CN116385354B - 圆形钢坯的偏移越界检测方法、设备及介质 - Google Patents

圆形钢坯的偏移越界检测方法、设备及介质 Download PDF

Info

Publication number
CN116385354B
CN116385354B CN202310117119.6A CN202310117119A CN116385354B CN 116385354 B CN116385354 B CN 116385354B CN 202310117119 A CN202310117119 A CN 202310117119A CN 116385354 B CN116385354 B CN 116385354B
Authority
CN
China
Prior art keywords
billet
tray
point cloud
contour
round
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
Application number
CN202310117119.6A
Other languages
English (en)
Other versions
CN116385354A (zh
Inventor
刘华林
曾雪峰
陈仁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Watman Intelligent Technology Co ltd
Original Assignee
Beijing Watman Intelligent Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Watman Intelligent Technology Co ltd filed Critical Beijing Watman Intelligent Technology Co ltd
Priority to CN202310117119.6A priority Critical patent/CN116385354B/zh
Publication of CN116385354A publication Critical patent/CN116385354A/zh
Application granted granted Critical
Publication of CN116385354B publication Critical patent/CN116385354B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • 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
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-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
    • G06T7/70—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30136—Metal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30164—Workpiece; Machine component
    • 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
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明属于钢铁自动化检测技术领域，公开了一种圆形钢坯的偏移越界检测方法、设备及介质，所述方法包括通过点云采集模块采集圆形钢坯及承托圆形钢坯的托盘所在位置的环境点云图像数据；对采集到的环境点云图像数据进行数据拼接并获得包含圆形钢坯及托盘的三维模型；基于托盘的位置及钢坯的特征分别在三维模型中识别托盘和钢坯；根据钢坯的圆心和半径对钢坯的轮廓位置进行微调；根据托盘的中心在托盘上生成检测框，并结合钢坯轮廓相对检测框的位置关系进行钢坯的偏移越界分析，本发明的技术方案能够准确的检测出钢坯的位置及偏移情况，并且还能减少钢坯上的缺陷或生产标签导致对钢坯的位置检测造成偏差，减少错误报警的情况。

Description

圆形钢坯的偏移越界检测方法、设备及介质
技术领域
本发明涉及钢铁自动化检测技术领域，具体地涉及一种圆形钢坯的偏移越界检测方法、设备及介质。
背景技术
在钢坯轧材的流水线作业中，会使用质检摄像头对摆放在托盘上的钢坯位置进行检测，为确保质检摄像头顺利检测到钢坯，钢坯在摆放时需要保证钢坯中心与托盘中心对齐，以便于质检摄像头识别到位置摆放准确的钢坯后进行后续钢坯制造加工工序，当质检摄像头检测到钢坯位置相对托盘有偏移时，则会触发报警，此时需要现场工人对钢坯位置进行尝试性的调整，比较费时费力，同时，钢坯的表面缺陷以及生产标签也会影响质检摄像头的检测准确性，进而出现误触发报警的情况。
发明内容
为了解决调整钢坯位置麻烦和检测时容易触发误报警的问题，本发明提供一种圆形钢坯的偏移越界检测方法、设备及介质。
本发明为解决上述技术问题，提供一种圆形钢坯的偏移越界检测方法，所述方法包括通过点云采集模块采集圆形钢坯及承托圆形钢坯的托盘所在位置的环境点云图像数据；对采集到的环境点云图像数据进行数据拼接并获得包含圆形钢坯及托盘的三维模型；基于托盘的位置及钢坯的特征分别在三维模型中识别托盘和钢坯；根据钢坯的圆心和半径对钢坯的轮廓位置进行微调；根据托盘的中心在托盘上生成检测框，并结合钢坯轮廓相对检测框的位置关系进行钢坯的偏移越界分析。
在本发明的实施例中，在通过点云采集模块采集圆形钢坯及承托圆形钢坯的托盘所在位置的环境点云图像数据的步骤中，进一步包括初始化点云采集模块的位置；控制点云采集模块按照预设位置移动并实时采集环境点云图像数据。
在本发明的实施例中，在对采集到的环境点云图像数据进行数据拼接并获得包含圆形钢坯及托盘的三维模型的步骤中，进一步包括设定标定的最小单位及空间轴；批量实验环境点云图像数据中各个区域中点云的旋转标定量；基于旋转标定量消除各个区域中点云的缝隙；对消除缝隙的各个区域中的点云进行拼接并获得包含圆形钢坯及托盘的三维模型。
在本发明的实施例中，在基于托盘的位置及钢坯的特征分别在三维模型中识别托盘和钢坯的步骤中，进一步包括基于DBSCAN算法对三维模型中的点云进行最近邻分簇点云聚类；根据点云的高度数据识别托盘点云并确定托盘的法向平面；将位于托盘法向平面以上的点云投影至托盘上并基于钢坯的特征识别钢坯点云。
在本发明的实施例中，所述钢坯的特征包括钢坯的外形轮廓特征、钢坯在托盘中的位置特征、钢坯的高度及直径特征。
在本发明的实施例中，在根据钢坯的圆心和半径对钢坯轮廓位置进行微调的步骤中，进一步包括通过识别出的钢坯点云检测钢坯轮廓；通过检测出的钢坯轮廓计算钢坯的横坐标中心和半径；结合钢坯的横坐标中心和半径重建钢坯轮廓；在重建的钢坯轮廓边缘生成切线计算出重建钢坯轮廓的圆心；结合重建的钢坯轮廓圆心和半径对重建钢坯的轮廓位置进行微调。
在本发明的实施例中，在根据识别到的托盘在托盘上生成检测框，并结合钢坯相对检测框的位置关系进行钢坯的偏移越界分析的步骤中，进一步包括通过识别出的托盘点云检测托盘轮廓；通过检测出的托盘轮廓对应的点云数据计算托盘的中心坐标；根据托盘的中心坐标生成钢坯偏移越界检测框；检测微调后的钢坯轮廓是否处于检测框内来判断钢坯是否偏移或越界。
本发明为解决上述技术问题，还提供一种圆形钢坯偏移越界的检测设备，其特征在于，所述检测设备包括：点云采集模块，用于采集圆形钢坯及承托圆形钢坯的托盘所在位置的环境点云图像数据；上位机，所述上位机被配置成：对采集到的环境点云图像数据进行数据拼接并获得包含圆形钢坯及托盘的三维模型；基于托盘的位置及钢坯的特征分别在三维模型中识别托盘和钢坯；根据钢坯的圆心和半径对钢坯轮廓位置进行微调；根据托盘的中心在托盘上生成检测框，并结合钢坯相对检测框的位置关系进行钢坯的偏移越界分析。
在本发明的实施例中，所述检测设备还包括供所述点云采集模块移动的移动导轨，所述点云采集模块根据预设位置沿所述移动导轨移动并实时采集环境点云图像数据，所述上位机执行对钢坯轮廓位置进行微调、偏移越界分析的步骤时，进一步包括根据钢坯轮廓计算钢坯的横坐标中心和半径；结合钢坯的横坐标中心和半径重建钢坯轮廓；在重建的钢坯轮廓边缘生成切线计算出重建钢坯轮廓的圆心；结合重建的钢坯轮廓圆心和半径对重建钢坯的轮廓位置进行微调；根据托盘边缘对应的点云数据计算托盘的中心坐标；根据托盘的中心坐标生成钢坯偏移越界检测框；检测微调后的钢坯轮廓是否处于检测框内来判断钢坯是否偏移或越界。
本发明为解决上述技术问题，还提供一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，一个或多个所述程序可被一个或者多个处理器执行，以实现上述的检测方法。
相比现有技术，本发明的有益效果在于：
通过采集钢坯和托盘的点云并进行三维建模，然后从三维建模中对钢坯和托盘的特征进行分析，并根据钢坯的圆心和半径对钢坯轮廓位置进行微调，从而消除生产标签或结构缺陷对钢坯位置的影响，避免发生误报警的情况，最后，在托盘的中心生成检测框，通过检测经过微调后的钢坯轮廓位置是否位于检测框内来判断钢坯是否发生偏移或越界，以确保钢坯的中心位于托盘的中心处，便于钢坯后续的制造加工工序，当检测出钢坯不在检测框内时触发报警并提示钢坯位置发生偏移越界的具体参数，以便于作业人员根据参数准确的调整钢坯在托盘上的位置，提高作业人员调整钢坯位置的效率。
附图说明
附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制，在附图中：
图1是本发明一实施例提供的圆形钢坯的偏移越界检测方法的步骤流程图；
图2是本发明一实施例提供的圆形钢坯的偏移越界检测方法中步骤S1的进一步步骤流程图；
图3是本发明一实施例提供的圆形钢坯的偏移越界检测方法中步骤S2的进一步步骤流程图；
图4是本发明一实施例提供的圆形钢坯的偏移越界检测方法中步骤S3的进一步步骤流程图；
图5是本发明一实施例提供的圆形钢坯的偏移越界检测方法中基于DBSCAN算法的检测图；
图6是本发明一实施例提供的圆形钢坯的偏移越界检测方法中步骤S4的进一步步骤流程图；
图7是本发明一实施例提供的圆形钢坯的偏移越界检测方法中检测并重建的钢坯轮廓图；
图8是本发明一实施例提供的圆形钢坯的偏移越界检测方法中步骤S5的进一步步骤流程图；
图9是本发明一实施例提供的圆形钢坯的偏移越界检测方法中钢坯偏移的检测图。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
本发明的实施例提供一种圆形钢坯的偏移越界检测方法，能够在钢坯轧材流水线作业的初始阶段对钢坯的位置进行检测，以确保在初始阶段钢坯摆放在托盘上的位置准确无偏差，并在检测出钢坯摆放在托盘上的位置出现偏差时供作业人员根据偏差的数据对钢坯的位置进行准确的调整，提高工作人员调整钢坯位置时的工作效率，同时，本发明的圆形钢坯偏移越界检测方法还能够对钢坯上的缺陷及生产标签进行滤除并重新拟合钢坯轮廓，以防止钢坯上的缺陷或生产标签导致对钢坯的位置检测造成偏差，减少错误报警的情况。
如图1所示，本发明提供一种圆形钢坯的偏移越界检测方法，该方法包括
步骤S1：通过点云采集模块采集圆形钢坯及承托圆形钢坯的托盘所在位置的环境点云图像数据；
步骤S2：对采集到的环境点云图像数据进行数据拼接并获得包含圆形钢坯及托盘的三维模型；
步骤S3：基于托盘的位置及钢坯的特征分别在三维模型中识别托盘和钢坯；
步骤S4：根据钢坯的圆心和半径对钢坯的轮廓位置进行微调；
步骤S5：根据托盘的中心在托盘上生成检测框，并结合钢坯轮廓相对检测框的位置关系进行钢坯的偏移越界分析。
具体的，先通过点云采集模块采集钢坯轧材作业现场的环境点云图像数据，然后对环境点云图像数据进行拼接以获得包含钢坯和托盘的三维模型，对点云图像数据进行拼接可消除同一物体的点云在不同角度下的视角偏差，以确保同一物体的位置更准确，进而保证建立的三维模型中各个物体的位置与现场中对应物体的位置一致，随后对三维模型进行位置和特征分析，从而识别出三维模型中的托盘和钢坯，由于钢坯上的生产标签或者钢坯本身的结构缺陷会影响钢坯的位置检测结果，因此在进行钢坯的偏移越界分析之前根据钢坯的圆心和半径对三维模型中钢坯轮廓的位置进行微调，以消除生产标签或结构缺陷对钢坯位置的影响，避免发生误报警的情况，最后，在托盘的中心生成检测框，并检测经过微调后的钢坯轮廓位置是否位于检测框内来判断钢坯是否发生偏移或越界，以确保钢坯的中心位于托盘的中心处，便于钢坯后续的制造加工工序，当检测出钢坯不在检测框内时触发报警并提示钢坯位置发生偏移越界的具体参数，以便于作业人员根据参数准确的调整钢坯在托盘上的位置，提高作业人员调整钢坯位置的效率。
可以理解，点云采集模块包括为激光雷达，使用激光雷达采集现场的环境点云图像数据时，现场环境中各个物体的点云均包含有坐标位置信息，密集的点云形成点云图像，进而通过对点云图像和坐标位置进行分析即识别出托盘和钢坯，并进行后续的偏移越界分析。
如图2所示，在本发明的实施例中，步骤步骤S1进一步包括
步骤S11：初始化点云采集模块的位置；
步骤S12：控制点云采集模块按照预设位置移动并实时采集环境点云图像数据。
为了提高对钢坯位置检测的准确性，点云采集模块在采集环境点云图像数据时需要从不同的角度进行采集工作，当一个托盘承载钢坯并运输至检测位置时触发点云采集模块回到初始位置，然后控制点云采集模块按照预设位置移动，并在移动过程中实时采集环境点云图像数据。
其中，触发点云采集模块回到初始位置的条件可以为人工远程控制，也可以通过软件程序或机械硬件控制，例如，采用软件程序控制时，设定托盘运输钢坯至检测位置时触发软件程序响应点云采集模块回到初始位置，采用机械硬件控制时，在检测位置安装接近开关，在托盘运输钢坯至检测位置时触发接近开关并响应点云采集模块回到初始位置，点云采集模块沿预设位置移动的方式可以通过程序设定点云采集模块回到初始位置后立即执行移动控制，也可以由人工远程控制。
如图3所示，在本发明的实施例中，步骤步骤S2进一步包括
步骤S21：设定标定的最小单位及空间轴；
步骤S22：批量实验环境点云图像数据中各个区域中点云的旋转标定量；
步骤S23：基于旋转标定量消除各个区域中点云的缝隙；
步骤S24：对消除缝隙的各个区域中的点云进行拼接并获得包含圆形钢坯及托盘的三维模型。
通过标定点云采集模块采集环境点云图像数据时的最小单位及空间轴，以确保钢坯和托盘位于同一坐标系中，然后对采集到的环境点云图像数据中各个区域的点云进行旋转标定量实验，并基于旋转标定量消除各个区域中点云的缝隙，从而在对消除缝隙后的各个区域中的点云进行拼接后获得包含有钢坯和托盘的三维模型，并使三维模型中各个物体的点云位置更准确。
其中，对各个区域中点云的旋转标定量进行实验时，通过设定旋转标定量的数值，并将点云按照标定量的数值绕空间轴中的X轴进行顺时针或逆时针旋转，随后调整旋转标定量的数值进行重复实验，从而可获得各个区域中点云是否存在缝隙，并对存在缝隙的点云根据旋转标定量进行消除。
如图4所示，在本发明的实施例中，步骤步骤S3进一步包括
步骤S31：基于DBSCAN算法（Density-Based Spatial Clustering ofApplications with Noise，基于密度的聚类算法）对三维模型中的点云进行最近邻分簇点云聚类；
步骤S32：根据点云的高度数据识别托盘点云并确定托盘的法向平面；
步骤S33：将位于托盘法向平面以上的点云投影至托盘上并基于钢坯的特征识别钢坯点云。
本发明中的DBSCAN算法对三维模型中点云进行最近邻分簇点云聚类为现有算法的套用，通过设定DBSCAN算法的扫描半径和最小包含点云的数量以对三维模型中的点云进行分簇，由于托盘在流水线上的高度一致，因此通过设定托盘在三维模型中的高度数据即可从分簇的点云中识别出托盘，在将托盘法向平面以上的点云投影至托盘上后，根据钢坯的特征即可从分簇的点云中识别出钢坯点云，其中，钢坯的特征包括钢坯的外形轮廓特征、钢坯在托盘中的位置特征、钢坯的高度及直径特征。
如图5所示，通过DBSCAN算法对三维模型中点云进行最近邻分簇点云聚类后各个物体由方形的线框划分区域，并且根据各个区域中点云的高度对区域内的点云块进行着色，最后结合各个区域内的点云块颜色和钢坯的外形轮廓特征检测出钢坯对应的钢坯点云（图中正中间最大的方形线框内的圆形点云快被检测为钢坯），需要说明的是，为符合专利申请文件的标准，附图中的图片经过去色处理为黑白图片，在实际的彩色图片中，点云块颜色由红至蓝表示高度上的递增，其中，用于划分区域的方形线框也具有颜色，蓝色线框表示区域内的点云块不具备钢坯的特征而被滤除，红色线框表示区域内的点云块具备钢坯的特征而被检测为钢坯。
如图6所示，在本发明的实施例中，步骤步骤S4进一步包括
步骤S41：通过识别出的钢坯点云检测钢坯轮廓；
步骤S42：通过检测出的钢坯轮廓计算钢坯的横坐标中心和半径；
步骤S43：结合钢坯的横坐标中心和半径重建钢坯轮廓；
步骤S44：在重建的钢坯轮廓边缘生成切线计算出重建钢坯轮廓的圆心；
步骤S45：结合重建的钢坯轮廓圆心和半径对重建钢坯的轮廓位置进行微调。
在识别出钢坯点云后，采用边界提取算法（Alpha Shapes）进行钢坯的轮廓检测，通过设定边界提取算法中的滚动圆的半径，使滚动圆绕钢坯点云的边界进行滚动从而获得钢坯轮廓，随后根据钢坯轮廓在三维模型中的坐标获得钢坯的横坐标中心以及钢坯半径，为了避免边界提取算法提取边界时产生的误差导致钢坯的位置不准确，此时根据钢坯的横坐标中心和钢坯半径对钢坯轮廓进行重建，以消除边界提取算法产生的误差，为了减少钢坯上生成标签或钢坯轮廓缺陷对钢坯位置的影响，通过在钢坯轮廓边缘生成一条或两条切线，并结合钢坯的半径计算出钢坯轮廓的圆心，最后通过钢坯轮廓圆心和半径对重建钢坯的轮廓位置进行微调，以消除生成标签或钢坯轮廓缺陷对钢坯位置产生的影响。
如图7所示，提取钢坯点云的边缘后获得钢坯的轮廓（图中实线表示钢坯轮廓），然后根据钢坯轮廓的坐标和半径数据重建一条钢坯轮廓线（图中虚线表示重建的钢坯轮廓），由于钢坯轮廓的下边缘存在向外凸出的钢坯缺陷，该缺陷会影响钢坯在托盘上的位置，因此需要根据钢坯轮廓的圆心和半径对重建的钢坯轮廓位置进行微调，以提高钢坯位置检测的准确性。
如图8所示，在本发明的实施例中，步骤步骤S5进一步包括
步骤S51：通过识别出的托盘点云检测托盘轮廓；
步骤S52：通过检测出的托盘轮廓对应的点云数据计算托盘的中心坐标；
步骤S53：根据托盘的中心坐标生成钢坯偏移越界检测框；
步骤S54：检测微调后的钢坯轮廓是否处于检测框内来判断钢坯是否偏移或越界。
类似的，采用边界提取算法进行托盘的轮廓检测，通过设定边界提取算法中的滚动圆的半径，使滚动圆绕托盘点云的边界进行滚动从而获得托盘轮廓，随后根据托盘轮廓对应的点云数据计算托盘的中心坐标，并根据当前批次的钢坯直径生成检测框，使检测框的中心与托盘的中心重合，最后，通过检测框检测微调后的钢坯轮廓是否处于检测框内来判断钢坯是否偏移或越界，当钢坯轮廓完全处于检测框内时，则判断钢坯位置没有发生偏移或越界，当钢坯轮廓与检测框发生交叉时，则判断钢坯位置发生偏移，当钢坯轮廓完全处于检测框外时，则判断钢坯位置发生越界，在判断钢坯位置发生偏移时，根据钢坯轮廓与检测框发生交叉的距离提示钢坯偏移的距离，例如提示X轴-3时，则表示钢坯位置向左偏移3mm，提示Y轴+2时，则表示钢坯位置向上偏移2mm。
如图9所示，在检测钢坯是否发生偏移或越界时，通过将检测到的托盘轮廓和重建的钢坯轮廓放入同一坐标系中，坐标内最大的实线方框表示托盘的轮廓，虚线方框表示在托盘上生成的检测框，中心处的小三角形表示检测框的中心，圆形实线表示钢坯的轮廓，中心处的小圆形表示钢坯的中心，图中的小圆形与小三角形没有重合，且钢坯的轮廓右侧和上侧均与检测框发生交叉，因此判断钢坯位置发生偏移，通过检测钢坯轮廓凸出检测的距离即可检测出钢坯偏移的具体数据。
本发明的实施例还提供一种圆形钢坯偏移越界的检测设备，该检测设备包括：
点云采集模块，用于采集圆形钢坯及承托圆形钢坯的托盘所在位置的环境点云图像数据；
上位机，上位机被配置成：
对采集到的环境点云图像数据进行数据拼接并获得包含圆形钢坯及托盘的三维模型；
基于托盘的位置及钢坯的特征分别在三维模型中识别托盘和钢坯；
根据钢坯的圆心和半径对钢坯轮廓位置进行微调；
根据托盘的中心在托盘上生成检测框，并结合钢坯相对检测框的位置关系进行钢坯的偏移越界分析。
通过本发明的检测设备对圆形钢坯流水线上的钢坯进行检测，可及时检测出钢坯位置是否发生偏移，并在检测出钢坯位置发生偏移时提示偏移的方位和距离，以便于工作人员根据提示对偏移的钢坯位置进行调整，提高作业人员调整钢坯位置的效率，同时，通过对钢坯轮廓的重建和微调来消除钢坯上生产标签或结构缺陷等因素的影响，以减少对钢坯位置的检测偏差，避免产生误报警的情况。
在本发明的实施例中，检测设备还包括供点云采集模块移动的移动导轨，点云采集模块根据预设位置沿移动导轨移动并实时采集环境点云图像数据，上位机执行对钢坯轮廓位置进行微调、偏移越界分析的步骤时，进一步包括
根据钢坯轮廓计算钢坯的横坐标中心和半径；
结合钢坯的横坐标中心和半径重建钢坯轮廓；
在重建的钢坯轮廓边缘生成切线计算出重建钢坯轮廓的圆心；
结合重建的钢坯轮廓圆心和半径对重建钢坯的轮廓位置进行微调；
根据托盘边缘对应的点云数据计算托盘的中心坐标；
根据托盘的中心坐标生成钢坯偏移越界检测框；
检测微调后的钢坯轮廓是否处于检测框内来判断钢坯是否偏移或越界。
可以理解，移动导轨设置于钢坯流水线的顶部，点云采集模块沿移动导轨移动时以俯视的角度进行环境点云图像数据采集工作，进而通过后续的检测步骤检测出钢坯轮廓和托盘轮廓，并在对钢坯的轮廓进行重建和微调后检测出钢坯是否发生偏移或越界。
本发明的实施例还提供一种计算机可读存储介质，该计算机可读存储介质存储有一个或者多个程序，一个或多个程序可被一个或者多个处理器执行，以实现圆形钢坯的偏移越界检测方法，以便于工作人员根据检测方法的结果对偏移的钢坯位置进行调整，提高作业人员调整钢坯位置的效率，同时，还能减少对钢坯位置的检测偏差，避免产生误报警的情况。
以上结合附图详细描述了本发明的优选实施方式，但是，本发明并不限于此。在本发明的技术构思范围内，可以对本发明的技术方案进行多种简单变型，包括各个具体技术特征以任何合适的方式进行组合，为了避免不必要的重复，本发明对各种可能的组合方式不再另行说明。但这些简单变型和组合同样应当视为本发明所公开的内容，均属于本发明的保护范围。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接或彼此可通讯；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或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
尽管上面已经示出和描述了本发明的实施方式，可以理解的是，上述实施方式是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施方式进行变化、修改、替换和变型。

Claims (8)

1.一种圆形钢坯的偏移越界检测方法，其特征在于，所述方法包括
通过点云采集模块采集圆形钢坯及承托圆形钢坯的托盘所在位置的环境点云图像数据；
对采集到的环境点云图像数据进行数据拼接并获得包含圆形钢坯及托盘的三维模型；
基于托盘的位置及钢坯的特征分别在三维模型中识别托盘和钢坯；
根据钢坯的圆心和半径对钢坯的轮廓位置进行微调；
根据托盘的中心在托盘上生成检测框，并结合钢坯轮廓相对检测框的位置关系进行钢坯的偏移越界分析；
其中，在根据钢坯的圆心和半径对钢坯轮廓位置进行微调的步骤中，进一步包括
通过识别出的钢坯点云检测钢坯轮廓；
通过检测出的钢坯轮廓计算钢坯的横坐标中心和半径；
结合钢坯的横坐标中心和半径重建钢坯轮廓；
在重建的钢坯轮廓边缘生成切线计算出重建钢坯轮廓的圆心；
结合重建的钢坯轮廓圆心和半径对重建钢坯的轮廓位置进行微调；
在根据识别到的托盘在托盘上生成检测框，并结合钢坯相对检测框的位置关系进行钢坯的偏移越界分析的步骤中，进一步包括
通过识别出的托盘点云检测托盘轮廓；
通过检测出的托盘轮廓对应的点云数据计算托盘的中心坐标；
根据托盘的中心坐标生成钢坯偏移越界检测框；
检测微调后的钢坯轮廓是否处于检测框内来判断钢坯是否偏移或越界。
2.根据权利要求1所述的圆形钢坯的偏移越界检测方法，其特征在于：在通过点云采集模块采集圆形钢坯及承托圆形钢坯的托盘所在位置的环境点云图像数据的步骤中，进一步包括
初始化点云采集模块的位置；
控制点云采集模块按照预设位置移动并实时采集环境点云图像数据。
3.根据权利要求2所述的圆形钢坯的偏移越界检测方法，其特征在于：在对采集到的环境点云图像数据进行数据拼接并获得包含圆形钢坯及托盘的三维模型的步骤中，进一步包括
设定标定的最小单位及空间轴；
批量实验环境点云图像数据中各个区域中点云的旋转标定量；
基于旋转标定量消除各个区域中点云的缝隙；
对消除缝隙的各个区域中的点云进行拼接并获得包含圆形钢坯及托盘的三维模型。
4.根据权利要求3所述的圆形钢坯的偏移越界检测方法，其特征在于：在基于托盘的位置及钢坯的特征分别在三维模型中识别托盘和钢坯的步骤中，进一步包括
基于DBSCAN算法对三维模型中的点云进行最近邻分簇点云聚类；
根据点云的高度数据识别托盘点云并确定托盘的法向平面；
将位于托盘法向平面以上的点云投影至托盘上并基于钢坯的特征识别钢坯点云。
5.根据权利要求4所述的圆形钢坯的偏移越界检测方法，其特征在于：所述钢坯的特征包括钢坯的外形轮廓特征、钢坯在托盘中的位置特征、钢坯的高度及直径特征。
6.一种圆形钢坯偏移越界的检测设备，其特征在于，所述检测设备包括：
点云采集模块，用于采集圆形钢坯及承托圆形钢坯的托盘所在位置的环境点云图像数据；
上位机，所述上位机被配置成：
对采集到的环境点云图像数据进行数据拼接并获得包含圆形钢坯及托盘的三维模型；
基于托盘的位置及钢坯的特征分别在三维模型中识别托盘和钢坯；
根据钢坯的圆心和半径对钢坯轮廓位置进行微调；
根据托盘的中心在托盘上生成检测框，并结合钢坯相对检测框的位置关系进行钢坯的偏移越界分析；
所述上位机执行对钢坯轮廓位置进行微调、偏移越界分析的步骤时，进一步包括
根据钢坯轮廓计算钢坯的横坐标中心和半径；
结合钢坯的横坐标中心和半径重建钢坯轮廓；
在重建的钢坯轮廓边缘生成切线计算出重建钢坯轮廓的圆心；
结合重建的钢坯轮廓圆心和半径对重建钢坯的轮廓位置进行微调；
根据托盘边缘对应的点云数据计算托盘的中心坐标；
根据托盘的中心坐标生成钢坯偏移越界检测框；
检测微调后的钢坯轮廓是否处于检测框内来判断钢坯是否偏移或越界。
7.根据权利要求6所述的检测设备，其特征在于，所述检测设备还包括供所述点云采集模块移动的移动导轨，所述点云采集模块根据预设位置沿所述移动导轨移动并实时采集环境点云图像数据。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，一个或多个所述程序可被一个或者多个处理器执行，以实现如权利要求1-5任一项的检测方法。
CN202310117119.6A 2023-02-15 2023-02-15 圆形钢坯的偏移越界检测方法、设备及介质 Active CN116385354B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310117119.6A CN116385354B (zh) 2023-02-15 2023-02-15 圆形钢坯的偏移越界检测方法、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310117119.6A CN116385354B (zh) 2023-02-15 2023-02-15 圆形钢坯的偏移越界检测方法、设备及介质

Publications (2)

Publication Number Publication Date
CN116385354A CN116385354A (zh) 2023-07-04
CN116385354B true CN116385354B (zh) 2023-09-29

Family

ID=86973901

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310117119.6A Active CN116385354B (zh) 2023-02-15 2023-02-15 圆形钢坯的偏移越界检测方法、设备及介质

Country Status (1)

Country Link
CN (1) CN116385354B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ES2228622T3 (es) * 1999-10-13 2005-04-16 Fps Food Processing Systems B.V. Dispositivo de agarre.
WO2012132052A1 (ja) * 2011-03-31 2012-10-04 古河電気工業株式会社 金属鋳塊製造方法、液面制御方法、極細銅合金線
CN113219903A (zh) * 2021-05-07 2021-08-06 东北大学 一种基于深度视觉的钢坯最优剪切控制方法及装置
CN113333476A (zh) * 2021-06-17 2021-09-03 中天钢铁集团有限公司 一种基于不同规格连铸坯交替轧制轧机调速方法
CN115141926A (zh) * 2022-06-23 2022-10-04 大连新瑞晨自动化科技有限公司 一种指导钢坯加热过程控制的钢坯目标升温曲线生成方法
CN115482195A (zh) * 2022-08-03 2022-12-16 西南交通大学 一种基于三维点云的列车部件变形检测方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ES2228622T3 (es) * 1999-10-13 2005-04-16 Fps Food Processing Systems B.V. Dispositivo de agarre.
WO2012132052A1 (ja) * 2011-03-31 2012-10-04 古河電気工業株式会社 金属鋳塊製造方法、液面制御方法、極細銅合金線
CN113219903A (zh) * 2021-05-07 2021-08-06 东北大学 一种基于深度视觉的钢坯最优剪切控制方法及装置
CN113333476A (zh) * 2021-06-17 2021-09-03 中天钢铁集团有限公司 一种基于不同规格连铸坯交替轧制轧机调速方法
CN115141926A (zh) * 2022-06-23 2022-10-04 大连新瑞晨自动化科技有限公司 一种指导钢坯加热过程控制的钢坯目标升温曲线生成方法
CN115482195A (zh) * 2022-08-03 2022-12-16 西南交通大学 一种基于三维点云的列车部件变形检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Solving the heat transfer boundary condition of billet in reheating furnace by combining "black box" test with mathematic model;Demin Chen.et.;《Case Studies in Thermal Engineering》;第40卷;第102486页 *
步进梁式加热炉钢坯跑偏原因分析及控制;张雪荣;《武钢技术》;第49卷(第2期);第54-56页 *

Also Published As

Publication number Publication date
CN116385354A (zh) 2023-07-04

Similar Documents

Publication Publication Date Title
CN110501342B (zh) 一种筒子纱纱杆定位视觉检测方法
CN109357630A (zh) 一种多类型工件批量视觉测量系统及方法
CN112053318A (zh) 基于深度学习的二维pcb缺陷实时自动检测与分类装置
CN107345789A (zh) 一种pcb板孔位检测装置及方法
CN112348034A (zh) 基于无人机图像识别的起重机缺陷检测系统和工作方法
CN102455171A (zh) 一种激光拼焊焊缝背面几何形貌检测方法及其实现装置
CN108465950A (zh) 一种激光切割机切割精度检测方法、装置及系统
JP2007078533A (ja) 基板検査方法
CN116465315B (zh) 一种网版质量自动化检测方法及系统
CN110146017A (zh) 工业机器人重复定位精度测量方法
CN102183206B (zh) 一种pcb板上线路的线宽测量方法
CN115731165A (zh) 一种锂电池在线尺寸点检的检测系统及方法
CN116385354B (zh) 圆形钢坯的偏移越界检测方法、设备及介质
CN115792919B (zh) 一种气溶胶激光雷达水平扫描监测污染热点区域识别方法
CN113240629B (zh) 基于边缘的图像匹配窄间隙焊缝初始点定位装置和方法
CN114782359A (zh) 一种基于数据异构融合的工业传送带表面缺陷检测方法
TWM619409U (zh) 智慧化加工系統
CN113793321A (zh) 基于机器视觉的铸件表面缺陷动态检测方法及装置
CN114034471A (zh) 一种激光光路轮廓的测量方法
RU2791144C1 (ru) Способ измерения и контроля щелевых зазоров противопесочных фильтров и инспекционная машина для его осуществления (варианты)
CN117078665B (zh) 产品表面缺陷检测方法、装置、存储介质和电子设备
CN115457034B (zh) 一种类镜面工件表面的缺陷检测方法及装置
CN117532603B (zh) 一种移动机器人上下料快速定位方法、系统及装置
CN117934429B (zh) 基于三维点云和轮廓匹配的客车侧墙板平整度检测方法
CN115808126B (zh) 一种基于机器视觉扫描数据的锂电极片涂布边界定位方法

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