CN113532272B - 一种扒渣机四维度运动位置参量的检测和计算方法 - Google Patents
一种扒渣机四维度运动位置参量的检测和计算方法 Download PDFInfo
- Publication number
- CN113532272B CN113532272B CN202110741448.9A CN202110741448A CN113532272B CN 113532272 B CN113532272 B CN 113532272B CN 202110741448 A CN202110741448 A CN 202110741448A CN 113532272 B CN113532272 B CN 113532272B
- Authority
- CN
- China
- Prior art keywords
- slag
- raking machine
- machine
- auxiliary line
- image
- 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.)
- Active
Links
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
Abstract
一种扒渣机四维度运动位置参量的检测和计算方法,所述方法包括:步骤1,在扒渣机上设置作为参照物的标志物,在扒渣机上方和侧方设置摄像机,通过摄像机拍摄扒渣机当前的运动位置图像;步骤2,对图像进行实时的计算分析,得到扒渣机的旋转角度、俯仰角度、升降高度与前后伸缩距离。本发明不需要在扒渣机上安装传感器,从而很好的解决避免了传感器检修困难,以及因扒渣机工作时动作频繁且震动,对传感器的检测精度、稳定性和可靠性造成影响的问题。
Description
技术领域
本发明涉及冶金行业,具体涉及一种扒渣机四维度运动位置参量的检测和计算方法。
背景技术
扒渣机旋转角度、俯仰角度、升降高度与前后伸缩距离的检测,目前主要的技术手段是采用在扒渣机本体上安装传感器的方式直接检测,包括但不限于在旋转轴上安装编码器、在扒渣臂上安装倾角传感器、在液压油缸内安装位置传感器等。扒渣机通常安装在高温、充满金属粉尘的恶劣环境;扒渣机工作时动作频繁且震动较大,对传感器的检测精度、稳定性和可靠性都有十分不利。此外,安装在油缸中的传感器一旦出现故障,检修非常困难。
发明内容
鉴于现有技术中存在的技术缺陷和技术弊端,本发明实施例提供克服上述问题或者至少部分地解决上述问题的一种扒渣机四维度运动位置参量的检测和计算方法,具体方案如下:
一种扒渣机四维度运动位置参量的检测和计算方法,所述方法包括:
步骤1,在扒渣机上设置作为参照物的标志物,在扒渣机上方和侧方设置摄像机,通过摄像机拍摄扒渣机当前的运动位置图像;
步骤2,对图像进行实时的计算分析,得到扒渣机的旋转角度、俯仰角度、升降高度与前后伸缩距离。
进一步地,步骤2中,对图像进行实时的计算分析,得到扒渣机的旋转角度具体包括:
步骤2.11,将扒渣机旋转至0°位置后保持静止,并获取该时刻扒渣机上方摄像机拍摄的图像,在扒渣机上方的摄像机拍摄的图像上沿扒渣机方向画一条辅助线M,辅助线M与扒渣机渣臂轴线重合,即穿过扒渣机旋转角度检测用的标志物的几何中心点和扒渣机旋转轴中心;
在扒渣机上方的摄像机拍摄的图像上,测量出旋转角度计算用的标志物的几何中心点至扒渣机旋转轴中心的物理距离Lsw;
在扒渣机上方摄像机拍摄的图像上,于扒渣机尾部另画一条辅助线N,令辅助线N在图像上的长度为la,对应的实际物理长度为La,进而可计算出物像比ka;
任取辅助线M上的两个点P(x1,y1),P(x2,y2),可得到辅助线M在图像上的直线方程;
As·x+Bs·y+Cs=0;
其中,As=y2–y1;Bs=x1–x2;Cs=x2·y1–x1·y2;
步骤2.12,当扒渣机运行到任意位置时,通过扒渣机上方摄像机实时采集扒渣机的图像,基于物体识别与跟踪的神经网络模型,获得图像中标志物当前的位置信息,并获取标志物的几何中心点在图像上的坐标Ps(x0,y0);
计算Ps(x0,y0)至辅助线M的实际物理距离Lp;
进一步地,步骤2中,对图像进行实时的计算分析,得到扒渣机的俯仰角度具体包括:
步骤2.21,将扒渣机俯仰至水平位置后保持静止,此时俯仰角认为是0°,并获取该时刻扒渣机侧面摄像机拍摄的图像,在扒渣机侧面摄像机拍摄的图像上沿扒渣机方向画一条辅助线J,辅助线J与扒渣机渣臂轴线重合,即穿过扒渣机俯仰角度检测用标志物的几何中心点和扒渣机俯仰轴中心;
在扒渣机侧面摄像机拍摄的图像上,测量出俯仰角度计算用的标志物的几何中心点至扒渣机俯仰轴中心的物理距离;
在扒渣机侧面摄像机拍摄的图像上,于扒渣机上另画一条辅助线K,令辅助线K在图像上的长度为lb,对应的实际物理长度为Lb;进而可计算出物像比kb;
任取辅助线J上的两个点P(x3,y3),P(x4,y4),可得到辅助线J在图像上的直线方程:
At·x+Bt·y+Ct=0;
其中,At=y4–y3,Bt=x3–x4,Ct=x4·y3–x3·y4;
步骤2.22,当扒渣机运行到任意位置时,通过扒渣机侧方摄像机实时采集扒渣机的图像,基于物体识别与跟踪的神经网络模型,获得图像中标志物当前的位置信息,并获取标志物的几何中心点在图像上的坐标Pt(x0,y0);
计算Pt(x0,y0)至辅助线J的实际距离Lq;
对于尾部不做俯仰动作的扒渣机,计算扒渣机俯仰角度θ为:
进一步地,对图像进行实时的计算分析,得到扒渣机的升降高度具体包括:
步骤2.31,将扒渣机本体降至最低位置后保持静止,并获取该时刻扒渣机侧面摄像机拍摄的图像,在扒渣机侧面摄像机拍摄的图像上,沿扒渣机底座画一条平行于地坪基础的辅助线S;
在扒渣机侧面摄像机拍摄的图像上,测量出升降高度计算用的标志物的几何中心点至辅助线S的物理距离;
在扒渣机侧面摄像机拍摄的图像上,于扒渣机上另画一条辅助线T,令辅助线T在图像上的长度为lc,对应的实际物理长度为Lc;进而可计算出物像比kc;
任取辅助线S上的两个点P(x5,y5),P(x6,y6),可得到辅助线S在图像上的直线方程;
Ah·x+Bh·y+Ch=0;
其中,Ah=y6–y5,Bh=x5–x6,Ch=x6·y5–x5·y6;
步骤2.32,当扒渣机运行到任意位置时,通过侧面摄像机实时采集扒渣机的图像,基于物体识别与跟踪的神经网络模型,获得图像中标志物当前的位置信息,并获取标志物的几何中心点在图像上的坐标Ph(xh,yh);
计算扒渣机实际抬升高度H;
进一步地,对图像进行实时的计算分析,得到扒渣机的前后伸缩距离具体包括:
步骤2.41,将扒渣机缩回至最后端位置,并将扒渣机旋转至0°位置,俯仰至水平位置,然后保持静止,并获取该时刻扒渣机侧面摄像机拍摄的图像,在扒渣机侧面摄像机拍摄图像上,在扒渣机最后端画一条垂直于地坪基础的辅助线W;
在扒渣机侧面摄像机拍摄图像上,测量出前后伸缩距离计算用的标志物的几何中心点至辅助线W的物理距离Lrd;
在扒渣机侧面摄像机拍摄的图像上,于扒渣机上另画一条辅助线V,辅助线V在图像上的长度为ld,对应的实际物理长度为Ld;进而可计算出物像比kd:
任取辅助线W上的两个点P(x7,y7),P(x8,y8),可得到辅助线W在图像上的直线方程如下:
Ad·x+Bd·y+Cd=0;
其中,Ad=y8–y7;Bd=x7–x8;Cd=x8·y7–x7·y8;
步骤2.42,当扒渣机运行到任意位置时,通过侧面摄像机实时采集扒渣机的图像,基于物体识别与跟踪的神经网络模型,获得图像中标志物当前的位置信息,并获取标志物的几何中心点在图像上的坐标Pd(xd,yd);
计算扒渣机实际前后伸缩距离D为:
进一步地,所述方法还包括:
通过摄像机采集预设时长的扒渣机动作视频;
从采集的扒渣机动作视频中,连续等间隔提取预设数量的帧图片;对每一帧图片,均对图片中扒渣机的俯仰轴、旋转轴、标志物进行标注,获取每一帧图片中扒渣机运动参量信息,并基于运动参量信息构建数据集,其中,所述运动参量信息包括:扒渣机的旋转角度、俯仰角度、升降高度、前后伸缩距离以及标志物位置;
通过所述数据集训练用于物体识别与跟踪的神经网络模型。
进一步地,所述标志物为多个,分别用于在计算旋转角度、俯仰角度、升降高度与前后伸缩距离的时候作为参照的物体,其中,计算扒渣机俯仰角度与旋转角度用的标志物,其几何中心点应在扒渣臂的中心轴线上。
本发明具有以下有益效果:
本发明借助安装在扒渣机上方、扒渣机侧面等位置的摄像机,拍摄扒渣机当前的运动位置图像,并对图像进行实时的计算分析,从而得到扒渣机的旋转角度、俯仰角度、升降高度与前后伸缩距离等参数。本发明不需要在扒渣机上安装传感器,从而很好的解决避免了传感器检修困难,以及因扒渣机工作时动作频繁且震动,对传感器的检测精度、稳定性和可靠性造成影响的问题。
附图说明
图1为本发明实施例提供的扒渣机四维度运动位置参量的检测和计算方法的流程示意图;
图2为本发明实施例提供的在扒渣机上方摄像机安装位置示意图;
图3为本发明实施例提供的在扒渣机侧面摄像机安装位置示意图;
图4为本发明实施例提供的一种尾部不做俯仰动作的扒渣机型式示意图;
图5为本发明实施例提供的一种尾部既做旋转动作又作俯仰动作的扒渣机型式示意图。
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,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它实施例,都属于本发明保护的范围。
如图1所示,本发明实施例提供的一种扒渣机四维度运动位置参量的检测和计算方法,所述方法包括:
步骤1,在扒渣机上设置作为参照物的标志物,在扒渣机上方和侧方设置摄像机,通过摄像机拍摄扒渣机当前的运动位置图像;
步骤2,对图像进行实时的计算分析,得到扒渣机的旋转角度、俯仰角度、升降高度与前后伸缩距离。
本发明借助安装在扒渣机上方、扒渣机侧面等位置的摄像机,拍摄扒渣机当前的运动位置图像,并对图像进行实时的计算分析,从而得到扒渣机的旋转角度、俯仰角度、升降高度与前后伸缩距离等参数。根据现场环境的不同,摄像机可选用可见光摄像机、红外摄像机或远红外摄像机等。除现场安装摄像机外,还需设置一台或数台机器视觉服务器,用于图像的处理、分析和计算结果的发布,另外,机器视觉服务器并不是必须的,本发明所描述的检测和计算方法也可以直接集成到摄像机中,由摄像机自身的软件实现,从而直接实现图像的处理、计算和结果的发布。
本发明需要在扒渣机本体上选择合适的标志物,用于图像分析。如果扒渣机本体没有合适的标志物,可以制作专门的标志物并安装在扒渣机上,标志物应方便辨认、能与背景区分开,其中,计算扒渣机俯仰角度与旋转角度用的标志物,其几何中心点应在扒渣臂的中心轴线上。
本发明的具体实施可分为两个阶段:
一.标志物位置的检测与跟踪,具体如下:
(1)(如有必要)在扒渣机上安装标志物。
(2)在扒渣机上方、扒渣机侧面等位置安装摄像机,摄像机的参考位置如附图2-3所示,需要说明的是,摄像机的安装数量和位置会根据现场实际情况调整,附图仅为示意。
(3)用摄像机采集预设时长的扒渣机动作视频;
(4)从采集的扒渣机动作视频中,提取预设数量的图片,对提取出的每一幅图片中的旋转角度、俯仰角度、升降高度与前后伸缩距离计算用的标志物,和扒渣机俯仰轴、旋转轴等物体进行标注,构建数据集;
(5)用第(4)步制作的数据集训练神经网络,得到物体识别与跟踪模型。
需要说明的是,实际应用中,物体识别与跟踪模型并不是必须采用神经网络技术,采用其他技术方案获得物体识别与跟踪模型并取得相同结果也不脱离本专利技术方案的精神和范围。
二、扒渣机旋转角度俯仰角度θ、升降高度H与前后伸缩距离D的计算。对于尾部不做俯仰动作的扒渣机,旋转角度俯仰角度θ均可以由本专利的方法检测和计算;对于尾部既做旋转动作又作俯仰动作的扒渣机,旋转角度俯仰角度θ两个参量不是独立的,需要其中一个参量用其它方法获得。两种不同型式扒渣机的示意见附图4和5;
(1)将扒渣机旋转至0°位置后保持静止,在扒渣机上方摄像机拍摄的图像上沿扒渣机方向(即臂长方向)画一条辅助线M,辅助线M与扒渣机渣臂轴线重合,即穿过扒渣机旋转角度检测用的标志物的几何中心点和扒渣机旋转轴中心;
(2)测量出旋转角度计算用的标志物的几何中心点至扒渣机旋转轴中心的物理距离Lsw;
(3)在扒渣机上方摄像机拍摄的图像上,在扒渣机尾部另画一条辅助线N。该辅助线N可以朝任意方向,辅助线N在图像上的长度为la,对应的实际物理长度为La;进而可计算出物像比kb;
(4)任取辅助线M上的两个点P(x1,y1),P(x2,y2),可得到辅助线M在图像上的直线方程:
As·x+Bs·y+Cs=o;
其中,As=y2–y1;Bs=x1–x2;Cs=x2·y1–x1·y2;
(5)上述(1)~(4)步为准备工作,当扒渣机运行到任意位置时,扒渣机上方摄像机实时采集扒渣机的图像,图像首先经过阶段一训练完成的物体识别与跟踪模型的计算,获得标志物当前的位置信息,并可进一步计算出标志物的几何中心点在图像上的坐标Ps(x0,y0);
(6)用下式计算Ps(x0,y0)至辅助线M的实际物理距离Lp;
其中,计算扒渣机俯仰角度θ具体如下:
(1)将扒渣机俯仰至水平位置(此时俯仰角认为是0°)后保持静止。在扒渣机侧面摄像机拍摄的图像上沿扒渣机方向画一条辅助线J,辅助线J与扒渣机渣臂轴线重合,即穿过扒渣机俯仰角度检测用标志物的几何中心点和扒渣机俯仰轴中心;
(2)测量出俯仰角度计算用的标志物的几何中心点,至扒渣机俯仰轴中心的物理距离Ltilt;
(3)在扒渣机侧面摄像机拍摄的图像上,在扒渣机上另画一条辅助线K。辅助线K在图像上的长度为lb,对应的实际物理长度为Lb;进而可计算出物像比kb;
(4)任取辅助线J上的两个点P(x3,y3),P(x4,y4),可得到辅助线J在图像上的直线方程:
At·x+Bt·y+Ct=0;
其中,At=y4–y3,Bt=x3–x4,Ct=x4·y3–x3·y4;
(5)上述(1)~(4)步为准备工作。当扒渣机运行到任意位置时,实时采集扒渣机侧面摄像机的图像。图像首先经过阶段一训练完成的物体识别与跟踪模型的计算,获得标志物当前的位置信息,并可进一步计算出标志物的几何中心点在图像上的坐标Pt(x0,y0);
(6)用下式计算Pt(x0,y0)至辅助线J的实际距离Lq;
(7)对于尾部不做俯仰动作的扒渣机,计算扒渣机俯仰角度θ为:
其中,计算扒渣机升降高度H具体如下:
(1)将扒渣机本体降至最低位置后保持静止。在扒渣机侧面摄像机拍摄的图像上,沿扒渣机底座画一条平行于地坪基础的辅助线S;
(2)测量出升降高度计算用的标志物的几何中心点至辅助线S的物理距离Lrh;
(3)在扒渣机侧面摄像机拍摄的图像上,在扒渣机上另画一条辅助线T。辅助线T在图像上的长度为lc,对应的实际物理长度为Lc;进而可计算出物像比kc;
(4)任取辅助线S上的两个点P(x5,y5),P(x6,y6),可得到辅助线S在图像上的直线方程:
Ah·x+Bh·y+Ch=0;
其中,Ah=y6–y5,Bh=x5–x6,Ch=x6·y5–x5·y6;
(5)上述(1)~(4)步为准备工作。当扒渣机运行到任意位置时,侧面摄像机实时采集扒渣机的图像。图像首先经过阶段一训练完成的物体识别与跟踪模型的计算,获得升降高度计算用标志物当前的位置信息,并可进一步计算出该标志物的几何中心点在图像上的坐标Ph(xh,yh);
(6)用下式计算扒渣机实际抬升高度H;
其中,扒渣机前后伸缩距离D
(1)将扒渣机缩回至最后端位置并旋转至0°位置,俯仰至水平位置,然后保持静止,在扒渣机侧面摄像机拍摄的图像上,沿扒渣机最后端画一条垂直于地坪基础的辅助线W;
(2)测量出前后伸缩距离计算用的标志物的几何中心点至辅助线W的物理距离Lrd;
(3)在扒渣机侧面摄像机拍摄的图像上,在扒渣机上另画一条辅助线V,辅助线V在图像上的长度为ld,对应的实际物理长度为Ld;进而可计算出物像比kd;
(4)任取辅助线W上的两个点P(x7,y7),P(x8,y8),可得到辅助线W在图像上的直线方程如下:
Ad·x+Bd·y+Cd=0;
其中,Ad=y8–y7;Bd=x7–x8;Cd=x8·y7–x7·y8;
(5)上述(1)~(4)步为准备工作。当扒渣机运行到任意位置时,侧面摄像机实时采集扒渣机的图像。图像首先经过阶段一训练完成的物体识别与跟踪模型的计算,获得前后伸缩距离计算用标志物当前的位置信息,并可进一步计算出该标志物的几何中心点在图像上的坐标Pd(xd,yd);
(6)用下式计算扒渣机实际前后伸缩距离D;
需要说明的是,扒渣机旋转角度、俯仰角度、升降高度与前后伸缩距离的计算方法中的第(3)条,是一种获得图像物像比的方法,采用其它方式得到物像比,应用于后续的计算过程的方法,仍不脱离本专利技术方案的精神和范围。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种扒渣机四维度运动位置参量的检测和计算方法,其特征在于,所述方法包括:
步骤1,在扒渣机上设置作为参照物的标志物,在扒渣机上方和侧方设置摄像机,通过摄像机拍摄扒渣机当前的运动位置图像;
其中,对图像进行实时的计算分析,得到扒渣机的前后伸缩距离具体包括:
步骤2.41,将扒渣机缩回至最后端位置,并将扒渣机旋转至0°位置,俯仰至水平位置,然后保持静止,并获取该时刻扒渣机侧面摄像机拍摄的图像,在扒渣机侧面摄像机拍摄图像上,在扒渣机最后端画一条垂直于地坪基础的辅助线W;
在扒渣机侧面摄像机拍摄图像上,测量出标志物的几何中心点至辅助线W的物理距离Lrd;
在扒渣机侧面摄像机拍摄的图像上,于扒渣机上另画一条辅助线V,辅助线V在图像上的长度为ld,对应的实际物理长度为Ld;进而可计算出物像比kd:
任取辅助线W上的两个点P(x7,y7),P(x8,y8),可得到辅助线W在图像上的直线方程如下:
Ad·x+Bd·y+Cd=0;
其中,Ad=y8–y7;Bd=x7–x8;Cd=x8·y7–x7·y8;
步骤2.42,当扒渣机运行到任意位置时,通过侧面摄像机实时采集扒渣机的图像,获得图像中标志物当前的位置信息,并获取标志物的几何中心点在图像上的坐标Pd(xd,yd);
计算扒渣机实际前后伸缩距离D为:
2.根据权利要求1所述的扒渣机四维度运动位置参量的检测和计算方法,其特征在于,步骤2中,对图像进行实时的计算分析,得到扒渣机的旋转角度具体包括:
步骤2.11,将扒渣机旋转至0°位置后保持静止,并获取该时刻扒渣机上方摄像机拍摄的图像,在扒渣机上方的摄像机拍摄的图像上沿扒渣机方向画一条辅助线M,辅助线M与扒渣机渣臂轴线重合,即穿过扒渣机旋转角度检测用的标志物的几何中心点和扒渣机旋转轴中心;
在扒渣机上方的摄像机拍摄的图像上,测量出标志物的几何中心点至扒渣机旋转轴中心的物理距离Lsw;
在扒渣机上方摄像机拍摄的图像上,于扒渣机尾部另画一条辅助线N,令辅助线N在图像上的长度为la,对应的实际物理长度为La,进而可计算出物像比ka;
任取辅助线M上的两个点P(x1,y1),P(x2,y2),可得到辅助线M在图像上的直线方程;
As·x+Bs·y+Cs=0;
其中,As=y2–y1;Bs=x1–x2;Cs=x2·y1–x1·y2;
步骤2.12,当扒渣机运行到任意位置时,通过扒渣机上方摄像机实时采集扒渣机的图像,获得图像中标志物当前的位置信息,并获取标志物的几何中心点在图像上的坐标Ps(xs,ys);
计算Ps(xs,ys)至辅助线M的实际物理距离Lp;
3.根据权利要求1所述的扒渣机四维度运动位置参量的检测和计算方法,其特征在于,步骤2中,对图像进行实时的计算分析,得到扒渣机的俯仰角度具体包括:
步骤2.21,将扒渣机俯仰至水平位置后保持静止,并获取该时刻扒渣机侧面摄像机拍摄的图像,在扒渣机侧面摄像机拍摄的图像上沿扒渣机方向画一条辅助线J,辅助线J与扒渣机渣臂轴线重合,即穿过扒渣机俯仰角度检测用标志物的几何中心点和扒渣机俯仰轴中心;
在扒渣机侧面摄像机拍摄的图像上,测量出标志物的几何中心点至扒渣机俯仰轴中心的物理距离;
在扒渣机侧面摄像机拍摄的图像上,于扒渣机上另画一条辅助线K,令辅助线K在图像上的长度为lb,对应的实际物理长度为Lb;进而可计算出物像比kb;
任取辅助线J上的两个点P(x3,y3),P(x4,y4),可得到辅助线J在图像上的直线方程:
At·x+Bt·y+Ct=0;
其中,At=y4–y3,Bt=x3–x4,Ct=x4·y3–x3·y4;
步骤2.22,当扒渣机运行到任意位置时,通过扒渣机侧方摄像机实时采集扒渣机的图像,获得图像中标志物当前的位置信息,并获取标志物的几何中心点在图像上的坐标Pt(x0,y0);
计算Pt(x0,y0)至辅助线J的实际距离Lq;
对于尾部不做俯仰动作的扒渣机,计算扒渣机俯仰角度θ为:
计算出俯仰角度θ后,根据Pt(x0,y0)与辅助线J在图像上的相对位置,修正扒渣机俯仰角度θ的正负符号,其中,Ltilt为标志物的几何中心点至扒渣机俯仰轴中心的物理距离。
4.根据权利要求1所述的扒渣机四维度运动位置参量的检测和计算方法,其特征在于,对图像进行实时的计算分析,得到扒渣机的升降高度具体包括:
步骤2.31,将扒渣机本体降至最低位置后保持静止,并获取该时刻扒渣机侧面摄像机拍摄的图像,在扒渣机侧面摄像机拍摄的图像上,沿扒渣机底座画一条平行于地坪基础的辅助线S;
在扒渣机侧面摄像机拍摄的图像上,测量出标志物的几何中心点至辅助线S的物理距离;
在扒渣机侧面摄像机拍摄的图像上,于扒渣机上另画一条辅助线T,令辅助线T在图像上的长度为lc,对应的实际物理长度为Lc;进而可计算出物像比kc;
任取辅助线S上的两个点P(x5,y5),P(x6,y6),可得到辅助线S在图像上的直线方程;
Ah·x+Bh·y+Ch=0;
其中,Ah=y6–y5,Bh=x5–x6,Ch=x6·y5–x5·y6;
步骤2.32,当扒渣机运行到任意位置时,通过侧面摄像机实时采集扒渣机的图像,获得图像中标志物当前的位置信息,并获取标志物的几何中心点在图像上的坐标Ph(xh,yh);
计算扒渣机实际抬升高度H;
其中,Lrh为标志物的几何中心点至辅助线S的物理距离。
5.根据权利要求1所述的扒渣机四维度运动位置参量的检测和计算方法,其特征在于,所述方法还包括:
通过摄像机采集预设时长的扒渣机动作视频;
从采集的扒渣机动作视频中,连续等间隔提取预设数量的帧图片;对每一帧图片,均对图片中扒渣机的俯仰轴、旋转轴、标志物进行标注,获取每一帧图片中扒渣机运动参量信息,并基于运动参量信息构建数据集,其中,所述运动参量信息包括:扒渣机的旋转角度、俯仰角度、升降高度、前后伸缩距离以及标志物位置;
通过所述数据集训练用于物体识别与跟踪的神经网络模型。
6.根据权利要求1所述的扒渣机四维度运动位置参量的检测和计算方法,其特征在于,所述标志物为多个,分别用于在计算旋转角度、俯仰角度、升降高度与前后伸缩距离的时候作为参照的物体,其中,计算扒渣机俯仰角度与旋转角度用的标志物,其几何中心点应在扒渣臂的中心轴线上。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110741448.9A CN113532272B (zh) | 2021-07-01 | 2021-07-01 | 一种扒渣机四维度运动位置参量的检测和计算方法 |
PCT/CN2021/124915 WO2023273023A1 (zh) | 2021-07-01 | 2021-10-20 | 一种扒渣机四维度运动位置参量的检测和计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110741448.9A CN113532272B (zh) | 2021-07-01 | 2021-07-01 | 一种扒渣机四维度运动位置参量的检测和计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113532272A CN113532272A (zh) | 2021-10-22 |
CN113532272B true CN113532272B (zh) | 2022-08-05 |
Family
ID=78126434
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110741448.9A Active CN113532272B (zh) | 2021-07-01 | 2021-07-01 | 一种扒渣机四维度运动位置参量的检测和计算方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113532272B (zh) |
WO (1) | WO2023273023A1 (zh) |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3335850B2 (ja) * | 1996-09-04 | 2002-10-21 | 松下電器産業株式会社 | モータ回転角度測定方法およびモータ回転角度測定装置 |
KR101242847B1 (ko) * | 2009-12-03 | 2013-03-12 | 주식회사 포스코 | 연주공정의 롱 노즐 틀어짐 교정방법 |
JP5961472B2 (ja) * | 2012-07-27 | 2016-08-02 | 日立建機株式会社 | 作業機械の周囲監視装置 |
CN103323229B (zh) * | 2013-07-08 | 2016-02-03 | 重庆工业职业技术学院 | 基于机器视觉的五轴数控机床旋转轴误差检测方法 |
CN207632835U (zh) * | 2017-12-26 | 2018-07-20 | 河北工程大学 | 一种新型喷气式扒渣机 |
CN111522294A (zh) * | 2020-05-08 | 2020-08-11 | 衡阳镭目科技有限责任公司 | 一种扒渣机的自动控制系统及方法 |
CN112093075A (zh) * | 2020-08-06 | 2020-12-18 | 北京航空航天大学 | 一种扑翼微型飞行器平均升力和翼运动同步测量平台 |
CN112432612B (zh) * | 2020-10-22 | 2022-08-16 | 中国计量科学研究院 | 一种基于单目视觉的高精度微小旋转角度测量方法 |
-
2021
- 2021-07-01 CN CN202110741448.9A patent/CN113532272B/zh active Active
- 2021-10-20 WO PCT/CN2021/124915 patent/WO2023273023A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
CN113532272A (zh) | 2021-10-22 |
WO2023273023A1 (zh) | 2023-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104217441B (zh) | 一种基于机器视觉的机械臂定位抓取方法 | |
CN107316330B (zh) | 基于多图像序列的井下液压支架组位姿及直线度测量方法 | |
CN105699399B (zh) | 一种smt模版质量的检测设备与方法 | |
CN108562250B (zh) | 基于结构光成像的键盘键帽平整度快速测量方法与装置 | |
CN102788572B (zh) | 一种工程机械吊钩姿态的测量方法、装置及系统 | |
CN106546263A (zh) | 一种基于机器视觉的激光水平仪出射激光线检测方法 | |
CN111611989B (zh) | 一种基于自主机器人的多目标精准定位识别方法 | |
CN107292926B (zh) | 基于多图像序列的巡检机器人运动轨迹直线度测量方法 | |
CN110245569B (zh) | 基于射流边缘分析和打击偏差反馈的船舶打击效果评估方法 | |
CN108564628B (zh) | 一种面向掘进机自动化的截割头视觉定位定向系统 | |
JP2011030015A5 (zh) | ||
CN115717867A (zh) | 一种基于机载双相机和目标追踪的桥梁变形测量方法 | |
CN115619738A (zh) | 一种模组侧缝焊焊后检测方法 | |
CN115205286A (zh) | 爬塔机器人机械臂螺栓识别与定位方法、存储介质、终端 | |
CN113532272B (zh) | 一种扒渣机四维度运动位置参量的检测和计算方法 | |
CN114964007A (zh) | 一种焊缝尺寸视觉测量与表面缺陷检测方法 | |
CN115962783B (zh) | 掘进机截割头的定位方法及掘进机 | |
CN112733765A (zh) | 一种基于深度学习的钻孔图像裂隙参数自动提取方法 | |
CN111833379A (zh) | 用单目摄像头追踪移动物体中目标位置的方法 | |
CN115205825B (zh) | 基于改进yolov5的行车视频序列图像检测识别交通标志方法 | |
CN108180825A (zh) | 一种基于线结构光的长方体形物体三维识别与定位方法 | |
CN110726402A (zh) | 非正交轴系激光全站仪的激光点视觉引导方法 | |
CN113739721B (zh) | 一种地铁车站钢管柱垂直度智能校准方法及系统 | |
TWI750950B (zh) | 拍攝角度偵測方法及其相關監控設備 | |
CN110619337B (zh) | 一种受电弓滑板的亚像素边缘提取和识别方法 |
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 |