整体旋转量,获取中间坯第i张和第i+1张图像的拼接图像,进而获得中间坯的完整平面拼接图像。
进一步的,所述步骤S1中中间坯平面图像由面阵CCD相机拍摄,所述面阵CCD相机安装于辊道中心上方,相机光轴与轧辊平面垂直。
进一步的,所述步骤S3中实际坐标(xi,yi)按以下公式求得:
其中k为实际平面尺寸与相机成像尺寸的比例,无单位;L为中间坯实际尺寸,单位mm;g为中间坯成像所占像素个数;dδ为一个像素代表的距离,单位mm;f为镜头焦距,单位mm;H为镜头中心到辊道平面的距离,单位mm;h为所测中间坯厚度,单位mm;i为连续中间坯图像序列的编号;(mi,ni)为第i幅图像中中间坯轮廓点像素坐标,mi,ni分别是该像素在数组中的列数与行数;(xi,yi)为中间坯轮廓点实际坐标,单位mm。
进一步的,所述步骤S4中中间坯运动距离Si按以下公式求得:
其中,Si为第i次和第i+1次拍摄间隔内中间坯移动的距离,单位mm;Ti为第i次和第i+1次拍摄间隔,单位s;R为工作辊半径,单位mm;ωroll为工作辊转动角速度,单位rad/s;ε为辊缝前滑值,无单位;dt为时间间隔,单位s。
进一步的,所述步骤S5具体包括如下分步骤:
(a)计算第i幅图像所有轮廓点纵坐标的平均值yimean,单位mm;
(b)将第i幅图像轮廓点纵坐标小于yimean的下边缘轮廓点标记为(xidown,yidown),其余上边缘轮廓点标记为(xiup,yiup),完成中间坯上下边缘轮廓的分类;
(c)使用第i+1幅图像轮廓点坐标重复步骤(a)-(b),获得第i+1幅图像下边缘轮廓点(x(i+1)down,y(i+1)down)和上边缘轮廓点(x(i+1)up,y(i+1)up);
(d)将第i+1次拍摄得到的中间坯下边缘轮廓点坐标,向x负方向移动Si,坐标(x(i+1)down,y(i+1)down)更新为并记录的最大值
(e)记录(xidown,yidown)中横坐标小于的点坐标,记录为并将其横坐标最小点坐标记录为
(f)遍历点当时,计算平移距离坐标更新为
(g)在和中横坐标大于的部分中寻找p个距离点距离相等的点,分别为和其中j=1,2….p,计算旋转角度Rotate_Angelidown,其中当时Rotate_Angelidown为正,反之为负:
其中,
(h)根据平移距离Si,Tran_Disidown和旋转角度Rotate_Angelidown,计算匹准之后的第i+1次测量的中间坯轮廓点坐标
(i)使用第i+1次测量的中间坯上边缘轮廓点坐标(x(i+1)up,y(i+1)up)重复步骤(d)到(h)可得匹准之后的第i+1次测量的中间坯轮廓坐标
(j)将两次计算得到的对应点坐标取平均值,可得
(k)重复步骤(a)到(b),完成上下边缘轮廓的分类,保留中间坯上下边缘轮廓点坐标中横坐标分别小于的点坐标,并和(xi,yi)组成拼接完成的中间坯轮廓坐标(xi+1,yi+1);
(l)将第i+2次拍摄得到的边缘轮廓坐标(xi+2,yi+2)与已经拼接完成的边缘轮廓坐标(xi+1,yi+1)重复步骤(a)到(k),完成拼接,直至所有拍摄的边缘轮廓全部拼接完成,得到中间坯全长的平面轮廓坐标。
本发明的有益效果在于:在通过本发明提供的方法得到连续拍摄中间坯平面形状边缘轮廓在拍摄范围内的实际坐标和两次拍摄间隔内中间坯沿长度方向平移的距离基础上,根据中间坯两侧边缘轮廓连续变化的原理,求得两次拍摄中间坯实际坐标沿板宽方向的平移量和整体的旋转量,完成图像的拼接,从而获取中间坯全长范围内的平面形状,为中间坯侧弯的精确控制提供了检测手段。与通过直接沿中间坯长度方向平移图像完成拼接的方法相比,本方法能够适应于中间坯在辊缝内出现跑偏以及轧制过程中出现侧弯的情况;与通过寻找相邻图像匹配特征点的拼接相比,本方法更适用于热轧中间坯这种表面图像几乎没有灰度变化信息,同时同一几何位置存在随时间变化的灰度信息的情况。本方法与其它图像拼接方法相比,具有计算速度快、更适用于热轧中间坯平面形状图像的拼接的特点,还因本方法考虑了实际轧制过程中经常出现的中间坯跑偏及侧弯等因素引起的图像横向偏移和整体旋转,而具有更高的拼接精度。
附图说明
图1所示为运动中间坯侧弯引起的相机视野内坐标系变化示意图。
图2所示分别为第i次、第i+1次拍摄中间坯边缘实际坐标示意图。
图3所示为中间坯上、下边缘分类结果图。
图4所示为中间坯下边缘横坐标平移Si结果图。
图5所示为中间坯下边缘纵坐标平移Tran_Disidown结果图。
图6所示为中间坯下边缘旋转角度计算示意图。
图7所示为第i幅、第i+1幅中间坯图像轮廓拼接效果图。
图8所示为本发明实施例一种基于边缘轮廓的热轧中间坯平面图像拼接方法的流程图。
具体实施方式
下文将结合具体附图详细描述本发明具体实施例。应当注意的是,下述实施例中描述的技术特征或者技术特征的组合不应当被认为是孤立的,它们可以被相互组合从而达到更好的技术效果。在下述实施例的附图中,各附图所出现的相同标号代表相同的特征或者部件,可应用于不同实施例中。
本发明提供一种基于边缘轮廓的热轧中间坯平面图像拼接方法,所述方法包括以下步骤:
步骤S1:获取中间坯平面图像;
在本实施例中,面阵CCD相机像素3376×2704,所选镜头焦距16mm,将面阵CCD相机安装于辊道中心上方2400mm处,相机光轴与轧辊平面垂直,根据小孔成像原理可知中间坯实际平面尺寸与相机成像尺寸存在确定的比例关系:
其中,k为实际平面尺寸与相机成像尺寸的比例,无单位;L为中间坯实际尺寸,单位mm;g为中间坯成像所占像素个数;dδ为一个像素代表的距离,单位mm;f为镜头焦距,单位mm;H为镜头中心到辊道平面的距离,单位mm;h为所测中间坯厚度,单位mm;
本实施例中,H=2400mm,h=18.75mm,f=16mm,当L=3000mm时,g=3376,由公式(1)计算可得:k=148.83,dδ=5.97×10-3mm;
步骤S2:利用CANNY算法提取单幅图像中间坯轮廓,并记录中间坯轮廓图像像素坐标(m,n),其中图像像素坐标系mon的原点为图像最左下角像素,m轴为图像宽度方向(正方向向右),n轴为图像高度方向(正方向向上),m、n分别是该像素在数组中的列数与行数;
步骤S3:随着中间坯沿长度方向运动,获取具有重叠部分的连续中间坯图像序列,并将第i张图像中中间坯轮廓点像素坐标(mi,ni)转化为实际坐标(xi,yi):
其中,i为连续中间坯图像序列的编号;(mi,ni)为第i幅图像中中间坯轮廓点像素坐标,分别是该像素在数组中的列数与行数;(xi,yi)为中间坯轮廓点实际坐标,单位mm;k为实际平面尺寸与相机成像尺寸的比例倍数,无单位;dδ为一个像素代表的距离,单位mm;
本实施例中,k=148.83,dδ=5.97×10-3mm,为了方便说明在本实施例中i取1,只介绍第1幅图像和第2幅图像的拼接过程,其他图像拼接过程与此一致,经公式(2)坐标转换,第i幅图像和第i+1幅图像的中间坯实际轮廓如图2中的1、2所示;
步骤S4:在线收集轧机工作辊半径R、转速ωroll和前滑值ε,计算第i次和第i+1次拍摄间隔Ti内中间坯运动的距离Si:
其中,Si为第i次和第i+1次拍摄间隔内中间坯移动的距离,单位mm;Ti为第i次和第i+1次拍摄间隔,单位s;R为工作辊半径,单位mm;ωroll为工作辊转动角速度,单位rad/s;ε为辊缝前滑值,无单位;dt为时间间隔,单位s;在本实施例中,经公式(3)计算Si=2010.53mm;
步骤S5:计算图像变换参数,获得中间坯在第i次和第i+1次之间沿宽度方向的平移量和整体旋转量,获取中间坯第i张和第i+1张图像的拼接图像,进而获得中间坯的完整平面拼接图像,具体分步骤为:
(a)计算第i幅图像所有轮廓点纵坐标的平均值yimean,单位mm;在本实施例中,yimean=1086.67mm,y(i+1)mean=957.02mm;
(b)将第i幅图像轮廓点纵坐标小于yimean的下边缘轮廓点标记为(xidown,yidown),其余上边缘轮廓点标记为(xiup,yiup),完成中间坯上下边缘轮廓的分类;
(c)使用第i+1幅图像轮廓点坐标重复步骤(a)-(b),获得第i+1幅图像下边缘轮廓点(x(i+1)down,y(i+1)down)和上边缘轮廓点(x(i+1)up,y(i+1)up);本实施例中,上、下边缘分类结果如图3所示,其中3、4分别为第i次拍摄中间坯上、下边缘,5、6分别为第i+1次拍摄中间坯上、下边缘;
(d)将第i+1次拍摄得到的中间坯下边缘轮廓点坐标,向x负方向移动Si,坐标(x(i+1)down,y(i+1)down)更新为并记录的最大值
在本实施例中,i+1次测量下边界平移结果如图4中的7所示;
(e)记录(xidown,yidown)中横坐标小于的点坐标,记录为并将其横坐标最小点坐标记录为
在本实施例中,为(0,408.13)单位mm,如图4中的8所示,如图4中的9所示;
(f)遍历点当时,计算平移距离坐标更新为
在本实施例中,Tran_Disidown=96.66mm,i+1次测量下边界平移结果如图5中的10所示;
(g)在和中横坐标大于的部分中寻找p个距离点距离相等的点,分别为和其中j=1,2….p,计算旋转角度Rotate_Angelidown,其中当时Rotate_Angelidown为正,反之为负:
其中,
在本实施例中,p取8,距点的距离分别为:92.64mm,173.90mm,255.09mm,336.28mm,417.48mm,498.65mm,579.84mm,661.03mm,对应点的位置如图6中的小圆圈和小三角形表示;计算的8个角度分别为10.72°,10.94°,10.81°,10.76°,10.74°,10.73°,10.73°,10.74°;通过公式(6)计算Rotate_Angelidown=+10.77°;
(h)根据平移距离Si,Tran_Disidown和旋转角度Rotate_Angelidown,计算匹准之后的第i+1次测量的中间坯轮廓点坐标
在本实施例中,Si=2010.53mm,Tran_Disidown=96.66mm,Rotate_Angelidown=+10.77°;
(i)使用第i+1次测量的中间坯上边缘轮廓点坐标(x(i+1)up,y(i+1)up)重复步骤(d)到(h)可得匹准之后的第i+1次测量的中间坯轮廓坐标
(j)将两次计算得到的对应点坐标取平均值,可得
(k)重复步骤(a)到(b),完成上下边缘轮廓的分类,保留中间坯上下边缘轮廓点坐标中横坐标分别小于的点坐标,并和(xi,yi)组成拼接完成的中间坯轮廓坐标(xi+1,yi+1);
在本实施例中,图7为第i幅图像和第i+1幅图像的中间坯实际轮廓拼接效果图,拼接完成的中间坯轮廓13与实际测量的中间坯边缘轮廓14几乎完全重合,两者误差很小,证明本方法满足工业现场测量精度;
(l)将第i+2次拍摄得到的边缘轮廓坐标(xi+2,yi+2)与已经拼接完成的边缘轮廓坐标(xi+1,yi+1)重复步骤(a)到(k),完成拼接,直至所有拍摄的边缘轮廓全部拼接完成,得到中间坯全长的平面轮廓坐标。
综合上述说明,可以归纳得出本发明在实际使用中的具体工作流程图如图8所示。
本发明的有益效果在于:在通过本发明提供的方法得到连续拍摄中间坯平面形状边缘轮廓在拍摄范围内的实际坐标和两次拍摄间隔内中间坯沿长度方向平移的距离基础上,根据中间坯两侧边缘轮廓连续变化的原理,求得两次拍摄中间坯实际坐标沿板宽方向的平移量和整体的旋转量,完成图像的拼接,从而获取中间坯全长范围内的平面形状,为中间坯侧弯的精确控制提供了检测手段。与通过直接沿中间坯长度方向平移图像完成拼接的方法相比,本方法能够适应于中间坯在辊缝内出现跑偏以及轧制过程中出现侧弯的情况;与通过寻找相邻图像匹配特征点的拼接相比,本方法更适用于热轧中间坯这种表面图像几乎没有灰度变化信息,同时同一几何位置存在随时间变化的灰度信息的情况。本方法与其它图像拼接方法相比,具有计算速度快、更适用于热轧中间坯平面形状图像的拼接的特点,还因本方法考虑了实际轧制过程中经常出现的中间坯跑偏及侧弯等因素引起的图像横向偏移和整体旋转,而具有更高的拼接精度。
本文虽然已经给出了本发明的一个实施例,但是本领域的技术人员应当理解,在不脱离本发明精神的情况下,可以对本文的实施例进行改变。上述实施例只是示例性的,不应以本文的实施例作为本发明权利范围的限定。
Claims (3)
1.一种基于边缘轮廓的热轧中间坯平面图像拼接方法,其特征在于,包括以下步骤:
步骤S1:获取中间坯平面图像;
步骤S2:利用CANNY算法提取单幅图像中间坯轮廓,并记录中间坯轮廓图像像素坐标(m,n),其中图像像素坐标系mon的原点为图像最左下角像素,m轴为图像宽度方向,正方向向右;n轴为图像高度方向,正方向向上,m、n分别是该像素在数组中的列数与行数;
步骤S3:随着中间坯沿长度方向运动,获取具有重叠部分的连续中间坯图像序列,并将第i张图像中中间坯轮廓点像素坐标(mi,ni)转化为实际坐标(xi,yi);
步骤S4:在线收集轧机工作辊半径R、转速ωroll和前滑值ε,计算第i次和第i+1次拍摄间隔Ti内中间坯运动的距离Si;
步骤S5:计算图像变换参数,获得中间坯在第i次和第i+1次之间沿宽度方向的平移量和整体旋转量,获取中间坯第i张和第i+1张图像的拼接图像,进而获得中间坯的完整平面拼接图像;
所述步骤S3中实际坐标(xi,yi)按以下公式求得:
其中k为实际平面尺寸与相机成像尺寸的比例,无单位;L为中间坯实际尺寸,单位mm;g为中间坯成像所占像素个数;dδ为一个像素代表的距离,单位mm;f为镜头焦距,单位mm;H为镜头中心到辊道平面的距离,单位mm;h为所测中间坯厚度,单位mm;i为连续中间坯图像序列的编号;(mi,ni)为第i幅图像中中间坯轮廓点像素坐标,mi,ni分别是该像素在数组中的列数与行数;(xi,yi)为中间坯轮廓点实际坐标,单位mm;
所述步骤S4中中间坯运动距离Si按以下公式求得:
其中,Si为第i次和第i+1次拍摄间隔内中间坯移动的距离,单位mm;Ti为第i次和第i+1次拍摄间隔,单位s;R为工作辊半径,单位mm;ωroll为工作辊转动角速度,单位rad/s;ε为辊缝前滑值,无单位;dt为时间间隔,单位s。
2.如权利要求1所述的平面图像拼接方法,其特征在于,所述步骤S1中中间坯平面图像由面阵CCD相机拍摄,所述面阵CCD相机安装于辊道中心上方,相机光轴与轧辊平面垂直。
3.如权利要求1或2所述的平面图像拼接方法,其特征在于,所述步骤S5具体包括如下分步骤:
(a)计算第i幅图像所有轮廓点纵坐标的平均值yimean,单位mm;
(b)将第i幅图像轮廓点纵坐标小于yimean的下边缘轮廓点标记为(xidown,yidown),其余上边缘轮廓点标记为(xiup,yiup),完成中间坯上下边缘轮廓的分类;
(c)使用第i+1幅图像轮廓点坐标重复步骤(a)-(b),获得第i+1幅图像下边缘轮廓点(x(i+1)down,y(i+1)down)和上边缘轮廓点(x(i+1)up,y(i+1)up);
(d)将第i+1次拍摄得到的中间坯下边缘轮廓点坐标,向x负方向移动Si,坐标(x(i+1)down,y(i+1)down)更新为并记录的最大值
(e)记录(xidown,yidown)中横坐标小于的点坐标,记录为并将其横坐标最小点坐标记录为
(f)遍历点当时,计算平移距离坐标更新为
(g)在和中横坐标大于的部分中寻找p个距离点距离相等的点,分别为和其中j=1,2….p,计算旋转角度Rotate_Angelidown,其中当时Rotate_Angelidown为正,反之为负:
其中,
(h)根据平移距离Si,Tran_Disidown和旋转角度Rotate_Angelidown,计算匹准之后的第i+1次测量的中间坯轮廓点坐标
(i)使用第i+1次测量的中间坯上边缘轮廓点坐标(x(i+1)up,y(i+1)up)重复步骤(d)到(h)可得匹准之后的第i+1次测量的中间坯轮廓坐标
(j)将两次计算得到的对应点坐标取平均值,可得
(k)重复步骤(a)到(b),完成上下边缘轮廓的分类,保留中间坯上下边缘轮廓点坐标中横坐标分别小于的点坐标,并和(xi,yi)组成拼接完成的中间坯轮廓坐标(xi+1,yi+1);
(l)将第i+2次拍摄得到的边缘轮廓坐标(xi+2,yi+2)与已经拼接完成的边缘轮廓坐标(xi+1,yi+1)重复步骤(a)到(k),完成拼接,直至所有拍摄的边缘轮廓全部拼接完成,得到中间坯全长的平面轮廓坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510755361.1A CN105447817B (zh) | 2015-11-09 | 2015-11-09 | 一种基于边缘轮廓的热轧中间坯平面图像拼接方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510755361.1A CN105447817B (zh) | 2015-11-09 | 2015-11-09 | 一种基于边缘轮廓的热轧中间坯平面图像拼接方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105447817A CN105447817A (zh) | 2016-03-30 |
CN105447817B true CN105447817B (zh) | 2018-11-09 |
Family
ID=55557951
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510755361.1A Active CN105447817B (zh) | 2015-11-09 | 2015-11-09 | 一种基于边缘轮廓的热轧中间坯平面图像拼接方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105447817B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108537730B (zh) * | 2018-03-27 | 2021-10-22 | 宁波江丰生物信息技术有限公司 | 一种图像拼接方法 |
CN109604719B (zh) * | 2018-12-04 | 2020-06-02 | 包头钢铁(集团)有限责任公司 | 一种镰刀弯钢板切割方法 |
CN110503622B (zh) * | 2019-08-23 | 2022-07-01 | 上海圭目机器人有限公司 | 基于定位数据的图像全局定位优化拼接方法 |
CN112683790A (zh) * | 2019-10-17 | 2021-04-20 | 神讯电脑(昆山)有限公司 | 物件表面可能缺陷的影像检测扫描方法及其系统 |
CN111161151A (zh) * | 2019-12-30 | 2020-05-15 | 广东利元亨智能装备股份有限公司 | 图像拼接方法、装置、机器人和存储介质 |
CN112986277B (zh) * | 2021-04-01 | 2022-04-19 | 北京科技大学设计研究院有限公司 | 一种热轧带钢精轧辊印的检测方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4481534A (en) * | 1981-04-29 | 1984-11-06 | Mitsubishi Denki Kabushiki Kaisha | Configuration detecting device |
CN101221040B (zh) * | 2007-01-11 | 2010-07-21 | 宝山钢铁股份有限公司 | 钢板板坯尺寸测量方法及装置 |
CN102679915A (zh) * | 2012-05-24 | 2012-09-19 | 河北工业大学 | 基于光学测量的连续传送长物体体积重量测量方法及系统 |
CN103084411B (zh) * | 2013-01-06 | 2015-08-05 | 北京中远通科技有限公司 | 一种实现中间坯头尾剪切控制的方法及系统 |
CN103267764B (zh) * | 2013-05-30 | 2015-06-17 | 东北大学 | 基于邻域信息评估的热轧钢板表面缺陷图像识别方法 |
CN103962394B (zh) * | 2014-06-10 | 2015-09-23 | 河北钢铁股份有限公司 | 一种热轧机轧辊轧制方向偏移量的在线检测方法 |
-
2015
- 2015-11-09 CN CN201510755361.1A patent/CN105447817B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN105447817A (zh) | 2016-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105447817B (zh) | 一种基于边缘轮廓的热轧中间坯平面图像拼接方法 | |
CN103411553B (zh) | 多线结构光视觉传感器的快速标定方法 | |
CN104484648B (zh) | 基于轮廓识别的机器人可变视角障碍物检测方法 | |
CN104930985B (zh) | 基于时空约束的双目视觉三维形貌测量方法 | |
CN101887586B (zh) | 基于图像轮廓尖锐度的自适应角点检测方法 | |
CN106529587B (zh) | 基于目标点识别的视觉航向识别方法 | |
CN103324936B (zh) | 一种基于多传感器融合的车辆下边界检测方法 | |
CN100562707C (zh) | 双目视觉转轴标定方法 | |
CN106643549B (zh) | 一种基于机器视觉的瓷砖尺寸检测方法 | |
CN107121109A (zh) | 一种基于前镀膜平面镜的结构光参数标定装置及方法 | |
CN106651752A (zh) | 三维点云数据配准方法及拼接方法 | |
CN106295512A (zh) | 基于标识的多纠正线室内视觉数据库构建方法以及室内定位方法 | |
CN102446355B (zh) | 一种基于双视场的无标定平面突起目标检测方法 | |
CN103234475B (zh) | 一种基于激光三角测量法的亚像素表面形态检测方法 | |
CN102129704A (zh) | 一种基于surf操作数的显微镜图像拼接方法 | |
CN107677274A (zh) | 基于双目视觉的无人机自主着陆导航信息实时解算方法 | |
CN110889829A (zh) | 一种基于鱼眼镜头的单目测距方法 | |
CN102927917A (zh) | 多目铁塔视觉测量方法 | |
CN107103056A (zh) | 一种基于局部标识的双目视觉室内定位数据库建立方法及定位方法 | |
CN106770296B (zh) | 一种四球摩擦试验磨斑图像磨痕方向角自动测定方法 | |
CN107358628A (zh) | 基于靶标的线阵图像处理方法 | |
CN107610086A (zh) | 一种基于仿生复眼结构的工业并联机器人快速视觉检测算法 | |
CN108036791A (zh) | 一种部件间高精度自动对接的位姿检测方法 | |
CN104156977B (zh) | 基于多线列时差扫描扩展采样的点目标运动速度探测方法 | |
CN105115443B (zh) | 基于视觉测量技术的水平全视角高精度三维测量方法 |
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 |