一种小型钻机智能识别机械手臂换钻杆方法技术

本发明专利技术公开了一种小型钻机智能识别机械手臂换钻杆方法，通过在机械手臂上安装摄像头；在控制机械手臂抓取钻杆之前，摄像头拍摄的图像为基础图像，提取出待抓取钻杆的特征信息；在控制机械手臂抓取钻杆之时，摄像头拍摄的图像为抓取图像，使用特征匹配算法对基础图像和抓取图像进行处理，提取出目标钻杆的特征信息；对基础图像和抓取图像进行立体匹配和三维特征重建，得到钻杆的位姿信息并得到的对应的转换参数，再换算钻杆在基坐标下所处的空间位置和姿势；最后控制机械手臂对钻杆的抓取分拣。本发明专利技术把传统小型钻机劳动强度大、纯手工换钻操作，变为机械臂的重复性工作，节约人力资源，解决传统大型钻机装置笨重，移动不便的问题。问题。

【技术实现步骤摘要】
一种小型钻机智能识别机械手臂换钻杆方法


[0001]本专利技术涉及钻杆更换领域，特别涉及一种小型钻机智能识别机械手臂换钻杆方法。

技术介绍

[0002]小型钻进机主要是应用于中浅孔岩芯钻孔，它具有体积小、重量轻、装机功率大等特点，这种设备通常是在隧道等狭窄操作空间中使用。而目前在石油管道行业中已经使用的大型智能钻机，因使用的带钻杆库是集成的大型装备，所以占地面积大，产品造价昂贵，安装拆除工序复杂，不适用于这种狭小的工作场景。

技术实现思路

[0003]本专利技术的目的是克服上述现有技术中存在的问题，提供一种小型钻机智能识别机械手臂换钻杆方法，以解决上述
技术介绍
中提出的问题。
[0004]为此，本专利技术提供一种小型钻机智能识别机械手臂换钻杆方法，包括如下步骤：
[0005]在机械手臂上安装摄像头，所述摄像头用于拍摄图像；
[0006]在控制机械手臂抓取钻杆之前，所述摄像头拍摄的图像为基础图像，使用特征提取算法对所述基础图像进行处理，提取出待抓取钻杆的特征信息并存储；
[0007]在控制机械手臂抓取钻杆之时，所述摄像头拍摄的图像为抓取图像，使用特征匹配算法对所述基础图像和所述抓取图像进行处理，提取出目标钻杆的特征信息并存储；
[0008]对所述基础图像和所述抓取图像进行立体匹配和三维特征重建，得到钻杆的位姿信息；
[0009]将所述位姿信息根据位姿算法得到的对应的转换参数，根据所述转换参数在换算钻杆在基坐标下所处的空间位置和姿势；
[0010]根据钻杆在基坐标下所处的空间位置和姿势，控制所述机械手臂对钻杆的抓取分拣。
[0011]进一步，所述特征提取算法，包括如下步骤：
[0012]将所述基础图像进行灰度化处理；
[0013]将处理后的所述基础图像依次进行图像去噪和图像增强处理；
[0014]通过边缘算子对图像进行边缘检测，获取图像边缘的标记点；
[0015]根据标记点所在区域的图像灰度选择阈值初始值，并在设定的冗余度内设定阈值，再根据该阈值对图像进行二值化；
[0016]对于超过阈值的区域S，计算区域的质心作为待抓取钻杆的特征信息，计算表达式为
[0017][0018]其中S为图形所在的区域；g(x，y)为区域内点(x，y)的灰度，(x
c
，y
c
)是经过图像分割以后确定特征点所在区域并计算得到质心。
[0019]进一步，所述特征匹配算法将所述基础图像和所述抓取图像进行融合匹配，得到所述基础图像和所述抓取图像的重合部分，并在所述重合部分中选择像素点作为所述目标钻杆的特征信息。
[0020]更进一步，所述特征匹配算法包括：
[0021]对所述抓取图像进行图像模型的建立得到钻杆模型；
[0022]将钻杆模型实时更新，得到模型P
t
，所述模型P
t
由H0和H1组成，其中
[0023][0024][0025]其中，表示第i个像素的钻杆图像，表示第i个钻杆图像的模型的像素点；
[0026]令假设检验概率公式为
[0027][0028]其中，τ为阈值；
[0029]将各个像素点的依次带入式(2
‑
3)中，筛选得到像素点，并将得到的所有像素点作为所述目标钻杆的特征信息。
[0030]本专利技术提供的一种小型钻机智能识别机械手臂换钻杆方法，具有如下有益效果：
[0031]1.把传统小型钻机劳动强度大，纯手工换钻操作，变为机械臂的重复性工作，节约人力资源。
[0032]2.解决传统大型钻机装置笨重，移动不便的问题，实现操作方便灵活，移位方便，机动性好，省时、省力，作业安全的换钻装置。
[0033]3.解决传统换钻作业受地形限制较大，不合适狭小空间施工的问题。
[0034]4.解决传统换钻施工记录手段落后，提高数据获取的准确性、及时性、真实性和响应速度。
具体实施方式
[0035]下面对本专利技术的一个具体实施方式进行详细描述，但应当理解本专利技术的保护范围并不受具体实施方式的限制。
[0036]具体的，本专利技术实施例提供了一种小型钻机智能识别机械手臂换钻杆方法，包括如下步骤：
[0037]在机械手臂上安装摄像头，所述摄像头用于拍摄图像；
[0038]在控制机械手臂抓取钻杆之前，所述摄像头拍摄的图像为基础图像，使用特征提取算法对所述基础图像进行处理，提取出待抓取钻杆的特征信息并存储；
[0039]在控制机械手臂抓取钻杆之时，所述摄像头拍摄的图像为抓取图像，使用特征匹配算法对所述基础图像和所述抓取图像进行处理，提取出目标钻杆的特征信息并存储；
[0040]对所述基础图像和所述抓取图像进行立体匹配和三维特征重建，得到钻杆的位姿信息；
[0041]将所述位姿信息根据位姿算法得到的对应的转换参数，根据所述转换参数在换算钻杆在基坐标下所处的空间位置和姿势；
[0042]根据钻杆在基坐标下所处的空间位置和姿势，控制所述机械手臂对钻杆的抓取分拣。
[0043]本专利技术接收到换钻指令后，按固定程序，进行抓取、更换钻杆的自动操作装置，其特点是可以通过编程来完成各种预期的作业。而在智能识别机械手臂作业过程中，主要使用了特征提取算法、特征匹配算法和立体匹配，它们三者相辅相成，不可分离。
[0044]其中，特征提取算法中对于机械臂上摄像头采集所得的图像，特征提取算法的任务是检测图像中所有的特征点，得到各特征点在图像中的位置。
[0045]本专利技术中的所述特征提取算法，包括如下步骤：
[0046]将所述基础图像进行灰度化处理；
[0047]将处理后的所述基础图像依次进行图像去噪和图像增强处理；
[0048]通过边缘算子对图像进行边缘检测，获取图像边缘的标记点；
[0049]根据标记点所在区域的图像灰度选择阈值初始值，并在设定的冗余度内设定阈值，再根据该阈值对图像进行二值化；
[0050]对于超过阈值的区域S，计算区域的质心作为待抓取钻杆的特征信息，计算表达式为
[0051][0052]其中S为图形所在的区域；g(x，y)为区域内点(x，y)的灰度，(x
c
，y
c
)是经过图像分割以后确定特征点所在区域并计算得到质心。
[0053]同时，本专利技术的所述特征匹配算法是将所述基础图像和所述抓取图像进行融合匹配，得到所述基础图像和所述抓取图像的重合部分，并在所述重合部分中选择像素点作为所述目标钻杆的特征信息。
[0054]具体的，本专利技术的所述特征匹配算法包括：
[0055]对所述抓取图像进行图像模型的建立得到钻杆模型；
[0056]将钻杆模型实时更新，得到模型P
t
，所述模型P
t
由H0和H1组成，其中
[0057][0058][0059]其中，表示第i个像素的钻杆本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种小型钻机智能识别机械手臂换钻杆方法，其特征在于，包括如下步骤：在机械手臂上安装摄像头，所述摄像头用于拍摄图像；在控制机械手臂抓取钻杆之前，所述摄像头拍摄的图像为基础图像，使用特征提取算法对所述基础图像进行处理，提取出待抓取钻杆的特征信息并存储；在控制机械手臂抓取钻杆之时，所述摄像头拍摄的图像为抓取图像，使用特征匹配算法对所述基础图像和所述抓取图像进行处理，提取出目标钻杆的特征信息并存储；对所述基础图像和所述抓取图像进行立体匹配和三维特征重建，得到钻杆的位姿信息；将所述位姿信息根据位姿算法得到的对应的转换参数，根据所述转换参数在换算钻杆在基坐标下所处的空间位置和姿势；根据钻杆在基坐标下所处的空间位置和姿势，控制所述机械手臂对钻杆的抓取分拣。2.如权利要求1所述的一种小型钻机智能识别机械手臂换钻杆方法，其特征在于，所述特征提取算法，包括如下步骤：将所述基础图像进行灰度化处理；将处理后的所述基础图像依次进行图像去噪和图像增强处理；通过边缘算子对图像进行边缘检测，获取图像边缘的标记点；根据标记点所在区域的图像灰度选择阈值初始值，并在设定的冗余度内设定阈值，再根据该阈值对图像进行二值化；对于超过阈值...

【专利技术属性】
技术研发人员：水小宁，郭绪元，曾新华，刘涛，陈旭东，李正兵，殷国权，鄢江平，胡书红，焦凯，
申请(专利权)人：成都中成华瑞科技有限公司中国水利水电第七工程局成都水电建设工程有限公司，
类型：发明
国别省市：