System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及图像处理,具体涉及一种退役圆柱锂电池轮廓精确提取与位姿检测方法。
技术介绍
0、技术背景
1、随着自动化和机器人技术的快速发展,机器视觉技术在工业自动化检测中的应用越来越广,其中在退役动力锂电池自动拆解中,利用机器视觉精确提取电池轮廓与位姿是实现自动回收利用的关键。
2、目前,退役圆柱锂电池轮廓提取与位姿检测方法中存在以下问题:首先圆柱锂电池表面金属外壳材料存在的不均匀漫反射导致图像成像质量不佳,并且退役圆柱锂电池表面存在的凹坑破损形变和腐蚀锈斑严重影响轮廓提取精度。其次在现有的边缘检测算法种,传统边缘检测方法由于对灰度值变化敏感,故难以去除电池形变和复杂背景图像的干扰。而基于深度学习的边缘检测方法需要大量注释好的图像用于模型训练且存在训练时间长、训练设备昂贵和模型通用性差等问题。同时为了确定拆解方向与位置,还需准确识别退役圆柱锂电池的正负极端位置,现有模板匹配方法只针对固定位姿下单一型号锂电池识别,当锂电池型号和位姿发生变化时其识别准确率也将随之降低。
技术实现思路
1、专利技术目的:本专利技术所要解决的技术问题是针对现有技术的不足,提出一种基于弗雷歇距离相似函数的轮廓精确提取和基于矩形度与边缘形态特征的位姿检测方法,具体实现是:首先基于lambert漫反射模型将圆柱锂电池灰度图像分为亮区、渐变区和暗区,通过形态学处理获得中间满足lambert漫反射模型亮区区域的xld轮廓,并对此轮廓扩展完成粗定位。进一步地提取粗定位图像、背景图像和电池模板
2、为了达成上述目的,本专利技术实施例提出了一种退役圆柱锂电池轮廓精确提取与位姿检测方法,包括以下步骤:
3、步骤1,通过相机采集退役圆柱锂电池图像;
4、步骤2,对锂电池灰度图进行图像增强、去除噪声完成预处理;
5、步骤3,根据lambert模型提取圆柱锂电池高亮区域轮廓完成粗定位;
6、步骤4,通过弗雷歇距离相似函数计算相似度值,完成轮廓精定位;
7、步骤5,提取锂电池正负极端矩形度大小;
8、步骤6,根据锂电池两端矩形度大小判别正负极并计算锂电池方位角;
9、步骤2中对锂电池灰度图进行图像增强为对采集到的锂电池图像通过直方图均衡化方法处理,并采取中值滤波的方式去除噪声完成预处理;
10、步骤3中根据lambert模型提取圆柱锂电池高亮区域完成粗定位方法包括:
11、步骤3-1:根据lambert模型按式(1)计算圆柱锂电池测量点a(u,v)处的反射光强ild:
12、
13、其中,kd为材质的反射系数,il是入射光强,α为入射光方向与入射点表面法向的夹角,d为圆柱锂电池直径;
14、步骤3-2:按式(2-1)计算测量点a(u,v)位置灰度值g(u,v),然后按最大阈值gmax和最小阈值gmin分割出锂电池中间高亮区域的轮廓,如式(2-2)所示:
15、
16、gmin<=g<=gmax (2-2)
17、式中,d为圆柱锂电池直径,η为比例系数,g表示阈值区域;
18、步骤3-3:对阈值分割的高亮区域轮廓沿锂电池直径方向扩展,轴线方向的轮廓长度不变,扩展系数k如式(3)所示:
19、
20、式中,d1、d3分别为相机图像平面上捕获的电池亮区和暗区像素尺寸;
21、步骤4中通过弗雷歇距离相似函数计算相似度值,完成轮廓精定位方法,具体包括:
22、步骤4-1:在锂电池粗定位图像内设定滑动窗口,并做滑动窗口内灰度分布曲线为待识别曲线,随后滑动窗口依次遍历粗定位图像内所有像素。其中设背景图像任意位置滑动窗口内灰度分布曲线为背景模板曲线,电池亮区和暗区任意位置滑动窗口内灰度分布曲线为电池亮区与暗区模板曲线。
23、步骤4-2:按式(4)计算待识别曲线p与模板曲线q之间的弗雷歇距离f(p,q),并按式(5)计算得到相似度数值r:
24、
25、
26、式中,d是曲线p、q上任意点α和β间欧式距离;
27、步骤4-3:按式(6)根据相似度大小将所有滑动窗口内判定为电池区域d的像素带qn输出,进而完成轮廓精确提取。
28、
29、式中,为待识别曲线相与背景模板曲线相似度值,为待识别曲线与圆柱锂电池亮区曲线相似度值,为待识别曲线与圆柱锂电池暗区曲线相似度值;
30、步骤4-1包括:
31、步骤4-1-1,所述滑动窗口,其特征为:其宽为1像素,长为锂电池粗定位轮廓长度。
32、步骤4-1-2,所述灰度分布曲线,其特征为:按式(7)提取像素灰度值,并以采样点为横坐标,灰度值为纵坐标拟合出灰度分布曲线l。
33、l={l′(1),l′(2),…,l′(i),…,l′(i)} (7)
34、式中:式中:l′(i)=(c′i,r′i),i为曲线l上的采样点的序号,i=1为起始采样点,i=i为末尾采样点,(c′i,r′i)为第i个采样点的坐标;
35、步骤5中提取锂电池正负极端矩形度大小方法为通过形态学操作将锂电池图像两端分割出来,按式(8)提取两端矩形度r大小。
36、
37、式中,s0是该物体的面积,smer是其最小外接矩形的面积;
38、步骤6中根据锂电池两端矩形度大小判别正负极并计算锂电池方位角方法为,以精定位轮廓长度的1/8设定锂电池两端roi(感兴趣区域),根据自适应阈值分割算法提取区域特征轮廓并计算矩形度大小,对比锂电池图像左右两端图像矩形度recl、recr,其中矩形度小的一端为锂电池正极端,矩形度值大的一端为负极端,最后按式(9)计算得到锂电池实际方位角β。
39、
40、式中,α为锂电池粗定位轮廓偏转角;
41、本专利技术的技术方案与现有技术相比,其显著的有益效果在于:
42、(1)、本专利技术实时性好,检测精度高。本专利技术可实时对退役圆柱锂电池轮廓和位姿进行精确提取与可视化呈现,并且可以与机器人拆解生产线完美融合,有效提升工厂破拆与回收效率。本专利技术基于机器视觉的退役圆柱锂电池轮廓精确提本文档来自技高网...
【技术保护点】
1.一种退役圆柱锂电池轮廓精确提取与位姿检测方法,其特征在于,所述的方法为:
2.根据权利要求1所述的一种退役圆柱锂电池轮廓精确提取与位姿检测方法,其特征在于,所述的S2具体为:
3.根据权利要求1所述的一种退役圆柱锂电池轮廓精确提取与位姿检测方法,其特征在于,所述的S3包括以下步骤:
4.根据权利要求1所述的一种退役圆柱锂电池轮廓精确提取与位姿检测方法,其特征在于,所述的S4包括以下步骤:
5.根据权利要求4所述的一种退役圆柱锂电池轮廓精确提取与位姿检测方法,其特征在于,所述的4-1包括以下步骤:
6.根据权利要求1所述的一种退役圆柱锂电池轮廓精确提取与位姿检测方法,其特征在于,所述的S5中提取锂电池正负极端矩形度大小方法为通过形态学操作将锂电池图像两端分割出来,按式(8)提取两端矩形度R大小;
7.根据权利要求1所述的一种退役圆柱锂电池轮廓精确提取与位姿检测方法,其特征在于,所述的S6具体为:
【技术特征摘要】
1.一种退役圆柱锂电池轮廓精确提取与位姿检测方法,其特征在于,所述的方法为:
2.根据权利要求1所述的一种退役圆柱锂电池轮廓精确提取与位姿检测方法,其特征在于,所述的s2具体为:
3.根据权利要求1所述的一种退役圆柱锂电池轮廓精确提取与位姿检测方法,其特征在于,所述的s3包括以下步骤:
4.根据权利要求1所述的一种退役圆柱锂电池轮廓精确提取与位姿检测方法,其特征在于,所述的s4包括以下步骤:
<...【专利技术属性】
技术研发人员:叶文华,王朕,巫青华,梁睿君,何焕民,
申请(专利权)人:南京航空航天大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。