【技术实现步骤摘要】
本专利技术属于矿石品位识别，尤其涉及一种基于彩色三维重建的矿石品位识别方法及系统。
技术介绍
1、矿石品位识别主要以实验室检测方法为主，其方法虽在精度及准确度上具有不可替代的效果，但时效性差且操作难度大，难以满足铁矿山施工现场的快速品位获取的需求。矿石品位的识别是相同背景下的图像浅层信息提取与识别，为提高对矿物纹理的还原精度，以增强品位识别效率，而三维重建可以将多张图片合成一张，增加了图像特征。
2、通过上述分析，现有技术存在的问题及缺陷为：
3、矿石品位识别主要以实验室检测方法为主，其方法虽在精度及准确度上具有不可替代的效果，但时效性差且操作难度大，难以满足铁矿山施工现场的快速品位获取的需求。
技术实现思路
1、针对现有技术存在的问题，本专利技术提供了一种基于彩色三维重建的矿石品位识别方法及系统。
2、本专利技术是这样实现的，一种基于彩色三维重建的矿石品位识别方法包括：
3、步骤1，打开电机，调节调速器，使振动筛和皮带机运动；
4、步骤2，矿石至皮带机尾端下落，相机进行拍照，并将图像送至三维重建系统；
5、步骤3，对传入图像进行三维重建；
6、步骤4，把三维重建后的图像传入智能识别系统利用基于mobilenet-ssa算法进行品位识别。
7、进一步，所述对传入图像进行三维重建；具体步骤如下：
8、首先，每个双目相机和一个激光线发生器组成，沿水平推扫方向移动，并计算每个位置线
9、
10、β，μ是比例因子，(fx，fy)和(f′x，f′y)是左右摄像机的焦距x方向和y方向，以及(cx，cy)，(c′x，c′y)分别是左右摄像机的主点；
11、将线结构光平面的法向量定义为n＝[a b c d]t，那么有：
12、axw+byw+czw+d＝0 (3)
13、使用左相机的透视投影成像模型和线结构光的平面方程来计算线结构光条纹中心的三维坐标，避免了三维重建过程中左、右相机像面上线结构光条纹的匹配；结果条纹中心的三维坐标可以通过积分方程计算；公式如下：
14、
15、其次单摄像机与激光线发生器的联合标定如下：
16、让将一个棋盘角在相应的棋盘坐标系中的物理三维坐标定义为(xw，yw，zw)，其中zw＝0；棋盘角在摄像机图像平面上的投影表示为g(ug,vg)，根据透视投影成像模型获得等式：
17、
18、定义h＝k[lc tc]，及h＝[h11，h12，h13，h14，h21，h22，h23，h24，h31，h32，h33，h34]t，hij表示h中第i行第j列元素；
19、消除比列因子β，且进行奇异值分解后有：
20、sr[r1 r2 tc]＝[h1 h2 h4] (6)
21、ri和hi分别表示lc的第i列和h的第i列；
22、那么lc和tc的粗略值可以通过下式计算：
23、
24、为了获得精确的r过程和匹配，建立像素重投影误差的最小化函数，如等式(8)所示；采用l-m迭代算法计算精细解；
25、
26、其中x′是棋盘角的图像坐标的映射函数，xj是第j个棋盘角的实图像坐标，xj是棋盘坐标系中第j个棋盘角的物理三维坐标；
27、在棋盘平面相对于相机坐标系的旋转和平移被确定之后，棋盘坐标系中投影的结构光线上的任意点的三维坐标可以通过下式计算：
28、
29、(us，vs)是投影结构光线上一点的图像坐标；最后，可以通过下式确定相机坐标系中投影的结构光线上任意一点的三维坐标；
30、
31、将摄像机坐标系中投影线lab上任意两点的齐次坐标定义为ma＝[xc1 yc1 zc1 1]t，mb＝[xc2 yc2 zc2 1]t；等式11用于表示投影线；
32、l＝mambt-mbmat (11)
33、将棋盘放置在不同的方向，并计算投影结构光线的相应plucker矩阵，从而得到超定线性方程能被所有的plucker矩阵垂直堆叠；类似地，线结构光平面的法向量n最终通过奇异值分解来计算；
34、然后进行相邻帧之间的相对姿态估计；过程如下：
35、
36、将第j个位置的左摄像机相对于第i个位置的左摄像机的旋转和平移定义为和将左右摄像机获得的一对同名点分别定义为第i个位置的{pil(uil,vil),pir(uir,vir)}和第j个位置的{pjl(ujl,vjl),pjr(ujr,vjr)}；由于双目模块的内部和外部参数是已知的，因此可以通过双目立体视觉的三角测量方法来计算第i个和第j个位置的同名点的三维坐标，分别表示为(xwi,ywi,zwi)和(xwj,ywj,zwj)；当计算双目模块的每个位置的3d坐标时，将相应位置的左相机坐标系视为世界坐标系；根据摄像机的透视投影成像模型可得：
37、在对象空间中构建重投影误差的最小化函数，以计算相邻帧之间的精确相对姿态，如等式(14)所示；
38、
39、分别是第i个和第j个位置的第k个特征点的三维坐标；
40、最后再进行绝对姿态的全局优化，采用全局优化算法计算双目模块在每个位置的绝对位姿；
41、将双目模块在第i个和第j个位置的绝对姿态定义为li，ti和lj，tj，pi和pj分别代表第i个和第j个位置的左摄像机坐标系；
42、
43、又有：
44、
45、其中分别表示li和lj的第σ列向量；
46、当初始位置的双目模块和第i个或第j个位置的双目模块之间存在相对位姿时，有：
47、
48、令a是单位矩阵；
49、
50、在获得相邻帧之间的所有相对姿态后，基于等式(18)可得arxr＝br；ar是由等式(18)的系数矩阵垂直堆叠而成，xr是双目模块的旋转矩阵在所有位置相对于参考坐标系的列向量的组合，br由等式右侧的向量垂直堆叠；根据最小二乘法xr＝(artar)-1artbr；
51、
52、
53、通过使用强制正交方法来重新估计旋转矩阵；...
【技术保护点】
1.一种基于彩色三维重建的矿石品位识别方法，其特征在于，包括以下步骤：
2.如权利要求1所述基于彩色三维重建的矿石品位识别方法，其特征在于，所述三维重建具体包括以下步骤：
3.如权利要求1所述基于彩色三维重建的矿石品位识别方法，其特征在于，所述MobileNet-SSA算法的深度可分离卷积结构包括：
4.如权利要求1所述基于彩色三维重建的矿石品位识别方法，其特征在于，所述MobileNet-SSA算法结合了Fast-RCNN和YOLO算法的优点，检测速度是Fast-RCNN的6倍，平均精度值(map)比YOLO提高11％；其中MobileNet替代了SSA中的VGG16网络结构，降低了模型大小和运行速度需求，同时结合掩码信息提取矿石中心图像特征进行精准识别。
5.一种实施如权利要求1-3任意一项所述识别方法的基于彩色三维重建的矿石品位识别系统，其特征在于，包括：
6.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1-
7.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1-3任意一项所述基于彩色三维重建的矿石品位识别方法的步骤。
8.一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现如权利要求4所述基于彩色三维重建的矿石品位识别系统。
...【技术特征摘要】
1.一种基于彩色三维重建的矿石品位识别方法，其特征在于，包括以下步骤：
2.如权利要求1所述基于彩色三维重建的矿石品位识别方法，其特征在于，所述三维重建具体包括以下步骤：
3.如权利要求1所述基于彩色三维重建的矿石品位识别方法，其特征在于，所述mobilenet-ssa算法的深度可分离卷积结构包括：
4.如权利要求1所述基于彩色三维重建的矿石品位识别方法，其特征在于，所述mobilenet-ssa算法结合了fast-rcnn和yolo算法的优点，检测速度是fast-rcnn的6倍，平均精度值(map)比yolo提高11％；其中mobilenet替代了ssa中的vgg16网络结构，降低了模型大小和运行速度需求，同时结合掩码信息提取矿石中心...
【专利技术属性】
技术研发人员：张泽琳，杨胜茗，王蕾，夏绪辉，郭钰瑶，曹建华，
申请(专利权)人：武汉科技大学，
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。