CN116542923A - 钢卷带尾的定位方法、装置、设备及介质 - Google Patents
钢卷带尾的定位方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116542923A CN116542923A CN202310485592.XA CN202310485592A CN116542923A CN 116542923 A CN116542923 A CN 116542923A CN 202310485592 A CN202310485592 A CN 202310485592A CN 116542923 A CN116542923 A CN 116542923A
- Authority
- CN
- China
- Prior art keywords
- steel coil
- tail
- data
- detection image
- steel
- 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
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 338
- 239000010959 steel Substances 0.000 title claims abstract description 338
- 238000000034 method Methods 0.000 title claims abstract description 48
- 241001061132 Eutaeniophorus sp. 033-Miya Species 0.000 title abstract description 14
- 238000001514 detection method Methods 0.000 claims abstract description 131
- 230000003068 static effect Effects 0.000 claims abstract description 10
- 238000004590 computer program Methods 0.000 claims description 15
- 238000012795 verification Methods 0.000 claims description 9
- 238000007689 inspection Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 230000033001 locomotion Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000002390 adhesive tape Substances 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- 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
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/776—Validation; Performance evaluation
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Quality & Reliability (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)
- Image Analysis (AREA)
Abstract
本公开实施例提供了一种钢卷带尾的定位方法、装置、地面设备、计算机设备及可读存储介质,涉及计算机技术领域。该方法包括:获取钢卷的检测图像;识别钢卷的检测图像中的带尾;在识别出钢卷的检测图像中的带尾时,将钢卷的对应检测图像的带尾的坐标和钢卷的角速度存储为第一数据;继续获取并识别钢卷的后续检测图像中的带尾,并将钢卷的对应后续检测图像的带尾的坐标和钢卷的角速度存储为第二数据;根据第二数据验证第一数据的准确性;在根据第二数据验证第一数据正确时,通过第一数据或第二数据获取钢卷静止时的带尾的位置。本公开实施例提供的方法提高钢卷的带尾识别准确率。
Description
技术领域
本公开涉及钢卷带尾的检测领域,尤其涉及一种钢卷带尾的定位方法、装置、计算机设备及可读存储介质。
背景技术
目标检测中一般直接输入场景图像,使用卷积检测网络直接得到目标。但在钢卷带尾检测的工业场景中,带尾转动比较容易检测到;当旋转停下时,由于四周夹紧带尾被遮挡或者紧贴钢卷导致难以检测。钢卷带尾在生产过程中还容易被雾气、钢卷温度、耷拉面积影响,导致带尾特征不明显,带尾检测容易出现错检误检,降低机器运行效率。
发明内容
本公开实施例提供了一种钢卷带尾的定位方法、装置、计算机设备及可读存储介质,涉及图像识别领域,可以提高钢卷的带尾识别准确率。
本公开实施例提供了一种钢卷带尾的定位方法,包括:获取钢卷的检测图像;识别所述钢卷的检测图像中的带尾;在识别出所述钢卷的检测图像中的带尾时,将所述钢卷的对应检测图像的带尾的坐标和所述钢卷的角速度存储为第一数据;继续获取并识别所述钢卷的后续检测图像中的带尾,并将所述钢卷的对应后续检测图像的带尾的坐标和所述钢卷的角速度存储为第二数据;根据所述第二数据验证所述第一数据的准确性;在根据所述第二数据验证所述第一数据正确时,通过所述第一数据或所述第二数据获取所述钢卷静止时的带尾的位置。
在一个实施例中,继续获取并识别所述钢卷的后续检测图像中的带尾包括:以N帧间隔继续获取并识别所述钢卷的后续检测图像中的带尾,其中N是大于1的整数。
在一个实施例中,将所述钢卷的对应后续检测图像的带尾的坐标和所述钢卷的角速度存储为第二数据包括:在识别出所述钢卷的检测图像中的带尾时,将所述钢卷的对应后续检测图像的N帧间隔的次数、带尾的坐标和所述钢卷的角速度存储为第二数据。
在一个实施例中,根据所述第二数据验证所述第一数据的准确性包括:验证所述第二数据中所述钢卷的带尾相对于所述第一数据中带尾的角度是否准确。
在一个实施例中,验证所述第二数据中所述钢卷的带尾相对于所述第一数据中带尾的角度是否准确包括:根据所述第二数据中所述钢卷的带尾的坐标和所述第一数据中带尾的坐标获取第一角度;根据所述第二数据中所述钢卷的检测图像的帧数、所述钢卷的角速度和所述第一数据中所述钢卷的检测图像的帧数、所述钢卷的角速度获取第二角度;对比所述第一角度和所述第二角度是否在阈值范围内。
在一个实施例中,在根据所述第二数据验证所述第一数据正确时包括:在所述第二数据包括多帧所述钢卷的后续检测图像时,所述第二数据中检测图像的带尾数据验证所述第一数据的在阈值范围的正确的比例大于等于第一比例。
在一个实施例中,通过所述第一数据或所述第二数据获取所述钢卷静止时的带尾的位置包括:在检测系统能够根据所述钢卷转动时的带尾位置确定所述钢卷静止时的带尾位置时,直接根据所述第一数据或所述第二数据中所述钢卷运动时的带尾的位置获取所述钢卷静止时的带尾的位置;或在检测系统不能够根据所述钢卷转动时的带尾位置确定所述钢卷静止时的带尾位置时,根据所述第一数据或所述第二数据中所述钢卷运动时的角速度和所述钢卷的减速度获取所述钢卷静止时的带尾的位置。
本公开实施例提供了一种钢卷带尾的定位装置,包括:获取单元,用于获取钢卷的检测图像;识别单元,用于识别所述钢卷的检测图像中的带尾;存储单元,用于在识别出所述钢卷的检测图像中的带尾时,将所述钢卷的对应检测图像的带尾的坐标和所述钢卷的角速度存储为第一数据;所述识别单元,还用于继续获取并识别所述钢卷的后续检测图像中的带尾,并将所述钢卷的对应后续检测图像的带尾的坐标和所述钢卷的角速度存储为第二数据;验证单元,用于根据所述第二数据验证所述第一数据的准确性;所述获取单元,还用于在根据所述第二数据验证所述第一数据正确时,通过所述第一数据或所述第二数据获取所述钢卷静止时的带尾的位置。
本公开实施例提供了一种计算机设备,包括:一个或多个处理器;存储装置,配置为存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上方法实施例中任一项所述的方法。
本公开实施例提供了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计算机程序,所述计算机程序被处理器执行时实现如上方法实施例中任一项所述的方法。
本申请的钢卷带尾的定位方法,通过获取钢卷的检测图像;识别钢卷的检测图像中的带尾;在识别出钢卷的检测图像中的带尾时,将钢卷的对应检测图像的带尾的坐标和钢卷的角速度存储为第一数据;继续获取并识别钢卷的后续检测图像中的带尾,并将钢卷的对应后续检测图像的带尾的坐标和钢卷的角速度存储为第二数据;根据第二数据验证第一数据的准确性;在根据第二数据验证第一数据正确时,通过第一数据或第二数据获取钢卷静止时的带尾的位置,可以提高钢卷的带尾识别准确率。
附图说明
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本公开实施例提供的钢卷带尾的定位方法的流程图;
图2是本申请一个实施例的钢卷带尾定位中检测图像的示意图;
图3是本申请一个实施例的钢卷带尾的定位方法的流程示意图;
图4是本公开实施例提供的一种钢卷带尾的定位装置的结构示意图;
图5是本公开实施例提供的一种计算机设备的结构示意图。
具体实施方式
下面将结合本公开实施例中的附图,对本公开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公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
下面对本公开的一些技术术语进行说明:
钢卷,又称卷钢。钢材热压、冷压成型为卷状。为了方便储存和运输,方便进行各种加工(例如加工成为钢板、钢带等)。钢卷在轧制后,通过剪切机、卷取机卷成一定卷径的钢卷,卷好之后,钢卷或立(卷芯方向与地面平行)或卧(卷芯方向与地面垂直),卧式钢卷带尾翘起,只有准确检测到带尾位置,将其压制,才能进行后续包装。
带尾,是钢卷被剪切机剪断的外部部分,指剪切后钢卷最外端的钢带,类似于胶带纸的尾巴。
帧,就是影像动画中最小单位的单幅影像画面,相当于电影胶片上的每一格镜头。一帧就是一幅静止的画面,连续的帧就形成动画,如电视图像等。通常说帧数,简单地说,就是在1秒钟时间里传输的图片的帧数,也可以理解为图形处理器每秒钟能够刷新几次,通常用fps(Frames Per Second)表示。每一帧都是静止的图像,快速连续地显示帧便形成了运动的假象。高的帧率可以得到更流畅、更逼真的动画。每秒钟帧数(fps)愈多,所显示的动作就会愈流畅。工业视频一般20帧/s左右,图像处理是对逐帧进行检测。
帧率(Frame rate)是以帧称为单位的位图图像连续出现在显示器上的频率(速率)。该术语同样适用于胶片和摄像机,计算机图形和动作捕捉系统。帧速率也可以称为帧频率,并以赫兹(Hz)表示。
图1是本公开实施例提供的钢卷带尾的定位方法的流程图。本公开实施例提供的方法可以由任一具有计算能力的计算机终端或服务器执行,或由终端或服务器交互执行。
如图1所示,本公开实施例提供的方法可以包括如下步骤。
在步骤S110中,获取钢卷的检测图像。
在该步骤中,终端或服务器可以获取钢卷的检测图像。在一个实施例中,可以通过摄像装置获取钢卷的检测图像,例如通过布置在钢卷检测面的相机以固定的帧率T拍摄钢卷的检测图像。另外,还可以通过标定的方式确定相机所拍摄的检测图像的钢卷的转动的中心(圆心)位置。
在步骤S120中,识别所述钢卷的检测图像中的带尾。
在该步骤中,终端或服务器识别所述钢卷的检测图像中的带尾。在一个实施例中,终端或服务器中可以装载有人工智能网络识别功能的模型,例如卷积神经网络的图像识别模型,终端或服务器通过识别模型识别所述钢卷的检测图像中的带尾。在一个实施例中,终端或服务器可以对相机按照帧频率拍摄的图像按照顺序进行识别,也可以从相机拍摄的图像中抽取图像进行识别,本公开不以此为限。
在步骤S130中,在识别出所述钢卷的检测图像中的带尾时,将所述钢卷的对应检测图像的带尾的坐标和所述钢卷的角速度存储为第一数据。
在该步骤中,终端或服务器在识别出所述钢卷的检测图像中的带尾时,将所述钢卷的对应检测图像的带尾的坐标和所述钢卷的角速度存储为第一数据。在一个实施例,在首次通过所述钢卷的检测图像识别出带尾时,可以将带尾的坐标和钢卷此时的角速度存储为第一数据,存储时第一数据的编号可以为1或0。
在步骤S140中,继续获取并识别所述钢卷的后续检测图像中的带尾,并将所述钢卷的对应后续检测图像的带尾的坐标和所述钢卷的角速度存储为第二数据。
在该步骤中,终端或服务器继续获取并识别所述钢卷的后续检测图像中的带尾,并将所述钢卷的对应后续检测图像的带尾的坐标和所述钢卷的角速度存储为第二数据。在一个实施例中,继续获取并识别所述钢卷的后续检测图像中的带尾包括:以N帧间隔继续获取并识别所述钢卷的后续检测图像中的带尾,其中N是大于1的整数。在一个实施例中,N要求符合所述钢卷的角速度乘以N后除以相机的帧率后大于第一角度,例如大于30度。
在一个实施例中,将所述钢卷的对应后续检测图像的带尾的坐标和所述钢卷的角速度存储为第二数据包括:在识别出所述钢卷的检测图像中的带尾时,将所述钢卷的对应后续检测图像的N帧间隔的次数、带尾的坐标和所述钢卷的角速度存储为第二数据。例如,第二数据可以包括5组数据,即以N为间隔成功获取5次所述钢卷的后续检测图像中的带尾。第二数据中各组数据可以包括以N为间隔成功获取所述钢卷的后续检测图像中的带尾的次数。以N为间隔获取的检测图像并不一定每次都可以检测到带尾,例如第三次以N为间隔获取的检测图像检测到带尾时,这时将第三次、N、检测图像中的带尾的坐标和所述钢卷的角速度存储为第二数据中的第一组数据,后续依次类推,直到存储满5组数据。
在步骤S150中,根据所述第二数据验证所述第一数据的准确性。
在该步骤中,终端或服务器根据所述第二数据验证所述第一数据的准确性。在一个实施例中,根据所述第二数据验证所述第一数据的准确性包括:验证所述第二数据中所述钢卷的带尾相对于所述第一数据中带尾的角度是否准确。
在一个实施例中,验证所述第二数据中所述钢卷的带尾相对于所述第一数据中带尾的角度是否准确包括:根据所述第二数据中所述钢卷的带尾的坐标和所述第一数据中带尾的坐标获取第一角度;根据所述第二数据中所述钢卷的检测图像的帧数、所述钢卷的角速度和所述第一数据中所述钢卷的检测图像的帧数、所述钢卷的角速度获取第二角度;对比所述第一角度和所述第二角度是否在阈值范围内。例如在,所述第二数据包括一组以N帧间隔获取并识别所述钢卷的后续检测图像中的带尾的数据时,并且是第三次以N为间隔获取的检测图像检测到带尾时,根据第一数据中带尾的坐标和第二数据中带尾的坐标计算出两次带尾的以钢卷圆心为中心的第一角度。然后根据以下公式(1)计算两次带尾的以钢卷圆心为中心的第二角度:
α=(v0+vn)(n-n0)N/2T (1)
其中,α为第二角度,v0是第一数据中钢卷的角速度,vn是第二数据中钢卷的角速度,N是以N为间隔获取的检测图像,n是第n次以N为间隔获取的检测图像检测到带尾,n0是0,T是相机帧率。例如第一角度和第二角度在阈值范围(例如2度)时,认为所述第二数据中所述钢卷的带尾相对于所述第一数据中带尾的角度准确。在第二数据包括多组数据时,依次验证。
在步骤S160中,在根据所述第二数据验证所述第一数据正确时,通过所述第一数据或所述第二数据获取所述钢卷静止时的带尾的位置。
在该步骤中,终端或服务器在根据所述第二数据验证所述第一数据正确时,通过所述第一数据或所述第二数据获取所述钢卷静止时的带尾的位置。
在一个实施例中,在根据所述第二数据验证所述第一数据正确时包括:在所述第二数据包括多帧所述钢卷的后续检测图像时,所述第二数据中检测图像的带尾数据验证所述第一数据的在阈值范围的正确的比例大于等于第一比例(例如百分之八十)。例如所述第二数据包括5组数据时,如果有4组数分别验证所述第一数据在阈值范围内,则认为根据所述第二数据验证所述第一数据正确。
在一个实施例中,通过所述第一数据或所述第二数据获取所述钢卷静止时的带尾的位置包括:在检测系统能够根据所述钢卷转动时的带尾位置确定所述钢卷静止时的带尾位置时,直接根据所述第一数据或所述第二数据中所述钢卷运动时的带尾的位置获取所述钢卷静止时的带尾的位置;或在检测系统不能够根据所述钢卷转动时的带尾位置确定所述钢卷静止时的带尾位置时,根据所述第一数据或所述第二数据中所述钢卷运动时的角速度和所述钢卷的减速度获取所述钢卷静止时的带尾的位置。例如,有的钢卷带尾的定位系统,在获知带尾当前的转速和坐标后,可以直接输出带尾停止时的坐标,则可以根据所述第一数据或所述第二数据中所述钢卷运动时的带尾的位置获取所述钢卷静止时的带尾的位置。
例如,钢卷带尾的定位系统,在获知带尾当前的转速和坐标后,不可以直接输出带尾停止时的坐标,则可以通过所述第一数据或所述第二数据中所述钢卷运动时的角速度和所述钢卷的减速度获取所述钢卷静止时的带尾的位置,具体可以以第一数据为例通过以下公式(2)获取带尾停止位置时与第一数据的带尾的夹角,从而确定带尾停止位置时的位置:
其中,β为带尾停止位置时与第一数据的带尾的夹角,v0是第一数据中钢卷的角速度,a是钢卷的角减速度,vn是第二数据中一组数据的钢卷的角速度,N是以N为间隔获取的检测图像,n是第n次以N为间隔获取的检测图像检测到带尾,n0是0,T是相机帧率。
图1所示的钢卷带尾的定位方法,通过获取钢卷的检测图像;识别所述钢卷的检测图像中的带尾;在识别出所述钢卷的检测图像中的带尾时,将所述钢卷的对应检测图像的带尾的坐标和所述钢卷的角速度存储为第一数据;继续获取并识别所述钢卷的后续检测图像中的带尾,并将所述钢卷的对应后续检测图像的带尾的坐标和所述钢卷的角速度存储为第二数据;根据所述第二数据验证所述第一数据的准确性;在根据所述第二数据验证所述第一数据正确时,通过所述第一数据或所述第二数据获取所述钢卷静止时的带尾的位置,可以提高钢卷的带尾识别准确率,从而实现钢卷的带尾的检测和定位。
下面结合具体示例对本公开的定位方法进行具体说明:
图2是本申请一个实施例的钢卷带尾定位中检测图像的示意图。
参考图2,在检测前,先对钢卷201的圆心O进行标定。圆心O标定后,拍摄装置所获取的检测图像中钢卷的圆心O变为已知数据。
参考图2,数值1-6代表不同检测图像中钢卷的带尾的位置。其中1例如可以代表首次识别出的第一数据的所述钢卷的检测图像中的带尾的位置。2-6(共5组)例如可以表示第二数据中的以N为间隔的获得的所述钢卷的检测图像中的带尾的5组位置。其中,间隔N要求符合所述钢卷的角速度乘以N后除以相机的帧率后(图2中1和2关于圆心O的夹角)大于第一角度,例如大于30度。
参考图2,在获取所述钢卷的检测图像中的带尾1的第一数据后,通过所述钢卷的对应后续检测图像的带尾的坐标和所述钢卷的角速度第二数据(图2中2-6,共5组)分别对第一数据中带尾1的位置进行验证,在5组中不少于4组验证在阈值范围内时,确定第一数据中带尾1的位置正确。如果验证不正确,则重新开始检测,直到通过验证。
确定第一数据中带尾1的位置正确后,可以通过以下两种方法确定所述钢卷的带尾静止时的位置:
(1)在实际场景中,钢卷工厂以物理建模的方法计算,故可以输出当前时刻到机器停止转态旋转的角度,可以以已确认的带尾位置(例如第一数据中带尾1的位置)为起点,旋转已知的角度即可定位最终带尾停留方向,因此可以直接获取所述钢卷静止时的带尾的位置;
(2)如无机器输出角度,则可利用匀减速运动的特点,计算从当前已确认的带尾位置到带尾最终停止所转过的角度β公式如下,可以进而确定带尾最终停止的位置。
图3是本申请一个实施例的钢卷带尾的定位方法的流程示意图。
参考图3,本申请的钢卷带尾的定位方法可以包括如下具体情形:
情形1:
第1步:判断钢卷检测的状态标志位,当开始新的一个钢卷检测时重置为0,首次检测到待检测带尾位置时设1,复核确定钢卷检测的带尾的位置时,标志位设2;
第2步:保持计算出的帧间隔N进行带尾检测,检测到待复核带尾,如果状态标志位为0,将该检测结果加入字典dict{(n*N):(x,y,v)}列表中的第一个;其中N为确定的帧间隔,n为距离第一次检测到带尾帧的相隔帧间隔数量,x为检测到的带尾的横坐标,y为纵坐标,v为当前时刻系统传输过来的角速度;
第3步:同时将状态标志位设为1。
情形2:
第1步:判断状态标志位,当开始新的一钢卷检测时重置为0,首次检测到待检测带尾位置时设1,复核确定钢卷检测的带尾位置时,标志位设2;
第2步:保持计算出的帧间隔N进行带尾检测,检测到待复核带尾,如果卷曲状态标志位为1,将该检测结果加入字典dict{(n*N):(x,y,v)}列表中的最后一个;
第3步:判断字典dict列表长度是否大于5,如果小于5,则继续等待后续检测结果。
情形3:
第1步:判断状态标志位,当开始新的一钢卷检测时重置为0,首次检测到待检测带尾位置时设1,复核确定钢卷检测的带尾位置时,标志位设2;
第2步:保持计算出的帧间隔N进行带尾检测,检测到待复核带尾,如果卷曲状态标志位为1,将该检测结果加入dict{(n*N):(x,y,v)}列表中的最后一个;
第3步:判断dict列表长度是否大于5,如果大于5,进行结果复核;
第4步:开始计算每个图像帧中的带尾相对于圆心的角度,以第一个带尾为起点,计算其他5个点应该出现的角度如公式(1),因为是匀减速运动,故角度差为α:
α=(v0+vn)(n-n0)N/2T (1)
其中n0为当前列表第一个的关键值。如果对于列表中剩余5个点有80%以上与计算出的方向误差在2°以内,即确定当前第一组带尾检测正确,同时将卷曲状态标志位设为2;
第5步:以已确认的带尾位置为起点,以及对应的机器旋转角速度,可计算定位最终带尾的停止位置。
情形4:
第1步:判断状态标志位,当开始新的一钢卷检测时重置为0,首次检测到待检测带尾位置时设1,复核确定钢卷检测的带尾位置时,标志位设2;
第2步:保持计算出的帧间隔N进行带尾检测,检测到待复核带尾,如果卷曲状态标志位为1,将该检测结果加入dict{(n*N):(x,y,v)}列表中的最后一个;
第3步:判断dict列表长度是否大于5,如果大于5,进行结果复核。
第4步:开始计算每个图像帧中的带尾相对于圆心的角度,以第一个元素为起点,计算其他5个点应该出现的角度。如果对于列表中剩余5个点少于四个与计算出的方向误差在2°以内,判定第一组数据为错检,删除列表中第一组,等待后续传入。
情形5:
第1步:判断状态标志位,当开始新的一钢卷检测时重置为0,首次检测到待检测带尾位置时设1,复核确定钢卷检测的带尾位置时,标志位设2;
第2步:保持计算出的帧间隔N进行带尾检测,检测到待复核带尾,如果卷曲状态标志位为2,直接忽略检测到的待复核目标。
图4是本公开实施例提供的一种钢卷带尾的定位装置的结构示意图。
如图4所示,本公开实施例提供的钢卷带尾的定位装置400可以包括:
获取单元410,用于获取钢卷的检测图像;
识别单元420,用于识别所述钢卷的检测图像中的带尾;
存储单元430,用于在识别出所述钢卷的检测图像中的带尾时,将所述钢卷的对应检测图像的带尾的坐标和所述钢卷的角速度存储为第一数据;
所述识别单元410,还用于继续获取并识别所述钢卷的后续检测图像中的带尾,并将所述钢卷的对应后续检测图像的带尾的坐标和所述钢卷的角速度存储为第二数据;
验证单元440,用于根据所述第二数据验证所述第一数据的准确性;
所述获取单元410,还用于在根据所述第二数据验证所述第一数据正确时,通过所述第一数据或所述第二数据获取所述钢卷静止时的带尾的位置。
如图4所示的钢卷带尾的定位装置400,通过获取单元,用于获取钢卷的检测图像;识别单元,用于识别所述钢卷的检测图像中的带尾;存储单元,用于在识别出所述钢卷的检测图像中的带尾时,将所述钢卷的对应检测图像的带尾的坐标和所述钢卷的角速度存储为第一数据;所述识别单元,还用于继续获取并识别所述钢卷的后续检测图像中的带尾,并将所述钢卷的对应后续检测图像的带尾的坐标和所述钢卷的角速度存储为第二数据;验证单元,用于根据所述第二数据验证所述第一数据的准确性;所述获取单元,还用于在根据所述第二数据验证所述第一数据正确时,通过所述第一数据或所述第二数据获取所述钢卷静止时的带尾的位置,可以提高钢卷的带尾识别准确率,从而实现钢卷的带尾的检测和定位。
在一个实施例中,所述识别单元420,还用于以N帧间隔继续获取并识别所述钢卷的后续检测图像中的带尾,其中N是大于1的整数。
在一个实施例中,所述识别单元420,还用于在识别出所述钢卷的检测图像中的带尾时,将所述钢卷的对应后续检测图像的N帧间隔的次数、带尾的坐标和所述钢卷的角速度存储为第二数据。
在一个实施例中,验证单元440,还用于验证所述第二数据中所述钢卷的带尾相对于所述第一数据中带尾的角度是否准确。
在一个实施例中,验证单元440,还用于根据所述第二数据中所述钢卷的带尾的坐标和所述第一数据中带尾的坐标获取第一角度;根据所述第二数据中所述钢卷的检测图像的帧数、所述钢卷的角速度和所述第一数据中所述钢卷的检测图像的帧数、所述钢卷的角速度获取第二角度;对比所述第一角度和所述第二角度是否在阈值范围内。
在一个实施例中,验证单元440,还用于在所述第二数据包括多帧所述钢卷的后续检测图像时,所述第二数据中检测图像的带尾数据验证所述第一数据的在阈值范围的比例大于等于第一比例。
在一个实施例中,所述获取单元410,还用于在检测系统具有根据所述钢卷转动时的带尾位置确定所述钢卷静止时的带尾位置时,直接根据所述第一数据或所述第二数据中所述钢卷运动时的带尾的位置获取所述钢卷静止时的带尾的位置;或在检测系统不具有根据所述钢卷转动时的带尾位置确定所述钢卷静止时的带尾位置时,根据所述第一数据或所述第二数据中所述钢卷运动时的角速度和所述钢卷的减速度获取所述钢卷静止时的带尾的位置。
参见图5,图5是本公开实施例提供的一种计算机设备500的结构示意图。如图5所示,本公开实施例中的计算机设备可以包括:一个或多个处理器501、存储器502和输入输出接口503。该处理器501、存储器502和输入输出接口503通过总线504连接。存储器502用于存储计算机程序,该计算机程序包括程序指令,输入输出接口503用于接收数据及输出数据,如用于宿主机与计算机设备之间进行数据交互,或者用于在宿主机中的各个虚拟机之间进行数据交互;处理器501用于执行存储器502存储的程序指令。
其中,该处理器501可以执行如下操作:
获取钢卷的检测图像;识别所述钢卷的检测图像中的带尾;在识别出所述钢卷的检测图像中的带尾时,将所述钢卷的对应检测图像的带尾的坐标和所述钢卷的角速度存储为第一数据;继续获取并识别所述钢卷的后续检测图像中的带尾,并将所述钢卷的对应后续检测图像的带尾的坐标和所述钢卷的角速度存储为第二数据;根据所述第二数据验证所述第一数据的准确性;在根据所述第二数据验证所述第一数据正确时,通过所述第一数据或所述第二数据获取所述钢卷静止时的带尾的位置。
在一些可行的实施方式中,该处理器501可以是中央处理单元(centralprocessing unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(digitalsignal processor,DSP)、专用集成电路(application specific integrated circuit,ASIC)、现成可编程门阵列(field-programmable gate array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
该存储器502可以包括只读存储器和随机存取存储器,并向处理器501和输入输出接口503提供指令和数据。存储器502的一部分还可以包括非易失性随机存取存储器。例如,存储器502还可以存储设备类型的信息。
具体实现中,该计算机设备可通过其内置的各个功能模块执行如上述实施例中各个步骤所提供的实现方式,具体可参见上述实施例中各个步骤所提供的实现方式,在此不再赘述。
本公开实施例通过提供一种计算机设备,包括:处理器、输入输出接口、存储器,通过处理器获取存储器中的计算机程序,执行上述实施例中所示方法的各个步骤,进行传输操作。
本公开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计算机程序,该计算机程序适于由该处理器加载并执行上述实施例中各个步骤所提供的方法,具体可参见上述实施例中各个步骤所提供的实现方式,在此不再赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。对于本公开所涉及的计算机可读存储介质实施例中未披露的技术细节,请参照本公开方法实施例的描述。作为示例,计算机程序可被部署为在一个计算机设备上执行,或者在位于一个地点的多个计算机设备上执行,又或者,在分布在多个地点且通过通信网络互连的多个计算机设备上执行。
该计算机可读存储介质可以是前述任一实施例提供的装置或者该计算机设备的内部存储单元,例如计算机设备的硬盘或内存。该计算机可读存储介质也可以是该计算机设备的外部存储设备,例如该计算机设备上配备的插接式硬盘,智能存储卡(smart mediacard,SMC),安全数字(secure digital,SD)卡,闪存卡(flash card)等。进一步地,该计算机可读存储介质还可以既包括该计算机设备的内部存储单元也包括外部存储设备。该计算机可读存储介质用于存储该计算机程序以及该计算机设备所需的其他程序和数据。该计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本公开实施例还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述实施例中的各种可选方式中所提供的方法。
本公开实施例的说明书和权利要求书及附图中的术语“第一”、“第二”等是用于区别不同对象,而非用于描述特定顺序。此外,术语“包括”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或设备没有限定于已列出的步骤或模块,而是可选地还包括没有列出的步骤或模块,或可选地还包括对于这些过程、方法、装置、产品或设备固有的其他步骤单元。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在该说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本公开的范围。
本公开实施例提供的方法及相关装置是参照本公开实施例提供的方法流程图和/或结构示意图来描述的,具体可由计算机程序指令实现方法流程图和/或结构示意图的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。这些计算机程序指令可提供到通用计算机、专用计算机、嵌入式处理机或其他可编程传输设备的处理器以产生一个机器,使得通过计算机或其他可编程传输设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或结构示意图一个方框或多个方框中指定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程传输设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或结构示意图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程传输设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或结构示意一个方框或多个方框中指定的功能的步骤。
以上所揭露的仅为本公开较佳实施例而已,当然不能以此来限定本公开之权利范围,因此依本公开权利要求所作的等同变化,仍属本公开所涵盖的范围。
Claims (10)
1.一种钢卷带尾的定位方法,其特征在于,包括:
获取钢卷的检测图像;
识别所述钢卷的检测图像中的带尾;
在识别出所述钢卷的检测图像中的带尾时,将所述钢卷的对应检测图像的带尾的坐标和所述钢卷的角速度存储为第一数据;
继续获取并识别所述钢卷的后续检测图像中的带尾,并将所述钢卷的对应后续检测图像的带尾的坐标和所述钢卷的角速度存储为第二数据;
根据所述第二数据验证所述第一数据的准确性;
在根据所述第二数据验证所述第一数据正确时,通过所述第一数据或所述第二数据获取所述钢卷静止时的带尾的位置。
2.根据权利要求1所述的方法,其特征在于,继续获取并识别所述钢卷的后续检测图像中的带尾包括:
以N帧间隔继续获取并识别所述钢卷的后续检测图像中的带尾,其中N是大于1的整数。
3.根据权利要求2所述的方法,其特征在于,将所述钢卷的对应后续检测图像的带尾的坐标和所述钢卷的角速度存储为第二数据包括:
在识别出所述钢卷的检测图像中的带尾时,将所述钢卷的对应后续检测图像的N帧间隔的次数、带尾的坐标和所述钢卷的角速度存储为第二数据。
4.根据权利要求1所述的方法,其特征在于,根据所述第二数据验证所述第一数据的准确性包括:
验证所述第二数据中所述钢卷的带尾相对于所述第一数据中带尾的角度是否准确。
5.根据权利要求4所述的方法,其特征在于,验证所述第二数据中所述钢卷的带尾相对于所述第一数据中带尾的角度是否准确包括:
根据所述第二数据中所述钢卷的带尾的坐标和所述第一数据中带尾的坐标获取第一角度;
根据所述第二数据中所述钢卷的检测图像的帧数、所述钢卷的角速度和所述第一数据中所述钢卷的检测图像的帧数、所述钢卷的角速度获取第二角度;
对比所述第一角度和所述第二角度是否在阈值范围内。
6.根据权利要求5所述的方法,其特征在于,在根据所述第二数据验证所述第一数据正确时包括:
在所述第二数据包括多帧所述钢卷的后续检测图像时,所述第二数据中检测图像的带尾数据验证所述第一数据的在阈值范围的正确的比例大于等于第一比例。
7.根据权利要求5所述的方法,其特征在于,通过所述第一数据或所述第二数据获取所述钢卷静止时的带尾的位置包括:
在检测系统能够根据所述钢卷转动时的带尾位置确定所述钢卷静止时的带尾位置时,直接根据所述第一数据或所述第二数据中所述钢卷运动时的带尾的位置获取所述钢卷静止时的带尾的位置;或
在检测系统不能够根据所述钢卷转动时的带尾位置确定所述钢卷静止时的带尾位置时,根据所述第一数据或所述第二数据中所述钢卷运动时的角速度和所述钢卷的减速度获取所述钢卷静止时的带尾的位置。
8.一种钢卷带尾的定位装置,其特征在于,包括:
获取单元,用于获取钢卷的检测图像;
识别单元,用于识别所述钢卷的检测图像中的带尾;
存储单元,用于在识别出所述钢卷的检测图像中的带尾时,将所述钢卷的对应检测图像的带尾的坐标和所述钢卷的角速度存储为第一数据;
所述识别单元,还用于继续获取并识别所述钢卷的后续检测图像中的带尾,并将所述钢卷的对应后续检测图像的带尾的坐标和所述钢卷的角速度存储为第二数据;
验证单元,用于根据所述第二数据验证所述第一数据的准确性;
所述获取单元,还用于在根据所述第二数据验证所述第一数据正确时,通过所述第一数据或所述第二数据获取所述钢卷静止时的带尾的位置。
9.一种计算机设备,其特征在于,包括:
一个或多个处理器;
存储装置,配置为存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310485592.XA CN116542923A (zh) | 2023-04-28 | 2023-04-28 | 钢卷带尾的定位方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310485592.XA CN116542923A (zh) | 2023-04-28 | 2023-04-28 | 钢卷带尾的定位方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116542923A true CN116542923A (zh) | 2023-08-04 |
Family
ID=87446383
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310485592.XA Pending CN116542923A (zh) | 2023-04-28 | 2023-04-28 | 钢卷带尾的定位方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116542923A (zh) |
-
2023
- 2023-04-28 CN CN202310485592.XA patent/CN116542923A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110246147B (zh) | 视觉惯性里程计方法、视觉惯性里程计装置及移动设备 | |
US20210192761A1 (en) | Image depth estimation method and device, readable storage medium, and electronic apparatus | |
WO2020228511A1 (zh) | 图像中的遮挡处理方法、装置、设备及计算机存储介质 | |
US20200250429A1 (en) | Attitude calibration method and device, and unmanned aerial vehicle | |
US11170525B2 (en) | Autonomous vehicle based position detection method and apparatus, device and medium | |
CN110246160B (zh) | 视频目标的检测方法、装置、设备及介质 | |
CN110866497B (zh) | 基于点线特征融合的机器人定位与建图方法和装置 | |
CN107633208B (zh) | 电子装置、人脸追踪的方法及存储介质 | |
CN112819860B (zh) | 视觉惯性系统初始化方法及装置、介质和电子设备 | |
CN109712196A (zh) | 摄像头标定处理方法、装置、车辆控制设备及存储介质 | |
CN111583118A (zh) | 图像拼接方法、装置、存储介质及电子设备 | |
US20160073095A1 (en) | Still-image extracting method and image processing device for implementing the same | |
CN113610918A (zh) | 位姿计算方法和装置、电子设备、可读存储介质 | |
CN111798374A (zh) | 一种图像拼接方法、装置、设备及介质 | |
CN116542923A (zh) | 钢卷带尾的定位方法、装置、设备及介质 | |
CN109451298A (zh) | 双摄像头的偏差角检测方法、装置和设备 | |
CN111382606A (zh) | 摔倒检测方法、摔倒检测装置和电子设备 | |
CN113177440A (zh) | 图像同步方法、装置、电子设备和计算机存储介质 | |
CN113034347A (zh) | 倾斜摄影图像处理方法、装置、处理设备及存储介质 | |
CN109816588B (zh) | 行车轨迹线的记录方法、装置及设备 | |
CN112001357A (zh) | 目标识别检测方法及系统 | |
CN113936042B (zh) | 一种目标跟踪方法、装置和计算机可读存储介质 | |
CN111598005A (zh) | 动捕数据处理方法、装置、电子设备及计算机存储介质 | |
CN111553944A (zh) | 确定相机布局位置的方法、装置、终端设备及存储介质 | |
CN112802112B (zh) | 视觉定位方法、装置、服务器及存储介质 |
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 |