CN116119596A - 一种非挥发性液体自动装车系统及控制方法 - Google Patents
一种非挥发性液体自动装车系统及控制方法 Download PDFInfo
- Publication number
- CN116119596A CN116119596A CN202211638981.3A CN202211638981A CN116119596A CN 116119596 A CN116119596 A CN 116119596A CN 202211638981 A CN202211638981 A CN 202211638981A CN 116119596 A CN116119596 A CN 116119596A
- Authority
- CN
- China
- Prior art keywords
- filling
- tank truck
- image
- area
- coordinate
- 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
- 239000007788 liquid Substances 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000000007 visual effect Effects 0.000 claims abstract description 40
- 238000012545 processing Methods 0.000 claims description 12
- 230000000877 morphologic effect Effects 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000003062 neural network model Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000010926 purge Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 4
- 230000002194 synthesizing effect Effects 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000007726 management method Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 7
- 239000000523 sample Substances 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000002262 irrigation Effects 0.000 description 3
- 238000003973 irrigation Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000003780 insertion Methods 0.000 description 2
- 230000037431 insertion Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000011282 treatment Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B67—OPENING, CLOSING OR CLEANING BOTTLES, JARS OR SIMILAR CONTAINERS; LIQUID HANDLING
- B67D—DISPENSING, DELIVERING OR TRANSFERRING LIQUIDS, NOT OTHERWISE PROVIDED FOR
- B67D7/00—Apparatus or devices for transferring liquids from bulk storage containers or reservoirs into vehicles or into portable containers, e.g. for retail sale purposes
- B67D7/06—Details or accessories
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B67—OPENING, CLOSING OR CLEANING BOTTLES, JARS OR SIMILAR CONTAINERS; LIQUID HANDLING
- B67D—DISPENSING, DELIVERING OR TRANSFERRING LIQUIDS, NOT OTHERWISE PROVIDED FOR
- B67D7/00—Apparatus or devices for transferring liquids from bulk storage containers or reservoirs into vehicles or into portable containers, e.g. for retail sale purposes
- B67D7/06—Details or accessories
- B67D7/42—Filling nozzles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Mechanical Engineering (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Loading And Unloading Of Fuel Tanks Or Ships (AREA)
Abstract
本申请提供了一种非挥发性液体自动装车系统及控制方法,该系统包括:设置于罐车停留位置上方的视觉识别模块、控制模块、安全管理模块;视觉识别模块,采集罐车灌口图像,并将罐车灌口图像发送至控制模块;视觉识别模块包括RGBD相机。控制模块,在确定预设安全联锁步骤完成的情况下,根据罐车灌口图像,确定灌口坐标区域,并生成鹤管驱动指令,以通过鹤管驱动指令,将鹤管移动至灌口坐标区域。安全管理模块,实时获取鹤管的移动位置,并将鹤管的移动位置坐标与灌口坐标区域匹配,以根据匹配结果,生成灌装反馈指令并将灌装反馈指令发送至控制模块。
Description
技术领域
本申请涉及液体危化品技术领域,尤其涉及一种非挥发性液体自动装车系统及控制方法。
背景技术
化工行业对非挥发性液体进行装车时,基本都是人工搬动鹤管对位插入罐车或者远程通过手柄操作控制鹤管对位插入罐车,插入的过程中需要人工观察来调整鹤管。而且在非挥发性液体装车过程中,需要进行静电消除等一系列安全处理后,才能够进行液体装车。
在人工或半自动化装车时,无法保证安全处理就位,进行非挥发性液体装车,使得目前装车存在极大安全隐患。而且在有多鹤管装车的情况下,需要消耗大量人力成本满足装车需求,既无法保证装车效率,还进一步增加了隐患发生几率。
发明内容
为解决上述问题,本申请实施例提供了一种非挥发性液体自动装车系统及控制方法。
一方面,本申请实施例提供了一种非挥发性液体自动装车系统,该系统包括:设置于罐车停留位置上方的视觉识别模块、控制模块、安全管理模块;
所述视觉识别模块,采集罐车灌口图像,并将所述罐车灌口图像发送至控制模块;所述视觉识别模块包括RGBD相机;
所述控制模块,在确定预设安全联锁步骤完成的情况下,根据所述罐车灌口图像,确定灌口坐标区域,并生成鹤管驱动指令,以通过所述鹤管驱动指令,将鹤管移动至所述灌口坐标区域;
所述安全管理模块,实时获取所述鹤管的移动位置,并将所述鹤管的移动位置坐标与所述灌口坐标区域匹配,以根据匹配结果,生成灌装反馈指令并将所述灌装反馈指令发送至所述控制模块。
在本申请的一种实现方式中,通过平面扫描算法,扫描所述罐车灌口图像,以得到所述罐车灌口图像中的第一灌口闭合线,并将所述第一灌口闭合线作为比对闭合线;其中,所述第一灌口闭合线对应于罐车灌口的形态特征;所述形态特征包括:形状、位置;
在得到所述比对闭合线的情况下,从扫描所述罐车灌口图像得到的若干灌口闭合线中,按照预设规则,确定第二灌口闭合线及第三灌口闭合线,并将所述第二灌口闭合线、所述第三灌口闭合线分别与所述比对闭合线比对,以根据比对结果,确定所述第二灌口闭合线与所述第三灌口闭合线中的内层闭合线为比对闭合线;所述内层闭合线为处于所述第一灌口闭合线内且不相交的闭合线;
按照所述预设规则,确定所述比对闭合线内是否存在第四灌口闭合线;若是,将所述第四灌口闭合线作为比对闭合线,直至确定比对闭合线内不存在第N灌口闭合线,以基于所述比对闭合线,确定所述灌口坐标区域;其中,N为大于四的自然数。
在本申请的一种实现方式中,将不存在内层闭合线的所述比对闭合线,作为所述灌口坐标区域的边缘线;
以所述灌口坐标区域内任意像素点为原点,建立平面坐标系;
根据所述边缘线在所述平面坐标系的位置坐标,计算所述边缘线的几何中心坐标,并将所述几何中心坐标作为所述灌口坐标区域的灌口坐标;
以所述灌口坐标为中心点及所述边缘线为区域边缘,划分所述罐车灌口图像中的所述灌口坐标区域。
在本申请的一种实现方式中,确定所述罐车灌口图像中罐车像素区域;并计算所述罐车像素区域在预设划分区域的面积占比值;
根据所述罐车像素区域、所述面积占比值及预设高度转换公式,计算所述罐车高度值,以根据所述罐车高度值对应的三维坐标值及所述边缘线、所述灌口坐标,确定三维坐标系中所述灌口坐标区域;
其中,所述高度转换公式如下:
h=α·S+θ
其中,h为所述罐车高度值,α为预设参数,S为所述面积占比值,θ为所述罐车像素区域与所述罐车高度值对应关系之间的残差,θ预先设置于数据库的残差表,所述残差表包括若干所述罐车像素区域的位置及其对应的残差。
在本申请的一种实现方式中,获取预设划分区域的历史区域图像;
将所述历史区域图像进行二值化处理,确定二值化处理后的所述历史区域图像为背景图像;
将所述罐车灌口图像输入预设神经网络模型,确定所述罐车灌口图像的前景图像;其中,所述神经网络模型通过若干预设罐车图像样本训练得到;
根据所述前景图像在所述罐车灌口图像中的位置,将所述前景图像与所述背景图像合成处理,以根据合成处理后的图像,得到所述罐车灌口图像中罐车像素区域;所述背景图像对应有若干预先划分的像素区域;以及
根据所述前景图像像素点数量与所述背景图像像素点数量的比值,确定所述罐车像素区域在预设划分区域的面积占比值。
在本申请的一种实现方式中,所述视觉识别模块,确定双目摄像头的深度图像宽度、深度图像高度、设备焦距、基线,以构造RGBD相机的三维投影矩阵。
在本申请的一种实现方式中,所述视觉识别模块,采集罐车灌口图像,包括:
所述视觉识别模块,通过点云目标分割及点云去噪处理,获取罐车点云数据,以根据所述罐车点云数据,确定所述罐车灌口图像。
在本申请的一种实现方式中,所述安全连锁步骤的确定包括:电控盒生成钥匙存储信号、静电释放仪发出被接触指令、鹤管归位开关未发出异常信号、挡车器就位信号。
在本申请的一种实现方式中,所述系统还包括鹤管;
靠近所述鹤管的管口一端内部,设置有空气释放装置;
所述控制模块,在接收到充装完成指令的情况下,控制所述鹤管抽离液体表面,并生成空气释放指令,以通过所述空气释放指令,使所述空气释放装置吹扫所述鹤管内残留液体。
另一方面,本申请实施例还提供了一种非挥发性液体自动装车系统的控制方法,所述方法应用于设置于罐车停留位置上方的视觉识别模块、控制模块、安全管理模块;所述方法包括:
获取来自所述视觉识别模块的罐车灌口图像;其中所述视觉识别模块包括RGBD相机;
在确定预设安全连锁步骤完成的情况下,根据所述罐车灌口图像,确定灌口坐标区域,并生成鹤管驱动指令,以通过所述鹤管驱动指令及安全管理模块,将鹤管移动至所述灌口坐标区域;其中,所述安全管理模块用于实时获取所述鹤管的移动位置,并将所述鹤管的移动位置坐标与所述灌口坐标区域匹配,以根据匹配结果,生成灌装反馈指令并将所述灌装反馈指令发送至控制模块。
通过上述方案,控制模块可以利用视觉识别模块的采集图像,进行自动灌装非挥发性液体,在存在多个鹤管装车的情况下,也无须耗费大量人力,且上述技术方案能够提高装车效率。从而实现安全、自动地进行非挥发性液体装车,节约了劳动人员成本,实现了企业智能化改造升级。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例中一种非挥发性液体自动装车系统的一种结构示意图;
图2为本申请实施例中一种非挥发性液体自动装车系统的控制模块的一种结构示意图;
图3为本申请实施例中一种非挥发性液体自动装车系统的控制方法的一种流程示意图;
图4为本申请实施例中一种非挥发性液体自动装车系统的控制方法的另一种流程示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
本申请实施例提供了一种非挥发性液体自动装车系统及控制方法,用来进行安全、自动地进行非挥发性液体装车,。
以下结合附图,详细说明本申请的各个实施例。
本申请实施例提供了一种非挥发性液体自动装车系统,如图1所示,非挥发性液体自动装车系统100包括设置于罐车停留位置上方的视觉识别模块110、控制模块120、安全管理模块130。
视觉识别模块110,采集罐车灌口图像,并将罐车灌口图像发送至控制模块。视觉识别模块110包括RGBD相机。控制模块120,在确定预设安全联锁步骤完成的情况下,根据罐车灌口图像,确定灌口坐标区域,并生成鹤管驱动指令,以通过鹤管驱动指令,将鹤管140移动至灌口坐标区域。安全管理模块130,实时获取鹤管140的移动位置,并将鹤管140的移动位置坐标与灌口坐标区域匹配,以根据匹配结果,生成灌装反馈指令并将灌装反馈指令发送至控制模块120。
其中,控制模块120可以是可编程逻辑控制器(Programmable Logic Controller,PLC),控制模块120可以采集视觉识别模块110、安全管理模块130以及其他传感器如电控盒、静电释放仪以及鹤管归位开关等的参数及状态信号。并能够根据采集到的参数及状态信号进行控制及报警。
此外,控制模块PLC还能够实现本地控制及遥控控制的功能。
在本申请的一个实施例中,控制模块120,在确定预设安全联锁步骤完成的情况下,根据罐车灌口图像,确定灌口坐标区域,具体包括:
控制模块120能够通过平面扫描算法,扫描罐车灌口图像,以得到罐车灌口图像中的第一灌口闭合线,并将第一灌口闭合线作为比对闭合线。其中,第一灌口闭合线对应于罐车灌口的形态特征。形态特征包括:形状、位置。
平面扫描算法为预先训练的,可以采集罐车灌口图像中罐车灌口的形态特征,然后生成与其形态特征匹配的若干灌口闭合线。控制模块120可以从若干灌口闭合线中随机选择一个灌口闭合线为第一灌口闭合线。灌口闭合线可以理解为以若干与灌口形态特征匹配的闭合线覆盖至罐车灌口图像中灌口位置,形态特征匹配可以理解为形状与灌口开口形状相似,位置相近。本申请通过平面扫描算法可以逐渐逼近灌口开口位置,准确地确定灌口的位置。
然后,在得到比对闭合线的情况下,从扫描罐车灌口图像得到的若干灌口闭合线中,按照预设规则,确定第二灌口闭合线及第三灌口闭合线,并将第二灌口闭合线、第三灌口闭合线分别与比对闭合线比对,以根据比对结果,确定第二灌口闭合线与第三灌口闭合线中的内层闭合线为比对闭合线。内层闭合线为处于第一灌口闭合线内且不相交的闭合线。
预设规则可以理解为以比对闭合线的纵坐标为中心,扫描灌口闭合线的纵坐标,确定与中心纵坐标最接近的两个纵坐标,确定两个纵坐标分别对应的灌口闭合线,如将两个纵坐标对应的灌口闭合线作为第二灌口闭合线、第三灌口闭合线。将第二灌口闭合线、第三灌口闭合线分别与比对闭合线比对,指的是将第二灌口闭合线的某一固定位置坐标,例如灌口闭合线为圆形,将圆形最左侧位置坐标与比对闭合线的对应位置,即比对闭合线的最左侧位置坐标进行比对。比对指的是比较坐标位置,是否处于内侧,该内侧指的是比对闭合线的内存。
随后,按照预设规则,确定比对闭合线内是否存在第四灌口闭合线。确定比对闭合线内存在第四灌口闭合线的情况下,将第四灌口闭合线作为比对闭合线,直至确定比对闭合线内不存在第N灌口闭合线,以基于比对闭合线,确定灌口坐标区域。其中,N为大于四的自然数。
也就是说,在确定比对闭合线之后,可以通过确定其内存的灌口闭合线,依次确定处于最内侧的灌口闭合线,并将最内侧的灌口闭合线作为灌口所处的灌口坐标区域。
在本申请的一个实施例中,控制模块120可以将不存在内层闭合线的比对闭合线,作为灌口坐标区域的边缘线。并以灌口坐标区域内任意像素点为原点,建立平面坐标系。根据边缘线在平面坐标系的位置坐标,计算边缘线的几何中心坐标,并将几何中心坐标作为灌口坐标区域的灌口坐标。以灌口坐标为中心点及边缘线为区域边缘,划分罐车灌口图像中的灌口坐标区域。
例如灌口坐标区域的边缘某点A作为原点,通过建立的平面坐标系,计算边缘线所围成区域的几何中心坐标,该几何中心坐标作为灌口坐标。通过计算灌口坐标,可以在鹤管进行装车时,准确地插入灌口,避免插入位置出错。
在本申请的一个实施例中,控制模块120还能够确定罐车灌口图像中罐车像素区域。并计算罐车像素区域在预设划分区域的面积占比值。根据罐车像素区域、面积占比值及预设高度转换公式,计算罐车高度值,以根据罐车高度值对应的三维坐标值及边缘线、灌口坐标,确定三维坐标系中灌口坐标区域。
其中,高度转换公式如下:
h=α·S+θ
其中,h为罐车高度值,α为预设参数,B为面积占比值,θ为罐车像素区域与罐车高度值对应关系之间的残差,θ预先设置于数据库的残差表,残差表包括若干罐车像素区域的位置及其对应的残差。
上述高度转换公式中,θ为控制模块查找数据库得到的,罐车像素区域可以理解为罐车停车位置的区域,在实际使用过程中,可能存在不同停车位置,存在不同高度差,通过θ对该高度差进行补偿,确保进行自动控制鹤管进行装车时,鹤管抵达灌口位置的精确度。
其中,控制模块确定罐车灌口图像中罐车像素区域。并计算罐车像素区域在预设划分区域的面积占比值,具体包括:
首先,获取预设划分区域的历史区域图像。
接着,将历史区域图像进行二值化处理,确定二值化处理后的历史区域图像为背景图像。
随后,将罐车灌口图像输入预设神经网络模型,确定罐车灌口图像的前景图像。其中,神经网络模型通过若干预设罐车图像样本训练得到。预设罐车图像样本可以是爬取互联网或者用户输入的罐车图像样本,罐车图像样本都是从罐车停留位置上方的视觉识别模块的位置采集的,不同型号、不同类型的装灌非挥发性液体的罐车的图像。
然后,根据前景图像在罐车灌口图像中的位置,将前景图像与背景图像合成处理,以根据合成处理后的图像,得到罐车灌口图像中罐车像素区域。背景图像对应有若干预先划分的像素区域。以及根据前景图像像素点数量与背景图像像素点数量的比值,确定罐车像素区域在预设划分区域的面积占比值。
合成处理指的是,将前景图像合成至背景图像中,前景图像合成于背景图像中与罐车灌口图像中的罐车所处位置相匹配的位置。
在本申请的一个实施例中,视觉识别模块110采集罐车灌口图像,并将罐车灌口图像发送至控制模块之前,还包括:
视觉识别模块110能够确定双目摄像头的深度图像宽度、深度图像高度、设备焦距、基线,以构造RGBD相机的三维投影矩阵。
例如通过以下公式,构造RGBD相机的三维投影矩阵:
其中,cx为深度图像宽度的1/2,cy为深度图像高度的1/2,f为设备焦距,Tx为摄像头之间的基线;
上述公式为RGBD相机的三维投影矩阵,上述d为RGBD相机的视差,在实际使用过程中,三维投影矩阵得到的三维坐标是(X/W,Y/W,Z/W)。
此外,视觉识别模块110还可以通过点云目标分割及点云去噪处理,获取罐车点云数据,以根据罐车点云数据,确定罐车灌口图像。
即将点云数据中的罐车点云,分割出来,并对点云进行去噪,限制空间中XYZ的坐标区域,把选定区域中的点提取出来,或者把选定区域的点去除只保留需要的区域中的点。进而减少点云数据量,保证灌口识别的精确度,加快数据处理速度;去除了不必要的区域,减少不必要的噪声区域。
在本申请实施例中,安全连锁步骤的确定包括:电控盒生成钥匙存储信号、静电释放仪发出被接触指令、鹤管归位开关未发出异常信号、挡车器就位信号。
也就是说,在将罐车钥匙放入电控盒中,电控盒生成钥匙存储信号发送至控制模块;罐车司机在接触静电释放仪后,静电释放仪发出被接触指令,并发送指令至控制模块;鹤管归位开关能够自动检测是否异常;挡车器用于挡住车辆行驶。在上述灌装液体的安全联锁步骤完成时,鹤管才能进行正常装灌。
在本申请的一个实施例中,系统还包括鹤管140。靠近鹤管140的管口一端内部,设置有空气释放装置。控制模块120,在接收到充装完成指令的情况下,控制鹤管抽离液体表面,并生成空气释放指令,以通过空气释放指令,使空气释放装置吹扫鹤管内残留液体。
通过吹扫鹤管内残留液体,能够使鹤管内保持清洁,防止漏液。
通过上述非挥发性液体自动装车系统,控制模块可以利用视觉识别模块的采集图像,进行自动灌装非挥发性液体,在存在多个鹤管装车的情况下,无须耗费大量人力,且能够提高装车效率。从而实现安全、自动地进行非挥发性液体装车。
本申请实施例中,控制模块120可以包括以下子模块进行罐车150的灌装,机械臂121、挡车器122、车辆静电消除器123、防溢流探杆124(设置于鹤管前端,用于检测罐车内液体表面是否达到防溢流探杆的探头位置,并向控制模块发送停止灌装指令)、人体静电释放器125。具体如图2所示。
图3为本申请实施例提供的一种非挥发性液体自动装车系统的控制方法,方法应用于设置于罐车停留位置上方的视觉识别模块、控制模块、安全管理模块。如图3所示,方法包括步骤S301-S302:
S301、控制模块获取来自视觉识别模块的罐车灌口图像。其中视觉识别模块包括RGBD相机。
S302、控制模块在确定预设安全连锁步骤完成的情况下,根据罐车灌口图像,确定灌口坐标区域,并生成鹤管驱动指令,以通过鹤管驱动指令及安全管理模块,将鹤管移动至灌口坐标区域。其中,安全管理模块用于实时获取鹤管的移动位置,并将鹤管的移动位置坐标与灌口坐标区域匹配,以根据匹配结果,生成灌装反馈指令并将灌装反馈指令发送至控制模块。
本申请实现非挥发性液体灌装的步骤还可以如图4所示。首先S401使罐车在指定位置停放,然后S402进行视觉识别,接着S403识别到灌口位置,再进行S404鹤管移动的路径规划,再然后控制模块S405-S406控制鹤管移动至灌口,最后S407开始灌装。
在一个示例中,控制模块,在确定预设安全联锁步骤完成的情况下,根据罐车灌口图像,确定灌口坐标区域,具体包括:
通过平面扫描算法,扫描罐车灌口图像,以得到罐车灌口图像中的第一灌口闭合线,并将第一灌口闭合线作为比对闭合线;其中,第一灌口闭合线对应于罐车灌口的形态特征;形态特征包括:形状、位置;
在得到比对闭合线的情况下,从扫描罐车灌口图像得到的若干灌口闭合线中,按照预设规则,确定第二灌口闭合线及第三灌口闭合线,并将第二灌口闭合线、第三灌口闭合线分别与比对闭合线比对,以根据比对结果,确定第二灌口闭合线与第三灌口闭合线中的内层闭合线为比对闭合线;内层闭合线为处于第一灌口闭合线内且不相交的闭合线;
按照预设规则,确定比对闭合线内是否存在第四灌口闭合线;若是,将第四灌口闭合线作为比对闭合线,直至确定比对闭合线内不存在第N灌口闭合线,以基于比对闭合线,确定灌口坐标区域;其中,N为大于四的自然数。
在一个示例中,控制模块,在确定预设安全联锁步骤完成的情况下,根据罐车灌口图像,确定灌口坐标区域,具体包括:
将不存在内层闭合线的比对闭合线,作为灌口坐标区域的边缘线;
以灌口坐标区域内任意像素点为原点,建立平面坐标系;
根据边缘线在平面坐标系的位置坐标,计算边缘线的几何中心坐标,并将几何中心坐标作为灌口坐标区域的灌口坐标;
以灌口坐标为中心点及边缘线为区域边缘,划分罐车灌口图像中的灌口坐标区域。
在一个示例中,控制模块,在确定预设安全联锁步骤完成的情况下,根据罐车灌口图像,确定灌口坐标区域,具体包括:
确定罐车灌口图像中罐车像素区域;并计算罐车像素区域在预设划分区域的面积占比值;
根据罐车像素区域、面积占比值及预设高度转换公式,计算罐车高度值,以根据罐车高度值对应的三维坐标值及边缘线、灌口坐标,确定三维坐标系中灌口坐标区域;
其中,高度转换公式如下:
h=α·S+θ
其中,h为罐车高度值,α为预设参数,S为面积占比值,θ为罐车像素区域与罐车高度值对应关系之间的残差,θ预先设置于数据库的残差表,残差表包括若干罐车像素区域的位置及其对应的残差。
在一个示例中,确定罐车灌口图像中罐车像素区域;并计算罐车像素区域在预设划分区域的面积占比值,具体包括:
获取预设划分区域的历史区域图像;
将历史区域图像进行二值化处理,确定二值化处理后的历史区域图像为背景图像;
将罐车灌口图像输入预设神经网络模型,确定罐车灌口图像的前景图像;其中,神经网络模型通过若干预设罐车图像样本训练得到;
根据前景图像在罐车灌口图像中的位置,将前景图像与背景图像合成处理,以根据合成处理后的图像,得到罐车灌口图像中罐车像素区域;背景图像对应有若干预先划分的像素区域;以及
根据前景图像像素点数量与背景图像像素点数量的比值,确定罐车像素区域在预设划分区域的面积占比值。
在一个示例中,视觉识别模块,采集罐车灌口图像,并将罐车灌口图像发送至控制模块之前,还包括:
视觉识别模块,确定双目摄像头的深度图像宽度、深度图像高度、设备焦距、基线,以构造RGBD相机的三维投影矩阵。
在一个示例中,视觉识别模块,采集罐车灌口图像,包括:
视觉识别模块,通过点云目标分割及点云去噪处理,获取罐车点云数据,以根据罐车点云数据,确定罐车灌口图像。
在一个示例中,安全连锁步骤的确定包括:电控盒生成钥匙存储信号、静电释放仪发出被接触指令、鹤管归位开关未发出异常信号、挡车器就位信号。
在一个示例中,系统还包括鹤管;
靠近鹤管的管口一端内部,设置有空气释放装置;
控制模块,在接收到充装完成指令的情况下,控制鹤管抽离液体表面,并生成空气释放指令,以通过空气释放指令,使空气释放装置吹扫鹤管内残留液体。
本申请中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于控制方法实施例而言,由于其基本相似于系统实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本申请实施例提供的控制方法与系统是一一对应的,因此,控制方法也具有与其对应的系统类似的有益技术效果,由于上面已经对系统的有益技术效果进行了详细说明,因此,这里不再赘述控制方法的有益技术效果。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种非挥发性液体自动装车系统,其特征在于,所述系统包括:设置于罐车停留位置上方的视觉识别模块、控制模块、安全管理模块;
所述视觉识别模块,采集罐车灌口图像,并将所述罐车灌口图像发送至控制模块;所述视觉识别模块包括RGBD相机;
所述控制模块,在确定预设安全联锁步骤完成的情况下,根据所述罐车灌口图像,确定灌口坐标区域,并生成鹤管驱动指令,以通过所述鹤管驱动指令,将鹤管移动至所述灌口坐标区域;
所述安全管理模块,实时获取所述鹤管的移动位置,并将所述鹤管的移动位置坐标与所述灌口坐标区域匹配,以根据匹配结果,生成灌装反馈指令并将所述灌装反馈指令发送至所述控制模块。
2.根据权利要求1所述的非挥发性液体自动装车系统,其特征在于,所述控制模块,在确定预设安全联锁步骤完成的情况下,根据所述罐车灌口图像,确定灌口坐标区域,具体包括:
通过平面扫描算法,扫描所述罐车灌口图像,以得到所述罐车灌口图像中的第一灌口闭合线,并将所述第一灌口闭合线作为比对闭合线;其中,所述第一灌口闭合线对应于罐车灌口的形态特征;所述形态特征包括:形状、位置;
在得到所述比对闭合线的情况下,从扫描所述罐车灌口图像得到的若干灌口闭合线中,按照预设规则,确定第二灌口闭合线及第三灌口闭合线,并将所述第二灌口闭合线、所述第三灌口闭合线分别与所述比对闭合线比对,以根据比对结果,确定所述第二灌口闭合线与所述第三灌口闭合线中的内层闭合线为比对闭合线;所述内层闭合线为处于所述第一灌口闭合线内且不相交的闭合线;
按照所述预设规则,确定所述比对闭合线内是否存在第四灌口闭合线;若是,将所述第四灌口闭合线作为比对闭合线,直至确定比对闭合线内不存在第N灌口闭合线,以基于所述比对闭合线,确定所述灌口坐标区域;其中,N为大于四的自然数。
3.根据权利要求2所述的非挥发性液体自动装车系统,其特征在于,所述控制模块,在确定预设安全联锁步骤完成的情况下,根据所述罐车灌口图像,确定灌口坐标区域,具体包括:
将不存在内层闭合线的所述比对闭合线,作为所述灌口坐标区域的边缘线;
以所述灌口坐标区域内任意像素点为原点,建立平面坐标系;
根据所述边缘线在所述平面坐标系的位置坐标,计算所述边缘线的几何中心坐标,并将所述几何中心坐标作为所述灌口坐标区域的灌口坐标;
以所述灌口坐标为中心点及所述边缘线为区域边缘,划分所述罐车灌口图像中的所述灌口坐标区域。
4.根据权利要求3所述的非挥发性液体自动装车系统,其特征在于,所述控制模块,在确定预设安全联锁步骤完成的情况下,根据所述罐车灌口图像,确定灌口坐标区域,具体包括:
确定所述罐车灌口图像中罐车像素区域;并计算所述罐车像素区域在预设划分区域的面积占比值;
根据所述罐车像素区域、所述面积占比值及预设高度转换公式,计算所述罐车高度值,以根据所述罐车高度值对应的三维坐标值及所述边缘线、所述灌口坐标,确定三维坐标系中所述灌口坐标区域;
其中,所述高度转换公式如下:
h=α·S+θ
其中,h为所述罐车高度值,α为预设参数,S为所述面积占比值,θ为所述罐车像素区域与所述罐车高度值对应关系之间的残差,θ预先设置于数据库的残差表,所述残差表包括若干所述罐车像素区域的位置及其对应的残差。
5.根据权利要求4所述的非挥发性液体自动装车系统,其特征在于,确定所述罐车灌口图像中罐车像素区域;并计算所述罐车像素区域在预设划分区域的面积占比值,具体包括:
获取预设划分区域的历史区域图像;
将所述历史区域图像进行二值化处理,确定二值化处理后的所述历史区域图像为背景图像;
将所述罐车灌口图像输入预设神经网络模型,确定所述罐车灌口图像的前景图像;其中,所述神经网络模型通过若干预设罐车图像样本训练得到;
根据所述前景图像在所述罐车灌口图像中的位置,将所述前景图像与所述背景图像合成处理,以根据合成处理后的图像,得到所述罐车灌口图像中罐车像素区域;所述背景图像对应有若干预先划分的像素区域;以及
根据所述前景图像像素点数量与所述背景图像像素点数量的比值,确定所述罐车像素区域在预设划分区域的面积占比值。
6.根据权利要求1所述的非挥发性液体自动装车系统,其特征在于,所述视觉识别模块,采集罐车灌口图像,并将所述罐车灌口图像发送至控制模块之前,还包括:
所述视觉识别模块,确定双目摄像头的深度图像宽度、深度图像高度、设备焦距、基线,以构造RGBD相机的三维投影矩阵。
7.根据权利要求6所述的非挥发性液体自动装车系统,其特征在于,所述视觉识别模块,采集罐车灌口图像,包括:
所述视觉识别模块,通过点云目标分割及点云去噪处理,获取罐车点云数据,以根据所述罐车点云数据,确定所述罐车灌口图像。
8.根据权利要求1所述的非挥发性液体自动装车系统,其特征在于,所述安全连锁步骤的确定包括:电控盒生成钥匙存储信号、静电释放仪发出被接触指令、鹤管归位开关未发出异常信号、挡车器就位信号。
9.根据权利要求1所述的非挥发性液体自动装车系统,其特征在于,所述系统还包括鹤管;
靠近所述鹤管的管口一端内部,设置有空气释放装置;
所述控制模块,在接收到充装完成指令的情况下,控制所述鹤管抽离液体表面,并生成空气释放指令,以通过所述空气释放指令,使所述空气释放装置吹扫所述鹤管内残留液体。
10.一种非挥发性液体自动装车系统的控制方法,其特征在于,所述方法应用于设置于罐车停留位置上方的视觉识别模块、控制模块、安全管理模块;所述方法包括:
获取来自所述视觉识别模块的罐车灌口图像;其中所述视觉识别模块包括RGBD相机;
在确定预设安全连锁步骤完成的情况下,根据所述罐车灌口图像,确定灌口坐标区域,并生成鹤管驱动指令,以通过所述鹤管驱动指令及安全管理模块,将鹤管移动至所述灌口坐标区域;其中,所述安全管理模块用于实时获取所述鹤管的移动位置,并将所述鹤管的移动位置坐标与所述灌口坐标区域匹配,以根据匹配结果,生成灌装反馈指令并将所述灌装反馈指令发送至控制模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211638981.3A CN116119596A (zh) | 2022-12-20 | 2022-12-20 | 一种非挥发性液体自动装车系统及控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211638981.3A CN116119596A (zh) | 2022-12-20 | 2022-12-20 | 一种非挥发性液体自动装车系统及控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116119596A true CN116119596A (zh) | 2023-05-16 |
Family
ID=86309246
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211638981.3A Pending CN116119596A (zh) | 2022-12-20 | 2022-12-20 | 一种非挥发性液体自动装车系统及控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116119596A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116974257A (zh) * | 2023-09-25 | 2023-10-31 | 浪潮云洲工业互联网有限公司 | 一种基于逆动力学的鹤管自动充装控制方法、设备及介质 |
-
2022
- 2022-12-20 CN CN202211638981.3A patent/CN116119596A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116974257A (zh) * | 2023-09-25 | 2023-10-31 | 浪潮云洲工业互联网有限公司 | 一种基于逆动力学的鹤管自动充装控制方法、设备及介质 |
CN116974257B (zh) * | 2023-09-25 | 2023-12-26 | 浪潮云洲工业互联网有限公司 | 一种基于逆动力学的鹤管自动充装控制方法、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108291880B (zh) | 用于检查货柜的布置、方法、装置和软件 | |
CN105384133B (zh) | 一种智能自主加油装置及控制方法 | |
EP3818337B1 (en) | Defect detection system using a camera equipped uav for building facades on complex asset geometry with optimal automatic obstacle deconflicted flightpath | |
CN116119596A (zh) | 一种非挥发性液体自动装车系统及控制方法 | |
CN110910341B (zh) | 一种输电线路锈蚀区缺陷检测方法及装置 | |
CN111427374B (zh) | 飞机泊位引导方法、装置及设备 | |
CN112784746B (zh) | 一种卡车散装物料自动装车辅助系统及其操作方法 | |
CN113554002B (zh) | 对齐状态检测方法、系统、电子设备及存储介质 | |
CN113184707A (zh) | 一种基于激光视觉融合和深度学习的集卡防吊起方法、系统 | |
CN115893292A (zh) | 自动加油设备及其控制方法 | |
CN115151952A (zh) | 一种变电设备高精度识别方法及系统 | |
EP3533755B1 (en) | Device for transferring fluids | |
CN113280209B (zh) | 检测管道多余物的系统以及系统的使用方法、检测方法 | |
US20130211572A1 (en) | Method and Process of Verifying Physical Connections Within a Material Handling System | |
CN111179413B (zh) | 三维重建方法、装置、终端设备及可读存储介质 | |
CH703740B1 (de) | Photogrammetrisches System und Verfahren zum Prüfen einer unzugänglichen Anlage. | |
CN116934308A (zh) | 丝路巡检设备的控制方法、装置、设备以及存储介质 | |
US20230123504A1 (en) | Systems and methods for controlled cleaning of vehicles | |
CN106441160A (zh) | 基于人体扫描仪的标定方法及人体扫描系统 | |
CN112989998B (zh) | 物料监测方法和物料监测装置以及搅拌站 | |
CN112509050B (zh) | 一种位姿估计方法、防碰撞抓物方法和装置 | |
CN109243200B (zh) | 一种移动控制车辆进出通道道闸的方法、装置和手持移动端 | |
JP2017187442A (ja) | 水中点検装置及び水中点検方法 | |
CN117474190B (zh) | 一种机柜自动巡检方法和装置 | |
CN117606686A (zh) | 气体泄露检测方法、装置及设备 |
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 |