CN112797893A - 一种用于远距离线缆位置参数的测量方法 - Google Patents
一种用于远距离线缆位置参数的测量方法 Download PDFInfo
- Publication number
- CN112797893A CN112797893A CN202011107834.4A CN202011107834A CN112797893A CN 112797893 A CN112797893 A CN 112797893A CN 202011107834 A CN202011107834 A CN 202011107834A CN 112797893 A CN112797893 A CN 112797893A
- Authority
- CN
- China
- Prior art keywords
- cable
- camera
- image
- line
- coordinates
- 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 43
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 29
- 230000003287 optical effect Effects 0.000 claims description 16
- 238000007689 inspection Methods 0.000 claims description 14
- 239000006185 dispersion Substances 0.000 claims description 9
- 238000003384 imaging method Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000009499 grossing Methods 0.000 claims description 7
- 238000002372 labelling Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 230000000877 morphologic effect Effects 0.000 claims description 4
- 238000013519 translation Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 description 10
- 230000006872 improvement Effects 0.000 description 9
- 239000013598 vector Substances 0.000 description 5
- 238000006073 displacement reaction Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001502 supplementing effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- 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
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Geometry (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种用于远距离线缆位置参数的测量方法,在车体或装置两侧分别安装有相机,两个相机的连线与线缆垂直,两个相机的距离固定,相机镜头轴线与线缆所在水平面形成一夹角,在两个相机连线中间的车体上安装有一字线激光,两个相机镜头和一字线激光安装在同一个竖直平面上;包括以下步骤:S1、控制一字线激光发射激光照射线缆;S2、控制左右两个相机同时拍摄线缆的图像画面;S3、对图像进行预处理,去除噪点;S4、对步骤S3中经过预处理的图像进行图像识别,获取线缆光斑位置;S5、将光斑坐标代入公式,计算出需要测量的数据。本发明高效、准确、安全,能大大减少人力成本。
Description
技术领域
本发明属于物体距离测量领域,具体涉及一种用于远距离线缆位置参数的测量方法。
背景技术
近年来,我国输电线路、铁路接触网增长迅速。大量输电线路、铁路接触网设施相继进入养护期,线路安全和监测面临压力逐渐增大。目前,线路巡检主要以人工静态检查为主,少量动态检测车为辅的形式完成,即“人工+轨道车”的集合模式。传统人工巡检方式存在劳动强度大、工作效率低、检测数据分散,精度不足、占用线路时间长、特别是必须预留“天窗期”等缺点。
目前,应用较多的高度与横向位移的测量方法有以下几种:
方法一:利用角位移传感器和压力传感器进行接触式测量。应用电应变原理,将角度变化和压力变化线性地转换为与之相对应的电气量。将角位移传感器安装于接触式测量装置的主轴上,或与主轴相连的四连杆上,随着主轴的转动,即可直接获得角度测量信号,根据角度的变化计算导高的变化。将压力传感器装在受电弓上,根据受电弓的压力分布计算拉出值。
方法二:激光相位式非接触测量。用无线电波段的频率对激光束进行幅度调制,并测定调制光往返测线一次所产生的相位延迟,再根据调制光的波长,换算此相位延迟所代表的距离。利用测得的距离值和激光测距仪的旋转角度计算导高和拉出值。
上述方法存在以下的缺点和不足:
方法一中接触式测量装置及传感器机械部分的转动和同步响应速度慢,使得测量精度低,误差大,同时传感器的机械转动容易损坏受电弓。
方法二的装置需要人工参与,且测量时需要将装置固定在铁轨上,且对准方式多为机械式对准,测量效率低,施工周期长,耗费人力多,不便于多点测量。
而随着“机器人”潮流的到来,在铁路交通领域的应用愈发广泛,巡检机器人逐渐出现在铁路运维中,并逐渐成长为运维主力,它们高效、准确、安全,这将大大减少人力成本,提高巡检质量,实现智能化巡检。
发明内容
本发明的目的是为了克服现有技术中的不足之处,提供一种高效、准确、安全,能大大减少人力成本,用于线缆型位参数测量方法。
为了达到上述目的,本发明采用以下方案:一种用于远距离线缆位置参数的测量方法,其特征在于:在车体两侧分别安装有相机,两个所述相机的连线与轨道垂直,两个所述相机的距离固定,所述相机镜头轴线与轨道平面形成一夹角,在两个所述相机连线中间的车体上安装有一字线激光,两个相机镜和一字线激光安装在同一个平面上;所述线缆型位参数测量方法至少包括以下步骤:
S1、控制一字线激光发射激光照射线缆;
S2、控制左右两个相机同时拍摄线缆的图像画面;
S3、对图像进行预处理,去除噪点;
S4、对步骤S3中经过预处理的图像进行图像识别,获取线缆光斑位置;
S5、将光斑坐标带入公式,计算出需要测量的数据。
作为本发明用于铁路工网巡检机器人的线缆型位参数测量方法的另一种改进,还包括步骤S6、将步骤S5中计算所得数据通过通讯协议发送至设备终端
作为本发明用于远距离线缆位置参数测量的另一种改进,在所述车体上设置有车载补光光源。
作为本发明用于远距离线缆位置参数测量的进一步改进,步骤S3 中使用形态学去噪的方式对小噪声的点进行去噪处理。
作为本发明用于远距离线缆位置参数测量的进一步改进,步骤S4 中所述的图像识别包括以下步骤:
S41、对图像进行高斯平滑操作,再进行二值化,对二值化后的图像分割并标注连通域,根据连通域确定合法的线缆坐标;
S42、将当前帧的线缆坐标分别与前n帧的线缆坐标比较,若坐标变化的梯度处于给定的区间范围内,则认为是正常线缆坐标,并传入到求解器进行空间坐标求解,求解值则为光斑坐标。
作为本发明用于远距离线缆位置参数测量的进一步改进,步骤S41中具体包括以下步骤:
S411、若获得的连通域数量合适,而且各个连通域的面积大小均处于给定的区间内,则计算出各个连通域的中心,以此作为线缆坐标,若线缆坐标处于给定的区间范围内,比对左右视图连通域的面积,若面积差值少于给定阈值,则认为是合法的线缆坐标;
S412、若获得的连通域数量过少,则更改高斯核的大小和二值化的阈值后再次对原图像进行高斯平滑和二值化,然后对二值化后的图像标注连通域;执行步骤S411;
S412、若此时获得的连通域数量过多,则对平滑后的图像进行自适应二值化操作,再作直线检测,计算各条线段的斜率,丢弃斜率不在给定范围内的线段,通过孤立森林算法剔除离群的线段,对剩下的线段进行聚类,得到多个线簇,针对每个线簇,分别计算其离散程度,若离散程度处于可接受的范围内,则以聚类中心分别作为各自的线簇中心,否则丢弃远离聚类中心的线段,重复以上步骤,直至其离散程度处于可接受的范围内;线簇中心可以被视为线缆的中心,根据预定义的规则将线簇离散程度转换为线缆的半径,比对候选连通域与线缆的位置,若连通域位于线缆的范围内,而且各个连通域的面积大小均处于给定的区间内,则该连通域是激光在线缆上形成的光斑,执行步骤S411。
作为本发明用于铁路工网巡检机器人的线缆型位参数测量方法的进一步改进,步骤S42中坐标求解过程包括:
S420、参数设定
设定左右相机的感光底片中心为O1、O2;相机的焦距为f;左右相机的焦点为C1、C2;左右相机的光轴分别为O1与C1的连线、O2 与C2的连线;光轴与铅锤线的夹角为α;O1 O2之间的距离为基线长度L;O1 O2的中点为O0;
空间中待测点为P,待测点P在双目坐标系下的坐标为(x,y);P 点在左右相机底片中的成像点分别为A、B,成像点A到光心O1的距离为x1,成像点B到光心O2的距离为x2;
S421、构建双目系统坐标系;
以O0为原点、O1 O2为x轴、其中垂线为y轴,向上为y轴正方向,O0指向O2为x轴正方向构建双目系统坐标系;
S422、构建左右相机的本地坐标系;
分别以O1、O2为原点、各自的光轴为y轴、沿底片向右为x轴正方向构建左右相机的本地坐标系;
S423、构建两相机各自的本地坐标系到双目系统坐标系的转换矩阵M1to0、M2to0;
对两相机分别双目标定,得到左右相机各自的内参数矩阵K1、K2,和它们之间的外参数矩阵M,从内参矩阵中得到相机的焦距f,从外参矩阵中得到夹角α和基线长度L,根据α和L可以进一步得到双目两相机各自的本地坐标系到双目系统坐标系的转换矩阵M1to0、M2to0;
S424、通过图像匹配,获得光斑在左右图像中的坐标,分别设为 pa、pb;通过换算获得光斑在底片中的坐标Pa、Pb,从中得到x1,x2;其中
S425、通过转换矩阵M1to0、M2to0将A、B、C1、C2的坐标从各自的本地坐标系下转换到双目系统坐标系下表示;联立AC1和BC2的直线方程,则求解出P的坐标。
作为本发明用于铁路工网巡检机器人的线缆型位参数测量方法的进一步改进,所述的相机为工业相机。
作为本发明用于铁路工网巡检机器人的线缆型位参数测量方法的进一步改进,步骤S423中所述转换矩阵由旋转矩阵和平移矩阵所合成,即M=T·R,其中,T:平移矩阵;R:单位正交的旋转矩阵。
作为本发明用于铁路工网巡检机器人的线缆型位参数测量方法的进一步改进,步骤S425中,AC1和BC2的直线方程分别为:
综上所述,本发明相对于现有技术其有益效果是:本发明在测量时,先将一字线激光打开,一字线激光的光斑照射在线缆上,线缆上的光斑呈现点状。左右相机同时拍摄一张照片,照片除了有线缆的光斑,还会有其他光斑,例如承力索,导杆,吊索等光斑呈现。此时通过图像预处理算法进行处理。首先使用形态学去噪来对小噪声的点进行去噪处理。然后使用图像识别算法进行算法识别。从而可以高效、准确的测量线缆的位置参数;能大大减少人力成本,安全可靠。
附图说明
图1为本发明的测量流程示意图。
图2为本发明的原理示意图之一。
图3为本发明的原理示意图之二。
具体实施方式
以下结合附图,对本发明上述的和另外的技术特征和优点作更详细的说明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
需要说明的是,在本发明的描述中,术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系,这仅仅是为了便于描述,而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,还需要说明的是,在本发明的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域技术人员而言,可根据具体情况理解上述术语在本发明中的具体含义。
如图1-2所示,一种用于远距离线缆位置参数的测量方法,其特征在于:在铁路工网巡检机器人的车体两侧分别安装有相机,两个所述相机的连线与轨道垂直,两个所述相机的距离固定,所述相机镜头轴线与轨道平面形成一夹角,在两个所述相机连线中间的车体上安装有一字线激光,两个相机镜和一字线激光安装在同一个平面上;所述线缆型位参数测量方法至少包括以下步骤:
S1、控制一字线激光发射激光照射线缆;
S2、控制左右两个相机同时拍摄线缆的图像画面;
S3、对图像进行预处理,去除噪点;
S4、对步骤S3中经过预处理的图像进行图像识别,获取线缆光斑位置;
S5、将光斑坐标带入公式,计算出需要测量的数据。
本发明中还可以包括步骤S6、将步骤S5中计算所得数据通过通讯协议发送至机器人上位机。其中所述的机器人上位机通过与下位机的通讯,从而控制电机启停、转速,调整激光亮度,与各种传感器(避障雷达、GPS定位、倾角传感器等)交互数据等;另一方面,上位机将各种传感器返回的测量数据以图表的形式保存到本地硬盘上以便用户查阅。
本发明中在所述车体上设置有车载补光光源。在线激光和车载补光的辅助下,本发明测量方法可以覆盖黄昏和晚上等不同的光照环境。
本发明中步骤S3中使用形态学去噪的方式对小噪声的点进行去噪处理。
本发明中步骤S4中所述的图像识别包括以下步骤:
S41、对图像进行高斯平滑操作,再进行二值化,对二值化后的图像分割并标注连通域,根据连通域确定合法的线缆坐标;
S42、将当前帧的线缆坐标分别与前n帧的线缆坐标比较,若坐标变化的梯度处于给定的区间范围内,则认为是正常线缆坐标,并传入到求解器进行空间坐标求解,求解值则为光斑坐标。
本发明中坐标变化的梯度即相邻两帧的坐标差值。
本发明中高斯平滑和二值化等均为常用的图像处理方法。
其中步骤S41中具体包括以下步骤:
S411、若获得的连通域数量合适,而且各个连通域的面积大小均处于给定的区间内,则计算出各个连通域的中心,以此作为线缆坐标,若线缆坐标处于给定的区间范围内,比对左右视图连通域的面积,若面积差值少于给定阈值,则认为是合法的线缆坐标;
S412、若获得的连通域数量过少,则更改高斯核的大小和二值化的阈值后再次对原图像进行高斯平滑和二值化,然后对二值化后的图像标注连通域;执行步骤S411;
S412、若此时获得的连通域数量过多,则对平滑后的图像进行自适应二值化操作,再作直线检测,计算各条线段的斜率,丢弃斜率不在给定范围内的线段,通过孤立森林算法剔除离群的线段,对剩下的线段进行聚类,得到多个线簇,针对每个线簇,分别计算其离散程度,若离散程度处于可接受的范围内,则以聚类中心分别作为各自的线簇中心,否则丢弃远离聚类中心的线段,重复以上步骤,直至其离散程度处于可接受的范围内;线簇中心可以被视为线缆的中心,根据预定义的规则将线簇离散程度转换为线缆的半径,比对候选连通域与线缆的位置,若连通域位于线缆的范围内,而且各个连通域的面积大小均处于给定的区间内,则该连通域是激光在线缆上形成的光斑,执行步骤S411。
本发明中步骤S42中坐标求解过程包括:
S420、参数设定
设定左右相机的感光底片中心为O1、O2;相机的焦距为f;左右相机的焦点为C1、C2;左右相机的光轴分别为O1与C1的连线、O2 与C2的连线;光轴与铅锤线的夹角为α;O1 O2之间的距离为基线长度L;O1 O2的中点为O0;
空间中待测点为P,待测点P在双目坐标系下的坐标为(x,y);P 点在左右相机底片中的成像点分别为A、B,成像点A到光心O1的距离为x1,成像点B到光心O2的距离为x2;
S421、构建双目系统坐标系;
以O0为原点、O1 O2为x轴、其中垂线为y轴,向上为y轴正方向,O0指向O2为x轴正方向构建双目系统坐标系;
S422、构建左右相机的本地坐标系;
分别以O1、O2为原点、各自的光轴为y轴、沿底片向右为x轴正方向构建左右相机的本地坐标系;
S423、构建两相机各自的本地坐标系到双目系统坐标系的转换矩阵M1to0、M2to0;
对两相机分别双目标定,得到左右相机各自的内参数矩阵K1、K2,和它们之间的外参数矩阵M,从内参矩阵中得到相机的焦距f,从外参矩阵中得到夹角α和基线长度L,根据α和L可以进一步得到双目两相机各自的本地坐标系到双目系统坐标系的转换矩阵M1to0、M2to0;
S424、通过图像匹配,获得光斑在左右图像中的坐标,分别设为 pa、pb;通过换算获得光斑在底片中的坐标Pa、Pb,从中得到x1,x2;其中
S425、通过转换矩阵M1to0、M2to0将A、B、C1、C2的坐标从各自的本地坐标系下转换到双目系统坐标系下表示;联立AC1和BC2的直线方程,则求解出P的坐标。
本发明中所述的双目标定,具体可以参照Z.Zhang.A Flexible New Techniquefor Camera Calibration.Technical Report MSRTR-98-71,1998.
本发明中转换矩阵由旋转矩阵和平移矩阵所合成,即M=T·R,其中,T:平移矩阵;R:单位正交的旋转矩阵。T跟基线长度L有关,R跟夹角α有关。鉴于平移、旋转矩阵的表达形式和性质等均为射影几何的基础内容,此处不再赘述。
本发明中pa、pb,Pa、Pb均为列向量,而x1,x2均为向量中的元素,即光斑在图像中的坐标和其对应在底片上的坐标均以向量的形式给出。通过矩阵乘法可以求得待解的向量,自然就可以得到向量中的各个元素。
本发明中AC1和BC2的直线方程分别为:
本发明中联立上述方程求解,即可求解出P的坐标。
以上显示和描述了本发明的基本原理和主要特征以及本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.一种用于远距离线缆位置参数的测量方法,其特征在于:在车体或装置两侧分别安装有相机,两个所述相机的连线与线缆垂直,两个所述相机的距离固定,所述相机镜头轴线与线缆所在水平面形成一夹角,在两个所述相机连线中间的车体上安装有一字线激光,两个相机镜头和一字线激光安装在同一个平面上;所述线缆型位参数测量方法至少包括以下步骤:
S1、控制一字线激光发射激光照射线缆;
S2、控制左右两个相机同时拍摄线缆的图像画面;
S3、对图像进行预处理,去除噪点;
S4、对步骤S3中经过预处理的图像进行图像识别,获取线缆光斑位置;
S5、将光斑坐标带入公式,计算出需要测量的数据。
2.根据权利要求1所述的一种用于远距离线缆位置参数的测量方法,其特征在于还包括步骤S6、将步骤S5中计算所得数据通过通讯协议发送至铁路巡检机器人上位机。
3.根据权利要求1所述的一种用于远距离线缆位置参数的测量方法,其特征在于在所述车体上设置有车载补光光源,光源色温可以调节。
4.根据权利要求1所述的一种用于远距离线缆位置参数的测量方法,其特征在于步骤S3中使用形态学去噪的方式对小噪声的点进行去噪处理。
5.根据权利要求1所述的一种用于远距离线缆位置参数的测量方法,其特征在于步骤S4中所述的图像识别包括以下步骤:
S41、对图像进行高斯平滑操作,再进行二值化,对二值化后的图像分割并标注连通域,根据连通域确定合法的线缆坐标;
S42、将当前帧的线缆坐标分别与前N帧的线缆坐标比较,若坐标变化的梯度处于给定的区间范围内,则认为是正常线缆坐标,并传入到求解器进行空间坐标求解,求解值则为光斑坐标。
6.根据权利要求5所述的一种用于远距离线缆位置参数的测量方法,其特征在于步骤S41中具体包括以下步骤:
S411、若获得的连通域数量合适,而且各个连通域的面积大小均处于给定的区间内,则计算出各个连通域的中心,以此作为线缆坐标,若线缆坐标处于给定的区间范围内,比对左右视图连通域的面积,若面积差值少于给定阈值,则认为是合法的线缆坐标;
S412、若获得的连通域数量过少,则更改高斯核的大小和二值化的阈值后再次对原图像进行高斯平滑和二值化,然后对二值化后的图像标注连通域;执行步骤S411;
S412、若此时获得的连通域数量过多,则对平滑后的图像进行自适应二值化操作,再作直线检测,计算各条线段的斜率,丢弃斜率不在给定范围内的线段,通过孤立森林算法剔除离群的线段,对剩下的线段进行聚类,得到多个线簇,针对每个线簇,分别计算其离散程度,若离散程度处于可接受的范围内,则以聚类中心分别作为各自的线簇中心,否则丢弃远离聚类中心的线段,重复以上步骤,直至其离散程度处于可接受的范围内;线簇中心可以被视为线缆的中心,根据预定义的规则将线簇离散程度转换为线缆的半径,比对候选连通域与线缆的位置,若连通域位于线缆的范围内,而且各个连通域的面积大小均处于给定的区间内,则该连通域是激光在线缆上形成的光斑,执行步骤S411。
7.根据权利要求5所述的一种用于远距离线缆位置参数的测量方法,其特征在于步骤S42中坐标求解过程包括:
S420、参数设定
设定左右相机的感光底片中心为O1、O2;相机的焦距为f;左右相机的焦点为C1、C2;左右相机的光轴分别为O1 与C1的连线、O2与 C2的连线;光轴与铅锤线的夹角为α;O1 O2之间的距离为基线长度L;O1 O2的中点为O0;
空间中待测点为P,待测点P在双目坐标系下的坐标为(x,y);P点在左右相机底片中的成像点分别为A、B,成像点A到光心O1 的距离为x1,成像点B到光心O2 的距离为x2;
S421、构建双目系统坐标系;
以O0为原点、O1 O2为x轴、其中垂线为y轴,向上为y轴正方向,O0 指向O2 为x轴正方向构建双目系统坐标系;
S422、构建左右相机的本地坐标系;
分别以O1、O2为原点、各自的光轴为y轴、沿底片向右为x轴正方向构建左右相机的本地坐标系;
对两相机分别双目标定,得到左右相机各自的内参数矩阵K1、K2 ,和它们之间的外参数矩阵M,从内参矩阵中得到相机的焦距f,从外参矩阵中得到夹角α和基线长度L,根据α和L可以进一步得到双目两相机各自的本地坐标系到双目系统坐标系的转换矩阵、;
8.根据权利要求5所述的一种用于远距离线缆位置参数的测量方法,其特征在于所述的相机为工业相机。
9.根据权利要求6所述的一种用于远距离线缆位置参数的测量方法,其特征在于步骤S423中所述转换矩阵由旋转矩阵和平移矩阵所合成,即M=T·R,其中,T:平移矩阵;R:单位正交的旋转矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011107834.4A CN112797893B (zh) | 2020-10-16 | 2020-10-16 | 一种用于远距离线缆位置参数的测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011107834.4A CN112797893B (zh) | 2020-10-16 | 2020-10-16 | 一种用于远距离线缆位置参数的测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112797893A true CN112797893A (zh) | 2021-05-14 |
CN112797893B CN112797893B (zh) | 2022-09-13 |
Family
ID=75806145
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011107834.4A Active CN112797893B (zh) | 2020-10-16 | 2020-10-16 | 一种用于远距离线缆位置参数的测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112797893B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114659455A (zh) * | 2022-02-24 | 2022-06-24 | 浙江工业大学 | 一种用于测量细丝直径的衍射条纹识别处理方法 |
CN115359440A (zh) * | 2022-08-26 | 2022-11-18 | 武汉铁路职业技术学院 | 一种基于物联网的铁路机车智能安全运行及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103217111A (zh) * | 2012-11-28 | 2013-07-24 | 西南交通大学 | 一种非接触式接触线几何参数检测方法 |
CN104966308A (zh) * | 2015-06-12 | 2015-10-07 | 深圳大学 | 一种计算激光光束光斑大小的方法 |
CN107907048A (zh) * | 2017-06-30 | 2018-04-13 | 长沙湘计海盾科技有限公司 | 一种基于线结构光扫描的双目立体视觉三维测量方法 |
CN109238144A (zh) * | 2018-07-28 | 2019-01-18 | 天津大学 | 针对铁路接触导线导高与拉出值的双目视觉测量方法 |
-
2020
- 2020-10-16 CN CN202011107834.4A patent/CN112797893B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103217111A (zh) * | 2012-11-28 | 2013-07-24 | 西南交通大学 | 一种非接触式接触线几何参数检测方法 |
CN104966308A (zh) * | 2015-06-12 | 2015-10-07 | 深圳大学 | 一种计算激光光束光斑大小的方法 |
US20160364886A1 (en) * | 2015-06-12 | 2016-12-15 | Shenzhen University | Method and system for calculating laser beam spot size |
CN107907048A (zh) * | 2017-06-30 | 2018-04-13 | 长沙湘计海盾科技有限公司 | 一种基于线结构光扫描的双目立体视觉三维测量方法 |
CN109238144A (zh) * | 2018-07-28 | 2019-01-18 | 天津大学 | 针对铁路接触导线导高与拉出值的双目视觉测量方法 |
Non-Patent Citations (2)
Title |
---|
刘召等: "基于激光光斑的带电作业机器人线缆定位方法", 《应用激光》 * |
刘家豪等: "基于双目便携式三维扫描技术的小工件测量", 《科学技术与工程》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114659455A (zh) * | 2022-02-24 | 2022-06-24 | 浙江工业大学 | 一种用于测量细丝直径的衍射条纹识别处理方法 |
CN114659455B (zh) * | 2022-02-24 | 2024-01-16 | 浙江工业大学 | 一种用于测量细丝直径的衍射条纹识别处理方法 |
CN115359440A (zh) * | 2022-08-26 | 2022-11-18 | 武汉铁路职业技术学院 | 一种基于物联网的铁路机车智能安全运行及系统 |
CN115359440B (zh) * | 2022-08-26 | 2024-01-12 | 武汉铁路职业技术学院 | 一种基于物联网的铁路机车智能安全运行及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112797893B (zh) | 2022-09-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108571971B (zh) | 一种agv视觉定位系统及方法 | |
US11948333B2 (en) | Disparity image fusion method for multiband stereo cameras | |
CN111369630A (zh) | 一种多线激光雷达与相机标定的方法 | |
EP2751521B1 (en) | Method and system for alignment of a pattern on a spatial coded slide image | |
CN112797893B (zh) | 一种用于远距离线缆位置参数的测量方法 | |
CN109634279A (zh) | 基于激光雷达与单目视觉的物体定位方法 | |
CN117441113A (zh) | 一种面向车路协同的感知信息融合表征及目标检测方法 | |
CN110288659B (zh) | 一种基于双目视觉的深度成像及信息获取方法 | |
CN110132226B (zh) | 一种无人机巡线的距离及方位角测量系统和方法 | |
CN111699410B (zh) | 点云的处理方法、设备和计算机可读存储介质 | |
CN111091076B (zh) | 基于立体视觉的隧道限界数据测量方法 | |
CN103852060A (zh) | 一种基于单目视觉的可见光图像测距方法 | |
CN105004324A (zh) | 一种具有三角测距功能的单目视觉传感器 | |
CN107957246A (zh) | 基于双目视觉的传送带上物体几何尺寸测量方法 | |
CN112068108A (zh) | 一种基于全站仪的激光雷达外部参数标定方法 | |
CN113985405A (zh) | 障碍物检测方法、应用于车辆的障碍物检测设备 | |
CN114543787B (zh) | 基于条纹投影轮廓术的毫米级室内建图定位方法 | |
CN115239822A (zh) | 分体式飞行车辆多模块间实时视觉识别定位方法及系统 | |
KR101597163B1 (ko) | 스테레오 카메라 교정 방법 및 장치 | |
CN208350997U (zh) | 一种目标物运动监测系统 | |
CN115100290B (zh) | 交通场景下的单目视觉定位方法及装置、设备、存储介质 | |
CN112785647A (zh) | 一种三目立体图像检测方法和系统 | |
CN110346117B (zh) | 一种鱼眼镜头超宽视场下光斑高精度定位方法 | |
CN101907449A (zh) | 螺旋桨桨叶宽度的自动测量新方法 | |
CN115330832A (zh) | 一种基于计算机视觉的输电铁塔全自由度位移监测系统和方法 |
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 |