CN103604388B - 大尺度钢板三维测量中特殊标记物快速精确定位方法 - Google Patents
大尺度钢板三维测量中特殊标记物快速精确定位方法 Download PDFInfo
- Publication number
- CN103604388B CN103604388B CN201310551868.6A CN201310551868A CN103604388B CN 103604388 B CN103604388 B CN 103604388B CN 201310551868 A CN201310551868 A CN 201310551868A CN 103604388 B CN103604388 B CN 103604388B
- Authority
- CN
- China
- Prior art keywords
- laser tag
- steel plate
- laser
- tag
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明一种大尺度钢板三维测量中特殊标记物快速精确定位方法,首先在大型钢板上标记激光标签,并对激光标签和非激光标签物体进行多次拍照,选取两组照片集-激光标签图像和不完整激光标签图像,对正负训练样本集进行训练;接着对含有激光标签的大型钢板拍照并传至服务器,在服务器上对激光标签进行检测,实现激光标签的粗定位;最后对激光标签进行进一步的精准定位,获取定位数据以提供给相机测量***和激光测量***的参数配准。本发明的方法能自动、及时、方便、精确地对钢板上的激光标签进行快速精确定位。
Description
技术领域
本发明属于船舶制造测量技术领域,涉及一种大尺度钢板三维测量中特殊标记物快速精确定位方法。
背景技术
在结合激光与视觉的测量***中,需要在被测物体上放置特定标记,首先用相机测量物体的关键标记点;再通过激光对同样的标记点进行测量,进而建立两种测量***的配准关系,求解配准参数;后续的测量过程中,直接利用相机测量,并用配准参数来修正相机测量结果,消除测量中出现的畸变等问题,从而同时提高测量***的精度和速度,充分融合两种测量技术的优点。但目前常用的方法多针对于特定目标的精确定位,无法在复杂的外部环境下稳定地工作,并不适用于在船舶制造过程中的大尺寸钢板测量***。为了不受自然光照、照相角度和曝光时间等外界因素的影响,提出一种快速精确、能够适用于复杂环境和工业要求的激光标签精确定位技术至关重要。
发明内容
本发明的目的是提供一种大尺度钢板三维测量中特殊标记物快速精确定位方法。
为达到上述目的,本发明的技术方案是:
一种大尺度钢板三维测量中特殊标记物快速精确定位方法,方法的实现基于的条件包括:工业相机、特殊标记物和GPU服务器,其中特殊标记物为2cm*2cm的激光标签,工业相机的分辨率为1440*1080以上、帧率为10fps以上,经由1394线和1394卡连接到具有存储和分析功能的GPU服务器。
本发明的一种大尺度钢板三维测量中特殊标记物快速精确定位方法,包括如下具体步骤:
a.在大型钢板上标记特殊标记物(比如激光标签);
b.通过工业相机对激光标签和未标记激光标签的物体进行多次拍照;
c.通过人工选取的方法分别选取两组照片集I和II,其中照片集I中均为激光标签图像,照片集II中均为不完整激光激光标签图像(未标记激光标签的图像或仅是激光标签部分区域图像),以照片集I和II作为本方法机器学习阶段的正负训练样本集;
d.用基于GPU运算的HOG算法对正负样本集进行训练;
e.采用工业相机对含有激光标签的大型钢板拍照并传至GPU服务器;
f.在GPU服务器上采用基于GPU的HOG算法对钢板照片中的激光标签进行检测,检测结果采用矩形框在图像中标识,实现激光标签的粗定位;
g.采用基于DOG的二值化方法对激光标签进行进一步的精准定位,获取定位数据以提供给相机测量***和激光测量***的参数配准。
附图说明
图1:本发明特殊标记物快速精确定位方法实现过程图;
图2:本发明中各硬件设备连接图;
图3:本发明中HOG算法流程图;
图4:本发明基于DOG的激光标签二值化过程图,其中:(a)为激光标签,(b)激光标签图像I灰度直方图,(c)为图像I的DOG极值点,(d)为初步二值化图像Ibin,(e)为对Ibin进行膨胀操作得到的图像Ibin2,(f)为对激光标签的中心定位图像,(g)为对(f)图的局部放大图。
具体实施方式
如图2所示,为本发明中硬件设备连接图,由高性能工业相机及一台高性能GPU服务器和特殊标记物组成。其中特殊标记物为2cm*2cm的激光标签,工业相机的分辨率为1440*1080以上、帧率为10fps以上,经由1394线和1394卡连接到具有存储和分析功能的GPU服务器。
图1所示,为本发明大尺度钢板三维测量中特殊标记物快速精确定位方法实现过程图;
本发明方法中大尺寸钢板上激光标签的检测(粗定位)采用基于GPU的快速HOG算法,该算法的流程图如图3所示。
该算法中梯度计算方法为:对于图像I,设某像素点位置为(x,y),其灰度大小记为I(x,y),则该像素的梯度大小和方向分别如公式(1)和(2)所示。
计算出各像素的梯度后,在单元格(图像中较小的连通区域)构建基于像素点的梯度直方图,并将这些直方图组合起来形成特征描述符。最后对各个块的HOG描述符进行SVM分类识别,以检测出所需要的特征信息。
本发明方法中大尺寸钢板上的激光标签的精确定位(细定位)的流程如图4所示;具体步骤为:
Step1.对如图4(a)的灰度图像I进行DOG运算,得到矩阵IDog。两次高斯平滑的模板为n1×n1和n2×n2。本方法中n1和n2的取值分别为3和15;
Step2.对IDog在5×5范围内,寻找极值点,如果该极值点的像素值大于等于某一阈值Thex(本方法中Thex取4),则放入集合E中。图像I中的极值点分布如图4(c)所示;
Step3.对集合E中的每个像素点P,计算其在图像I中周围5×5窗口的所有像素点的均值。如果该均值和P的像素值之差超过某阈值,则认为P是一个关键点,将均值放入集合Avg。最后统计集合Avg的均值Th,认为Th就是二值化图像所需要的阈值;
Step4.用Th对图像进行二值化,得到图像Ibin,如图4(d)所示;
step5.为了排除图像I中标签横向和纵向的黑线以及其他字符符号的影响,对Ibin进行膨胀操作得到图像Ibin2,如图4(e)所示。因为最终使用质心来计算中心位置,所以膨胀操作所带来的边缘扩充的影响可以忽略;
Step6.对Ibin2计算各连通区域的中心点坐标,去除面积过小的连通区域后(噪声信息),对所有的中心点求均值,则该均值坐标即为激光标签的精确定位值,如图4(f)中的红点所示。图4(g)是(f)图的局部放大图。
通过以上方法可以得到激光标签的精确定位数据,从而提供给激光测量***和相机测量***的参数配准。
Claims (3)
1.大尺度钢板三维测量中特殊标记物快速精确定位方法,该方法的实现需要工业相机、激光标签和一台能够进行存储和分析的高性能GPU服务器,其特征在于该方法包括以下步骤:
a.在大型钢板上标记激光标签;
b.通过工业相机对标记激光标签和未标记激光标签的物体进行多次拍照;
c.通过人工选取的方法分别选取两组照片集I和II,其中照片集I中均为激光标签图像,照片集II中均为不完整激光标签图像,以照片集I和II作为本方法机器学习阶段的正负训练样本集;
d.用基于GPU运算的HOG算法对正负训练样本集进行训练;
e.在正式测量中采用工业相机对含有激光标签的大型钢板拍照并传至GPU服务器;
f.在GPU服务器上采用基于GPU的HOG算法对钢板照片中的激光标签进行检测,检测结果采用矩形框在图像中标识,实现激光标签的粗定位;
g.采用基于DOG的二值化方法对激光标签进行进一步的精准定位,获取定位数据以提供给相机测量***和激光测量***的参数配准。
2.根据权利要求1所述的大尺度钢板三维测量中特殊标记物快速精确定位方法,其特征在于所述的激光标签的尺寸大小为2cm*2cm。
3.根据权利要求1所述的大尺度钢板三维测量中特殊标记物快速精确定位方法,其特征在于所述的不完整激光标签图像为未标记激光标签图像或仅是激光标签部分区域图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310551868.6A CN103604388B (zh) | 2013-11-08 | 2013-11-08 | 大尺度钢板三维测量中特殊标记物快速精确定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310551868.6A CN103604388B (zh) | 2013-11-08 | 2013-11-08 | 大尺度钢板三维测量中特殊标记物快速精确定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103604388A CN103604388A (zh) | 2014-02-26 |
CN103604388B true CN103604388B (zh) | 2016-03-02 |
Family
ID=50122634
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310551868.6A Expired - Fee Related CN103604388B (zh) | 2013-11-08 | 2013-11-08 | 大尺度钢板三维测量中特殊标记物快速精确定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103604388B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104390591B (zh) * | 2014-11-27 | 2017-04-12 | 上海江南长兴造船有限责任公司 | 大型曲面板测量中圆形标记物的精确定位方法 |
CN105444692B (zh) * | 2015-11-18 | 2018-03-09 | 广东工业大学 | 一种水火弯板曲面提取方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201572793U (zh) * | 2009-12-01 | 2010-09-08 | 武汉钢铁(集团)公司 | 冷轧薄板厚度超标自动跟踪贴标装置 |
CN101894324A (zh) * | 2010-07-13 | 2010-11-24 | 大连斯博瑞科技有限公司 | 钢板出入库控制*** |
CN202046471U (zh) * | 2011-02-28 | 2011-11-23 | 宝山钢铁股份有限公司 | 用于钢板产品的rfid标签贴标装置 |
CN102446355A (zh) * | 2011-09-05 | 2012-05-09 | 西安理工大学 | 一种基于双视场的无标定平面突起目标检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7388488B2 (en) * | 2003-10-30 | 2008-06-17 | Peter Lupoli | Method and system for storing, retrieving, and managing data for tags |
-
2013
- 2013-11-08 CN CN201310551868.6A patent/CN103604388B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201572793U (zh) * | 2009-12-01 | 2010-09-08 | 武汉钢铁(集团)公司 | 冷轧薄板厚度超标自动跟踪贴标装置 |
CN101894324A (zh) * | 2010-07-13 | 2010-11-24 | 大连斯博瑞科技有限公司 | 钢板出入库控制*** |
CN202046471U (zh) * | 2011-02-28 | 2011-11-23 | 宝山钢铁股份有限公司 | 用于钢板产品的rfid标签贴标装置 |
CN102446355A (zh) * | 2011-09-05 | 2012-05-09 | 西安理工大学 | 一种基于双视场的无标定平面突起目标检测方法 |
Non-Patent Citations (1)
Title |
---|
基于多目视觉的变形钢板三维测量方法;史金龙等;《计算机测量与控制》;20110925;第19卷(第9期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN103604388A (zh) | 2014-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111340797B (zh) | 一种激光雷达与双目相机数据融合检测方法及*** | |
CN106919915B (zh) | 基于adas***的地图道路标记及道路质量采集装置及方法 | |
Zou et al. | A robust license plate recognition model based on bi-lstm | |
CN103020632B (zh) | 一种室内环境中移动机器人定位标志点的快速识别方法 | |
CN103439348B (zh) | 基于差影法的遥控器按键缺陷检测方法 | |
CN103324913B (zh) | 一种基于形状特征和轨迹分析的行人事件检测方法 | |
CN108388641B (zh) | 一种基于深度学习的交通设施地图生成方法与*** | |
CN103530590B (zh) | Dpm二维码识别*** | |
CN102914545B (zh) | 一种基于计算机视觉的齿轮缺陷检测方法及*** | |
CN105913093A (zh) | 一种用于文字识别处理的模板匹配方法 | |
CN104657711B (zh) | 一种鲁棒的指针式仪表读数自动识别方法 | |
CN104766058A (zh) | 一种获取车道线的方法和装置 | |
CN104268857A (zh) | 一种基于机器视觉的快速亚像素边缘检测与定位方法 | |
CN110378957B (zh) | 面向冶金作业的鱼雷罐车视觉识别与定位方法及其*** | |
CN110197157B (zh) | 一种基于历史裂纹数据的路面裂纹生长检测方法 | |
CN110910350A (zh) | 一种用于风电塔筒的螺母松动检测方法 | |
CN103438826A (zh) | 激光与视觉相结合的钢板的三维测量***及方法 | |
Chen et al. | Identification of autonomous landing sign for unmanned aerial vehicle based on faster regions with convolutional neural network | |
CN114241469A (zh) | 一种面向电表轮换过程的信息识别方法和装置 | |
CN106529548A (zh) | 亚像素级的多尺度Harris角点检测算法 | |
CN104182752A (zh) | 一种户外广告牌智能监测方法 | |
CN103604388B (zh) | 大尺度钢板三维测量中特殊标记物快速精确定位方法 | |
CN115984766A (zh) | 一种煤矿井下快速单目视觉三维目标检测方法 | |
CN103699876A (zh) | 一种基于线阵ccd图像识别车号的方法及装置 | |
CN102306382A (zh) | 基于道路环境固有特征的事故现场图像校正方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160302 Termination date: 20181108 |