一种基于视觉识别的皮带跑偏快速检测方法技术

本发明专利技术公开了一种基于视觉识别的皮带跑偏快速检测方法，包括以下步骤：根据安装于皮带设备的

【技术实现步骤摘要】
一种基于视觉识别的皮带跑偏快速检测方法


[0001]本专利技术涉及皮带跑偏检测
，具体是一种基于视觉识别的皮带跑偏快速检测方法
。

技术介绍

[0002]在输煤廊道皮带运行的过程中常常会出现皮带跑偏的问题，目前针对输煤廊道皮带跑偏的检测，常见的检测方式为在皮带设备的上方固定多个监控相机从上往下地进行拍摄，先对视频图像中的皮带进行边缘检测，再将检测出的边缘与预先设置的电子界限进行对比，得出偏离值，最后根据偏离值判断皮带是否跑偏
。
而这种将监控相机固定在皮带设备上方的方式，在相机安装位置的选择上较为困难，要考虑的因素较多，例如相机的电源和网络走线布局复杂，导致工程部署的效率降低
。

技术实现思路

[0003]针对上述缺陷，本专利技术提出了一种基于视觉识别的皮带跑偏快速检测方法，目的在于解决传统的将监控相机固定在皮带设备上方进行皮带跑偏检测的方式，在相机安装位置的选择上较为困难，要考虑的因素较多，例如相机的电源和网络走线布局复杂，导致工程部署的效率降低的问题
。
[0004]为达此目的，本专利技术采用以下技术方案：
[0005]一种基于视觉识别的皮带跑偏快速检测方法，其特征在于：包括以下步骤：
[0006]步骤
S1
：根据安装于皮带设备的
IP
网络相机实时采集视频图像；
[0007]步骤
S2
：采用标定算法对所述视频图像进行坐标系标定；
[0008]步骤
S3
：对所述视频图像进行畸形矫正处理和水平校正处理，得到第一视频图像；
[0009]步骤
S4
：对所述第一视频图像进行二值化处理和滤波处理，得到第二视频图像；
[0010]步骤
S5
：提取所述第二视频图像中的皮带区域图像；
[0011]步骤
S6
：对所述皮带区域图像进行边缘检测，得到皮带边缘轮廓；
[0012]步骤
S7
：利用坐标系标定的参数，将皮带边缘轮廓的像素坐标点转换为图像物理坐标点；
[0013]步骤
S8
：计算皮带边缘轮廓的图像物理坐标点与皮带静止时设定的位置坐标点之间的距离，并判断该距离是否大于预设值，若是，则说明皮带跑偏；若否，则说明皮带没有跑偏
。
[0014]优选地，在步骤
S2
中，标定算法具体包括以下子步骤：
[0015]步骤
S21
：通过相机标定获取相机的焦距；
[0016]步骤
S22
：通过测量获取目标物体与相机之间实际距离和目标物体的实际尺寸；
[0017]步骤
S23
：根据相机的焦距
、
目标物体与相机之间实际距离和目标物体的实际尺寸，计算视频图像中目标物体的像素尺寸，具体的计算公式如下：
[0018][0019]其中，
h
表示视频图像中目标物体的像素尺寸；
d
表示目标物体与相机之间实际距离；
f
表示相机的焦距；
H
表示目标物体的实际尺寸；
[0020]步骤
S24
：将视频图像中目标物体的像素尺寸与目标物体的实际尺寸进行比值运算，得到坐标转换比例
。
[0021]优选地，在步骤
S3
中，对所述视频图像进行畸形矫正处理，具体包括以下子步骤：
[0022]步骤
S31
：通过相机标定对所述视频图像进行标定以获取相机的内部参数和外部参数；
[0023]步骤
S32
：使用相机的内部参数和外部参数计算畸变参数矩阵；
[0024]步骤
S33
：利用畸变参数矩阵对所述视频图像进行重映射和灰度重建，得到所述视频图像对应的矫正图像
。
[0025]优选地，在步骤
S3
中，对所述视频图像进行水平校正处理，具体包括以下子步骤：
[0026]步骤
S34
：统计所述视频图像对应的矫正图像中出现的线的方向；
[0027]步骤
S35
：将出现次数最多的线的方向作为所述视频图像对应的矫正图像图像的方向；
[0028]步骤
S36
：计算斜率频域数组；
[0029]步骤
S37
：基于出现次数最多的线所对应的斜率频域数组逆向变换进行图像水平校正
。
[0030]优选地，在步骤
S5
中，具体包括以下子步骤：
[0031]步骤
S51
：使用
Open.CV
中的
cv2.cvtColor()
函数将所述第二视频图像从
BGR
颜色空间转换为
HSV
颜色空间；
[0032]步骤
S52
：定义红色的
HSV
范围，并使用
Open.CV
中的
cv2.inRange()
函数创建三个掩码，分别对应红色的
HSV
三个范围；
[0033]步骤
S53
：将三个掩码合并成统一掩码，并使用
Open.CV
中的
cv2.bitwise_and()
函数对所述第二视频图像和统一掩码进行按位与操作，以提取所述第二视频图像中的红色区域；
[0034]步骤
S54
：将完成提取的所述第二视频图像进行膨胀和腐蚀处理，得到皮带区域图像
。
[0035]优选地，在步骤
S6
中，具体包括以下子步骤：
[0036]步骤
S61
：使用边缘检测算法，获得所述皮带区域图像中皮带边缘轮廓点；
[0037]步骤
S62
：使用非极大值抑制算法计算皮带边缘轮廓点中的关键点；
[0038]步骤
S63
：根据关键点，使用最小二乘法拟合出皮带的边缘轮廓；
[0039]步骤
S64
：根据皮带的边缘轮廓，计算皮带的边缘轮廓中横坐标极值点
。
[0040]本申请实施例提供的技术方案可以包括以下有益效果：
[0041]本方案通过将
IP
网络相机直接安装在皮带设备的中间区域，能够避免安装在皮带设备上方的相机的电源和网络走线布局复杂的问题，相机不需要根据不同的使用场景重新优化软件算法，提高工程部署的效率
。
附图说明
[0042]图1是一种基于视觉识别的皮带跑偏快速检测方法步骤流程图；
[0043]图2是本专利技术其中一种实施例的示意图；
[0044]图3是本专利技术其中一种实施例的示意图；
[0045]图4本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于视觉识别的皮带跑偏快速检测方法，其特征在于：包括以下步骤：步骤
S1
：根据安装于皮带设备的
IP
网络相机实时采集视频图像；步骤
S2
：采用标定算法对所述视频图像进行坐标系标定；步骤
S3
：对所述视频图像进行畸形矫正处理和水平校正处理，得到第一视频图像；步骤
S4
：对所述第一视频图像进行二值化处理和滤波处理，得到第二视频图像；步骤
S5
：提取所述第二视频图像中的皮带区域图像；步骤
S6
：对所述皮带区域图像进行边缘检测，得到皮带边缘轮廓；步骤
S7
：利用坐标系标定的参数，将皮带边缘轮廓的像素坐标点转换为图像物理坐标点；步骤
S8
：计算皮带边缘轮廓的图像物理坐标点与皮带静止时设定的位置坐标点之间的距离，并判断该距离是否大于预设值，若是，则说明皮带跑偏；若否，则说明皮带没有跑偏
。2.
根据权利要求1所述的一种基于视觉识别的皮带跑偏快速检测方法，其特征在于：在步骤
S2
中，标定算法具体包括以下子步骤：步骤
S21
：通过相机标定获取相机的焦距；步骤
S22
：通过测量获取目标物体与相机之间实际距离和目标物体的实际尺寸；步骤
S23
：根据相机的焦距
、
目标物体与相机之间实际距离和目标物体的实际尺寸，计算视频图像中目标物体的像素尺寸，具体的计算公式如下：其中，
h
表示视频图像中目标物体的像素尺寸；
d
表示目标物体与相机之间实际距离；
f
表示相机的焦距；
H
表示目标物体的实际尺寸；步骤
S24
：将视频图像中目标物体的像素尺寸与目标物体的实际尺寸进行比值运算，得到坐标转换比例
。3.
根据权利要求1所述的一种基于视觉识别的皮带跑偏快速检测方法，其特征在于：在步骤
S3
中，对所述视频图像进行畸形矫正处理，具体包括以下子步骤：步骤
S31
：通过相机标定对所述视频图像进行标定以获取相机的内部参数和外部参数；步骤
S32
：使用相机的内部参数和外部参数计算畸变参数矩阵；步骤
S33
：利用畸变参数矩阵...

【专利技术属性】
技术研发人员：周伟亮，贾绍春，史锋，李方，
申请(专利权)人：广东科凯达智能机器人有限公司，
类型：发明
国别省市：