[发明专利]基于立体视觉的桥式吊车的摆角测量方法在审

专利信息
申请号: 201910124639.3 申请日: 2019-02-18
公开(公告)号: CN109678057A 公开(公告)日: 2019-04-26
发明(设计)人: 李威;马向华 申请(专利权)人: 上海应用技术大学
主分类号: B66C13/16 分类号: B66C13/16
代理公司: 上海汉声知识产权代理有限公司 31236 代理人: 胡晶
地址: 200235 上海*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 桥式吊车 坐标位置 跟踪点 双目相机 摆角 钢绳 世界坐标系 图像坐标系 立体视觉 右目图像 左目图像 测量 图像 抗干扰性能 运算速度快 环境变化 深度信息 生产需求 稳定关系 直接获取 计算量 连续帧 平滑 台车 相机 采集 保证
【说明书】:

发明提供了一种基于立体视觉的桥式吊车的摆角测量方法,通过双目相机采集包含桥式吊车钢绳的左目图像和右目图像;在所述左目图像和右目图像中,确定桥式吊车钢绳的跟踪点在图像坐标系中的坐标位置;根据所述跟踪点在图像坐标系中的坐标位置,确定所述跟踪点在世界坐标系中的坐标位置;根据所述跟踪点在世界坐标系中的坐标位置,获取所述桥式吊车钢绳的摆角。本发明的双目相机是固定在台车上的,保证了台车与相机的稳定关系,且双目相机能够直接获取图像的深度信息,无需考虑图像连续帧的平滑关系对测量结果造成的影响。具有计算量较小、运算速度快、较强的抗干扰性能、且实时准确的特点,能够适应不同的环境变化,能够满足工业上的生产需求。

技术领域

本发明涉及工程测量技术领域,具体地,涉及一种基于立体视觉的桥式吊车的摆角测量方法。

背景技术

在工业生产中,桥式吊车因其负载能力强,工作可靠等优点得到了广泛的应用。但在实际运行时,会因台车移动而造成吊车摆动,这是工业现场中一项较大的安全隐患。因此需要设计一种自动化的装置,可以提供较好精度的摆角测量结果,提供给台车驾驶员辅助驾驶。

现在常用的电学的测量方法容易受到电磁干扰和机械磨损,受环境因素影响较多。目前,基于机器视觉的方法主要的是用于测量二维平面里吊车摆角的问题。在户外工作环境中,影响因素会比较多,比如大风等天气。吊车晃动的过程是随机的,并不一定是在一个固定平面上运动。钢丝绳吊起物体后吊绳是在三维环境中摆动的。常见的基于单目相机的测量方法只是测量到摆角映射在相机所对平面的角度,并不是准确的摆角。

发明内容

针对现有技术中的缺陷,本发明的目的是提供一种基于立体视觉的桥式吊车的摆角测量方法。

根据本发明提供的一种基于立体视觉的桥式吊车的摆角测量方法,包括:

通过双目相机采集包含桥式吊车钢绳的左目图像和右目图像;

在所述左目图像和右目图像中,确定桥式吊车钢绳的跟踪点在图像坐标系中的坐标位置;

根据所述跟踪点在图像坐标系中的坐标位置,确定所述跟踪点在世界坐标系中的坐标位置;

根据所述跟踪点在世界坐标系中的坐标位置,获取所述桥式吊车钢绳的摆角。

可选地,所述双目相机,固定设置于桥式吊车的台车中心位置,且所述双目相机的镜头正对于桥式吊车钢绳所在平面。

可选地,在确定桥式吊车钢绳的跟踪点在图像坐标系中的坐标位置之前,还包括:

根据粗糙细化深度神经网络(CFN,Coarse-Fine Network),在所述左目图像和右目图像中确定符合预设条件的特征点,作为桥式吊车钢绳的跟踪点。其中,粗糙细化深度神经网络网络与其他神经网络的区别在于包含了3个粗糙检测器和一个精细的检测器。3个粗糙检测器分别采用不同深度的网络层。浅层的网络通常可以对容易检测出来的部位能够很好地定位,深层的网络能够对目标的关键点有很好的定位效果。图像经过这3个粗糙检测器提取特征后,特征信息被联结输送到精细的检测器中进行整体的训练,辨别预设的跟踪点。

可选地,所述特征点的个数为N;其中,N为大于1,且小于10的自然数。

可选地,根据所述跟踪点在图像坐标系中的坐标位置,确定所述跟踪点在世界坐标系中的坐标位置,包括:

将所述跟踪点在左目图像和右目图像中的坐标位置分别记为P1(u1,v1)和P2(u2,v2);

获取双目相机的镜头的投影中心距离,并记为基线距b;

根据图像坐标系和相机坐标系换算公式,获得跟踪点在相机坐标系中的坐标位置B(x1,y1,z1);其中,图像坐标系和相机坐标系换算公式为:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海应用技术大学,未经上海应用技术大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910124639.3/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top