CN110874544B - 冶金行车安全监控识别方法 - Google Patents

Abstract

本发明涉及车辆制动控制系统或其部件领域，具体为一种冶金行车安全监控识别方法。一种冶金行车安全监控识别方法，包括在行车驾驶室底部设置摄像系统，其特征是：按如下步骤依次实施：①拍摄；②滤波；③提取；④比较一；⑤比较二；⑥比较三；⑦判断；⑧控制。本发明控制精确，安全可靠。

Description

冶金行车安全监控识别方法

技术领域

本发明涉及车辆制动控制系统或其部件领域，具体为一种冶金行车安全监控识别方法。

背景技术

现有技术产品状况及其缺点：目前冶金行车安全监控系统仅才用行程开关联锁保护，在某些情况下不能全面的反应行车吊包状态，引发安全事故。

发明内容

为了克服现有技术的缺陷，提供一种控制精确、安全可靠的行车控制措施，本发明公开了一种冶金行车安全监控识别方法。

本发明通过如下技术方案达到发明目的：

一种冶金行车安全监控识别方法，包括在行车驾驶室底部设置摄像系统，其特征是：按如下步骤依次实施：

① 拍摄：根据安装在行车驾驶室底部摄像系统实时拍摄行车吊钩与被吊物的图像；

② 滤波：对吊钩和被吊物进行滤波处理，采用快速中值滤波算法，具体步骤是：使用奇数个采样组成观察窗，对观察窗口中的数值予以排序，位于观察窗数值序列中间的中值作为输出，然后，丢弃最早的值，取得新的采样，重复上述计算过程；

③ 提取：对吊钩和被吊物进行滤波处理进行图像分割并提取边缘特性，

采用取边缘特征的算法，具体步骤是：

step1：用高斯滤波器平滑图象；

step2：用一阶偏导的有限差分来计算梯度的幅值和方向；

step3：对梯度幅值进行非极大值抑制；

step4：用双阈值算法检测和连接边缘；

图象的边缘是指图象局部区域亮度变化显著的部分，该区域的灰度剖面一般可以看作是一个阶跃，既从一个灰度值在很小的缓冲区域内急剧变化到另一个灰度相差较大的灰度值。图象的边缘部分集中了图象的大部分信息，图象边缘的确定与提取对于整个图象场景的识别与理解是非常重要的，同时也是图象分割所依赖的重要特征，边缘检测主要是图象的灰度变化的度量、检测和定位，自从1959提出边缘检测以来，经过五十多年的发展，已有许多中不同的边缘检测方法。在我们常用的几种用于边缘检测的算子中Laplace算子常常会产生双边界；而其他一些算子如Sobel算子又往往会形成不闭合区域。

④ 比较一：多点比较吊钩和被吊物的贴合情况，

在边缘提取的基础上，以像素为单位比较吊钩和被吊物的贴合情况，比较一贴合度公式如下所示：

比较一贴合度=×100%，式中重合段指吊钩和被吊物重合最外两点像素之间的区域，

若比较一贴合度>2%即为不合格，发出报警1；

⑤ 比较二：比较在吊钩区域中有无空隙，

在边缘提取的基础上，以像素为单位比较吊钩和被吊物的间的空隙，比较二贴合度公式如下所示：

比较二贴合度=×100%，式中吊钩厚度像素指吊钩图像识别中边缘厚度中的最大值，

若比较二贴合度>2%即为不合格，发出报警2；

⑥ 比较三：特定事故图像比较，

把被吊物图象由左至右分为三段，左、中和右这三段的长度分别为被吊物全长的a、b和c，

把吊钩图象由左至右分为三段，左、中和右这三段的长度分别为吊钩全长的a、b和c，

其中：a、b和c都为正数且a+b+c=1，b≥50%，

重合段像素必须都在被吊物图象的中段内和吊钩图象的中段内，否则发出报警3；

⑦ 判断：通过智能算法的判断行车吊钩是否已完全贴合被吊物，若无报警1～3中的任何一个报警，则判断行车吊钩已完全贴合被吊物；

⑧ 控制：发出判断信号接入行车控制系统，若有报警1～3中的任何一个报警，则发出报警信号并停止行车运行，或由操作员选择是否发出报警信号或者停车。

所述的冶金行车安全监控识别方法，其特征是：步骤⑥时，a=c=15%，b=70%。

本发明可以弥补限位开关误信号引发的安全事故。

本发明的有益效果是：控制精确，安全可靠。

附图说明

图1是本发明的流程图。

实施方式

以下通过具体实施例进一步说明本发明。

实施例

一种冶金行车安全监控识别方法，包括在行车驾驶室底部设置摄像系统，如图1所示，按如下步骤依次实施：

① 拍摄：根据安装在行车驾驶室底部摄像系统实时拍摄行车吊钩与被吊物的图像；

② 滤波：对吊钩和被吊物进行滤波处理，采用快速中值滤波算法，具体步骤是：使用奇数个采样组成观察窗，对观察窗口中的数值予以排序，位于观察窗数值序列中间的中值作为输出，然后，丢弃最早的值，取得新的采样，重复上述计算过程；

③ 提取：对吊钩和被吊物进行滤波处理进行图像分割并提取边缘特性，

采用取边缘特征的算法，具体步骤是：

step1：用高斯滤波器平滑图象；

step2：用一阶偏导的有限差分来计算梯度的幅值和方向；

step3：对梯度幅值进行非极大值抑制；

step4：用双阈值算法检测和连接边缘；

图象的边缘是指图象局部区域亮度变化显著的部分，该区域的灰度剖面一般可以看作是一个阶跃，既从一个灰度值在很小的缓冲区域内急剧变化到另一个灰度相差较大的灰度值。图象的边缘部分集中了图象的大部分信息，图象边缘的确定与提取对于整个图象场景的识别与理解是非常重要的，同时也是图象分割所依赖的重要特征，边缘检测主要是图象的灰度变化的度量、检测和定位，自从1959提出边缘检测以来，经过五十多年的发展，已有许多中不同的边缘检测方法。在我们常用的几种用于边缘检测的算子中Laplace算子常常会产生双边界；而其他一些算子如Sobel算子又往往会形成不闭合区域。

④ 比较一：多点比较吊钩和被吊物的贴合情况，

在边缘提取的基础上，以像素为单位比较吊钩和被吊物的贴合情况，比较一贴合度公式如下所示：

比较一贴合度=×100%，式中重合段指吊钩和被吊物重合最外两点像素之间的区域，

若比较一贴合度>2%即为不合格，发出报警1；

⑤ 比较二：比较在吊钩区域中有无空隙，

在边缘提取的基础上，以像素为单位比较吊钩和被吊物的间的空隙，比较二贴合度公式如下所示：

比较二贴合度=×100%，式中吊钩厚度像素指吊钩图像识别中边缘厚度中的最大值，

若比较二贴合度>2%即为不合格，发出报警2；

⑥ 比较三：特定事故图像比较，

把被吊物图象由左至右分为三段，左、中和右这三段的长度分别为被吊物全长的15%、70%和15%，

把吊钩图象由左至右分为三段，左、中和右这三段的长度分别为吊钩全长的15%、70%和15%，

重合段像素必须都在被吊物图象的中段内和吊钩图象的中段内，否则发出报警3；

⑦ 判断：通过智能算法的判断行车吊钩是否已完全贴合被吊物，若无报警1～3中的任何一个报警，则判断行车吊钩已完全贴合被吊物；

⑧ 控制：发出判断信号接入行车控制系统，若有报警1～3中的任何一个报警，则发出报警信号并停止行车运行，或由操作员选择是否发出报警信号或者停车。

Claims (2)

1.一种冶金行车安全监控识别方法，包括在行车驾驶室底部设置摄像系统，其特征是：按如下步骤依次实施：

① 拍摄：根据安装在行车驾驶室底部摄像系统实时拍摄行车吊钩与被吊物的图像；

② 滤波：对吊钩和被吊物进行滤波处理，采用快速中值滤波算法，具体步骤是：使用奇数个采样组成观察窗，对观察窗口中的数值予以排序，位于观察窗数值序列中间的中值作为输出，然后，丢弃最早的值，取得新的采样，重复上述计算过程；

③ 提取：对吊钩和被吊物进行滤波处理进行图像分割并提取边缘特性，

采用取边缘特征的算法，具体步骤是：

step1：用高斯滤波器平滑图象；

step2：用一阶偏导的有限差分来计算梯度的幅值和方向；

step3：对梯度幅值进行非极大值抑制；

step4：用双阈值算法检测和连接边缘；

④ 比较一：多点比较吊钩和被吊物的贴合情况，

在边缘提取的基础上，以像素为单位比较吊钩和被吊物的贴合情况，比较一贴合度公式如下所示：

比较一贴合度=×100%，式中重合段指吊钩和被吊物重合最外两点像素之间的区域，

若比较一贴合度>2%即为不合格，发出报警1；

⑤ 比较二：比较在吊钩区域中有无空隙，

在边缘提取的基础上，以像素为单位比较吊钩和被吊物的间的空隙，比较二贴合度公式如下所示：

比较二贴合度=×100%，式中吊钩厚度像素指吊钩图像识别中边缘厚度中的最大值，

若比较二贴合度>2%即为不合格，发出报警2；

⑥ 比较三：特定事故图像比较，

把被吊物图象由左至右分为三段，左、中和右这三段的长度分别为被吊物全长的a、b和c，

把吊钩图象由左至右分为三段，左、中和右这三段的长度分别为吊钩全长的a、b和c，

其中：a、b和c都为正数且a+b+c=1，b≥50%，

重合段像素必须都在被吊物图象的中段内和吊钩图象的中段内，否则发出报警3；

⑦ 判断：通过智能算法的判断行车吊钩是否已完全贴合被吊物，若无报警1～3中的任何一个报警，则判断行车吊钩已完全贴合被吊物；

⑧ 控制：发出判断信号接入行车控制系统，若有报警1～3中的任何一个报警，则发出报警信号并停止行车运行，或由操作员选择是否发出报警信号或者停车。

2.如权利要求1所述的冶金行车安全监控识别方法，其特征是：步骤⑥时，a=c=15%，b=70%。