CN109977954A - 电动汽车充电接口的识别及定位方法及系统 - Google Patents
电动汽车充电接口的识别及定位方法及系统 Download PDFInfo
- Publication number
- CN109977954A CN109977954A CN201910257875.2A CN201910257875A CN109977954A CN 109977954 A CN109977954 A CN 109977954A CN 201910257875 A CN201910257875 A CN 201910257875A CN 109977954 A CN109977954 A CN 109977954A
- Authority
- CN
- China
- Prior art keywords
- profile
- gray level
- coordinate
- identification
- image
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/245—Aligning, centring, orientation detection or correction of the image by locating a pattern; Special marks for positioning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种电动汽车充电接口的识别及定位方法及系统,包括:获取不同角度的充电接口的至少两张灰度图像;对每张灰度图像进行图像识别,以获得每张灰度图像中所述充电接口的轮廓坐标;根据所述轮廓坐标,确定所述充电接口的位置。本发明在基于图像识别技术的基础上,实现电动汽车的充电接口的准确识别及定位,在无需人工改造充电接口的情况下,即能提高充电接口与充电插头自动对接的准确度及效率,进而使得电动汽车的充电效率更高,用户体验更佳。
Description
技术领域
本发明涉及充电技术领域,特别涉及一种电动汽车充电接口的识别及定位方法及系统。
背景技术
在能源制约、环境污染等大背景下,国家将发展新能源作为改善环境、节约成本的重要举措。其中,电动汽车行业在不断努力下,近几年展现出良好的发展势头。为了节约人力成本,当电动汽车停泊至预设的车位范围内时,通过引导机械臂携带充电插头,实现电动汽车的自动充电。传统的自动充电过程中,一般在汽车充电口处贴标记点贴片或者在汽车充电口附近粘贴二维码,通过扫码的方式识别及定位电动汽车的充电接口,进而进行充电。
传统充电接口识别及定位方法需要对汽车的充电口位置进行局部改造,人为增添标记点,视觉识别系统的适应性及鲁棒性不强,对未经处理改造的车型,视觉系统无法正常识别;传统测量充电口深度信息时多配备其他测量工具,如激光测距仪等,这会增加充电机器人整体系统操作的复杂性及并且缺乏可靠性。
发明内容
本发明要解决的技术问题是为了克服现有技术中需要对电动汽车充电接口进行局部改造,使得视觉识别系统的适应性不强的缺陷,提供一种电动汽车充电接口的识别及定位方法及系统。
本发明是通过下述技术方案来解决上述技术问题:
本发明提供了一种电动汽车充电接口的识别及定位方法,包括:
获取充电接口的至少两张灰度图像;
对每张灰度图像进行图像识别,以获得每张灰度图像中所述充电接口的轮廓坐标;
根据所述轮廓坐标,确定所述充电接口的位置坐标数据。
本发明中,既可以直接利用灰度相机获取所述灰度图像,也可以先利用彩色相机获取彩色图像,再经过处理将所述彩色照片转换为所述灰度图像。
较佳地,对每张灰度图像进行图像识别的步骤,具体包括:
通过自适应阈值分割算法处理所述灰度图像以获得充电接口的第一轮廓图像;
对所述第一轮廓图像进行膨胀运算以获得第二轮廓图像,对所述第一轮廓图像进行腐蚀运算以获得第三轮廓图像;
计算所述第二轮廓图像与所述第三轮廓图像的位置坐标差值,并根据所述位置坐标差值获得所述充电接口的轮廓坐标。
较佳地,根据所述位置坐标差值获得所述充电接口的轮廓坐标的步骤后还包括:
通过Canny算子对所述轮廓坐标进行边界提取。
较佳地,通过Canny算子对所述轮廓坐标进行边界提取的步骤后还包括:
对经过边界提取的轮廓坐标进行离散处理以获得离散的轮廓坐标;
根据所述轮廓坐标,确定所述充电接口的位置坐标数据的步骤,具体包括:
根据所述离散的轮廓坐标,确定所述充电接口的位置坐标数据。
较佳地,通过自适应阈值分割技术处理所述灰度图像以获得充电接口处的第一轮廓图像的步骤之前,还包括:
对所述灰度图像进行均值滤波处理以得到滤波灰度图像;
将所述灰度图像中每个像素的像素值减去所述滤波灰度图像中对应位置的像素的像素值以得到像素差值,对所述像素差值大于像素阈值的像素进行自适应阈值分割算法处理。
其中,通过尺寸较大的掩膜对所述灰度图像进行均值滤波处理。
较佳地,采用双目相机获取不同角度的充电接口的两张灰度图像;
根据所述轮廓坐标,确定所述充电接口的位置坐标数据的步骤具体包括:
根据所述轮廓坐标并基于双目视觉算法计算所述充电接口的深度信息;
所述位置数据包括所述深度信息。
其中,所述深度信息可以通过下述步骤计算得出:
分别标定所述双目相机中的左相机和右相机以获得相机的内参参数;
同时标定所述双目相机以获得所述双目相机的外参参数;
根据所述内参参数及所述外参参数,通过视差图算法计算所述深度信息。
较佳地,根据所述轮廓坐标并基于双目视觉算法计算所述电接口的深度信息的步骤之前还包括:
对两张灰度图像中的轮廓坐标进行极线校正;
建立经过极线校正的两张灰度图像的轮廓坐标的对应关系,并删除无法建立对应关系的轮廓坐标。
较佳地,所述识别及定位方法还包括:
任选所述灰度图像中的三个轮廓坐标,根据所述三个轮廓坐标确定所述充电接口的姿态信息和/或圆心坐标;
所述位置坐标数据还包括所述姿态信息和圆心坐标。
较佳地,所述识别及定位方法还包括:
根据深度信息、姿态信息和圆心坐标控制充电插头与所述充电接口对接。
其中,根据所述三个轮廓坐标获得所述三个坐标构成的平面单位法向量,所述平面单位法向量即为所述姿态信息;
根据所述平面单位法向量引导充电插头转换角度以使所述充电插头的轴线与所述充电接口的轴线平行;
根据所述圆心坐标及所述深度信息控制所述充电插头与所述充电接口对接。
本发明还提供了一种电动汽车充电接口的识别及定位系统,包括:
图像获取单元:用于获取不同角度的充电接口的至少两张灰度图像;
图像识别单元,用于对每张灰度图像进行图像识别,以获得每张灰度图像中所述充电接口的轮廓坐标;
第一位置确定单元,用于根据所述轮廓坐标,确定所述充电接口的位置坐标数据。
本发明中,既可以直接利用灰度相机获取所述灰度图像,也可以先利用彩色相机获取彩色图像,再经过处理将所述彩色照片转换为所述灰度图像。
较佳地,所述图像识别模块包括:
第一轮廓图像获取模块,用于通过自适应阈值分割算法处理所述灰度图像以获得充电接口的第一轮廓图像;
第二轮廓图像获取模块,用于对所述第一轮廓图像进行膨胀运算以获得第二轮廓图像,对所述第一轮廓图像进行腐蚀运算以获得第三轮廓图像;
第一计算模块,用于计算所述第二轮廓图像与所述第三轮廓图像的位置坐标差值,并根据所述位置坐标差值获得所述充电接口的轮廓坐标。
较佳地,所述识别及定位系统还包括:
边界提取模块,用于通过Canny算子对所述轮廓坐标进行边界提取。
较佳地,所述识别及定位系统还包括:
离散处理模块,用于对经过边界提取的轮廓坐标进行离散处理以获得离散的轮廓坐标,并调用所述第一位置确定模块。
较佳地,所述识别及定位系统还包括:
均值滤波处理模块,用于对所述灰度图像进行均值滤波处理以得到滤波灰度图像;
第二计算模块,用于将所述灰度图像中每个像素的像素值减去所述滤波灰度图像中对应位置的像素的像素值以得到像素差值,并调用所述第一轮廓图像获取单元。
其中,通过尺寸较大的掩膜对所述灰度图像进行均值滤波处理。
较佳地,所述图像获取模块包括双目相机,所述双目相机用于获取充电接口的两张灰度图像;其中,根据所述轮廓坐标,确定所述充电接口的位置坐标数据的步骤具体包括:
根据所述轮廓坐标并基于双目视觉算法计算所述充电接口的深度信息;
所述第一位置确定模块具体包括:
第三计算单元,用于根据所述轮廓坐标并基于双目视觉算法计算所述充电接口的深度信息;
所述位置数据包括所述深度信息。
其中,所述深度信息可以通过下述步骤计算得出:
分别标定所述双目相机中的左相机和右相机以获得相机的内参参数;
同时标定所述双目相机以获得所述双目相机的外参参数;
根据所述内参参数及所述外参参数,通过视差图算法计算所述深度信息。
较佳地,所述识别及定位系统还包括:
极线校正模块,用于对两张灰度图像中的轮廓坐标进行极线校正;
删除模块,用于建立经过极线校正的两张灰度图像的轮廓坐标的对应关系,并删除无法建立对应关系的轮廓坐标,然后调用所述第三计算单元模块。
较佳地,所述识别及定位系统还包括:
第二位置确定模块,用于任选所述灰度图像中的三个轮廓坐标,根据所述三个轮廓坐标确定所述充电接口的姿态信息和/或圆心坐标;
所述位置坐标数据还包括所述姿态信息和圆心坐标。
较佳地,所述识别及定位系统还包括:
对接模块,用于根据深度信息、姿态信息和圆心坐标控制充电插头与所述充电接口对接。
其中,根据所述三个轮廓坐标获得所述三个坐标构成的平面单位法向量,所述平面单位法向量即为所述姿态信息;
根据所述平面单位法向量引导充电插头转换角度以使所述充电插头的轴线与所述充电接口的轴线平行;
根据所述圆心坐标及所述深度信息控制所述充电插头与所述充电接口对接。
本发明的积极进步效果在于:本发明基于图像识别技术实现电动汽车的充电接口的准确识别及定位,在无需人工改造充电接口的情况下,即能提高充电接口与充电插头自动对接的准确度及效率,进而使得电动汽车的充电效率更高,用户体验更佳。
附图说明
图1为实施例1的电动汽车充电接口的识别及定位方法的流程图。
图2为实施例2的电动汽车充电接口的识别及定位方法的流程图。
图3为实施例2的电动汽车充电接口的识别及定位方法的部分流程图。
图4为实施例2的电动汽车充电接口的识别及定位方法的部分流程图。
图5为实施例2的电动汽车充电接口的识别及定位方法的部分流程图。
图6为实施例2的电动汽车充电接口的识别及定位方法的部分流程图。
图7为实施例3的电动汽车充电接口的识别及定位系统的模块示意图。
图8为实施例4的电动汽车充电接口的识别及定位系统的模块示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明,但并不因此将本发明限制在所述的实施例范围之中。
实施例1
如图1所示,本实施例提供了一种电动汽车充电接口的识别及定位方法,包括:
步骤S11、获取不同角度的充电接口的至少两张灰度图像;
步骤S12、对每张灰度图像进行图像识别,以获得每张灰度图像中所述充电接口的轮廓坐标;
步骤S13、根据所述轮廓坐标,确定所述充电接口的位置坐标数据。
其中,既可以直接利用灰度相机获取所述灰度图像,也可以先利用彩色相机获取彩色图像,再经过处理将所述彩色照片转换为所述灰度图像,具体灰度图像的获取方法需要根据实际情况进行选择。
其中,所述位置数据包括所述充电接口的深度信息、姿态信息及圆心坐标信息。
其中,在步骤S13中,通过三角测量法以确定所述充电接口的位置坐标数据。
本实施例中,通过对充电接口灰度图像的识别,从而获得充电接口的位置坐标数据,引导充电插头与充电接口连接完成对电动汽车的自动充电过程,从而在无需人工操作的情况下,使充电接口的识别效率更高。
实施例2
如图2所示,本实施例提供了一种电动汽车充电接口的识别及定位方法,包括:
步骤S21、获取不同角度的充电接口的至少两张灰度图像;
步骤S22、通过自适应阈值分割算法处理所述灰度图像以获得充电接口的第一轮廓图像;
步骤S23、对所述第一轮廓图像进行膨胀运算以获得第二轮廓图像,对所述第一轮廓图像进行腐蚀运算以获得第三轮廓图像;
步骤S24、计算所述第二轮廓图像与所述第三轮廓图像的位置坐标差值,并根据所述位置坐标差值获得所述充电接口的轮廓坐标。
需要说明的是,针对每张灰度图像,均会获得一组表征充电接口在图像中的位置的轮廓坐标。
其中,在获得所述充电接口的轮廓坐标后,还需要对所述轮廓坐标的像素进行提取。
步骤S25、根据所述轮廓坐标,确定所述充电接口的位置坐标数据。
本实施例中,通过使用自适应阈值分割算法,膨胀运算及腐蚀运算可以获得所述充电接口的轮廓坐标,实现充电插头的自动识别及定位功能。
为了获得精确度更高的轮廓坐标,同时减小计算量,如图3所示,步骤S24之后还包括:
步骤S241、通过Canny算子对步骤S24获得的所述轮廓坐标进行边界提取;
其中,Canny算子的参数包括:充电接口的轮廓坐标以及该轮廓坐标的像素。
步骤S242、对经过边界提取的轮廓坐标进行离散处理以获得离散的轮廓坐标。
步骤S25中,则根据经过离散处理后获得的轮廓坐标确定充电接口的位置坐标数据。
其中,通过Canny算子对所述轮廓坐标进行边界提取的具体步骤包括:
对步骤S24获得的轮廓坐标所述轮廓坐标进行高斯平滑以减少噪音;
计算梯度大小及梯度方向以产生包含图像边缘强度的矩阵及像素边缘走向的矩阵;
剔除非局部最大值点以得到可能边缘点;
使用双门限的方法以提取所述轮廓坐标的边界。
本实施例中,通过离散处理获得的离散轮廓坐标,可以更便捷、更精确地识别及定位至充电接口处。
为了获得高对比度的灰度图像,实现更精确的图像分割技术,如图4所示,本实施例中,通过自适应阈值分割技术处理所述灰度图像以获得充电接口处的第一轮廓图像的步骤之前还包括:
步骤S221、对所述灰度图像进行均值滤波处理以得到滤波灰度图像;
步骤S222、将所述灰度图像中每个像素的像素值减去所述滤波灰度图像中对应位置的像素的像素值。
步骤22中,则对灰度图像中像素差值大于像素阈值的像素进行自适应阈值分割算法处理。
其中,通过尺寸较大的掩膜对所述灰度图像进行均值滤波处理。像素阈值的大小可根据实际需求自行设置。
本实施例中,优选使用双目相机获得灰度图像,通过双目相机可以获取不同角度的充电接口的两张灰度图像,但该灰度图像不限于通过双目相机获取,实际中,也可以通过其它方式的相机获取所述灰度图像,其中,既可以直接利用灰度相机获取所述灰度图像,也可以先利用彩色相机获取彩色图像,再经过处理将所述彩色照片转换为所述灰度图像,具体灰度图像的获取方法需要根据实际情况进行选择。以下以采用双目相机获取灰度图像为例,对利用上述步骤确定两张灰度图像中的充电接口的轮廓坐标后,如何确定充电接口的空间位置数据的过程作进一步说明,如图5所示,本实施例中电动汽车充电接口的识别及定位方法还包括步骤:
S251、对两张灰度图像中的轮廓坐标进行极线校正;
S252、建立经过极线校正的两张灰度图像的轮廓坐标的对应关系,并删除无法建立对应关系的轮廓坐标;
S253、根据所述轮廓坐标并基于双目视觉算法计算所述充电接口的深度信息。
步骤S253中,从两张灰度图像中任选一张经过S252处理的灰度图像,计算深度信息。
其中,可以通过以下方式实现所述极线校正的步骤:
通过相机标定计算所述双目相机的参数,所述参数包括内参参数、外参参数、畸变系数、基础矩阵等;
具体包括将双目相机获取的灰度图像进行畸变矫正,由基础矩阵进行图像极线矫正,可通过检测双目相机获取的两张图像中相同位置像素构成的连线是否平行进行极线验证。
本实施例中,通过极线校正及对无法建立对应关系的轮廓坐标的删除,使转换后的图像中各条极线保持水平关系,使识别及定位结果更加准确,也可以减少识别及定位过程中的计算量。
如图6所示,本实施例中,所述识别及定位方法还包括:
步骤254、任选所述灰度图像中的三个轮廓坐标,根据所述三个轮廓坐标确定所述充电接口的姿态信息和/或圆心坐标;
步骤254中,从两张灰度图像中任选一张经过S252处理的灰度图像,计算姿态信息和圆心坐标。
步骤255、根据深度信息、姿态信息和圆心坐标控制充电插头与所述充电接口对接。
本实施例中,通过三角测量来计算充电接口的姿态信息及圆心坐标。其中,根据所述三个轮廓坐标获得所述三个坐标构成的平面单位法向量,所述平面单位法向量即为所述姿态信息;根据所述平面单位法向量引导充电插头转换角度以使所述充电插头的轴线与所述充电接口的轴线平行;根据所述圆心坐标及所述深度信息控制所述充电插头与所述充电接口对接。
通过以上步骤可以获得充电接口精确的位置坐标,通过所述位置坐标可以引导充电插头快速与充电接口精确对接以完成自动插接工作。
实施例3
如图7所示,本实施例提供了一种电动汽车充电接口的识别及定位系统,包括:
图像获取模块11,用于获取不同角度的充电接口的至少两张灰度图像;
图像识别模块12,用于对每张灰度图像进行图像识别,以获得每张灰度图像中所述充电接口的轮廓坐标;
第一位置确定模块13,用于根据所述轮廓坐标,确定所述充电接口的位置坐标数据。
其中,既可以直接利用灰度相机获取所述灰度图像,也可以先利用彩色相机获取彩色图像,再经过处理将所述彩色照片转换为所述灰度图像,具体灰度图像的获取方法需要根据实际情况进行选择。
其中,所述位置数据包括所述充电接口的深度信息、姿态信息及圆心坐标信息。
其中,第一位置确定模块通过三角测量法以确定所述充电接口的位置坐标数据。
本实施例中,通过对充电接口灰度图像的识别,从而获得充电接口的位置坐标数据,引导充电插头与充电接口连接完成对电动汽车的自动充电过程,从而在无需人工操作的情况下,使充电接口的识别效率更高。
实施例4
如图8所示,本实施例提供了一种电动汽车充电接口的识别及定位系统,包括:图像获取模块21、图像识别模块22、边界提取模块23、离散处理模块24、均值滤波处理模块25、第二计算模块26、第一位置确定模块27、极线校正模块28、删除模块29、第二位置确定模块30及对接模块31。
图像获取模块21,用于获取不同角度的充电接口的至少两张灰度图像。
图像识别模块22,用于对每张灰度图像进行图像识别,以获得每张灰度图像中所述充电接口的轮廓坐标。
第一位置确定模块27,用于根据所述轮廓坐标,确定所述充电接口的位置坐标数据。
其中,图像识别模块22具体包括:
第一轮廓图像获取单元221,用于通过自适应阈值分割算法处理所述灰度图像以获得充电接口的第一轮廓图像;
第二轮廓图像获取单元222,用于对所述第一轮廓图像进行膨胀运算以获得第二轮廓图像,对所述第一轮廓图像进行腐蚀运算以获得第三轮廓图像;
第一计算单元223,用于计算所述第二轮廓图像与所述第三轮廓图像的位置坐标差值,并根据所述位置坐标差值获得所述充电接口的轮廓坐标。
需要说明的是,针对每张灰度图像,均会获得一组表征充电接口在图像中的位置的轮廓坐标。
其中,第一计算单元223还用于在获得所述充电接口的轮廓坐标后,提取所述轮廓坐标的像素。
本实施例中,通过使用自适应阈值分割算法,膨胀运算及腐蚀运算可以获得所述充电接口的轮廓坐标,实现充电插头的自动识别及定位功能。
为了获得精确度更高的轮廓坐标,同时减小计算量,通过边界提取模块23以通过Canny算子对所述轮廓坐标进行边界提取。
其中,Canny算子的参数包括:充电接口的轮廓坐标以及该轮廓坐标的像素。
本实施例中,离散处理模块24,用于对经过边界提取的轮廓坐标进行离散处理以获得离散的轮廓坐标,并调用所述第一位置确定模块。
第一位置确定模块27则用于根据经过离散处理后获得的轮廓坐标确定充电接口的位置坐标数据。
其中,边界提取模块23具体包括:
噪音减少单元,用于对图像识别模块22获得的轮廓坐标所述轮廓坐标进行高斯平滑以减少噪音;
梯度计算单元,用于计算梯度大小及梯度方向以产生包含图像边缘强度的矩阵及像素边缘走向的矩阵;
剔除单元,用于剔除非局部最大值点以得到可能边缘点;
边界获取单元,用于使用双门限的方法以提取所述轮廓坐标的边界。
本实施例中,通过离散处理获得的离散轮廓坐标,可以更便捷、更精确地识别及定位至充电接口处。
为了获得高对比度的灰度图像,实现更精确的图像分割技术,本实施例通过均值滤波处理模块25对所述灰度图像进行均值滤波处理以得到滤波灰度图像;通过第二计算模块26将所述灰度图像中每个像素的像素值减去所述滤波灰度图像中对应位置的像素值以得到像素差值,并调用所述第一轮廓图像获取单元221;
在图像识别模块22中,则对灰度图像中像素差值大于像素阈值的像素进行自适应阈值分割算法处理。其中,通过尺寸较大的掩膜对所述灰度图像进行均值滤波处理。像素阈值的大小可根据实际需求自行设置。
本实施例中,优选使用双目相机获得灰度图像,通过双目相机可以获取不同角度的充电接口的两张灰度图像,但该灰度图像不限于通过双目相机获取,实际中,也可以通过其它方式的相机获取所述灰度图像,其中,既可以直接利用灰度相机获取所述灰度图像,也可以先利用彩色相机获取彩色图像,再经过处理将所述彩色照片转换为所述灰度图像,具体灰度图像的获取方法需要根据实际情况进行选择。以下以采用双目相机获取灰度图像为例,对利用上述步骤确定两张灰度图像中的充电接口的轮廓坐标后,如何确定充电接口的空间位置数据的过程作进一步说明。
本实施例中,极线校正模块28,用于对两张灰度图像中的轮廓坐标进行极线校正。
本实施例中,第一位置确定模块27还包括有第三计算单元271,所述第三计算单元271用于根据所述轮廓坐标并基于双目视觉算法计算所述充电接口的深度信息。
本实施例还包括有删除模块29,用于建立经过极线校正的两张灰度图像的轮廓坐标的对应关系,并删除无法建立对应关系的轮廓坐标,然后调用所述第三计算单元271。其中,可以通过以下方式实现所述极线校正的步骤:
通过相机标定计算所述双目相机的参数,所述参数包括内参参数、外参参数、畸变系数、基础矩阵等;
具体包括将双目相机获取的灰度图像进行畸变矫正,由基础矩阵进行图像极线矫正,可通过检测双目相机获取的两张图像中相同位置像素构成的连线是否平行进行极线验证。
本实施例中,通过极线校正及对无法建立对应关系的轮廓坐标的删除,使转换后的图像中各条极线保持水平关系,使识别及定位结果更加准确,也减少识别及定位过程中的计算量。
本实施例中,通过三角测量来确定姿态信息及圆心坐标,其中,第二位置确定模块30用于任选所述灰度图像中的三个轮廓坐标,根据所述三个轮廓坐标确定所述充电接口的姿态信息和/或圆心坐标;
所述位置数据还包括所述姿态信息和圆心坐标。
对接模块31用于根据深度信息、姿态信息和圆心坐标控制充电插头与所述充电接口对接。
通过以上步骤可以获得充电接口精确的位置坐标,通过所述位置坐标可以引导充电插头快速与充电接口精确对接以完成自动插接工作。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (18)
1.一种电动汽车充电接口的识别及定位方法,其特征在于,包括:
获取不同角度的充电接口的至少两张灰度图像;
对每张灰度图像进行图像识别,以获得每张灰度图像中所述充电接口的轮廓坐标;
根据所述轮廓坐标,确定所述充电接口的位置坐标数据。
2.如权利要求1所述的电动汽车充电接口的识别及定位方法,其特征在于,对每张灰度图像进行图像识别的步骤,具体包括:
通过自适应阈值分割算法处理所述灰度图像以获得充电接口的第一轮廓图像;
对所述第一轮廓图像进行膨胀运算以获得第二轮廓图像,对所述第一轮廓图像进行腐蚀运算以获得第三轮廓图像;
计算所述第二轮廓图像与所述第三轮廓图像的位置坐标差值,并根据所述位置坐标差值获得所述充电接口的轮廓坐标。
3.如权利要求2所述的电动汽车充电接口的识别及定位方法,其特征在于,根据所述位置坐标差值获得所述充电接口的轮廓坐标的步骤后还包括:
通过Canny算子对所述轮廓坐标进行边界提取。
4.如权利要求3所述的电动汽车充电接口的识别及定位方法,其特征在于,通过Canny算子对所述轮廓坐标进行边界提取的步骤后还包括:
对经过边界提取的轮廓坐标进行离散处理以获得离散的轮廓坐标;
根据所述轮廓坐标,确定所述充电接口的位置坐标数据的步骤,具体包括:
根据所述离散的轮廓坐标,确定所述充电接口的位置坐标数据。
5.如权利要求2所述的电动汽车充电接口的识别及定位方法,其特征在于,通过自适应阈值分割技术处理所述灰度图像以获得充电接口处的第一轮廓图像的步骤之前,还包括:
对所述灰度图像进行均值滤波处理以得到滤波灰度图像;
将所述灰度图像中每个像素的像素值减去所述滤波灰度图像中对应位置的像素的像素值以得到像素差值,对所述像素差值大于像素阈值的像素进行自适应阈值分割算法处理。
6.如权利要求1所述的电动汽车充电接口的识别及定位方法,其特征在于,采用双目相机获取不同角度的充电接口的两张灰度图像;
根据所述轮廓坐标,确定所述充电接口的位置坐标数据的步骤具体包括:
根据所述轮廓坐标并基于双目视觉算法计算所述充电接口的深度信息;
所述位置数据包括所述深度信息。
7.如权利要求6所述的电动汽车充电接口的识别及定位方法,其特征在于,根据所述轮廓坐标并基于双目视觉算法计算所述充电接口的深度信息的步骤之前还包括:
对两张灰度图像中的轮廓坐标进行极线校正;
建立经过极线校正的两张灰度图像的轮廓坐标的对应关系,并删除无法建立对应关系的轮廓坐标。
8.如权利要求6或7所述的电动汽车充电接口的识别及定位方法,其特征在于,所述识别及定位方法还包括:
任选所述灰度图像中的三个轮廓坐标,根据所述三个轮廓坐标确定所述充电接口的姿态信息和/或圆心坐标;
所述位置坐标数据还包括所述姿态信息和圆心坐标。
9.如权利要求8所述的电动汽车充电接口的识别及定位方法,其特征在于,所述识别及定位方法还包括:
根据深度信息、姿态信息和圆心坐标控制充电插头与所述充电接口对接。
10.一种电动汽车充电接口的识别及定位系统,其特征在于,包括:
图像获取模块,用于获取不同角度的充电接口的至少两张灰度图像;
图像识别模块,用于对每张灰度图像进行图像识别,以获得每张灰度图像中所述充电接口的轮廓坐标;
第一位置确定模块,用于根据所述轮廓坐标,确定所述充电接口的位置坐标数据。
11.如权利要求10所述的电动汽车充电接口的识别及定位系统,其特征在于,所述图像识别模块包括:
第一轮廓图像获取单元,用于通过自适应阈值分割算法处理所述灰度图像以获得充电接口的第一轮廓图像;
第二轮廓图像获取单元,用于对所述第一轮廓图像进行膨胀运算以获得第二轮廓图像,对所述第一轮廓图像进行腐蚀运算以获得第三轮廓图像;
第一计算单元,用于计算所述第二轮廓图像与所述第三轮廓图像像素的位置坐标差值,并根据所述位置坐标差值获得所述充电接口的轮廓坐标。
12.如权利要求11所述的电动汽车充电接口的识别及定位系统,其特征在于,所述识别及定位系统还包括:
边界提取模块,用于通过Canny算子对所述轮廓坐标进行边界提取。
13.如权利要求12所述的电动汽车充电接口的识别及定位系统,其特征在于,所述识别及定位系统还包括:
离散处理模块,用于对经过边界提取的轮廓坐标进行离散处理以获得离散的轮廓坐标,并调用所述第一位置确定模块。
14.如权利要求11所述的电动汽车充电接口的识别及定位系统,其特征在于,所述识别及定位系统还包括:
均值滤波处理模块,用于对所述灰度图像进行均值滤波处理以得到滤波灰度图像;
第二计算模块,用于将所述灰度图像中每个像素的像素值减去所述滤波灰度图像中对应位置的像素的像素值以得到像素差值,并调用所述第一轮廓图像获取单元。
15.如权利要求10所述的电动汽车充电接口的识别及定位系统,其特征在于,所述图像获取模块包括双目相机,所述双目相机用于获取充电接口的两张灰度图像;
所述第一位置确定模块具体包括:
第三计算单元,用于根据所述轮廓坐标并基于双目视觉算法计算所述充电接口的深度信息;
所述位置数据包括所述深度信息。
16.如权利要求15所述的电动汽车充电接口的识别及定位系统,其特征在于,所述识别及定位系统还包括:
极线校正模块,用于对两张灰度图像中的轮廓坐标进行极线校正;
删除模块,用于建立经过极线校正的两张灰度图像的轮廓坐标的对应关系,并删除无法建立对应关系的轮廓坐标,然后调用所述第三计算单元。
17.如权利要求15或16所述的电动汽车充电接口的识别及定位系统,其特征在于,所述识别及定位系统还包括:
第二位置确定模块,用于任选所述灰度图像中的三个轮廓坐标,根据所述三个轮廓坐标确定所述充电接口的姿态信息和/或圆心坐标;
所述位置数据还包括所述姿态信息和圆心坐标。
18.如权利要求17所述的电动汽车充电接口的识别及定位系统,其特征在于,所述识别及定位系统还包括:
对接模块,用于根据深度信息、姿态信息和圆心坐标控制充电插头与所述充电接口对接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910257875.2A CN109977954B (zh) | 2019-04-01 | 2019-04-01 | 电动汽车充电接口的识别及定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910257875.2A CN109977954B (zh) | 2019-04-01 | 2019-04-01 | 电动汽车充电接口的识别及定位方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109977954A true CN109977954A (zh) | 2019-07-05 |
CN109977954B CN109977954B (zh) | 2023-05-30 |
Family
ID=67082201
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910257875.2A Active CN109977954B (zh) | 2019-04-01 | 2019-04-01 | 电动汽车充电接口的识别及定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109977954B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110660047A (zh) * | 2019-09-10 | 2020-01-07 | 上海鼎充新能源技术有限公司 | 一种电动汽车充电接口自动识别和定位方法 |
CN111179292A (zh) * | 2019-12-28 | 2020-05-19 | 西安交通大学 | 一种电动汽车充电接口视觉识别定位方法及充电系统 |
CN111192326A (zh) * | 2020-01-02 | 2020-05-22 | 上海电气集团股份有限公司 | 一种用于视觉识别电动汽车直流充电插口的方法及系统 |
CN111273704A (zh) * | 2020-01-21 | 2020-06-12 | 上海悦易网络信息技术有限公司 | 一种自动插入外接设备孔的方法及装置 |
CN111311749A (zh) * | 2020-01-21 | 2020-06-19 | 上海悦易网络信息技术有限公司 | 一种自动插入设备usb孔的方法及装置 |
CN111459176A (zh) * | 2020-04-03 | 2020-07-28 | 重庆固高科技长江研究院有限公司 | 车自动充电定位控制方法、标定方法及车辆姿态计算方法 |
CN114300914A (zh) * | 2021-11-26 | 2022-04-08 | 深圳市深科达智能装备股份有限公司 | 插接装置、系统及控制方法 |
CN116091498A (zh) * | 2023-04-07 | 2023-05-09 | 飞杨电源技术(深圳)有限公司 | 用于铅酸蓄电池智能充电器的视觉缺陷检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104048969A (zh) * | 2014-06-19 | 2014-09-17 | 樊晓东 | 一种隧道病害的识别方法 |
WO2015096507A1 (zh) * | 2013-12-24 | 2015-07-02 | 华中科技大学 | 一种利用山体轮廓区域约束识别定位建筑物的方法 |
US20150224888A1 (en) * | 2014-02-07 | 2015-08-13 | Recargo, Inc. | Providing an interface to electric vehicle charging stations |
CN107825423A (zh) * | 2017-10-19 | 2018-03-23 | 环球车享汽车租赁有限公司 | 充电接口识别和定位方法及系统 |
-
2019
- 2019-04-01 CN CN201910257875.2A patent/CN109977954B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015096507A1 (zh) * | 2013-12-24 | 2015-07-02 | 华中科技大学 | 一种利用山体轮廓区域约束识别定位建筑物的方法 |
US20150224888A1 (en) * | 2014-02-07 | 2015-08-13 | Recargo, Inc. | Providing an interface to electric vehicle charging stations |
CN104048969A (zh) * | 2014-06-19 | 2014-09-17 | 樊晓东 | 一种隧道病害的识别方法 |
CN107825423A (zh) * | 2017-10-19 | 2018-03-23 | 环球车享汽车租赁有限公司 | 充电接口识别和定位方法及系统 |
Non-Patent Citations (1)
Title |
---|
刘永东: "统一电动汽车充电接口及通信协议标准――充电接口和通信协议标准解读", 《中国电力企业管理》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110660047A (zh) * | 2019-09-10 | 2020-01-07 | 上海鼎充新能源技术有限公司 | 一种电动汽车充电接口自动识别和定位方法 |
CN111179292B (zh) * | 2019-12-28 | 2022-05-20 | 西安交通大学 | 一种电动汽车充电接口视觉识别定位方法及充电系统 |
CN111179292A (zh) * | 2019-12-28 | 2020-05-19 | 西安交通大学 | 一种电动汽车充电接口视觉识别定位方法及充电系统 |
CN111192326A (zh) * | 2020-01-02 | 2020-05-22 | 上海电气集团股份有限公司 | 一种用于视觉识别电动汽车直流充电插口的方法及系统 |
CN111192326B (zh) * | 2020-01-02 | 2023-05-16 | 上海电气集团股份有限公司 | 一种用于视觉识别电动汽车直流充电插口的方法及系统 |
CN111273704A (zh) * | 2020-01-21 | 2020-06-12 | 上海悦易网络信息技术有限公司 | 一种自动插入外接设备孔的方法及装置 |
CN111311749A (zh) * | 2020-01-21 | 2020-06-19 | 上海悦易网络信息技术有限公司 | 一种自动插入设备usb孔的方法及装置 |
CN111273704B (zh) * | 2020-01-21 | 2023-09-15 | 上海万物新生环保科技集团有限公司 | 一种自动插入外接设备孔的方法及装置 |
CN111311749B (zh) * | 2020-01-21 | 2023-10-27 | 上海万物新生环保科技集团有限公司 | 一种自动插入设备usb孔的方法及装置 |
CN111459176A (zh) * | 2020-04-03 | 2020-07-28 | 重庆固高科技长江研究院有限公司 | 车自动充电定位控制方法、标定方法及车辆姿态计算方法 |
CN111459176B (zh) * | 2020-04-03 | 2023-09-01 | 重庆固高科技长江研究院有限公司 | 车自动充电定位控制方法、标定方法及车辆姿态计算方法 |
CN114300914A (zh) * | 2021-11-26 | 2022-04-08 | 深圳市深科达智能装备股份有限公司 | 插接装置、系统及控制方法 |
CN114300914B (zh) * | 2021-11-26 | 2024-06-11 | 深圳市深科达智能装备股份有限公司 | 插接装置、系统及控制方法 |
CN116091498A (zh) * | 2023-04-07 | 2023-05-09 | 飞杨电源技术(深圳)有限公司 | 用于铅酸蓄电池智能充电器的视觉缺陷检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109977954B (zh) | 2023-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109977954A (zh) | 电动汽车充电接口的识别及定位方法及系统 | |
CN106340044B (zh) | 摄像机外参自动标定方法及标定装置 | |
CN109448045B (zh) | 基于slam的平面多边形物体测量方法及机器可读存储介质 | |
CN105528789B (zh) | 机器人视觉定位方法和装置、视觉标定方法和装置 | |
CN108986082A (zh) | 一种基于epnp的钢轨廓形检测方法及系统 | |
CN110766748B (zh) | 一种非接触式整车姿态测量方法 | |
CN106996748A (zh) | 一种基于双目视觉的轮径测量方法 | |
CN112634269B (zh) | 一种轨道车辆车体检测方法 | |
CN111192326B (zh) | 一种用于视觉识别电动汽车直流充电插口的方法及系统 | |
CN111721259A (zh) | 基于双目视觉的水下机器人回收定位方法 | |
CN112037203A (zh) | 基于复杂工件外轮廓配准的侧表面缺陷检测方法及系统 | |
CN112801972A (zh) | 一种桥梁缺陷检测方法、设备、系统及存储介质 | |
CN110930368B (zh) | 一种薄板搭接焊缝实时焊接图像特征提取方法 | |
CN112304954A (zh) | 一种基于线激光扫描及机器视觉的零件表面缺陷检测方法 | |
CN110334727B (zh) | 一种隧道裂缝智能匹配检测方法 | |
CN115482195A (zh) | 一种基于三维点云的列车部件变形检测方法 | |
CN108769617A (zh) | 基于无人机的船舶水尺读数智能识别系统 | |
CN105067636A (zh) | 室外电能表破损程度检测方法 | |
CN109986172A (zh) | 一种焊缝定位方法、设备及系统 | |
CN104574312A (zh) | 标靶图像求圆心的方法和装置 | |
CN115272655A (zh) | 用于换电机器人的多类型电池包视觉定位方法与系统装置 | |
CN108335332A (zh) | 一种基于双目视觉的轴类零件中轴线测量方法 | |
CN116977328B (zh) | 车底机器人主动视觉中的图像质量评估方法 | |
CN110517323A (zh) | 基于机械手单相机多目视觉的三维定位系统及方法 | |
CN112819894A (zh) | 一种集卡引导定位系统及方法、计算机存储介质、龙门吊 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |