基于深度图的运输带矿石团块筛选方法技术

本发明专利技术提供一种基于深度图的运输带矿石筛选方法，包括如下步骤：S0、将线激光结构光以一定角度投射到运动的运输带及矿石表面，通过高速工业相机连续拍摄矿石表面线结构光图像；S1、提取激光线光条中心像素点的图像像素高度并映射为[0‑255]范围内的灰度值，再利用多帧灰度值数据逐行叠加，生成矿石深度图；S2、基于矿石深度图，采用基于邻域信息的多级OTSU算法进行处理，得到目标区域,圈定目标矿石团块；S3、计算每个目标矿石团块的位置参数以及几何参数；S4、将目标矿石团块的位置参数及几何参数信息传送给上位机，以对目标团块对应的运输带上的实际矿石团块进行后续筛选处理。本发明专利技术可对运输带目标矿石实施在线筛选处理，将促进我国矿石开采和加工生产的智能化。

【技术实现步骤摘要】
基于深度图的运输带矿石团块筛选方法
本专利技术涉及图像处理
和机器视觉
，具体涉及一种基于深度图的运输带矿石团块筛选方法。
技术介绍
在采矿及矿石加工行业中，矿石进入很多工序之前，都需要将运输带上超过生产标准的较大矿石及时地筛分出来，以保证产线的正常运行；而传统筛分方法如机械筛分法、人工目测筛分法等，存在效率低下、筛分不准确、耗费人力物力等问题。随着机器视觉在工业上的广泛应用，使得工业生产向信息化、智能化方向进步。将机器视觉与图像处理技术结合，为运输带上矿石团块的筛选提供了强有力的技术支持。
技术实现思路
本专利技术要解决的技术问题在于针对现有技术中生产线运输带矿石筛选存在的效率低下、筛分不准确、耗费人力物力的缺陷，提供一种提高了运输带矿石的筛选速度和准确率的基于深度图的运输带矿石团块筛选方法。本专利技术解决其技术问题所采用的技术方案是：提供一种基于深度图的运输带矿石筛选方法，包括如下步骤：S0、将线激光结构光以一定角度投射到运动的运输带及矿石表面，通过高速工业相机连续拍摄矿石表面线结构光图像；S1、提取激光线光条中心像素点的图像像素高度并映射为[0-255]范围内的灰度值，再利用多帧灰度值数据逐行叠加，生成矿石深度图；S2、基于矿石深度图，采用基于邻域信息的多级OTSU算法进行处理，得到目标区域,圈定目标矿石团块；S3、计算每个目标矿石团块的位置参数以及几何参数；S4、将目标矿石团块的位置参数及几何参数信息传送给上位机，以对目标团块对应的运输带上的实际矿石团块进行后续筛选处理。接上述技术方案，步骤S1中激光线光条中心像素点的图像像素高度提取过程具体包括步骤：S11、对每一帧结构光图像，准确提取出激光线光条中心像素点；S12、计算激光线中心像素点在图像坐标系中的行坐标位置；S13、计算每一个行坐标与已标定的参考线之间的距离，作为激光线光条中心像素点的图像像素高度。接上述技术方案，步骤S2具体包括步骤：S21、对矿石深度图进行第一次OTSU算法处理，得到阈值Thresh1；S22、根据阈值Thresh1，对原矿石深度图进行处理，得到两种图像：①直接将原矿石深度图中大于阈值Thresh1的像素点值置为255，小于阈值Thresh1的像素点置为0，得到二值图Image1；②将原矿石深度图中大于阈值Thresh1的像素点保留原值，小于阈值Thresh1的像素点置为0，得到灰度图Image2；S23、统计二值图Image1中所有连通域的信息，包括外接矩形、连通域数量，每个连通域的像素个数；S24、对灰度图Image2灰度值大于0的像素区域进行第二次OTSU处理，得到二级阈值Thresh2；S25、从左到右，从上到下，搜索灰度图Image2中灰度值不为0的像素，并对当前像素点的像素值大小和连通域特征进行判断，如果同时满足条件：(a)像素灰度值大于二级阈值Thresh2；(b)像素所在对应的二值图Image1中像素的连通域参数满足一定条件，则将该当前像素点设定为目标像素点，最终得到目标区域，通过区域生长算法圈定目标矿石团块。接上述技术方案，像素所在对应的二值图Image1中像素连通域参数满足的条件为：每个连通域包含的像素个数大于5000个，外接矩形的长宽比大于0.95。接上述技术方案，位置参数包括每个目标矿石团块的形心和质心，几何参数包括目标矿石团块的面积、体积、周长、等效直径和粒径。接上述技术方案，目标矿石团块的面积具体计算过程为：在矿石深度图上，对每个目标矿石团块进行像素个数统计，每个目标矿石团块内的像素个数作为目标矿石团块的面积；目标矿石团块的体积具体计算过程为：在矿石深度图上，对每个目标矿石团块，设其中任一像素点灰度值为g(i,j)；对每个目标矿石团块计算灰度对面积的积分∫∫g(i，j)dxdy；将目标矿石团块内像素的灰度值和单位像素面积相乘并进行累加，灰度累加结果∑gi即为目标矿石的体积；目标矿石团块的周长具体计算过程为：对每个目标矿石区域中的像素点，如果以其为中心的上、下、左、右4邻域的点都属于该目标矿石区域，则定义该像素点为内点；统计目标矿石团块区域的内点数量，面积减去内点数量定义为目标矿石周长；基于等面积圆的等效直径D计算过程为：与目标矿石团块等面积S的圆直径即为目标矿石的等效直径，则有Π(D/2)2＝S，等效直径基于最佳匹配椭圆的粒径d计算过程为：矿石的粒径尺寸与最佳匹配椭圆的长轴u和短轴v关系为：再由公式计算粒径接上述技术方案，形心(I1,J1)计算过程为：在矿石深度图上，对每个目标矿石团块，设其中任一像素点坐标为(i,j)，其中i,j分别为该像素所在行、列位置；将团块所有像素点的行坐标i累加得到∑i，则该目标矿石团块形心的行坐标为I1＝∑i/m，同理形心的列坐标为J1＝∑j/m，计算每个目标矿石团块的形心坐标(I1,J1)；质心(I2,J2)计算过程为：在矿石深度图上，对每个目标矿石团块，设其中任一像素的灰度值为g(i,j)，其中i,，j分别为该像素所在行、列位置；灰度值对第一行取矩为g(i,j)*i，则该像素所在目标矿石团块的质心行坐标为I2＝(∑g(i，j)*i)/V；灰度值对首列取矩为g(i,j)*j，则该像素所在目标矿石团块质心的列坐标为I2＝∑g(i，j)*j/V；分别计算每个目标矿石团块的质心坐标(I2,J2)。本专利技术还提供一种基于深度图的运输带矿石筛选系统，包括：表面线结构光图像获取模块，用于将线激光结构光以一定角度投射到运动的运输带及矿石表面，并通过高速工业相机连续拍摄矿石表面线结构光图像；矿石深度图生成模块，用于提取激光线光条中心像素点的图像像素高度并映射为[0-255]范围内的灰度值，再利用多帧灰度值数据逐行叠加，生成矿石深度图；目标矿石团块圈定模块，用于基于矿石深度图，采用基于邻域信息的多级OTSU算法进行处理，得到目标区域,圈定目标矿石团块；计算模块，用于计算每个目标矿石团块的位置参数以及几何参数；数据上传模块，用于将目标矿石团块的位置参数及几何参数信息传送给上位机，以对目标团块对应的运输带上的实际矿石团块进行后续筛选处理。本专利技术产生的有益效果是：本专利技术通过线激光结构光扫描运输带矿石实时生成矿石深度图，而没有直接在相机拍摄图上进行团块分割，不会受到光照不均匀及阴影等干扰，且屏蔽了不同矿石的颜色纹理等影响因素；通过基于邻域信息的多级OTSU算法分割出目标区域，避免了不必要的非目标提取，提取目标明确，效率高；本专利技术的几何参数及位置参数提取完备，筛选依据充足；另外采用本专利技术提出的方法对实际产线运输带上的大量矿石进行了测试，运行稳定，鲁棒性好，取得了理想的目标矿石筛选效果。附图说明下面将结合附图及实施例对本专利技术作进一步说明，附图中：图1为本专利技术的基于深度图的运输带矿石筛选方法流程图；图2为流本文档来自技高网...

【技术保护点】
1.一种基于深度图的运输带矿石筛选方法，其特征在于，包括如下步骤：/nS0、将线激光结构光以一定角度投射到运动的运输带及矿石表面，通过高速工业相机连续拍摄矿石表面线结构光图像；/nS1、提取激光线光条中心像素点的图像像素高度并映射为[0-255]范围内的灰度值，再利用多帧灰度值数据逐行叠加，生成矿石深度图；/nS2、基于矿石深度图，采用基于邻域信息的多级OTSU算法进行处理，得到目标区域,圈定目标矿石团块；/nS3、计算每个目标矿石团块的位置参数以及几何参数；/nS4、将目标矿石团块的位置参数及几何参数信息传送给上位机，以对目标团块对应的运输带上的实际矿石团块进行后续筛选处理。/n

【技术特征摘要】
1.一种基于深度图的运输带矿石筛选方法，其特征在于，包括如下步骤：
S0、将线激光结构光以一定角度投射到运动的运输带及矿石表面，通过高速工业相机连续拍摄矿石表面线结构光图像；
S1、提取激光线光条中心像素点的图像像素高度并映射为[0-255]范围内的灰度值，再利用多帧灰度值数据逐行叠加，生成矿石深度图；
S2、基于矿石深度图，采用基于邻域信息的多级OTSU算法进行处理，得到目标区域,圈定目标矿石团块；
S3、计算每个目标矿石团块的位置参数以及几何参数；
S4、将目标矿石团块的位置参数及几何参数信息传送给上位机，以对目标团块对应的运输带上的实际矿石团块进行后续筛选处理。


2.根据权利要求1所述的基于深度图的运输带矿石筛选方法，其特征在于，步骤S1中激光线光条中心像素点的图像像素高度提取过程具体包括步骤：
S11、对每一帧结构光图像，准确提取出激光线光条中心像素点；
S12、计算激光线中心像素点在图像坐标系中的行坐标位置；
S23、计算每一个行坐标与已标定的参考线之间的距离，作为激光线光条中心像素点的图像像素高度。


3.根据权利要求1所述的基于深度图的运输带矿石筛选方法，其特征在于，步骤S2具体包括步骤：
S21、对矿石深度图进行第一次OTSU算法处理，得到阈值Thresh1；
S22、根据阈值Thresh1，对原矿石深度图进行处理，得到两种图像：①直接将原矿石深度图中大于阈值Thresh1的像素点值置为255，小于阈值Thresh1的像素点置为0，得到二值图Image1；②将原矿石深度图中大于阈值Thresh1的像素点保留原值，小于阈值Thresh1的像素点置为0，得到灰度图Image2；
S23、统计二值图Image1中所有连通域的信息，包括外接矩形、连通域数量，每个连通域的像素个数；
S24、对灰度图Image2灰度值大于0的像素区域进行第二次OTSU处理，得到二级阈值Thresh2；
S25、从左到右，从上到下，搜索灰度图Image2中灰度值不为0的像素，并对当前像素点的像素值大小和连通域特征进行判断，如果同时满足条件：(a)像素灰度值大于二级阈值Thresh2；(b)像素所在对应的二值图Image1中像素的连通域参数满足一定条件，则将该当前像素点设定为目标像素点，最终得到目标区域，通过区域生长算法圈定目标矿石团块。


4.根据权利要求3所述的基于深度图的运输带矿石筛选方法，其特征在于，像素所在对应的二值图Image1中像素连通域参数满足的条件为：每个连通域包含的像素个数大于5000个，外接矩形的长宽比大于0.95。


5.根据权利要求1所述的基于深度图的运输带矿石筛选方法，其特征在于，位置参数包括每个目标矿石团块的形心和质心，几何参数包括目标矿石团块的面积、体积、周长、等效直径和粒径。

【专利技术属性】
技术研发人员：章秀华，徐洋洋，洪汉玉，赵卿松，严桂林，
申请(专利权)人：武汉工程大学，
类型：发明
国别省市：湖北;42