一种基于双目立体视觉的粮食智能随机扦样方法技术

一种基于双目立体视觉的粮食智能随机扦样方法，包括如下步骤：S1、利用双目相机采集包含有散粮运输车的目标图像，从目标图像中识别出粮面，并且计算得到运输车和粮面的尺寸信息；S2、对粮面进行区域划分得到多个备选区域，按照固定选取规则从备选区域中选取出多个固定扦样区域，并且按照随机选取规则从备选区域中选取出多个随机扦样区域；S3、在固定扦样区域和随机扦样区域中随机选取扦样点；S4、通过双目视觉定位确定扦样点在扦样机坐标系中的扦样点的坐标；S5、控制扦样机根据扦样点坐标完成扦样。本发明专利技术提供一种基于双目立体视觉的粮食智能随机扦样方法，能够更加高效、智能地完成扦样，降低人为因素影响，提高扦取样品的代表性。代表性。代表性。

【技术实现步骤摘要】
一种基于双目立体视觉的粮食智能随机扦样方法


[0001]本专利技术涉及散粮扦样
，具体的说是一种基于双目立体视觉的粮食智能随机扦样方法。

技术介绍

[0002]扦样在粮食交易、储藏、加工中具有重要作用，扦取的粮食样品直接关系到整批粮食的质量、等级和价格。扦样的基本原则是被扦取粮堆中的所有粮食颗粒应具有同样的被扦出概率，从而使扦取样品具有足够的代表性。如果扦取的样品不真实或不具有代表性，会直接影响整批粮食的收购数量、等级、价格和质量检测指标的准确性。因此，科学合理制定扦样方式，使抽取的粮食样品既能全面反映收购粮食的整体质量水平，又不过分扦样，对保护种粮农民利益和减少粮食损失浪费具有重要意义。
[0003]随着计算机与网络技术、人工智能技术的发展，粮库的信息化、智能化建设取得了较大进展，但是扦样作业的智能化水平仍亟待提高。双目视觉三维重建技术通过视差原理感知物体深度信息，近年来已被广泛运用于无人机、机器人、农业等多个领域。考虑到双目视觉技术易于快速识别目标对象、获取目标世界坐标位置信息的优点，可以将其应用到粮食扦样中，实现自动化扦样，更加高效并且使扦取样品具有足够的代表性，但是，现有技术尚缺乏有效地利利用双目视觉技术进行粮食扦样的方法。

技术实现思路

[0004]为了解决现有技术中的不足，本专利技术提供一种基于双目立体视觉的粮食智能随机扦样方法，能够更加高效地完成扦样，并且扦取的样品能够更加真实地反映出散粮的情况。
[0005]为了实现上述目的，本专利技术采用的具体方案为：一种基于双目立体视觉的粮食智能随机扦样方法，包括如下步骤：S1、利用双目相机采集包含有散粮运输车的目标图像，从目标图像中识别出粮面，并且计算运输车和粮面的尺寸数据；S2、对粮面进行区域划分得到多个备选区域，按照固定选取规则从备选区域中选取出多个固定扦样区域，并且按照随机选取规则从备选区域中选取出多个随机扦样区域；S3、在固定扦样区域和随机扦样区域中随机选取扦样点；S4、通过双目视觉定位确定扦样点在扦样机坐标系中的坐标；S5、控制扦样机根据扦样点的坐标完成扦样。
[0006]作为上述基于双目立体视觉的粮食智能随机扦样方法的进一步优化：S1中，利用经过训练的U
‑
net网络模型从目标图像中识别出粮面。
[0007]作为上述基于双目立体视觉的粮食智能随机扦样方法的进一步优化：对U
‑
net网络模型进行训练的方法包括：S11、选取散粮运输车样本，并且利用双目相机从多个不同角度和/或不同距离的拍摄位置对散粮运输车样本进行拍摄，得到多个样本图像；
S12、在样本图像中标注出包含有散粮运输车样本的部分，得到图像样本集；S13、将图像样本集输入到U
‑
net网络模型中进行识别；S14、当U
‑
net网络模型的识别成功率满足预设的条件时完成训练。
[0008]作为上述基于双目立体视觉的粮食智能随机扦样方法的进一步优化：S2中，按照固定选取规则从备选区域中选取出多个固定扦样区域的方法为：在所有备选区域中选取多个位于边界位置的备选区域和一个位于中心位置的备选区域作为固定扦样区域。
[0009]作为上述基于双目立体视觉的粮食智能随机扦样方法的进一步优化：S2中，按照随机选取规则从备选区域中选取出随机扦样区域的方法包括：S21、基于运输车尺寸数据确定随机扦样区域的数量；S22、按照确定的数量随机选取出多个随机扦样区域；S23、对随机扦样区域的分布离散性进行校验，当校验通过时确定随机扦样区域，否则重新随机选取。
[0010]作为上述基于双目立体视觉的粮食智能随机扦样方法的进一步优化：对随机选取出的扦样区域的分布离散性进行校验的方法为：δ＝δ1+δ2；；其中δ为离散性指标，n为随机扦样区域的数量，Δ为随机扦样区域的中心点相互之间的距离差之和，P
r
(X,Y)为随机扦样区域的中心点坐标，P
g
(X,Y)为固定扦样区域的中心点坐标；当δ＞T时确定随机扦样区域，当δ≤T时重新随机选取随机扦样区域，T为预设的阈值。
[0011]作为上述基于双目立体视觉的粮食智能随机扦样方法的进一步优化：S4的具体方法包括：S41、确定扦样点在双目相机坐标系中的基准坐标；S42、对双目相机坐标系和扦样机坐标系进行坐标转换确定转换规则；S43、将基准坐标转换为扦样点在扦样坐标系中的坐标。
[0012]作为上述基于双目立体视觉的粮食智能随机扦样方法的进一步优化：S42中，坐标转换的方法包括：S421、以沿扦样机支撑立柱向下的方向为Z轴正方向、以扦样机旋转臂摆动角度为90
°
时沿旋转臂向外方向为X轴正方向、以右手笛卡尔坐标系中垂直于X轴和Z轴的方向为Y轴正方向建立扦样机坐标系；S422、将棋盘格标定板置入到扦样机坐标系中；S423、调整棋盘格标定板的姿态并且拍摄多个标定板图像；S424、使扦样机扦样杆移动到棋盘格标定板上的目标位置，并且记录扦样机的动作数据；S425、基于扦样机的动作数据确定坐标转换参数。
[0013]作为上述基于双目立体视觉的粮食智能随机扦样方法的进一步优化：S425中，坐
标转换参数包括外参矩阵和平移矩阵。
[0014]有益效果：本专利技术基于双目立体视觉对散粮运输车进行识别，然后根据识别结果确定粮面，进而根据粮面确定扦样区域和扦样点，整个过程可以实现自动化，更加高效，并且避免人为因素干扰，使扦取的样品能够更加客观地反映出散粮的实际情况；在选取扦样区域时，本专利技术通过固定扦样区域和随机扦样区域配合的方式，确定更多的扦样区域和扦样点，进一步使扦取的样品能够更加客观地反映出散粮的实际情况，并且，还通过对随机扦样区域进行离散性校验，保证随机扦样区域的离散性强，从而保证不同扦样区域中扦取的样品具有高度的独立性。
附图说明
[0015]图1是本专利技术的流程图；图2是固定扦样区域和随机扦样区域的选取结果示意图；图3是扦样点的坐标转换结果示意图。
具体实施方式
[0016]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0017]请参阅图1，一种基于双目立体视觉的粮食智能随机扦样方法，包括S1至S5。
[0018]S1、利用双目相机采集包含有散粮运输车的目标图像，从目标图像中识别出粮面，并且计算运输车和粮面的尺寸数据，S1中，利用经过训练的U
‑
net网络模型从目标图像中识别出粮面，U
‑
net网络模型属于机器视觉领域的常规技术，在此不再赘述。对U
‑
net网络模型进行训练的方法包括S11至S14。
[0019]S11、选取散粮运输车样本，并且利用双目相机从多个不同角度和/或不同距离的拍摄位本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双目立体视觉的粮食智能随机扦样方法，其特征在于，包括如下步骤：S1、利用双目相机采集包含有散粮运输车的目标图像，从目标图像中识别出粮面，并且计算运输车和粮面的尺寸数据；S2、对粮面进行区域划分得到多个备选区域，按照固定选取规则从备选区域中选取出多个固定扦样区域，并且按照随机选取规则从备选区域中选取出多个随机扦样区域；S3、在固定扦样区域和随机扦样区域中随机选取扦样点；S4、通过双目视觉定位确定扦样点在扦样机坐标系中的坐标；S5、控制扦样机根据扦样点的坐标完成扦样。2.如权利要求1所述的一种基于双目立体视觉的粮食智能随机扦样方法，其特征在于，S1中，利用经过训练的U
‑
net网络模型从目标图像中识别出粮面。3.如权利要求2所述的一种基于双目立体视觉的粮食智能随机扦样方法，其特征在于，对U
‑
net网络模型进行训练的方法包括：S11、选取散粮运输车样本，并且利用双目相机从多个不同角度和/或不同距离的拍摄位置对散粮运输车样本进行拍摄，得到多个样本图像；S12、在样本图像中标注出包含有散粮运输车样本的部分，得到图像样本集；S13、将图像样本集输入到U
‑
net网络模型中进行识别；S14、当U
‑
net网络模型的识别成功率满足预设的条件时完成训练。4.如权利要求1所述的一种基于双目立体视觉的粮食智能随机扦样方法，其特征在于，S2中，按照固定选取规则从备选区域中选取出多个固定扦样区域的方法为：在所有备选区域中选取多个位于边界位置的备选区域和一个位于中心位置的备选区域作为固定扦样区域。5.如权利要求4所述的一种基于双目立体视觉的粮食智能随机扦样方法，其特征在于，S2中，按照随机选取规则从备选区域中选取出随机扦样区域的方法包括：S21、基于运输车尺寸数据确定随机...

【专利技术属性】
技术研发人员：李智，楚天琦，魏伟，杨卫东，陈卫东，张蕙，
申请(专利权)人：河南工业大学，
类型：发明
国别省市：