CN112184816A - 一种基于电池极耳的锂电池柔性定位方法 - Google Patents
一种基于电池极耳的锂电池柔性定位方法 Download PDFInfo
- Publication number
- CN112184816A CN112184816A CN202011040148.XA CN202011040148A CN112184816A CN 112184816 A CN112184816 A CN 112184816A CN 202011040148 A CN202011040148 A CN 202011040148A CN 112184816 A CN112184816 A CN 112184816A
- Authority
- CN
- China
- Prior art keywords
- region
- battery
- area
- tab
- positioning
- 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
- 238000000034 method Methods 0.000 title claims abstract description 30
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 title claims abstract description 26
- 229910052744 lithium Inorganic materials 0.000 title claims abstract description 26
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims abstract description 7
- 230000007797 corrosion Effects 0.000 claims description 11
- 238000005260 corrosion Methods 0.000 claims description 11
- 230000000877 morphologic effect Effects 0.000 claims description 10
- 230000003628 erosive effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 239000002245 particle Substances 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 208000024891 symptom Diseases 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 11
- 230000000694 effects Effects 0.000 abstract 1
- 230000002708 enhancing effect Effects 0.000 abstract 1
- 239000000284 extract Substances 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 4
- 230000010339 dilation Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002035 prolonged 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
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T3/02—Affine transformations
-
- 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
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/04—Construction or manufacture in general
- H01M10/0404—Machines for assembling batteries
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/05—Accumulators with non-aqueous electrolyte
- H01M10/058—Construction or manufacture
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
- Y02P70/50—Manufacturing or production processes characterised by the final manufactured product
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Manufacturing & Machinery (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于电池极耳的锂电池柔性定位方法,本方法中系统接收用户定位请求,通过定位请求启动相机驱动进行图像采集,获得电池原始图片,对获得的电池原始图片进行图像预处理,获取有效的感兴趣区域阈值,根据获得的感兴趣区域阈值进行二值化,提取电池本体极耳区域,对电池本体极耳区域进行筛选,得到差值区域,对差值区域内的每一个连通域分别处理,求取极耳区域,进行极耳定位,确定电池位置和方向,用过仿射矩阵变化引导机器人进行位置补偿。本发明具有完成锂电池产品的精确搬运,有效提高设备柔性、增强设备综合效率、提高产能,实现蓝牙电池、锂电池等电池设备生产线的柔性、混线生产的效果。
Description
技术领域
本发明涉及锂电池自动化生产定位技术领域,具体为一种基于电池极耳的锂电池柔性定位方法。
背景技术
锂电池产品在自动化生产过程中怎样快速准确进行产品定位,引导工业机器人和伺服模组完成锂电池产品的精确搬运,是在锂电池产品生产线上需要解决的一项问题,目前对锂电池进行定位主要通过视觉定位方法,运用模板匹配来实现定位,所述模板匹配是一项在一幅图像中寻找与另一幅图像最相似或最匹配部分的技术,通过学习一款电池的部分特征,保存成模板文件,在生产过程中调用该模板文件进行匹配,把匹配到的坐标提供给工业机器人等执行部件进行位置补偿,从而实现定位功能,但是锂电池的视觉定位方法存在以下缺点:
1.不同型号不同规格的产品在流水线生产时,不同产品之间进行换型时需要重新学习模板和示数,耗时较长,不利于产品柔性生产;
2.通过模板匹配方式想要实现精确定位,需要不断的试错和调整,整个定位匹配周期较长,同时增加生产线中产品生产周期,降低生产效率。
所以,人们需要一种可以增强电池定位综合效率的一种基于电池极耳的锂电池柔性定位方法,来解决上述问题。
发明内容
本发明的目的在于提供一种基于电池极耳的锂电池柔性定位方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种基于电池极耳的锂电池柔性定位方法,包括以下步骤:
步骤S1,系统接收用户定位请求,通过定位请求启动相机驱动进行图像采集,获得蓝牙电池原始图片,对获得的蓝牙电池原始图片进行图像预处理,获取有效的感兴趣区域阈值;
步骤S2,根据所述步骤S1获得的感兴趣区域阈值进行二值化,提取电池本体极耳区域,对电池本体极耳区域进行筛选,得到差值区域;
步骤S3,对所述步骤S3中得到的差值区域内的每一个连通域分别处理,求取极耳区域,进行极耳定位;
步骤S4,通过步骤S1-S3,确定电池位置和方向,用过仿射矩阵变化引导机器人进行位置补偿,实现精确定位。
进一步地,所述步骤S1包括以下步骤:
步骤S11,系统接收用户定位请求,通过定位请求启动相机驱动进行图像采集,得到蓝牙电池的原始图片;
步骤S12,对获得的蓝牙电池原始图片进行图像预处理,系统通过对蓝牙电池原始图片进行形态学处理筛选有效的图像作为感兴趣区域;
所述步骤S12中,对蓝牙电池原始图像进行图像预处理,首先对蓝牙电池原始图像进行形态学处理,所述形态学处理包括腐蚀运算、膨胀运算、开运算和闭运算,所述腐蚀运算对所述蓝牙电池原始图像的边界进行收缩,消除无意义目标物,所述膨胀运算将目标区域接触的背景点合并至蓝牙电池原始图像目标中,填补目标区域中某些空洞以及包含在目标区域中的小颗粒噪声;
步骤S13,将所述蓝牙电池原始图像中的图像元素进行二值化处理,将灰度值大于200的元素取值为255,小于200的元素取值为0,获得灰度值接近255的区域,得到有效的感兴趣区域;
所述步骤S13中,通过开运算、闭运算和求取最大连通域获得图像中灰度值比较接近255的区域,求取获得的该区域的最小外接矩形,进行膨胀算法,得到感兴趣区域,所述开运算和闭运算中包含腐蚀算法和膨胀算法,所述开运算指先进行腐蚀算法后进行膨胀算法,所述闭运算指先进行膨胀算法再进行腐蚀算法。
进一步地,所述步骤S2包括以下步骤:
步骤S21,提取蓝牙电池本体极耳区域,对所述步骤S1中获得的感兴趣区域进行二值化处理,获得蓝牙电池本体极耳区域;
步骤S22,对本体极耳区域进行属性为凸包的区域形状变换,得到凸包区域;
步骤S23,通过所述步骤S22中获得的凸包区域形状和所述步骤S21中获得的极耳区域性症状相减,得出差值区域。
进一步地,所述步骤S3包括以下步骤:
步骤S31,对所述步骤S23中得到的差值区域中的每一个连通域分别进行处理,得到极耳区域;
步骤S32,在所述步骤S31中得到的极耳区域内生成四块测试区域,对四块测试区域分别进行二值化处理,得到二值化区域面积的占比,确定是否为极耳区域;
步骤S33,通过所述步骤S32中确定的极耳区域进行极耳定位,确定电池所在位置以及电池的方向。
优选地,所述步骤S31中,对差值区域中的每一个连通域进行处理,包括以下步骤:
步骤S311,遍历差值区域中的所有点,获得差值区域中所有点的行列坐标,并分别求取最小和最大的行列坐标;
步骤S312,根据所述步骤S311中得到的最小行列坐标和最大行列坐标求取差值区域的最小外接矩形,分别以最小行列坐标和最大行列坐标为基准生成测试矩形区域。
优选地,所述步骤S32包括以下步骤:
步骤S321,对所述步骤S312中生成的测试矩形区域和所述凸包区域进行区域差值计算,获得测试区域;
步骤S322,对所述步骤S321中得到的测试区域分别进行二值化处理;
所述二值化处理为将测试区域中灰度值大于200的取值为0,灰度值小于200的取值为255,求取灰度值为255的像素点的总和,得到测试区域面积,进而获得灰度占比;
步骤S323,设定极耳区域判定值,当所述步骤S322中得到的灰度占比大于极耳区域判定值时,该区域确定为极耳区域,进入步骤S33。
优选地,所述步骤S33中进行极耳区域定位包括以下步骤:
步骤S331,分别对凸包区域进行不同矩形核值的膨胀运算和均值滤波,对极耳边缘区域进行分割检测;
步骤S332,所述步骤S331中的凸包区域对应的极耳和电池本体边缘进行边缘直线拟合,得到极耳拟合直线和电池本体边缘直线,通过所述拟合直线和本体边缘直线交点确定电池定位点。
进一步地,所述步骤S4中,所述仿射矩阵变化把极耳区域中像素坐标转化为机器人系统坐标,通过TCP/IP协议将坐标发送至机器人系统,引导机器人进行位置补偿,实现精确定位。
与现有技术相比,本发明所达到的有益效果是:本发明结合锂电池的生产工艺需求,以形态学运算定位特征为基础,自动适应不同工艺、不同锂电池产品的快速准确定位,不依赖于产品型号和形状,同时不依赖于先前学习的模板和示数,本发明可以引导工业机器人和伺服模组,完成锂电池产品的精确搬运,有效提高设备柔性、增强设备综合效率、提高产能,实现蓝牙电池、锂电池等电池设备生产线的柔性、混线生产。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明的一种基于电池极耳的锂电池柔性定位方法的流程结构示意图;
图2是本发明的一种基于电池极耳的锂电池柔性定位方法实施例的蓝牙电池原始图;
图3是本发明的一种基于电池极耳的锂电池柔性定位方法实施例的感兴趣区域;
图4是本发明的一种基于电池极耳的锂电池柔性定位方法实施例的电池极耳区域;
图5是本发明的一种基于电池极耳的锂电池柔性定位方法实施例的电池极耳凸包区域图;
图6是本发明的一种基于电池极耳的锂电池柔性定位方法实施例的电池极耳差值区域图;
图7是本发明的一种基于电池极耳的锂电池柔性定位方法实施例的极耳定位示意图。
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。
实施例:
请参阅图1-7,本发明提供技术方案:一种基于电池极耳的锂电池柔性定位方法,包括以下步骤:
步骤S1,系统接收用户定位请求,通过定位请求启动相机驱动进行图像采集,获得蓝牙电池原始图片,对获得的蓝牙电池原始图片进行图像预处理,获取有效的感兴趣区域阈值,包括以下步骤:
步骤S11,系统接收用户定位请求,通过定位请求启动相机驱动进行图像采集,得到蓝牙电池的原始图片,如图2所示;
步骤S12,对获得的蓝牙电池原始图片进行图像预处理,系统通过对蓝牙电池原始图片进行形态学处理筛选有效的图像作为感兴趣区域;
步骤S12中,对蓝牙电池原始图像进行图像预处理,首先对蓝牙电池原始图像进行形态学处理,形态学处理包括腐蚀运算、膨胀运算、开运算和闭运算,腐蚀运算对所述蓝牙电池原始图像的边界进行收缩,消除无意义目标物,使目标区域范围缩小;
膨胀运算将目标区域接触的背景点合并至蓝牙电池原始图像目标中,填补目标区域中某些空洞以及包含在目标区域中的小颗粒噪声,是的目标区域扩大,目标边界向外扩张;
步骤S13,将蓝牙电池原始图像中的图像元素进行二值化处理,将灰度值大于200的元素取值为255,小于200的元素取值为0,获得灰度值接近255的区域,得到有效稳定的感兴趣区域,如图3所示;
步骤S13中,通过矩形核为(15,15)的开运算、矩形核为(250,1)的闭运算和求取最大连通域获得图像中灰度值比较接近255的区域,求取获得的该区域的最小外接矩形,进行矩形核为(15,15)的膨胀算法,得到感兴趣区域,所述开运算和闭运算中包含腐蚀算法和膨胀算法,所述开运算指先进行腐蚀算法后进行膨胀算法,所述闭运算指先进行膨胀算法再进行腐蚀算法。
步骤S2,根据步骤S1获得的感兴趣区域阈值进行二值化,提取电池本体极耳区域,对电池本体极耳区域进行筛选,得到差值区域,包括以下步骤:
步骤S21,提取蓝牙电池本体极耳区域,对步骤S1中获得的感兴趣区域进行二值化处理,获得蓝牙电池本体极耳区域,如图4所示,图4中左侧白色区域和右侧灰色区域为蓝牙电池本体极耳区域;
步骤S22,对本体极耳区域进行属性为凸包的区域形状变换,得到凸包区域,如图5所示,图5中左侧阴影部分和右侧白色部分为凸包区域;
步骤S23,通过步骤S22中获得的凸包区域形状和步骤S21中获得的极耳区域形状相减,得出差值区域,如图6所示,图6中左侧和右侧图形为凸包区域形状和极耳区域形状的差值区域图像。
步骤S3,对步骤S3中得到的差值区域内的每一个连通域分别处理,求取极耳区域,进行极耳定位,如图7所示,包括以下步骤:
步骤S31,对步骤S23中得到的差值区域中的每一个连通域分别进行处理,得到极耳区域,包括:
步骤S311,遍历差值区域中的所有点,获得差值区域中所有点的行列坐标,并分别求取最小和最大的行列坐标,最小的行列坐标作为矩形TopLeft,最大的行列坐标作为矩形的BottomRight;
步骤S312,根据步骤S311中得到的最小行列坐标和最大行列坐标求取差值区域的最小外接矩形,TopLeft和BottomRight的中心点作为矩形中心点,并以中心点为基准生成两个测试矩形;
步骤S32,在步骤S31中得到的极耳区域内生成四块测试区域,对四块测试区域分别进行二值化处理,得到二值化区域面积的占比,确定是否为极耳区域,包括:
步骤S321,对步骤S312中生成的测试矩形区域和所述凸包区域进行区域差值计算,获得四块测试区域;
步骤S322,对步骤S321中得到的四块测试区域分别进行二值化处理;
二值化处理为将测试区域中灰度值大于200的取值为0,灰度值小于200的取值为255,求取灰度值为255的像素点的总和,得到测试区域面积,进而获得灰度占比;
步骤S323,设定极耳区域判定值,当步骤S322中得到的灰度占比均大于0.6时,该区域确定为极耳区域,进入步骤S33;
步骤S33,通过步骤S32中确定的极耳区域进行极耳定位,确定电池所在位置以及电池的方向,包括:
步骤S331,分别对凸包区域进行矩形核为(15,15)的膨胀运算和矩形核为(9,9)的均值滤波,对极耳边缘区域进行分割检测,以排除其他干扰;
步骤S332,步骤S331中的凸包区域对应的极耳和电池本体边缘进行边缘直线拟合,得到两条极耳拟合直线和一条电池本体边缘直线,通过所述拟合直线和本体边缘直线交点确定电池定位点,左极耳拟合直线和本体边缘直线的的交点作为左交点,右极耳拟合直线和本体边缘直线的的交点作为右交点,左右两个交点的中心位置,为电池的定位点。
步骤S4,通过步骤S1-S3,确定电池位置和方向,用过仿射矩阵变化引导机器人进行位置补偿,实现精确定位;
仿射矩阵变化把极耳区域中像素坐标转化为机器人系统坐标,通过TCP/IP协议将坐标发送至机器人系统,引导机器人进行位置补偿,实现精确定位。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (8)
1.一种基于电池极耳的锂电池柔性定位方法,其特征在于,包括以下步骤:
步骤S1,系统接收用户定位请求,通过定位请求启动相机驱动进行图像采集,获得电池原始图片,对获得的电池原始图片进行图像预处理,获取有效的感兴趣区域阈值;
步骤S2,根据所述步骤S1获得的感兴趣区域阈值进行二值化,提取电池本体极耳区域,对电池本体极耳区域进行筛选,得到差值区域;
步骤S3,对所述步骤S3中得到的差值区域内的每一个连通域分别处理,求取极耳区域,进行极耳定位;
步骤S4,通过步骤S1-S3,确定电池位置和方向,用过仿射矩阵变化引导机器人进行位置补偿,实现精确定位。
2.根据权利要求1所述的一种基于电池极耳的锂电池柔性定位方法,其特征在于,所述步骤S1包括以下步骤:
步骤S11,系统接收用户定位请求,通过定位请求启动相机驱动进行图像采集,得到蓝牙电池的原始图片;
步骤S12,对获得的电池原始图片进行图像预处理,系统通过对电池原始图片进行形态学处理筛选有效的图像作为感兴趣区域;
所述步骤S12中,对电池原始图像进行图像预处理,首先对电池原始图像进行形态学处理,所述形态学处理包括腐蚀运算、膨胀运算、开运算和闭运算,所述腐蚀运算对所述电池原始图像的边界进行收缩,消除无意义目标物,所述膨胀运算将目标区域接触的背景点合并至电池原始图像目标中,填补目标区域中某些空洞以及包含在目标区域中的小颗粒噪声;
步骤S13,将所述电池原始图像中的图像元素进行二值化处理,将灰度值大于200的元素取值为255,小于200的元素取值为0,获得灰度值接近255的区域,得到有效的感兴趣区域;
所述步骤S13中,通过开运算、闭运算和求取最大连通域获得图像中灰度值比较接近255的区域,求取获得的该区域的最小外接矩形,进行膨胀算法,得到感兴趣区域,所述开运算和闭运算中包含腐蚀算法和膨胀算法,所述开运算指先进行腐蚀算法后进行膨胀算法,所述闭运算指先进行膨胀算法再进行腐蚀算法。
3.根据权利要求2所述的一种基于电池极耳的锂电池柔性定位方法,其特征在于,所述步骤S2包括以下步骤:
步骤S21,提取电池本体极耳区域,对所述步骤S1中获得的感兴趣区域进行二值化处理,获得电池本体极耳区域;
步骤S22,对本体极耳区域进行属性为凸包的区域形状变换,得到凸包区域;
步骤S23,通过所述步骤S22中获得的凸包区域形状和所述步骤S21中获得的极耳区域性症状相减,得出差值区域。
4.根据权利要求3所述的一种基于电池极耳的锂电池柔性定位方法,其特征在于,所述步骤S3包括以下步骤:
步骤S31,对所述步骤S23中得到的差值区域中的每一个连通域分别进行处理,得到极耳区域;
步骤S32,在所述步骤S31中得到的极耳区域内生成四块测试区域,对四块测试区域分别进行二值化处理,得到二值化区域面积的占比,确定是否为极耳区域;
步骤S33,通过所述步骤S32中确定的极耳区域进行极耳定位,确定电池所在位置以及电池的方向。
5.根据权利要求4所述的一种基于电池极耳的锂电池柔性定位方法,其特征在于,所述步骤S31中,对差值区域中的每一个连通域进行处理,包括以下步骤:
步骤S311,遍历差值区域中的所有点,获得差值区域中所有点的行列坐标,并分别求取最小和最大的行列坐标;
步骤S312,根据所述步骤S311中得到的最小行列坐标和最大行列坐标求取差值区域的最小外接矩形,分别以最小行列坐标和最大行列坐标为基准生成测试矩形区域。
6.根据权利要求5所述的一种基于电池极耳的锂电池柔性定位方法,其特征在于,所述步骤S32包括以下步骤:
步骤S321,对所述步骤S312中生成的测试矩形区域和所述凸包区域进行区域差值计算,获得测试区域;
步骤S322,对所述步骤S321中得到的测试区域分别进行二值化处理;
所述二值化处理为将测试区域中灰度值大于200的取值为0,灰度值小于200的取值为255,求取灰度值为255的像素点的总和,得到测试区域面积,进而获得灰度占比;
步骤S323,设定极耳区域判定值,当所述步骤S322中得到的灰度占比大于极耳区域判定值时,该区域确定为极耳区域,进入步骤S33。
7.根据权利要求6所述的一种基于电池极耳的锂电池柔性定位方法,其特征在于,所述步骤S33中进行极耳区域定位包括以下步骤:
步骤S331,分别对凸包区域进行不同矩形核值的膨胀运算和均值滤波,对极耳边缘区域进行分割检测;
步骤S332,所述步骤S331中的凸包区域对应的极耳和电池本体边缘进行边缘直线拟合,得到极耳拟合直线和电池本体边缘直线,通过所述拟合直线和本体边缘直线交点确定电池定位点。
8.根据权利要求7所述的一种基于电池极耳的锂电池柔性定位方法,其特征在于,所述步骤S4中,所述仿射矩阵变化把极耳区域中像素坐标转化为机器人系统坐标,通过TCP/IP协议将坐标发送至机器人系统,引导机器人进行位置补偿。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011040148.XA CN112184816B (zh) | 2020-09-28 | 2020-09-28 | 一种基于电池极耳的锂电池柔性定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011040148.XA CN112184816B (zh) | 2020-09-28 | 2020-09-28 | 一种基于电池极耳的锂电池柔性定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112184816A true CN112184816A (zh) | 2021-01-05 |
CN112184816B CN112184816B (zh) | 2024-03-22 |
Family
ID=73944683
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011040148.XA Active CN112184816B (zh) | 2020-09-28 | 2020-09-28 | 一种基于电池极耳的锂电池柔性定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112184816B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115091070A (zh) * | 2022-06-23 | 2022-09-23 | 岳阳耀宁新能源科技有限公司 | 一种方形铝壳极柱焊接的闭环自动补偿定位方法 |
CN115498371A (zh) * | 2022-09-28 | 2022-12-20 | 广州市易鸿智能装备有限公司 | 一种基于锂电池极耳间距的分片系统及方法 |
CN115535685A (zh) * | 2022-11-25 | 2022-12-30 | 钛玛科(北京)工业科技有限公司 | 一种对电芯卷材进行纠偏控制的方法和系统 |
CN117274160A (zh) * | 2023-08-17 | 2023-12-22 | 钛玛科(北京)工业科技有限公司 | 一种锂电卷绕极耳对齐闭环的方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012004074A (ja) * | 2010-06-21 | 2012-01-05 | Hitachi Setsubi Eng Co Ltd | タブ付き電極材を内装した筒型電池のタブ検査方法、その検査方法に用いるタブ検査装置、及びタブマーキング装置 |
CN105957077A (zh) * | 2015-04-29 | 2016-09-21 | 国网河南省电力公司电力科学研究院 | 基于视觉显著性分析的输电线路异物检测方法 |
CN109859186A (zh) * | 2019-01-31 | 2019-06-07 | 江苏理工学院 | 一种基于halcon的锂电池模组正负极检测方法 |
CN110133529A (zh) * | 2019-06-10 | 2019-08-16 | 珠海冠宇电池有限公司 | 一种锂电池电压内阻测试机自定位方法 |
CN111242927A (zh) * | 2020-01-14 | 2020-06-05 | 惠州市德赛电池有限公司 | 一种基于深度学习的正弦焊检测方法 |
CN111307818A (zh) * | 2020-02-25 | 2020-06-19 | 华南理工大学 | 一种锂电池极耳激光焊点视觉在线检测方法 |
-
2020
- 2020-09-28 CN CN202011040148.XA patent/CN112184816B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012004074A (ja) * | 2010-06-21 | 2012-01-05 | Hitachi Setsubi Eng Co Ltd | タブ付き電極材を内装した筒型電池のタブ検査方法、その検査方法に用いるタブ検査装置、及びタブマーキング装置 |
CN105957077A (zh) * | 2015-04-29 | 2016-09-21 | 国网河南省电力公司电力科学研究院 | 基于视觉显著性分析的输电线路异物检测方法 |
CN109859186A (zh) * | 2019-01-31 | 2019-06-07 | 江苏理工学院 | 一种基于halcon的锂电池模组正负极检测方法 |
CN110133529A (zh) * | 2019-06-10 | 2019-08-16 | 珠海冠宇电池有限公司 | 一种锂电池电压内阻测试机自定位方法 |
CN111242927A (zh) * | 2020-01-14 | 2020-06-05 | 惠州市德赛电池有限公司 | 一种基于深度学习的正弦焊检测方法 |
CN111307818A (zh) * | 2020-02-25 | 2020-06-19 | 华南理工大学 | 一种锂电池极耳激光焊点视觉在线检测方法 |
Non-Patent Citations (1)
Title |
---|
李小妹: "基于三维图像的电池极片定位检测系统", 基于三维图像的电池极片定位检测系统, vol. 9, no. 4, 20 April 2019 (2019-04-20), pages 31 - 32 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115091070A (zh) * | 2022-06-23 | 2022-09-23 | 岳阳耀宁新能源科技有限公司 | 一种方形铝壳极柱焊接的闭环自动补偿定位方法 |
CN115498371A (zh) * | 2022-09-28 | 2022-12-20 | 广州市易鸿智能装备有限公司 | 一种基于锂电池极耳间距的分片系统及方法 |
CN115498371B (zh) * | 2022-09-28 | 2023-08-25 | 广州市易鸿智能装备有限公司 | 一种基于锂电池极耳间距的分片系统及方法 |
CN115535685A (zh) * | 2022-11-25 | 2022-12-30 | 钛玛科(北京)工业科技有限公司 | 一种对电芯卷材进行纠偏控制的方法和系统 |
CN117274160A (zh) * | 2023-08-17 | 2023-12-22 | 钛玛科(北京)工业科技有限公司 | 一种锂电卷绕极耳对齐闭环的方法 |
CN117274160B (zh) * | 2023-08-17 | 2024-04-30 | 钛玛科(北京)工业科技有限公司 | 一种锂电卷绕极耳对齐闭环的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112184816B (zh) | 2024-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112184816A (zh) | 一种基于电池极耳的锂电池柔性定位方法 | |
CN108898610B (zh) | 一种基于mask-RCNN的物体轮廓提取方法 | |
WO2021208275A1 (zh) | 一种交通视频背景建模方法及系统 | |
CN109636905B (zh) | 基于深度卷积神经网络的环境语义建图方法 | |
CN113658132B (zh) | 基于计算机视觉的结构件焊缝检测方法 | |
CN103400150B (zh) | 一种基于移动平台进行道路边缘识别的方法及装置 | |
CN115115644B (zh) | 一种基于人工智能的车辆焊接缺陷检测方法 | |
CN111862119A (zh) | 基于Mask-RCNN的语义信息提取方法 | |
JP2015522200A (ja) | 人顔特徴点の位置決め方法、装置及び記憶媒体 | |
CN112183482A (zh) | 危险驾驶行为识别方法、装置、系统及可读存储介质 | |
CN110321937B (zh) | 一种Faster-RCNN结合卡尔曼滤波的运动人体跟踪方法 | |
CN110598698B (zh) | 基于自适应区域建议网络的自然场景文本检测方法和系统 | |
CN111310637B (zh) | 一种基于尺度不变网络的机器人目标抓取检测方法 | |
CN112613579A (zh) | 一种人脸或人头图像质量的模型训练方法、评估方法及高质量图像的选取方法 | |
CN114155610B (zh) | 基于上半身姿态估计的面板装配关键动作识别方法 | |
CN106570885A (zh) | 基于亮度和纹理融合阈值的背景建模方法 | |
CN108805902A (zh) | 一种自适应尺度的时空上下文目标跟踪方法 | |
CN112348018A (zh) | 基于巡检机器人的数显式仪表读数识别方法 | |
CN112435272A (zh) | 一种基于图像轮廓分析的高压输电线连通域去除方法 | |
CN113344967A (zh) | 一种复杂背景下的动态目标识别追踪方法 | |
CN112396655A (zh) | 一种基于点云数据的船舶目标6d位姿估计方法 | |
CN115564723A (zh) | 一种晶圆缺陷检测方法及应用 | |
CN115222884A (zh) | 一种基于人工智能的空间对象分析及建模优化方法 | |
CN117557565B (zh) | 一种锂电池极片的检测方法及其装置 | |
CN110930358B (zh) | 一种基于自适应算法的太阳能面板图像处理方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |