[发明专利]一种基于机器视觉的集装箱锁孔快速识别与吊具纠偏方法

权利要求书

1.一种基于机器视觉的集装箱锁孔快速识别与吊具纠偏方法，其特征在于，包括以下步骤：

步骤1：在吊具四个角各安装一个摄像头用于图像采集并在吊具上安装一个六轴陀螺仪用于吊具姿态检测，然后进行现场校准；

所述步骤1中的现场校准方法，具体步骤如下：

步骤1.1：将吊具插入集装箱锁孔接着解锁，在原位置上升到距离集装箱h的高度，然后令四个摄像头同时分别采集一副图像；

步骤1.2：将吊具向集装箱的前后左右四个方向分别移动0.2h的距离，并且在吊具停止晃动后，令四个摄像头同时分别采集一副图像；

步骤1.3：比较每个摄像头在集装箱正上方拍摄的图像和在集装箱四个方向偏移后拍摄的对应图像，计算每个摄像头在h高度偏移单位距离后锁孔中心在图像中的偏移量，即偏移比率，记为T；

步骤2：通过摄像头采集样本图像，人工标记出其中的锁孔区域和非锁孔区域将其作为正负样本，并提取样本的梯度直方图对支持向量机与Cascade分类器分别进行训练；

步骤3：四个摄像头各采集一幅图像，然后用训练好的Cascade分类器对每个图像进行多尺度检测得到候选区域，接着提取候选区域的梯度直方图输入训练好的支持向量机进行分类，得到锁孔区域；

步骤4：滤除附近其他集装箱锁孔的干扰并根据四幅图像中锁孔的相对位置计算出吊具与集装箱的偏差；根据四幅图像中的四个锁孔的位置和每个摄像头的偏移 比率T，计算出吊具中心与集装箱中心的距离偏差和偏差方向；

所述步骤2具体包括以下步骤：

步骤2.1：在距离集装箱上方固定高度h处，令每个摄像头采集一千幅图像作为样本图像；

步骤2.2：人工标记出样本图像中的锁孔区域并将所有锁孔区域缩放到120*80的尺寸，作为训练的正样本，标记为“+1”，同时标记相同数量且尺寸为120*80的非锁孔区域作为训练的负样本，标记为“-1”；

步骤2.3：提取每个正负样本的梯度直方图；

步骤2.4：构建输入为1*2772，输出为“+1”和“-1”，核函数为“linear”的支持向量机，将正负样本的梯度直方图向量及其类别标签输入该支持向量机进行训练；

步骤2.5：采用步骤2.4中训练的支持向量机和尺寸为120*80的滑动窗口对四千幅样本图像进行多尺度检测，然后将识别错误的所有区域加入到负样本中，重新对支持向量机进行训练；

步骤2.6：构造假正率为0.4，真正率为0.995，共计10层的Cascade分类器，然后采用与步骤2.4 中相同正负样本集的梯度直方图向量对Cascade分类器进行训练，得到训练好的分类器。

2.根据权利要求1所述的一种基于机器视觉的集装箱锁孔快速识别与吊具纠偏方法，其特征在于：提取每个正负样本的梯度直方图的过程中，生成梯度直方图的cell尺寸为10*10，block尺寸为2*2，bins大小为9，得到的梯度直方图为1*2772大小的向量。

3.根据权利要求1所述的一种基于机器视觉的集装箱锁孔快速识别与吊具纠偏方法，其特征在于：所述步骤3具体包含以下步骤：

步骤3.1：当吊具位于集装箱上方高度h且当陀螺仪检测到吊具晃动的加速度为0时，四个摄像头各采集一幅图像；

步骤3.2：对采集好的每一幅图像，采用训练好的Cascade分类器得到若干候选区域，并将这些区域的尺寸缩放到训练样本相同的尺寸；

步骤3.3：提取候选区域的梯度直方图并将其输入训练好的SVM分类器进行分类得到锁孔区域。

4.根据权利要求3所述的一种基于机器视觉的集装箱锁孔快速识别与吊具纠偏方法，其特征在于：采用训练好的Cascade分类器对图像进行多尺度检测得到若干候选区域，并将这些区域的尺寸缩放120*80。

5.根据权利要求3所述的一种基于机器视觉的集装箱锁孔快速识别与吊具纠偏方法，其特征在于：步骤3.3的具体过程为：提取候选区域的梯度直方图向量，向量维度为1*2772，生成梯度直方图的cell尺寸为10*10，block尺寸为2*2，bins大小为9，并将其输入训练好的SVM分类器进行分类得到锁孔区域。

6.根据权利要求3所述的一种基于机器视觉的集装箱锁孔快速识别与吊具纠偏方法，其特征在于：其中滤除临近集装箱锁孔干扰的方法，当左上角的摄像头拍摄锁孔时，则计算每个锁孔中心到图像右下角的距离并选择距离最短的锁孔作为所检测集装箱的锁孔；当右上角的摄像头拍摄锁孔时，则计算每个锁孔中心到图像左下角的距离并选择距离最短的锁孔作为所检测集装箱的锁孔；当左下角的摄像头拍摄锁孔时，则计算每个锁孔中心到图像右上角的距离并选择距离最短的锁孔作为所检测集装箱的锁孔；当右下角的摄像头拍摄锁孔时，则计算每个锁孔中心到图像左上角的距离并选择距离最短的锁孔作为所检测集装箱的锁孔。