CN110660047A - 一种电动汽车充电接口自动识别和定位方法 - Google Patents
一种电动汽车充电接口自动识别和定位方法 Download PDFInfo
- Publication number
- CN110660047A CN110660047A CN201910852691.0A CN201910852691A CN110660047A CN 110660047 A CN110660047 A CN 110660047A CN 201910852691 A CN201910852691 A CN 201910852691A CN 110660047 A CN110660047 A CN 110660047A
- Authority
- CN
- China
- Prior art keywords
- picture
- ellipse
- camera
- charging
- interface
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 239000003086 colorant Substances 0.000 claims description 5
- 230000002146 bilateral effect Effects 0.000 claims description 3
- 238000003708 edge detection Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30244—Camera pose
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
Abstract
一种电动汽车充电接口自动识别和定位方法,涉及新能源汽车自动充电技术领域。包括如下步骤:拍摄充电动汽车电接口的图片并转换为HSV颜色空间;将像素点HSV值符合标签颜色阈值要求的部分赋值为255,其他区域赋值为0;对摄像头拍摄的图片处理得到只包含边界的二值图片,输出每个连续的轮廓点序列,再对轮廓点序列分别进行椭圆拟合,再确定椭圆对应轮廓的各标签位置;由张正友标定算法求摄像头内参数和畸变系数,最后由摄像头拍摄图片的标签坐标值和真实位置值求充电接口与摄像头的位姿差。本发明在汽车的充电过程中,能够自动识别汽车充电接口并计算出充电接口与摄像机的位姿差并传送给机械臂轨迹规划系统,节约了充电的人工成本。
Description
技术领域
本发明涉及新能源汽车自动充电技术领域,具体为一种电动汽车充电接口自动识别和定位方法。
背景技术
近年来,电动汽车所占市场份额日渐增长,电动汽车环境友好、安全性和可靠性也较高。目前的电动汽车充电过程需用户手动操作将枪插入充电口,这种充电过程不仅不方便,还容易由于操作不当造成设备的损坏,为充电雇佣工作人员也会提升充电成本。
发明内容
本发明的目的是提供一种电动汽车充电接口自动识别和定位方法,可以有效解决背景技术中的问题。
实现上述目的的技术方案是:一种电动汽车充电接口自动识别和定位方法,在电动汽车充电接口的环周粘贴有均布的多个圆形识别标签,其特征在于包括如下步骤:
1)通过摄像头拍摄充电动汽车电接口的图片;
2)将摄像头拍摄充的图片转换为HSV颜色空间,计算每个像素点的三个HSV颜色分量:色调H、饱和度S和亮度V;
3)根据所用标签的颜色,设定颜色阈值区间,将像素点HSV值符合标签颜色阈值要求的部分赋值为255,其他区域赋值为0,得到图片的掩模;
4)利用canny边缘检测算子对摄像头拍摄的图片处理得到只包含边界的二值图片;
5)在二值图片中检测连续的像素点,输出每个连续的轮廓点序列,得到每个轮廓的像素点个数;
6)除去像素点个数小于20的轮廓,再采用最小二乘法对剩下的轮廓点序列分别进行椭圆拟合;
7)以图片最左上角像素点为原点,图片宽度方向为x轴、图片高度方向为y轴,建立坐标系,分别求出每个椭圆的圆心坐标(x0, y0)、椭圆的长轴长度w、短轴长度 h以及每个椭圆最小外接矩形内的各个像素点在坐标系中的坐标为(x1,y1);
8)遍历每个椭圆最小外接矩形内的每个像素点,并根据以下公式计算出x2、y2,x2、y2是x1、y1在椭圆扶正后在坐标系中的坐标点;
其中,θ为椭圆扶正所需旋转的角度;
9)将椭圆扶正后在坐标系中的每个像素点坐标(x2、y2)分别带入公式:,其中w椭圆长轴长度、h为短轴长度,若符合该公式条件则说明该像素点在椭圆内;再将符合公式条件的像素点坐标(x2、y2)带入步骤3)所求得的掩模,找到所有HSV值为255的像素点,得到符合条件的像素点数量为num,若num / area > 0.85,其中area为椭圆面积,则所有符合上述条件的椭圆对应轮廓即为各标签位置;
10)由张正友标定算法求摄像头内参数和畸变系数;
11)使用Perspective-n-Points方法,由摄像头拍摄图片的标签坐标值和真实位置值求充电接口与摄像头的位姿差。
进一步地,在步骤4)后先对摄像头拍摄的图片进行双边滤波处理,去除图片的噪声。
进一步地,所述充电接口的环周粘贴有四个圆形识别标签,标签的直径为1.5cm。
进一步地,圆形识别标签的颜色与摄像头拍摄充电动汽车电接口图片中的其它颜色为对比色。
本发明的有益效果:
在汽车的充电过程中,本发明能够自动识别汽车充电接口并计算出充电接口与摄像机的位姿差并传送给机械臂轨迹规划系统,节约了充电的人工成本。
在充电口周围贴标签做标定计算位姿,不需要对汽车车身进行较大改装,操作方便,灵活性较高。
附图说明
图1为摄像头拍摄的图片的示意图;
图2为HSV色彩空间提取掩模的示意图;
图3二值图片轮廓提取后的示意图;
图4为轮廓点序列进行椭圆拟合后的示意图;
图5为以一个椭圆为例示意椭圆扶正后坐标点变化的示意图。
具体实施方式
一种电动汽车充电接口自动识别和定位方法,如图1所示,电动汽车充电接口1的环周粘贴有均布的四个圆形识别标签2,标签的直径为1.5cm,具体包括如下步骤:
1)通过摄像头拍摄图1所示充电动汽车电接口的图片;
2)将摄像头拍摄充的图片转换为HSV颜色空间,计算每个像素点的三个HSV颜色分量:色调H、饱和度S和亮度V;
3)将图片转换为HSV颜色空间,计算每个像素点的三个HSV颜色分量:色调H、饱和度S和亮度V;
4)如图2所示,根据所用标签的颜色,设定颜色阈值区间,将像素点HSV值符合标签颜色阈值要求的部分赋值为255,其他区域赋值为0,得到图片的掩模;
5)对摄像头拍摄的图片进行双边滤波处理,去除图片的噪声;
6)如图3所示,利用canny边缘检测算子对滤波后的图片进行处理得到只包含边界的二值图片;
7)在二值图片中检测连续的像素点,输出每个连续像素点的轮廓点序列,得到每个轮廓的像素点个数;
8)如图4所示,除去像素点个数小于20的轮廓,再采用最小二乘法对剩下的轮廓点序列分别进行椭圆拟合;
9)如图5所示,以图片最左上角像素点为原点,图片宽度方向为x轴、图片高度方向为y轴,建立坐标系,分别求出每个椭圆的圆心坐标(x0, y0)、椭圆的长轴长度w、短轴长度 h以及每个椭圆最小外接矩形内的各个像素点在坐标系中的坐标为(x1,y1);
10)遍历每个椭圆最小外接矩形内的每个像素点,并根据以下公式计算出x2、y2,x2、y2是x1、y1在椭圆扶正后在坐标系中的坐标点;
其中,θ为椭圆扶正所需旋转的角度;
11)将椭圆扶正后在坐标系中的每个像素点坐标(x2、y2)分别带入公式:,其中w椭圆长轴长度、h为短轴长度,若符合该公式条件则说明该像素点在椭圆内;再将符合公式条件的像素点坐标(x2、y2)带入步骤3)所求得的掩模,找到所有HSV值为255的像素点,得到符合条件的像素点数量为num,若num / area > 0.85,其中area为椭圆面积,则所有符合上述条件的椭圆对应轮廓即为各标签位置;
12)由张正友标定算法求摄像头内参数和畸变系数;
13)使用Perspective-n-Points方法,由摄像头拍摄图片的标签坐标值和真实位置值求充电接口与摄像头的位姿差。
最后将计算所得的摄像头与充电接口的位姿差来控制充电枪驱动机械臂的运行轨迹,从而将充电枪插入至电动汽车的充电插口内,而通过机械臂控制插拔充电枪属于现有技术,在此不再赘述。
作为本实施例的进一步说明,圆形识别标签的颜色与摄像头拍摄充电动汽车电接口图片中的其它颜色为对比色,对比色,是指可以明显区分的色彩。
作为本实施例的进一步说明,步骤2)-14)的图片处理可以通过计算机实现。
Claims (4)
1.一种电动汽车充电接口自动识别和定位方法,在电动汽车充电接口的环周粘贴有均布的多个圆形识别标签,其特征在于包括如下步骤:
1)通过摄像头拍摄充电动汽车电接口的图片;
2)将摄像头拍摄充的图片转换为HSV颜色空间,计算每个像素点的三个HSV颜色分量:色调H、饱和度S和亮度V;
3)根据所用标签的颜色,设定颜色阈值区间,将像素点HSV值符合标签颜色阈值要求的部分赋值为255,其他区域赋值为0,得到图片的掩模;
4)利用canny边缘检测算子对摄像头拍摄的图片处理得到只包含边界的二值图片;
5)在二值图片中检测连续的像素点,输出每个连续的轮廓点序列,得到每个轮廓的像素点个数;
6)除去像素点个数小于20的轮廓,再采用最小二乘法对剩下的轮廓点序列分别进行椭圆拟合;
7)以图片最左上角像素点为原点,图片宽度方向为x轴、图片高度方向为y轴,建立坐标系,分别求出每个椭圆的圆心坐标(x0, y0)、椭圆的长轴长度w、短轴长度 h以及每个椭圆最小外接矩形内的各个像素点在坐标系中的坐标为(x1,y1);
8)遍历每个椭圆最小外接矩形内的每个像素点,并根据以下公式计算出x2、y2,x2、y2是x1、y1在椭圆扶正后在坐标系中的坐标点;
其中,θ为椭圆扶正所需旋转的角度;
9)将椭圆扶正后在坐标系中的每个像素点坐标(x2、y2)分别带入公式:,其中w椭圆长轴长度、h为短轴长度,若符合该公式条件则说明该像素点在椭圆内;再将符合公式条件的像素点坐标(x2、y2)带入步骤3)所求得的掩模,找到所有HSV值为255的像素点,得到符合条件的像素点数量为num,若num / area > 0.85,其中area为椭圆面积,则所有符合上述条件的椭圆对应轮廓即为各标签位置;
10)由张正友标定算法求摄像头内参数和畸变系数;
11)使用Perspective-n-Points方法,由摄像头拍摄图片的标签坐标值和真实位置值求充电接口与摄像头的位姿差。
2.根据权利要求1所述的一种电动汽车充电接口自动识别和定位方法,其特征在于:在步骤3)后先对摄像头拍摄的图片进行双边滤波处理,去除图片的噪声。
3.根据权利要求1所述的一种电动汽车充电接口自动识别和定位方法,其特征在于:所述充电接口的环周粘贴有四个圆形识别标签,标签的直径为1.5cm。
4.根据权利要求1所述的一种电动汽车充电接口自动识别和定位方法,其特征在于:圆形识别标签的颜色与摄像头拍摄充电动汽车电接口图片中的其它颜色为对比色。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910852691.0A CN110660047A (zh) | 2019-09-10 | 2019-09-10 | 一种电动汽车充电接口自动识别和定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910852691.0A CN110660047A (zh) | 2019-09-10 | 2019-09-10 | 一种电动汽车充电接口自动识别和定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110660047A true CN110660047A (zh) | 2020-01-07 |
Family
ID=69037056
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910852691.0A Pending CN110660047A (zh) | 2019-09-10 | 2019-09-10 | 一种电动汽车充电接口自动识别和定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110660047A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112097663A (zh) * | 2020-09-01 | 2020-12-18 | 国网天津市电力公司 | 用于充电机器人的充电插座组合定位装置和使用方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130201334A1 (en) * | 2010-06-10 | 2013-08-08 | Manoj R C | Illumination Invariant and Robust Apparatus and Method for Detecting and Recognizing Various Traffic Signs |
CN106097308A (zh) * | 2016-05-31 | 2016-11-09 | 长沙理工大学 | 一种基于机器视觉的新能源电动车辆充电孔检测与定位方法 |
CN107993224A (zh) * | 2017-11-28 | 2018-05-04 | 沈阳建筑大学 | 一种基于圆形标志物的物体检测定位方法 |
CN109977954A (zh) * | 2019-04-01 | 2019-07-05 | 上海电气集团股份有限公司 | 电动汽车充电接口的识别及定位方法及系统 |
-
2019
- 2019-09-10 CN CN201910852691.0A patent/CN110660047A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130201334A1 (en) * | 2010-06-10 | 2013-08-08 | Manoj R C | Illumination Invariant and Robust Apparatus and Method for Detecting and Recognizing Various Traffic Signs |
CN106097308A (zh) * | 2016-05-31 | 2016-11-09 | 长沙理工大学 | 一种基于机器视觉的新能源电动车辆充电孔检测与定位方法 |
CN107993224A (zh) * | 2017-11-28 | 2018-05-04 | 沈阳建筑大学 | 一种基于圆形标志物的物体检测定位方法 |
CN109977954A (zh) * | 2019-04-01 | 2019-07-05 | 上海电气集团股份有限公司 | 电动汽车充电接口的识别及定位方法及系统 |
Non-Patent Citations (2)
Title |
---|
北京市《初等数学》编写组: "《解析几何》", 30 June 1975, pages: 118 * |
徐德等: "《机器人视觉测量与控制》", 国防工业出版社, pages: 131 - 134 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112097663A (zh) * | 2020-09-01 | 2020-12-18 | 国网天津市电力公司 | 用于充电机器人的充电插座组合定位装置和使用方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107767423B (zh) | 一种基于双目视觉的机械臂目标定位抓取方法 | |
CN106863332B (zh) | 一种机器人视觉定位方法及系统 | |
CN106044570B (zh) | 一种采用机器视觉的钢卷吊自动识别装置和方法 | |
CN107590837A (zh) | 一种视觉定位智能精密装配机器人及其摄像机视觉标定方法 | |
CN105260693A (zh) | 一种激光二维码定位方法 | |
CN104506857A (zh) | 一种摄像头位置偏离检测方法及设备 | |
CN106839985A (zh) | 无人天车钢卷抓取的自动识别定位方法 | |
CN107014291B (zh) | 一种物料精密转载平台的视觉定位方法 | |
CN103464383A (zh) | 工业机器人分拣系统及方法 | |
CN107194395A (zh) | 一种基于颜色识别和轮廓提取的物体动态定位方法 | |
CN110287865B (zh) | 基于视觉伺服的医学载玻片码放校正方法、控制器及系统 | |
CN109948461B (zh) | 一种基于质心定位和距离变换的手语图像分割方法 | |
CN113222940B (zh) | 一种基于rgb-d图像和cad模型的机器人自动抓取工件方法 | |
CN104299246A (zh) | 基于视频的生产线物品部件运动检测与跟踪方法 | |
CN110660047A (zh) | 一种电动汽车充电接口自动识别和定位方法 | |
CN113103235A (zh) | 一种基于rgb-d图像对柜体表面设备进行垂直操作的方法 | |
CN114888805B (zh) | 轮胎模具字符图案的机器人视觉自动获取方法及系统 | |
CN111832388A (zh) | 一种车辆行驶中交通标志检测与识别方法及系统 | |
CN114241438B (zh) | 一种基于先验信息的交通信号灯快速精确的识别方法 | |
CN112381783B (zh) | 一种基于红色线激光的焊缝轨迹提取方法 | |
CN109003268B (zh) | 一种超薄柔性ic基板外观颜色检测方法 | |
CN111805533B (zh) | 用于工件下料的装置、基于视觉定位的工件下料的方法 | |
CN113379684A (zh) | 一种基于视频的集装箱箱角线定位及自动着箱方法 | |
CN107527367A (zh) | 一种基于双目相机的棉花识别及定位方法 | |
CN108335308A (zh) | 一种橙子自动检测方法、系统以及机器人智能零售终端 |
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 |