CN110838097A - 一种基于机器视觉的输送带偏移测量方法 - Google Patents
一种基于机器视觉的输送带偏移测量方法 Download PDFInfo
- Publication number
- CN110838097A CN110838097A CN201911152431.9A CN201911152431A CN110838097A CN 110838097 A CN110838097 A CN 110838097A CN 201911152431 A CN201911152431 A CN 201911152431A CN 110838097 A CN110838097 A CN 110838097A
- Authority
- CN
- China
- Prior art keywords
- edge
- offset
- conveying belt
- image
- conveyor belt
- 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
- 238000000691 measurement method Methods 0.000 title claims abstract description 9
- 238000000034 method Methods 0.000 claims abstract description 15
- 238000001914 filtration Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 3
- 238000003708 edge detection Methods 0.000 abstract description 5
- 230000008859 change Effects 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 description 6
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于机器视觉的输送带偏移测量方法,本发明主要根据输送带边缘的直线特点来检测输送带边缘,再通过计算边缘与基准线的交点像素坐标的移动来确定输送带偏移距离,对输送带图像进行截图,本发明只处理输送带左边缘和右边缘两个小块区域,大大减少计算量和抗背景干扰;能够对输送带图像先滤波,再采用canny算子检测图像边缘,具有抗噪点干扰、边缘检测精度高等特点;通过输送带边缘方向较固定且变化小的特点筛选出可能的输送带边缘,减少其他边缘的干扰,能适应更多具有其他直线边缘的场景;再利用输送带边缘直线性,计算输送带边缘与标线交点,获得输送带偏移量,并于图像上标出后输出,非常直观。
Description
技术领域
本发明涉及输送带检测技术领域,具体为一种基于机器视觉的输送带偏移测量方法。
背景技术
带式输送机的输送带跑偏是输送带运输过程中常见问题,目前的输送带偏移检测主要采用机械式接触测量方法,该类方法具有稳定性差,工作时间过长后容易检测失灵,且无法检测慢速或静止输送带偏移。基于机器视觉的非接触测量方法目前尚处于起步阶段,该类方法具有非接触、不受时间影响、检测精度高,呈现直观等特点。
现有技术中,对拍摄的输送带图像,通过计算像素点局部结构为直线的置信度来(假设图像只有输送带边缘为直线结构)检测输送带边缘,再通过计算输送带边缘的方向角度来确定输送带是否偏移以及偏移量(用偏移角度来衡量),检测的准确性受阈值影响大、不能适应复杂场景、不能检测实际偏移距离。
发明内容
本发明的目的在于提供一种基于机器视觉的输送带偏移测量方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种基于机器视觉的输送带偏移测量方法,包括以下步骤:
A、标定:设置第一帧图像为无偏移标准图像,取输送带截图,输送带方向垂直基准线,通过线性差值标定输送带像素偏移量与实际偏移距离的关系,其中,向左偏移为正,向右偏移为负;
B、输入灰度图像,利用Canny算子计算二值化边缘图像;
C、滤除不符合输送带边缘方向的二值化边缘图像;
D、对二值化边缘图像进行Hough变换,提取共点数最多的直线方程系数,该直线可能为输送带边缘;
E、判断该直线上像素点数大于阈值theta,则为输送带边缘,进入步骤F,否则报错“未检测出边缘”;
F、若为输送带边缘,根据步骤D获得的直线方程,计算该直线与基准线的交点横坐标,即为偏移点像素值,进入步骤G;
G、根据步骤A,计算实际偏移量L;
H、进行多帧偏移量局部线性预测;
I、再进行多帧偏移量滤波;
J、输出偏移量。
优选的,所述输送带上设有左边缘和右边缘,所述输送带垂直基准线,所述基准线与边缘交点为基准点。
与现有技术相比,本发明的有益效果是:本发明主要根据输送带边缘的直线特点来检测输送带边缘,再通过计算边缘与基准线的交点像素坐标的移动来确定输送带偏移距离,对输送带图像进行截图,本发明只处理输送带左边缘和右边缘两个小块区域,大大减少计算量和抗背景干扰;能够对输送带图像先滤波,再采用canny算子检测图像边缘,具有抗噪点干扰、边缘检测精度高等特点;通过输送带边缘方向较固定且变化小的特点筛选出可能的输送带边缘,减少其他边缘的干扰,能适应更多具有其他直线边缘的场景;再利用输送带边缘直线性,计算输送带边缘与标线交点,获得输送带偏移量,并于图像上标出后输出,非常直观。
附图说明
图1为本发明流程图;
图2为本发明输送带俯视图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-2,本发明提供一种技术方案:本发明主要根据输送带边缘的直线特点来检测输送带边缘,再通过计算边缘与基准线的交点(基准点)像素坐标的移动来确定输送带偏移距离。输送带1上设有左边缘2和右边缘3,所述输送带1垂直基准线4,所述基准线4与边缘交点为基准点5。
本发明中,一种基于机器视觉的输送带偏移测量方法,包括以下步骤:
A、标定:设置第一帧图像为无偏移标准图像,取输送带截图,输送带方向垂直基准线,通过线性差值标定输送带像素偏移量与实际偏移距离的关系,其中,向左偏移为正,向右偏移为负;
B、输入灰度图像,利用Canny算子计算二值化边缘图像;
C、滤除不符合输送带边缘方向的二值化边缘图像;
D、对二值化边缘图像进行Hough变换,提取共点数最多的直线方程系数,该直线可能为输送带边缘;
E、判断该直线上像素点数大于阈值theta,则为输送带边缘,进入步骤F,否则报错“未检测出边缘”;
F、若为输送带边缘,根据步骤D获得的直线方程,计算该直线与基准线的交点横坐标,即为偏移点像素值,进入步骤G;
G、根据步骤A,计算实际偏移量L;
H、进行多帧偏移量局部线性预测;
I、再进行多帧偏移量滤波;
J、输出偏移量。
本发明中,图像边缘检测技术中的Canny算子可以被sobel算子、Laplacian算子、Prewitt算子等边缘检测算子代替;Hough变换法的直线检测方法可以被边缘连接法、基于梯度方法等方法代替。
本发明主要根据输送带边缘的直线特点来检测输送带边缘,再通过计算边缘与基准线的交点像素坐标的移动来确定输送带偏移距离,对输送带图像进行截图,本发明只处理输送带左边缘和右边缘两个小块区域,大大减少计算量和抗背景干扰;能够对输送带图像先滤波,再采用canny算子检测图像边缘,具有抗噪点干扰、边缘检测精度高等特点;通过输送带边缘方向较固定且变化小的特点筛选出可能的输送带边缘,减少其他边缘的干扰,能适应更多具有其他直线边缘的场景;再利用输送带边缘直线性,计算输送带边缘与标线交点,获得输送带偏移量,并于图像上标出后输出,非常直观。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (2)
1.一种基于机器视觉的输送带偏移测量方法,其特征在于:包括以下步骤:
A、标定:设置第一帧图像为无偏移标准图像,取输送带截图,输送带方向垂直基准线,通过线性差值标定输送带像素偏移量与实际偏移距离的关系,其中,向左偏移为正,向右偏移为负;
B、输入灰度图像,利用Canny算子计算二值化边缘图像;
C、滤除不符合输送带边缘方向的二值化边缘图像;
D、对二值化边缘图像进行Hough变换,提取共点数最多的直线方程系数,该直线可能为输送带边缘;
E、判断该直线上像素点数大于阈值theta,则为输送带边缘,进入步骤F,否则报错“未检测出边缘”;
F、若为输送带边缘,根据步骤D获得的直线方程,计算该直线与基准线的交点横坐标,即为偏移点像素值,进入步骤G;
G、根据步骤A,计算实际偏移量L;
H、进行多帧偏移量局部线性预测;
I、再进行多帧偏移量滤波;
J、输出偏移量。
2.根据权利要求1所述的一种基于机器视觉的输送带偏移测量方法,其特征在于:所述输送带(1)上设有左边缘(2)和右边缘(3),所述输送带(1)垂直基准线(4),所述基准线(4)与边缘交点为基准点(5)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911152431.9A CN110838097A (zh) | 2019-11-22 | 2019-11-22 | 一种基于机器视觉的输送带偏移测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911152431.9A CN110838097A (zh) | 2019-11-22 | 2019-11-22 | 一种基于机器视觉的输送带偏移测量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110838097A true CN110838097A (zh) | 2020-02-25 |
Family
ID=69576935
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911152431.9A Pending CN110838097A (zh) | 2019-11-22 | 2019-11-22 | 一种基于机器视觉的输送带偏移测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110838097A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112124900A (zh) * | 2020-08-28 | 2020-12-25 | 西安科技大学 | 一种井下皮带偏移的视觉检测方法 |
CN113112485A (zh) * | 2021-04-20 | 2021-07-13 | 中冶赛迪重庆信息技术有限公司 | 基于图像处理的皮带机跑偏检测方法、系统、设备和介质 |
CN113763376A (zh) * | 2021-09-17 | 2021-12-07 | 深圳市赛为智能股份有限公司 | 传送带偏移检测方法、装置、计算机设备及存储介质 |
CN113763375A (zh) * | 2021-09-17 | 2021-12-07 | 深圳市赛为智能股份有限公司 | 传送带偏移程度检测方法、装置、计算机设备及存储介质 |
CN113772364A (zh) * | 2021-09-18 | 2021-12-10 | 中国矿业大学 | 一种皮带输送机跑偏检测装置及自动调整方法 |
CN114589109A (zh) * | 2022-02-28 | 2022-06-07 | 太仓金马智能装备有限公司 | 一种高精度可回收物智能识别系统及其识别方法 |
CN115557197A (zh) * | 2022-09-28 | 2023-01-03 | 苏州中材建设有限公司 | 一种长胶带输送机运行轨迹监测装置及方法 |
CN116309565A (zh) * | 2023-05-17 | 2023-06-23 | 山东晨光胶带有限公司 | 基于计算机视觉的高强传送带跑偏检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102829735A (zh) * | 2012-08-31 | 2012-12-19 | 哈尔滨工业大学 | 基于机器视觉的e型磁材背面几何形状缺陷检测方法 |
CN103593649A (zh) * | 2013-10-24 | 2014-02-19 | 惠州华阳通用电子有限公司 | 一种用于车道偏离预警的车道线检测方法 |
CN107588733A (zh) * | 2017-08-21 | 2018-01-16 | 南京理工大学 | 一种基于图像的受电弓滑板磨耗在线检测装置与方法 |
-
2019
- 2019-11-22 CN CN201911152431.9A patent/CN110838097A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102829735A (zh) * | 2012-08-31 | 2012-12-19 | 哈尔滨工业大学 | 基于机器视觉的e型磁材背面几何形状缺陷检测方法 |
CN103593649A (zh) * | 2013-10-24 | 2014-02-19 | 惠州华阳通用电子有限公司 | 一种用于车道偏离预警的车道线检测方法 |
CN107588733A (zh) * | 2017-08-21 | 2018-01-16 | 南京理工大学 | 一种基于图像的受电弓滑板磨耗在线检测装置与方法 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112124900A (zh) * | 2020-08-28 | 2020-12-25 | 西安科技大学 | 一种井下皮带偏移的视觉检测方法 |
CN112124900B (zh) * | 2020-08-28 | 2022-05-20 | 西安科技大学 | 一种井下皮带偏移的视觉检测方法 |
CN113112485A (zh) * | 2021-04-20 | 2021-07-13 | 中冶赛迪重庆信息技术有限公司 | 基于图像处理的皮带机跑偏检测方法、系统、设备和介质 |
CN113763376A (zh) * | 2021-09-17 | 2021-12-07 | 深圳市赛为智能股份有限公司 | 传送带偏移检测方法、装置、计算机设备及存储介质 |
CN113763375A (zh) * | 2021-09-17 | 2021-12-07 | 深圳市赛为智能股份有限公司 | 传送带偏移程度检测方法、装置、计算机设备及存储介质 |
CN113763376B (zh) * | 2021-09-17 | 2024-03-01 | 深圳市赛为智能股份有限公司 | 传送带偏移检测方法、装置、计算机设备及存储介质 |
CN113772364A (zh) * | 2021-09-18 | 2021-12-10 | 中国矿业大学 | 一种皮带输送机跑偏检测装置及自动调整方法 |
CN113772364B (zh) * | 2021-09-18 | 2022-10-18 | 中国矿业大学 | 一种皮带输送机跑偏检测装置的自动调整方法 |
CN114589109A (zh) * | 2022-02-28 | 2022-06-07 | 太仓金马智能装备有限公司 | 一种高精度可回收物智能识别系统及其识别方法 |
CN114589109B (zh) * | 2022-02-28 | 2023-12-12 | 太仓金马智能装备有限公司 | 一种高精度可回收物智能识别系统及其识别方法 |
CN115557197A (zh) * | 2022-09-28 | 2023-01-03 | 苏州中材建设有限公司 | 一种长胶带输送机运行轨迹监测装置及方法 |
CN116309565A (zh) * | 2023-05-17 | 2023-06-23 | 山东晨光胶带有限公司 | 基于计算机视觉的高强传送带跑偏检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110838097A (zh) | 一种基于机器视觉的输送带偏移测量方法 | |
CN109003258B (zh) | 一种高精度亚像素圆形零件测量方法 | |
CN106651828B (zh) | 一种工业小尺度运动模糊成像条件下的产品尺寸亚像素测量方法 | |
CN107945155B (zh) | 一种基于Gabor滤波器的牙膏管肩缺陷检测方法 | |
CN109472271B (zh) | 印刷电路板图像轮廓提取方法及装置 | |
CN109752392B (zh) | 一种pcb板缺陷类型检测系统和方法 | |
CN102236784A (zh) | 屏幕区域检测方法及系统 | |
CN108613630B (zh) | 基于图像处理技术的两线型管水准器气泡偏移量测量方法 | |
CN104828517B (zh) | 基于视觉的皮带跑偏检测方法 | |
CN107301412B (zh) | 一种基于图像处理的指针式仪表读数方法 | |
CN109191516B (zh) | 结构光模组的旋转纠正方法、装置及可读存储介质 | |
CN111861979A (zh) | 一种定位方法、设备及计算机可读存储介质 | |
CN108871185B (zh) | 零件检测的方法、装置、设备以及计算机可读存储介质 | |
CN116664570B (zh) | 基于工业视觉的扁形连接器生产缺陷检测方法 | |
CN104331695A (zh) | 一种鲁棒的圆形标志符形状质量检测方法 | |
CN112669295A (zh) | 一种基于二次阈值分割理论的锂电池极片缺陷检测方法 | |
CN110889874B (zh) | 一种双目相机标定结果的误差评估方法 | |
CN117232396B (zh) | 一种高速生产线产品质量视觉检测系统及方法 | |
CN114199127A (zh) | 基于机器视觉的汽车零件尺寸检测系统及方法 | |
CN112419225B (zh) | 一种基于引脚分割的sop型芯片检测方法及系统 | |
CN108898584B (zh) | 一种基于图像分析的全自动贴面电容装焊极性判别方法 | |
CN115761468A (zh) | 一种基于图像分割和目标检测技术的水位检测系统、方法 | |
CN104166843B (zh) | 一种基于直线连续性的文档图像来源判别方法 | |
CN113554688B (zh) | 一种基于单目视觉的o型密封圈尺寸测量方法 | |
CN112446912B (zh) | 一种金融票据宽度计算方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200225 |