危化品仓库中码垛的监控方法及电子设备技术

本申请公开了一种危化品仓库中码垛的监控方法及电子设备。其中，对实时采集的危化品码垛的图像进行harris角点检测得到第一角点图像。角点检测的过程中，通过非极大值抑制去除非极大值的角点，通过K‑means聚类算法对角点分类，可以在根据聚类结果确定每两个类别间角点的数量的差值存在大于第二设定阈值的差值时，去除角点数量最少的N个类别的角点，从而把噪点去除，提高了harris角点检测的准确性。将第一角点图像与通过相同的harris角点检测预先得到的码垛满货状态下的第二角点图像进行对比，如果第一角点图像中的角点所确定的范围超出第二角点图像中的角点所确定的范围，确定码垛超标，并发出报警信息。

【技术实现步骤摘要】
危化品仓库中码垛的监控方法及电子设备
本申请涉及危化品仓库安全
，尤其涉及一种危化品仓库中码垛的监控方法及电子设备。
技术介绍
随着社会的现代化发展，对危险化学品(简称危化品)的需求量越来越大，危化品的使用越来越广泛，危化品的使用在方便人们的生产生活的同时，因其易燃易爆、有毒有害等特性，若使用不当，可能会对人们及生活环境造成危害。为避免造成危害，需要对危化品仓库进行监控，然而，相关技术中，并没有有效的对危化品仓库进行安全监控的方案，影响了危化品行业的健康发展。
技术实现思路
本申请的目的是提供一种危化品仓库中码垛的监控方法及电子设备，以解决如何有效的对危化品仓库进行安全监控的问题。本申请的目的是通过以下技术方案实现的：一种危化品仓库中码垛的监控方法，包括：利用双目相机实时采集危化品仓库中危化品码垛的图像；对实时采集的所述危化品码垛的图像进行harris角点检测步骤，得到第一角点图像；所述harris角点检测步骤包括：采用Soble算法计算出x方向和y方向的梯度并对梯度求导得到Ix和Iy，根据Ix和Iy计算局部特征结果矩阵M的特征值λ1和λ1以及响应函数Rx,y，其中，Rx,y为de本文档来自技高网...

【技术保护点】
1.一种危化品仓库中码垛的监控方法，其特征在于，包括：利用双目相机实时采集危化品仓库中危化品码垛的图像；对实时采集的所述危化品码垛的图像进行harris角点检测步骤，得到第一角点图像；所述harris角点检测步骤包括：采用Soble算法计算出x方向和y方向的梯度并对梯度求导得到Ix和Iy，根据Ix和Iy计算局部特征结果矩阵M的特征值λ1和λ1以及响应函数Rx,y，其中，Rx,y为detM‑k(traceM)

【技术特征摘要】
1.一种危化品仓库中码垛的监控方法，其特征在于，包括：利用双目相机实时采集危化品仓库中危化品码垛的图像；对实时采集的所述危化品码垛的图像进行harris角点检测步骤，得到第一角点图像；所述harris角点检测步骤包括：采用Soble算法计算出x方向和y方向的梯度并对梯度求导得到Ix和Iy，根据Ix和Iy计算局部特征结果矩阵M的特征值λ1和λ1以及响应函数Rx,y，其中，Rx,y为detM-k(traceM)2，detM为λ1*λ2，traceM为λ1+λ2，获取Rx,y大于第一设定阈值的像素点，得到第一候选角点图像；对所述第一候选角点图像中的角点进行非极大值抑制并采用K-means聚类算法进行分类，去除非极大值的角点以及当根据聚类结果确定每两个类别间角点的数量的差值存在大于第二设定阈值的差值时，去除角点数量最少的N个类别的角点，得到最终角点图像；其中，K和N均为正整数，N小于K；将所述第一角点图像与预先得到的码垛满货状态下的第二角点图像进行对比；所述第二角点图像是采用与所述harris角点检测步骤相同的步骤得到的；所述码垛满货状态是按照五距的安全标准参数码放码垛时的状态；如果所述第一角点图像中的角点所确定的范围超出所述第二角点图像中的角点所确定的范围，确定所述码垛超标，并发出报警信息。2.根据权利要求1所述的监控方法，其特征在于，所述对所述第一候选角点图像中的角点进行非极大值抑制并采用K-means聚类算法进行分类，去除非极大值的角点以及当根据聚类结果确定每两个类别间角点的数量的差值存在大于第二设定阈值的差值时，去除角点数量最少的N个类别的角点，得到最终角点图像，包括：对所述第一候选角点图像中的角点进行非极大值抑制，得到第二候选角点图像；采用K-means聚类算法对所述第二候选角点图像中的角点进行分类，得到K个类别的角点；统计每个类别中角点的数量；计算每两个类别间角点的数量的差值；当确定每两个类别间角点的数量的差值存在大于第二设定阈值的差值时：按照统计的每个类别中角点的数量对K个类别从低到高进行排序，去除前N个类别中的角点，得到最终角点图像；或者，按照统计的每个类别中角点的数量对K个类别从高到低进行排序，去除后N个类别中的角点，得到最终角点图像。3.根据权利要求1所述的监控方法，其特征在于，所述对所述第一候选角点图像中的角点进行非极大值抑制并采用K-means聚类算法进行分类，去除非极大值的角点以及当根据聚类结果确定每两个类别间角点的数量的差值存在大于第二设定阈值的差值时，去除角点数量最少的N个类别的角点，得到最终角点图像，包括：采用K-means聚类算法对所述第一候选角点图像中的角点进行分类，得到K个类别的角点；统计每个类别中角点的数量；计算每两个类别间角点的数量的差值；当确定每两个类别间角点的数量的差值存在大于第二设定阈值的差值时：按照统计的每个类别中角点的数量对K个类别从低到高进行排序，去除前N个类别中的角点，得到第三候选角点图像；或者，按照统计的每个类别中角点的数量对K个类别从高到低进行排序，去除后N个类别中的角点，得到第三候选角点图像；对所述第三候选角点图像中的角点进行非极大值抑制，得到最终角点图像。4.根据权利要求2或3所述的监控方法，其特征在于，去除的前N个类别中的角点数量，与未去除的K-N个类别中的角点数量相比，每两个类别间角点的数量的差值大于所述第二设定阈值；或者，去除的后N个类别中的角点数量，与未去除的K-N个类别中的角点数量相比，每两个类别间角点的数量的差值大于所述第二设定阈值。5.根据权利要求4所述的监控方法，其特征在于，所述K的取值为3；所述N的取值为1或2。6.根据权利要求2所述的监控方法，其特征在于，还包括：当对K个类别从低到高进行排序时，获取第1个类别的角点的数量，如果第1个类别的角点的数量大于或者等于第三设定阈值，则确定N的取值为1，如果第1个类别的角点的数量小于所述第三设定阈值，从第2个类别开始往后，依次选择各个类别作为当前处理类别，并进行如下处理：统计第p个类别及本类别之前的各类别的角点的总数量，将统计的第p个类...

【专利技术属性】
技术研发人员：刘学君，魏宇晨，晏涌，袁碧贤，张建东，刘子昂，隗立昂，申森，黎杨，高琦，王宇潇，
申请(专利权)人：北京石油化工学院，
类型：发明
国别省市：北京,11