CN117593256A - 一种基于双目视觉和线激光的配仓刮板机断链检测方法 - Google Patents
一种基于双目视觉和线激光的配仓刮板机断链检测方法 Download PDFInfo
- Publication number
- CN117593256A CN117593256A CN202311466236.XA CN202311466236A CN117593256A CN 117593256 A CN117593256 A CN 117593256A CN 202311466236 A CN202311466236 A CN 202311466236A CN 117593256 A CN117593256 A CN 117593256A
- Authority
- CN
- China
- Prior art keywords
- bin
- scraper
- image
- scraping plate
- chain
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 24
- 238000007790 scraping Methods 0.000 claims abstract description 84
- 230000011218 segmentation Effects 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 18
- 230000003068 static effect Effects 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 9
- 230000005782 double-strand break Effects 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 7
- 238000005260 corrosion Methods 0.000 claims description 6
- 230000007797 corrosion Effects 0.000 claims description 6
- 239000003245 coal Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000003449 preventive effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G43/00—Control devices, e.g. for safety, warning or fault-correcting
- B65G43/02—Control devices, e.g. for safety, warning or fault-correcting detecting dangerous physical condition of load carriers, e.g. for interrupting the drive in the event of overheating
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/02—Gearings; Transmission mechanisms
- G01M13/023—Power-transmitting endless elements, e.g. belts or chains
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请提出了一种基于双目视觉和线激光的配仓刮板机断链检测方法,涉及刮板运输机技术领域,其中,该方法包括:将线激光器作为光源,通过双目相机垂直向下对配仓刮板机进行图片拍摄,获取配仓刮板图像和配仓刮板机底部图像;通过双目相机拍摄的图像判断配仓刮板机是否启动;若确定配仓刮板机处于静止状态,使用双目相机拍摄的配仓刮板图像作为原始点云数据,基于原始点云数据通过分割算法和图像处理方式判断配仓刮板机是否存在断链;若确定配仓刮板机处于启动状态,使用配仓刮板图像和配仓刮板机底部图像判断配仓刮板机是否存在断链。采用上述方案的本发明实现了断链故障的准确检测。
Description
技术领域
本申请涉及刮板运输机技术领域,尤其涉及基于双目视觉和线激光的配仓刮板机断链检测方法。
背景技术
随着煤矿机械化、自动化程度日益提高,刮板运输机已是煤矿必不可少的运输设备,在煤矿生产过程中发挥着重要的作用。刮板运输机链条断链是刮板运输机故障中最常见的故障,因其故障发生原因多样,断裂位置无法预判,工作环境条件恶劣,故障处理空间狭小且难度较高,直接制约矿井高产高效的生产需求,也严重地威胁着矿井安全生产与职工的人身安全。
发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本申请的第一个目的在于提出一种基于双目视觉和线激光的配仓刮板机断链检测方法,解决了现有方法无法及时检测到断链故障,危害矿井正常运行的技术问题,实现了断链故障的准确检测。
本申请的第二个目的在于提出一种基于双目视觉和线激光的配仓刮板机断链检测装置。
为达上述目的,本申请第一方面实施例提出了一种基于双目视觉和线激光的配仓刮板机断链检测方法,包括:将线激光器作为光源,通过双目相机垂直向下对配仓刮板机进行图片拍摄,获取配仓刮板图像和配仓刮板机底部图像;通过双目相机拍摄的图像判断配仓刮板机是否启动;若确定配仓刮板机处于静止状态,使用双目相机拍摄的配仓刮板图像作为原始点云数据,基于原始点云数据通过分割算法和图像处理方式判断配仓刮板机是否存在断链;若确定配仓刮板机处于启动状态,使用配仓刮板图像和配仓刮板机底部图像判断配仓刮板机是否存在断链。
本申请实施例的基于双目视觉和线激光的配仓刮板机断链检测方法,通过线激光器结合双目相机对配仓刮板机进行实时图像拍摄,基于拍摄的图像数据实现对配仓刮板机的实时断链故障检测,并及时的制定相应的预防措施,可以极大程度的减少断链次数,保证矿井的正常运行。
可选地,在本申请的一个实施例中,通过双目相机拍摄的图像判断配仓刮板机是否启动,包括:
基于双目相机拍摄出的配仓刮板图像和配仓刮板机底部图像计算双目相机到配仓刮板的第一距离和双目相机到配仓刮板机底部的第二距离;
若在一定时间内第一距离和第二距离交替出现且出现时间稳定,则确定配仓刮板机处于启动状态;
若在一定时间内第一距离和第二距离未交替出现或交替出现时间不稳定,则确定配仓刮板机处于运转至静止状态。
可选地,在本申请的一个实施例中,基于原始点云数据通过分割算法和图像处理方式判断配仓刮板机是否存在断链,包括:
通过投影方式将原始的三维点云数据映射成二维深度图像;
使用链条分割算法模型对二维深度图像进行像素级定位,确定链条的整体轮廓;
对二维深度图像的链条整体轮廓内外的像素值进行设定,将二维深度图像转换为二值图像;
采用腐蚀运算和膨胀运算对二值图像进行处理,得到处理后的二值图像;
采用canny算子提取处理后的二值图像的边缘信息,并确定边缘图像像素点坐标;
用边缘图像的多个图像边缘像素点在x轴方向拟合直线,若未拟合成功,判断配仓刮板机未出现断链,若拟合出两条直线,判断配仓刮板机出现断链。
可选地,在本申请的一个实施例中,使用配仓刮板图像和配仓刮板机底部图像判断配仓刮板机是否存在断链,包括:
若在一定时间内双目相机拍到配仓刮板图像后,未拍到新的刮板图像,则判断刮板后面出现刮板双链断裂;
若在一定时间内双目相机拍到配仓刮板机底部图像后,未拍到配仓刮板图像,则判断刮板前面出现刮板双链断裂。
可选地,在本申请的一个实施例中,使用配仓刮板图像和配仓刮板机底部图像判断配仓刮板机是否存在断链,还包括:
在双目相机拍到配仓刮板图像后,在一定时间内连续拍摄到配仓刮板图像和配仓刮板机图像,基于拍摄出的图像测量双目相机到配仓刮板及配仓刮板机底部的距离,得到配仓刮板图像对应的第一像素点数和配仓刮板机底部图像对应的第二像素点数的集合;
若集合中第一像素点数和对应的第二像素点数满足预设条件,则标记出配仓刮板对应的位置点,基于标记出的多个位置点生成直线;
基于生成的直线计算出配仓刮板倾斜夹角,若该夹角大于预设阈值,则判断配仓刮板单链断裂,若该夹角小于预设阈值,则判断配仓刮板出现斜链。
为达上述目的,本发明第二方面实施例提出了一种基于双目视觉和线激光的配仓刮板机断链检测装置,包括图像采集模块、第一判断模块、第二判断模块、第三判断模块,其中,
图像采集模块,用于将线激光器作为光源,通过双目相机垂直向下对配仓刮板机进行图片拍摄,获取配仓刮板图像和配仓刮板机底部图像;
第一判断模块,用于通过双目相机拍摄的图像判断配仓刮板机是否启动;
第二判断模块,用于若确定配仓刮板机处于静止状态,使用双目相机拍摄的配仓刮板图像作为原始点云数据,基于原始点云数据通过分割算法和图像处理方式判断配仓刮板机是否存在断链;
第三判断模块,用于若确定配仓刮板机处于启动状态,使用配仓刮板图像和配仓刮板机底部图像判断配仓刮板机是否存在断链。
可选地,在本申请的一个实施例中,通过双目相机拍摄的图像判断配仓刮板机是否启动,包括:
基于双目相机拍摄出的配仓刮板图像和配仓刮板机底部图像计算双目相机到配仓刮板的第一距离和双目相机到配仓刮板机底部的第二距离;
若在一定时间内第一距离和第二距离交替出现且出现时间稳定,则确定配仓刮板机处于启动状态;
若在一定时间内第一距离和第二距离未交替出现或交替出现时间不稳定,则确定配仓刮板机处于运转至静止状态。
可选地,在本申请的一个实施例中,基于原始点云数据通过分割算法和图像处理方式判断配仓刮板机是否存在断链,包括:
通过投影方式将原始的三维点云数据映射成二维深度图像;
使用链条分割算法模型对二维深度图像进行像素级定位,确定链条的整体轮廓;
对二维深度图像的链条整体轮廓内外的像素值进行设定,将二维深度图像转换为二值图像;
采用腐蚀运算和膨胀运算对二值图像进行处理,得到处理后的二值图像;
采用canny算子提取处理后的二值图像的边缘信息,并确定边缘图像像素点坐标;
用边缘图像的多个图像边缘像素点在x轴方向拟合直线,若未拟合成功,判断配仓刮板机未出现断链,若拟合出两条直线,判断配仓刮板机出现断链。
可选地,在本申请的一个实施例中,使用配仓刮板图像和配仓刮板机底部图像判断配仓刮板机是否存在断链,包括:
若在一定时间内双目相机拍到配仓刮板图像后,未拍到新的刮板图像,则判断此刮板后面出现刮板双链断裂;
若在一定时间内双目相机拍到配仓刮板机底部图像后,未拍到配仓刮板图像,则判断刮板前面出现刮板双链断裂。
可选地,在本申请的一个实施例中,使用配仓刮板图像和配仓刮板机底部图像判断配仓刮板机是否存在断链,还包括:
在双目相机拍到配仓刮板图像后,在一定时间内连续拍摄到配仓刮板图像和配仓刮板机图像,基于拍摄出的图像测量双目相机到配仓刮板及配仓刮板机底部的距离,得到配仓刮板图像对应的第一像素点数和配仓刮板机底部图像对应的第二像素点数的集合;
若集合中第一像素点数和对应的第二像素点数满足预设条件,则标记出配仓刮板对应的位置点,基于标记出的多个位置点生成直线;
基于生成的直线计算出配仓刮板倾斜夹角,若该夹角大于预设阈值,则判断配仓刮板单链断裂,若该夹角小于预设阈值,则判断配仓刮板出现斜链。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为本申请实施例一所提供的一种基于双目视觉和线激光的配仓刮板机断链检测方法的流程示意图;
图2为本申请实施例的配仓刮板机示例图;
图3为本申请实施例的刮板静止时判断配仓刮板机是否存在断链的流程图;
图4为本申请实施例提供的一种基于双目视觉和线激光的配仓刮板机断链检测装置的结构示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的基于双目视觉和线激光的配仓刮板机断链检测方法和装置。
图1为本申请实施例一所提供的一种基于双目视觉和线激光的配仓刮板机断链检测方法的流程示意图。
如图1所示,该基于双目视觉和线激光的配仓刮板机断链检测方法包括以下步骤:
步骤101,将线激光器作为光源,通过双目相机垂直向下对配仓刮板机进行图片拍摄,获取配仓刮板图像和配仓刮板机底部图像;
在本实施例中,使用的设备包括1套双目相机和线激光器系统S1,双目相机安装在龙门架或者棚顶,垂直向下拍摄配仓刮板机,相机镜头距离配仓刮板机1.5米处,配仓刮板机在地上,采用激光器原因是几乎不受太阳光强弱影响,线激光体积小,便于安装,可以测量距离。
步骤102,通过双目相机拍摄的图像判断配仓刮板机是否启动;
在本实施例中,图2为配仓刮板机示例图,在判断图2所示的配仓刮板机是否启动之前,还需获取设备信息作为先验信息,包括:
先测量双目相机镜头到配仓刮板机底部的距离H米,再测量相机镜头到配仓刮板机刮板的距离h米;
测量配仓刮板机刮板长度L米,用双目相机预拍摄刮板,并得出刮板图像对应的像素点数为M个;
测量配仓刮板机两个相邻刮板之间距离l米,刮板运行速度为vm/s(1.2米/秒),则从相机拍到两个刮板时间t(秒)=l/v;
获取先验信息后,判断启动的过程包括:
1.配仓刮板机运行之前,巡检工人会对刮板机进行整体检查,确定没有问题才会启动刮板机;
2.启动相机,相机自动判断刮板机启动是通过在一定时间内(时间大于t),相机拍摄刮板机时,测量距离呈现H和h交替出现;
3.相机自动判断刮板机停止是通过在一定时间内(时间大于t),相机拍摄刮板机时,测量距离一直不变或者测量距离呈现H和h交替出现时间大于t较多,说明刮板机在从运转到缓慢停止。
4.刮板机启停信号也会接入相机。
步骤103,若确定配仓刮板机处于静止状态,使用双目相机拍摄的配仓刮板图像作为原始点云数据,基于原始点云数据通过分割算法和图像处理方式判断配仓刮板机是否存在断链;
在本实施例中,在配仓刮板机静止时判断配仓刮板机的状态作为先验条件,具体地:
1、刮板静止时用双目相机拍摄刮板图片,标记出链条在图像中的位置。
双目加线激光方式采集为点云数据,总体思路是将链条原始点云数据通过投影方式从三维的点云数据中获取二维的深度图像,再经过深度学习分割算法定位链条确定位置,并经过图像处理手段检测出链条是否有裂缝,并根据裂缝大小进行报警提示。
图3为本申请实施例的刮板静止时判断配仓刮板机是否存在断链的流程图,如图3所示,该过程具体如下:
1.点云数据通过直通滤波和统计离群点去除算法进行滤波,过滤掉噪声点。
2.通过投影方式把三维点云数据映射到二维深度图像(可加公式),也就是点云与图像的映射关系将三维点(x,y,z)转换为二维像素点(u,v),然后再根据二维像素点进行图像绘制,
假设有一个相机坐标系下的三维点(x,y,),则它在图像平面上的投影坐标(u,v)可通过以下公式计算得到:
u=(fx*x+cx*z)/z
v=(fy*y+cy*z)/z
其中,fx、fy、cx、cy表示相机的内部参数;
3.对链条样本进行像素级标注,并采用分割算法进行训练,训练出链条分割算法模型,确定链条进行像素级定位,确定链条的整体轮廓;
4.设定链条轮廓内像素为255,链条其余部分像素为0,转换为二值图像;
5.经过腐蚀运算和膨胀算法,保证提取边缘的精度;
6.采用canny算子提取图像边缘信息,并确定边缘图像像素点坐标;
7.用边缘图像的多个图像边缘像素点在x轴方向拟合直线,如果没有则说明没有断链现象,如果有多像素点在一条直线上,并且拟合有两条直线符合此要求,则计算两条直线距离D,根据D的大小决定报警级别,分为轻度、重度预警,当D过大时有断链风险,通知平台需要停机预警。
步骤104,若确定配仓刮板机处于启动状态,使用配仓刮板图像和配仓刮板机底部图像判断配仓刮板机是否存在断链。
在本实施例中,当检测到断链后,本地报警器报警,停止刮板运行,并上报的平台,通知相关人员及时更换维修,避免引发安全事故。
在本实施例中,通过双目加线激光相机可以测量距离,从先验信息可以知道,当相机采集到图像距离为h米时,则为刮板图像,否则当距离为H米,为配仓刮板机底部图像;
配仓刮板机开始运转,相机开始工作,刮板机停止,相机停止工作。
基于相机采集的数据将配仓刮板机的状态分为以下五种情况,具体地,
情况一:当相机拍到第一个刮板图像时开始计时t1,当之后t+t1时刻没有再拍到第二个刮板图像,则认为此刮板后面出现刮板双链断裂;
情况二:当相机拍到第一个刮板图像,而之后一直能拍到这个刮板,也就是没有能拍到配仓刮板机底部图像,则认为此刮板前面出现刮板双链断裂;
情况三:当相机拍到为刮板机底部图像,而之后一直能拍到刮板机底部图像,也就是没有能拍到配仓刮板机刮板,则认为此刮板前面出现刮板双链断裂;
情况四:出现单链断裂时,断链那侧刮板会出现向后倾斜,,例如当右侧链条断裂时,相机拍到第一个刮板图像后,经过t时刻,通过测量相机到刮板及配仓刮板机底部距离,得到刮板图像对应像素点数为h1,h2…hm,总数为m个,配仓刮板机底部距离图像对应像素点数为H1,H2…Hn,总数为n个,当m<M/3,且n<M,则标记为a1点,并随着刮板机运行m<M/3,且n<M会持续一段时间,直到没有m出现,则一直标记为a2,a3,a4…aq总数为q个点,经过这些点画一条直线,计算出刮板倾斜夹角φ,当φ较大时,说明刮板倾斜幅度较大,当φ大于30度时则认为此刮板有断链出现,停止刮板运行,并上报的平台,通知相关人员及时更换维修,避免引发安全事故;当φ较小时,认为是有斜链出现,通知上位机平台侧进行一般报警。
情况五:链条环出现较大裂缝时预警,但此时没有出现断链情况。
本申请提出的基于双目视觉和线激光的配仓刮板机断链检测方法,通过线激光器结合双目相机对配仓刮板机进行实时图像拍摄,基于拍摄的图像数据实现对配仓刮板机的实时断链故障检测,并及时的制定相应的预防措施,可以极大程度的减少断链次数,保证矿井的正常运行。
为了实现上述实施例,本申请还提出一种基于双目视觉和线激光的配仓刮板机断链检测装置。
图4为本申请实施例提供的一种基于双目视觉和线激光的配仓刮板机断链检测装置的结构示意图。
如图4所示,该基于双目视觉和线激光的配仓刮板机断链检测装置包括图像采集模块、第一判断模块、第二判断模块、第三判断模块,其中,
图像采集模块,用于将线激光器作为光源,通过双目相机垂直向下对配仓刮板机进行图片拍摄,获取配仓刮板图像和配仓刮板机底部图像;
第一判断模块,用于通过双目相机拍摄的图像判断配仓刮板机是否启动;
第二判断模块,用于若确定配仓刮板机处于静止状态,使用双目相机拍摄的配仓刮板图像作为原始点云数据,基于原始点云数据通过分割算法和图像处理方式判断配仓刮板机是否存在断链;
第三判断模块,用于若确定配仓刮板机处于启动状态,使用配仓刮板图像和配仓刮板机底部图像判断配仓刮板机是否存在断链。
可选地,在本申请的一个实施例中,通过双目相机拍摄的图像判断配仓刮板机是否启动,包括:
基于双目相机拍摄出的配仓刮板图像和配仓刮板机底部图像计算双目相机到配仓刮板的第一距离和双目相机到配仓刮板机底部的第二距离;
若在一定时间内第一距离和第二距离交替出现且出现时间稳定,则确定配仓刮板机处于启动状态;
若在一定时间内第一距离和第二距离未交替出现或交替出现时间不稳定,则确定配仓刮板机处于运转至静止状态。
可选地,在本申请的一个实施例中,基于原始点云数据通过分割算法和图像处理方式判断配仓刮板机是否存在断链,包括:
通过投影方式将原始的三维点云数据映射成二维深度图像;
使用链条分割算法模型对二维深度图像进行像素级定位,确定链条的整体轮廓;
对二维深度图像的链条整体轮廓内外的像素值进行设定,将二维深度图像转换为二值图像;
采用腐蚀运算和膨胀运算对二值图像进行处理,得到处理后的二值图像;
采用canny算子提取处理后的二值图像的边缘信息,并确定边缘图像像素点坐标;
用边缘图像的多个图像边缘像素点在x轴方向拟合直线,若未拟合成功,判断配仓刮板机未出现断链,若拟合出两条直线,判断配仓刮板机出现断链。
可选地,在本申请的一个实施例中,使用配仓刮板图像和配仓刮板机底部图像判断配仓刮板机是否存在断链,包括:
若在一定时间内双目相机拍到配仓刮板图像后,未拍到新的刮板图像,则判断此刮板后面出现刮板双链断裂;
若在一定时间内双目相机拍到配仓刮板机底部图像后,未拍到配仓刮板图像,则判断刮板前面出现刮板双链断裂。
可选地,在本申请的一个实施例中,使用配仓刮板图像和配仓刮板机底部图像判断配仓刮板机是否存在断链,还包括:
在双目相机拍到配仓刮板图像后,在一定时间内连续拍摄到配仓刮板图像和配仓刮板机图像,基于拍摄出的图像测量双目相机到配仓刮板及配仓刮板机底部的距离,得到配仓刮板图像对应的第一像素点数和配仓刮板机底部图像对应的第二像素点数的集合;
若集合中第一像素点数和对应的第二像素点数满足预设条件,则标记出配仓刮板对应的位置点,基于标记出的多个位置点生成直线;
基于生成的直线计算出配仓刮板倾斜夹角,若该夹角大于预设阈值,则判断配仓刮板单链断裂,若该夹角小于预设阈值,则判断配仓刮板出现斜链。
需要说明的是,前述对基于双目视觉和线激光的配仓刮板机断链检测方法实施例的解释说明也适用于该实施例的基于双目视觉和线激光的配仓刮板机断链检测装置,此处不再赘述。
Claims (10)
1.一种基于双目视觉和线激光的配仓刮板机断链检测方法,其特征在于,包括以下步骤:
将线激光器作为光源,通过双目相机垂直向下对配仓刮板机进行图片拍摄,获取配仓刮板图像和配仓刮板机底部图像;
通过双目相机拍摄的图像判断配仓刮板机是否启动;
若确定配仓刮板机处于静止状态,使用双目相机拍摄的配仓刮板图像作为原始点云数据,基于所述原始点云数据通过分割算法和图像处理方式判断配仓刮板机是否存在断链;
若确定配仓刮板机处于启动状态,使用配仓刮板图像和配仓刮板机底部图像判断配仓刮板机是否存在断链。
2.如权利要求1所述的方法,其特征在于,所述通过双目相机拍摄的图像判断配仓刮板机是否启动,包括:
基于双目相机拍摄出的配仓刮板图像和配仓刮板机底部图像计算双目相机到配仓刮板的第一距离和双目相机到配仓刮板机底部的第二距离;
若在一定时间内第一距离和第二距离交替出现且出现时间稳定,则确定配仓刮板机处于启动状态;
若在一定时间内第一距离和第二距离未交替出现或交替出现时间不稳定,则确定配仓刮板机处于运转至静止状态。
3.如权利要求1所述的方法,其特征在于,所述基于所述原始点云数据通过分割算法和图像处理方式判断配仓刮板机是否存在断链,包括:
通过投影方式将原始的三维点云数据映射成二维深度图像;
使用链条分割算法模型对所述二维深度图像进行像素级定位,确定链条的整体轮廓;
对所述二维深度图像的链条整体轮廓内外的像素值进行设定,将所述二维深度图像转换为二值图像;
采用腐蚀运算和膨胀运算对所述二值图像进行处理,得到处理后的二值图像;
采用canny算子提取所述处理后的二值图像的边缘信息,并确定边缘图像像素点坐标;
用边缘图像的多个图像边缘像素点在x轴方向拟合直线,若未拟合成功,判断配仓刮板机未出现断链,若拟合出两条直线,判断配仓刮板机出现断链。
4.如权利要求1所述的方法,其特征在于,所述使用配仓刮板图像和配仓刮板机底部图像判断配仓刮板机是否存在断链,包括:
若在一定时间内双目相机拍到配仓刮板图像后,未拍到新的刮板图像,则判断刮板后面出现刮板双链断裂;
若在一定时间内双目相机拍到配仓刮板机底部图像后,未拍到配仓刮板图像,则判断刮板前面出现刮板双链断裂。
5.如权利要求1所述的方法,其特征在于,所述使用配仓刮板图像和配仓刮板机底部图像判断配仓刮板机是否存在断链,还包括:
在双目相机拍到配仓刮板图像后,在一定时间内连续拍摄到配仓刮板图像和配仓刮板机图像,基于拍摄出的图像测量双目相机到配仓刮板及配仓刮板机底部的距离,得到配仓刮板图像对应的第一像素点数和配仓刮板机底部图像对应的第二像素点数的集合;
若集合中第一像素点数和对应的第二像素点数满足预设条件,则标记出配仓刮板对应的位置点,基于标记出的多个位置点生成直线;
基于生成的直线计算出配仓刮板倾斜夹角,若该夹角大于预设阈值,则判断配仓刮板单链断裂,若该夹角小于预设阈值,则判断配仓刮板出现斜链。
6.一种基于双目视觉和线激光的配仓刮板机断链检测装置,其特征在于,包括图像采集模块、第一判断模块、第二判断模块、第三判断模块,其中,
所述图像采集模块,用于将线激光器作为光源,通过双目相机垂直向下对配仓刮板机进行图片拍摄,获取配仓刮板图像和配仓刮板机底部图像;
所述第一判断模块,用于通过双目相机拍摄的图像判断配仓刮板机是否启动;
所述第二判断模块,用于若确定配仓刮板机处于静止状态,使用双目相机拍摄的配仓刮板图像作为原始点云数据,基于所述原始点云数据通过分割算法和图像处理方式判断配仓刮板机是否存在断链;
所述第三判断模块,用于若确定配仓刮板机处于启动状态,使用配仓刮板图像和配仓刮板机底部图像判断配仓刮板机是否存在断链。
7.如权利要求6所述的装置,其特征在于,所述通过双目相机拍摄的图像判断配仓刮板机是否启动,包括:
基于双目相机拍摄出的配仓刮板图像和配仓刮板机底部图像计算双目相机到配仓刮板的第一距离和双目相机到配仓刮板机底部的第二距离;
若在一定时间内第一距离和第二距离交替出现且出现时间稳定,则确定配仓刮板机处于启动状态;
若在一定时间内第一距离和第二距离未交替出现或交替出现时间不稳定,则确定配仓刮板机处于运转至静止状态。
8.如权利要求6所述的装置,其特征在于,所述基于所述原始点云数据通过分割算法和图像处理方式判断配仓刮板机是否存在断链,包括:
通过投影方式将原始的三维点云数据映射成二维深度图像;
使用链条分割算法模型对所述二维深度图像进行像素级定位,确定链条的整体轮廓;
对所述二维深度图像的链条整体轮廓内外的像素值进行设定,将所述二维深度图像转换为二值图像;
采用腐蚀运算和膨胀运算对所述二值图像进行处理,得到处理后的二值图像;
采用canny算子提取所述处理后的二值图像的边缘信息,并确定边缘图像像素点坐标;
用边缘图像的多个图像边缘像素点在x轴方向拟合直线,若未拟合成功,判断配仓刮板机未出现断链,若拟合出两条直线,判断配仓刮板机出现断链。
9.如权利要求6所述的装置,其特征在于,所述使用配仓刮板图像和配仓刮板机底部图像判断配仓刮板机是否存在断链,包括:
若在一定时间内双目相机拍到配仓刮板图像后,未拍到新的刮板图像,则判断此刮板后面出现刮板双链断裂;
若在一定时间内双目相机拍到配仓刮板机底部图像后,未拍到配仓刮板图像,则判断刮板前面出现刮板双链断裂。
10.如权利要求6所述的装置,其特征在于,所述使用配仓刮板图像和配仓刮板机底部图像判断配仓刮板机是否存在断链,还包括:
在双目相机拍到配仓刮板图像后,在一定时间内连续拍摄到配仓刮板图像和配仓刮板机图像,基于拍摄出的图像测量双目相机到配仓刮板及配仓刮板机底部的距离,得到配仓刮板图像对应的第一像素点数和配仓刮板机底部图像对应的第二像素点数的集合;
若集合中第一像素点数和对应的第二像素点数满足预设条件,则标记出配仓刮板对应的位置点,基于标记出的多个位置点生成直线;
基于生成的直线计算出配仓刮板倾斜夹角,若该夹角大于预设阈值,则判断配仓刮板单链断裂,若该夹角小于预设阈值,则判断配仓刮板出现斜链。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311466236.XA CN117593256A (zh) | 2023-11-06 | 2023-11-06 | 一种基于双目视觉和线激光的配仓刮板机断链检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311466236.XA CN117593256A (zh) | 2023-11-06 | 2023-11-06 | 一种基于双目视觉和线激光的配仓刮板机断链检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117593256A true CN117593256A (zh) | 2024-02-23 |
Family
ID=89910695
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311466236.XA Pending CN117593256A (zh) | 2023-11-06 | 2023-11-06 | 一种基于双目视觉和线激光的配仓刮板机断链检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117593256A (zh) |
-
2023
- 2023-11-06 CN CN202311466236.XA patent/CN117593256A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109816678B (zh) | 一种基于视觉的喷嘴雾化角度自动检测系统及方法 | |
CN109359594B (zh) | 一种基于视频处理的矿井皮带异常检测方法及装置 | |
CN110793587B (zh) | 一种煤矿工作面带式输送机高效安全运行监控方法 | |
KR101400220B1 (ko) | 유리 제품의 곱 검사 장치 | |
JP6554355B2 (ja) | ベルトコンベアの監視システム | |
CN110057198B (zh) | 烧结机台车轮工作状态检测方法及检测装置 | |
CN112127896B (zh) | 一种tbm开挖岩渣信息自动采集与分析系统及方法 | |
JP2007230706A (ja) | ベルトコンベアの縦裂き検知方法および装置 | |
KR20160136905A (ko) | 볼트풀림 검출 방법 및 컴퓨터 프로그램 | |
CN109724776A (zh) | 一种烧结机台车的篦条损坏程度的确定方法及装置 | |
CN115432396A (zh) | 一种皮带撕裂破损检测装置及方法 | |
CN215624882U (zh) | 基于机器视觉的井下皮带异物监测装置 | |
CN113469974B (zh) | 球团链篦机篦板状态监测方法及其监测系统 | |
CN117593256A (zh) | 一种基于双目视觉和线激光的配仓刮板机断链检测方法 | |
CN108986065B (zh) | 一种经编织物瑕疵融合滤波检测方法、装置、设备和存储介质 | |
CN111008960B (zh) | 基于机器视觉的铝电解电容底部外观检测方法及装置 | |
JP2003013129A (ja) | スラグ検知方法、スラグ検知装置、及び除滓装置 | |
CN110130921B (zh) | 一种tbm及其皮带机出渣信息采集装置 | |
JP4244818B2 (ja) | 流下ガラス流下速度計測方法および計測装置 | |
CN114426187B (zh) | 一种数据融合及深度学习的刮板链条预警系统 | |
CN212768242U (zh) | 一种传输机皮带损伤状况的光电一体智能检测装置 | |
CN110659590B (zh) | 刮板输送机的监控方法、装置、设备和存储介质 | |
CN108441889B (zh) | 一种阳极导杆钢爪附着物检测方法及装置 | |
Ukai | Development of image processing technique for detection of tunnel wall deformation using continuously scanned image | |
JP2000130088A (ja) | 画像処理によるtbm掘削ずり状態計測方法及び装置 |
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 |