运用于带钢加工生产线的视觉处理方法技术

本发明专利技术提供了一种运用于带钢加工生产线的视觉处理方法，其针对搬运堆垛过程的带钢粗略定位，提取带钢上标志物轮廓信息并转化为极坐标下的表示形式，制定匹配规则完成匹配和定位。针对落料加工过程中，带钢待切割前的精确定位，建立带旋转的图像金字塔，并充分利用已知模板的形状信息，计算区域内满足条件点的梯度幅值与方向信息，逐层搜索各金字塔图层特征点，最终返回精确位置平移以及旋转坐标信息；针对匹配过程中遇到的由于相机视野有限带来的目标图像残缺问题，自定义残缺轮廓的类曲率特征，实现了残缺目标的匹配和定位。针对带钢切割后分离效果的检测，对图像进行自适应阈值区域分割，完成了分离检测。

【技术实现步骤摘要】

本专利技术涉及计算机视觉领域，具体地，涉及一种运用于带钢加工生产线的视觉处 理方法。
技术介绍
目前国内大多数钢板切割过程的钢板定位主要靠以下方式进行：人工目测（精度 需求不高时）、电火花碰边、辅助工装固定、标尺测量等方式，这些方式存在精度不高、拆装 工作量大、自动化程度低、时效性不高的问题。 目前基于形状的图像匹配领域有了很多研究，主要分为两个大类。 -是基于边缘的形状描述匹配：将形状用周长、主轴、形状数、傅立叶描述、小波描 述、尺度空间等一定的特征重新数学化表达，定义相关的匹配函数完成匹配。目前在基于形 状的图像匹配中，傅里叶描述方法较为出色且易于实现，但轮廓上较尖锐的变化被映射到 全部系数中而无法侦测到，且只能实现定性匹配，而不利于完成模板的精确定位。 二是基于区域的形状描述匹配：利用图像的区域面积、重心、形变参数、偏心率、各 种类型的不变矩等来完成匹配。简单的区域形状描述符实现简单，有很明确的物理意义，但 有时候在区分不同形状的时候能力较弱。将图像灰度转化为数学空间的各种不变矩也是常 用的方法，它能很好的识别形状特征，但一些高阶矩阵的运算量太大而不足以满足时效性 要求，而且对噪声很敏感。
技术实现思路
针对现有技术中的缺陷，本专利技术的目的是提供一种运用于带钢加工生产线的视觉 处理方法。 根据本专利技术提供的一种，其特征在于，包 括如下任一个或任多个步骤： 搬运堆垛定位步骤，记为步骤S1，具体地：根据在带钢加工生产的搬运堆垛过程 中获取的目标图像，对带钢进行定位，其中，在带钢加工生产的搬运堆垛过程中获取的目标 图像记为第一目标图像； 落料加工定位步骤，记为步骤S2,具体地：根据在带钢加工生产的落料加工过程 中获取的目标图像，对带钢进行定位，其中，在带钢加工生产的落料加工过程中获取的目标 图像记为第二目标图像； 匹配定位步骤，记为步骤S3,具体地：针对目标图像为残缺图像的情况，进行残缺 图像的匹配与定位。 优选地，所述步骤S1包括如下步骤： 步骤S1. 1、提取带钢原始图像上目标图形的轮廓特征； 步骤S1. 2、进行目标图形的轮廓特征量的极坐标变换，包括如下步骤： 步骤S1. 2. 1、利用目标图形的轮廓边缘上每一个像素点的直角坐标（x，y)，得到 轮廓几何中心点的直角坐标（xD，yD); 步骤S1.2. 2、将像素点直角坐标（X，y)转换为极坐标（r，Θ)，其中，r为极径，Θ 为极角； 步骤S1. 3、将基于轮廓点极坐标信息的模板与第一目标图像进行匹配，包括步 骤： 步骤S1. 3. 1、分别寻找对应极径r为最大值时，模板轮廓上的轮廓点P、第一目标 图像中目标轮廓上的轮廓点Pd，计算尺度比例L，其中，尺度比例L的计算方式为：假设模板 轮廓上的轮廓点P对应的最大极径值为R1，目标轮廓上的轮廓点Pd对应的最大极径值为 R2,则L=R2/R1 ; 步骤S1. 3. 2、用尺度比例L对目标轮廓极坐标信息进行归一化操作，从极径r最大 时对应的轮廓点开始，以对应模板轮廓与目标轮廓各自尺寸的步长逆时针遍历取点，得到 各组对应点，然后计算各组对应点极径差值的和值，将该和值除以步数作为平均误差； 步骤S1. 3. 3、若平均误差小于设置阈值，则认为模板轮廓与目标轮廓匹配，进入步 骤S1. 3. 4继续执行，否则，则认为不匹配，将当前的模板轮廓替换为不同的模板轮廓，进入 步骤SI. 3. 1继续执行； 步骤S1. 3. 4、将目标轮廓的轮廓中心点与模板轮廓的轮廓中心点之间的差值作为 偏移量，利用各自对应极径区域极值点的极角差值平均值作为旋转角度，利用各自对应极 径区域极值点的比值平均值作为尺度变化量。 优选地，所述步骤S2包括如下步骤： 步骤S2. 1、利用高斯内核卷积带钢原始图像获得高斯金字塔； 步骤S2. 2、利用Sobel算子卷积高斯金字塔各层图像获得每层的梯度幅值图，将 梯度方向保存成灰度图，并计算灰度图中每一个像素点的归一化方向向量； 步骤S2. 3、基于形状梯度信息的模板与第二目标图像的匹配，包括步骤： 步骤S2. 3. 1、在对应于最小分辨率的高斯金字塔顶层图层，将模板子图在第二目 标图像中不断平移直至遍历第二目标图像，根据如下公式计算匹配分数S1 : 共十，m、n方力曰t不m像的长、宽，Thik为模板子图中像素点的归一化方向向 量，Dhik为第二目标图像中对应像素点的归一化方向向量；下标h，k表示像素点在当前模板 子图内的相对位置； 将第二目标图像以角度Φ为步长，以第二目标图像的几何中心为旋转中心不断 旋转第二目标图像，利用二次线性插值生成新的图像矩阵，每次旋转过后都计算一次当前 S1取最大值时模板子图在第二目标图像中的平移量（Sx，Sy)，旋转第二目标图像直至360 度，返回S1最大时对应的旋转角度ΦΜ，记录当前平移量（SxM，SyM) ;SX、SxM表示沿图像宽度 方向的平移量，Sy、SyM表示沿图像高度方向的平移量； 步骤S2. 3. 2、对于下一层高斯金字塔图层，以小于角度Φ的步长在ΦΜ邻域内旋 转第二目标图像，获得新的图像矩阵，每次旋转结束后，在（SxM，SyM)为中心的模板子图邻域 平移模板子图，利用自适应阈值分割当前层梯度幅值图像提取边缘点，具体根据如下公式 计算匹配分数S2 : S2=E(，'y)T,:D N 其中，（X，y)为边缘点坐标，T为模板子图中的归一化方向向量，D为第二目标图像 中对应点的归一化方向向量，N表示第二目标图像中模板子图大小的区域中像素点梯度幅 值大于设定阈值的点的数目 计算并返回S2最大时对应的旋转角度和平移量，更新ΦM和（SxM，SyM)，进入高斯金 字塔下一层； 其中，不断重复执行步骤S2. 3. 2直至高斯金字塔底层，返回最终旋转角度和平移 量完成匹配。 优选地，所述步骤S3包括如下步骤： 步骤S3. 1、获取目标图像中图形的轮廓； 步骤S3. 2、针对目标图像为残缺图像缺失信息而只能获得部分信息的情况，将模 板轮廓与目标残缺轮廓的类曲率特征保存在一维数组中，寻找目标残缺轮廓的类曲率数组 在模板轮廓类曲率数组中最相似的段落，完成残缺图像匹配； 步骤S3. 3、计算模板轮廓中心点，建立模板轮廓上像素点与由模板轮廓所有轮廓 点的坐标加权平均获得的中心点之间的对应关系，以该对应关系计算出目标残缺轮廓虚拟 中心点，完成残缺图像定位。 优选地，所述步骤S1还包括如下步骤： 步骤S1. 2. 3、处理轮廓中心点在轮廓外部情况，具体地： 步骤S1. 2. 3通过以下步骤完成：-在没有对应极径的极角范围，r取值为0 ; -在没有对应极径的极角范围之外的其他角度范围，如果存在多个r值，则进行区 别保存。 优选地，步骤S2. 1中所述的高斯内核为： 优选地，步骤S2. 2中所述归一化方向向量通过以下步骤获得： a.利用Sobel算子对灰度图进行滤波，分别获得灰度图的高度方向Y的梯度Dy、 宽度方向X的梯度Dx;b.根据如下公式建立归一化方向向量： EdgeDir=atan1 (Dy/Dx) e=(COS(EdgeDir)，SIN(EdgeDir)) 其中，EdgeAmp为像素点的梯度方向，EdgeDir为像素点的梯度幅值，e为像素点的 单位方向向量。 优本文档来自技高网...

【技术保护点】
一种运用于带钢加工生产线的视觉处理方法，其特征在于，包括如下任一个或任多个步骤：搬运堆垛定位步骤，记为步骤S1，具体地：根据在带钢加工生产的搬运堆垛过程中获取的目标图像，对带钢进行定位，其中，在带钢加工生产的搬运堆垛过程中获取的目标图像记为第一目标图像；落料加工定位步骤，记为步骤S2，具体地：根据在带钢加工生产的落料加工过程中获取的目标图像，对带钢进行定位，其中，在带钢加工生产的落料加工过程中获取的目标图像记为第二目标图像；匹配定位步骤，记为步骤S3，具体地：针对目标图像为残缺图像的情况，进行残缺图像的匹配与定位。

【技术特征摘要】

【专利技术属性】
技术研发人员：王贺升，陈卫东，朱航炜，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海;31