CN112288802A - 一种起重机轨道激光测量光斑中心定位方法 - Google Patents
一种起重机轨道激光测量光斑中心定位方法 Download PDFInfo
- Publication number
- CN112288802A CN112288802A CN202011315876.7A CN202011315876A CN112288802A CN 112288802 A CN112288802 A CN 112288802A CN 202011315876 A CN202011315876 A CN 202011315876A CN 112288802 A CN112288802 A CN 112288802A
- Authority
- CN
- China
- Prior art keywords
- center
- light spot
- image
- spot
- gray
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000005259 measurement Methods 0.000 title claims abstract description 24
- 238000007781 pre-processing Methods 0.000 claims abstract description 6
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000000052 comparative effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及一种起重机轨道激光测量光斑中心定位方法,该方法包括如下步骤:S1、对光斑图像进行预处理得到灰度图像;S2、将灰度图像进行二值化处理得到二值光斑图像;S3、采用质心法定位二值光斑图像中光斑位置,确定质心点、以质心点为中心包围光斑区域的椭圆;S4、基于所述的椭圆拟合圆,获取圆的中心点并确定为光斑中心。与现有技术相比,本发明具有定位精度高、算法运行速度快、抗干扰性能强等优点。
Description
技术领域
本发明涉及起重机轨道测量检测技术领域,尤其是涉及一种起重机轨道激光测量光斑中心定位方法。
背景技术
为克服传统起重机轨道测量效率低、劳动强度大的缺陷,研制了一种起重机轨道测量检测***(CN103063146A公开了其具体结构),激光发射器发射准直激光到沿轨道行驶的测量小车接收屏上,视频装置位于激光接收屏背后并朝向激光接收屏,当小车运行姿势发生改变时,激光光斑在接收屏上的投影也将发生变化,采用图像处理技术计算激光光斑中心二维坐标,通过中心坐标变化得到两根轨道在不同位置的同截面跨度偏差,小车车轮上的编码器可确定小车在轨道上运行距离。由此可绘制两根轨道中心在三维空间中的轨迹。在保证较高测量精度情况下,它能够一次自动采集所有项目测试数据,避免桥式起重机大车轨道位置高,人工测量劳动强度及危险性较大的缺点,并能够计算导轨参数偏差进行绘图,其测量装置能够适应不同型号轨道。
小车接收屏上光斑中心的计算定位是该检测***测量精度的重要指标之一,因此提供一种运行速度较快,测试精度满足起重机轨道测量标准的起重机轨道激光测量光斑中心定位方法成为亟待解决的技术问题。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种起重机轨道激光测量光斑中心定位方法。
本发明的目的可以通过以下技术方案来实现:
一种起重机轨道激光测量光斑中心定位方法,该方法包括如下步骤:
S1、对光斑图像进行预处理得到灰度图像;
S2、将灰度图像进行二值化处理得到二值光斑图像;
S3、采用质心法定位二值光斑图像中光斑位置,确定质心点、以质心点为中心包围光斑区域的椭圆;
S4、基于所述的椭圆拟合圆,获取圆的中心点并确定为光斑中心。
优选地,步骤S1中预处理依次包括灰度化、高斯滤波。
优选地,高斯滤波的高斯模板尺寸为50×50,方差为15。
优选地,步骤S2具体为:确定二值化处理的灰度阈值ml,对于灰度图像中的每个像素点,若像素点灰度值大于ml,则将对应像素点灰度值置为255,否则将对应像素点灰度值置为0。
优选地,二值化处理的灰度阈值确定为:
ml=0.25×ma+0.75×mp
其中,ma为采用graythresh函数对灰度图像处理得到的灰度值,mp为灰度图像中灰度最大值。
优选地,步骤S3具体为:首先利用MATLAB中bwlabel函数对二值光斑图像划分连通区域,将不同区域进行标签;接着采用regionprops函数度量图像各区域中像素总数、最小凸多边形、对应椭圆长轴和短轴长度、离心率、质心坐标;最后选取像素总数最大区域的参数作为分析对象,将像素总数最大区域的质心确定为二值光斑图像的质心点,以质心点坐标为原点,根据长轴和短轴长度以及离心率确定对应椭圆上的各点,进而确定所述的椭圆。
优选地,步骤S4具体为:选取椭圆上分散的多个点,根据选取的多个点拟合圆,获取圆的中心点并确定为光斑中心。
优选地,拟合圆时选取的点至少有3个。
优选地,当选取3个点拟合圆时,3个点的坐标分别为(x1,y1)、(x2,y2)、(x3,y3),根据下式得到拟合的圆的中心点坐标(X,Y)以及圆的半径R:
优选地,该方法还包括步骤S5:对确定的光斑图像的光斑中心进行修正得到激光接收屏上的光斑中心。
与现有技术相比,本发明具有如下优点:
(1)本发明采用质心法初步确定椭圆,在此基础上进行圆拟合确定光斑中心,定位精度高;
(2)本发明光斑灰度图像二值化处理的灰度阈值综合考虑了OTSU算法(采用graythresh函数对灰度图像处理得到的灰度值)及光斑亮度(灰度图像中灰度最大值),其分割的二值光斑图像能够较好反映光斑特征,为准确光斑中心的计算打下基础;
(3)本发明利用了MATLAB软件函数,程序编写简单快捷,现场测试时可进行参数调试;
(4)本发明采用的光斑中心算法能够适应大多数起重机工作现场环境,测量精度能满足相关标准要求;
(5)本发明算法运行速度快,抗干扰性能强。
附图说明
图1为本发明一种起重机轨道激光测量光斑中心定位方法的流程图;
图2为实施例中方案一得到的左右轨道水平偏差曲线;
图3为实施例中方案一得到的左轨道垂直偏差曲线;
图4为实施例中方案一得到的右轨道垂直偏差曲线;
图5为实施例中方案二得到的左右轨道水平偏差曲线;
图6为实施例中方案二得到的左轨道垂直偏差曲线;
图7为实施例中方案二得到的右轨道垂直偏差曲线。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。注意,以下的实施方式的说明只是实质上的例示,本发明并不意在对其适用物或其用途进行限定,且本发明并不限定于以下的实施方式。
实施例
如图1所示,本实施例提供了一种起重机轨道激光测量光斑中心定位方法,首先要获取光斑图像:测量小车接收屏后方装有无线蓝牙摄像头,小车从动车轮上设有编码器,车轮每转一圈发出信号给蓝牙摄像头拍摄记录激光接收屏上激光光斑投影形成光斑图像,蓝牙摄像头将光斑图像传输至计算机,本实施例中光斑图像的像素为480×640。进而通过下述步骤进行光斑中心定位:
S1、对光斑图像进行预处理得到灰度图像,具体地:先对原始图像灰度处理,然后采用高斯滤波器对灰度图像进行滤波以抑制噪声平滑图像,高斯模板尺寸为50×50,方差为15。
S2、将灰度图像进行二值化处理得到二值光斑图像,具体地:具体为:确定二值化处理的灰度阈值ml,对于灰度图像中的每个像素点,若像素点灰度值大于ml,则将对应像素点灰度值置为255,否则将对应像素点灰度值置为0。
二值化处理的灰度阈值确定为:
ml=0.25×ma+0.75×mp
其中,ma为采用graythresh函数对灰度图像处理得到的灰度值,mp为灰度图像中灰度最大值。该方法确定的阈值综合考虑了OTSU算法及光斑亮度,其分割的二值光斑图像能够较好反映光斑特征,为准确光斑中心的计算打下基础。
S3、采用质心法定位二值光斑图像中光斑位置,确定质心点、以质心点为中心包围光斑区域的椭圆,具体地:首先利用MATLAB中bwlabel函数对二值光斑图像划分连通区域,将不同区域进行标签;接着采用regionprops函数度量图像各区域中像素总数、最小凸多边形、对应椭圆长轴和短轴长度、离心率、质心坐标;最后选取像素总数最大区域的参数作为分析对象,将像素总数最大区域的质心确定为二值光斑图像的质心点,以质心点坐标为原点,根据长轴和短轴长度以及离心率确定对应椭圆上的各点,进而确定椭圆。
S4、基于椭圆拟合圆,获取圆的中心点并确定为光斑中心,具体地:选取椭圆上分散的多个点,根据选取的多个点拟合圆,获取圆的中心点并确定为光斑中心,拟合圆时选取的点至少有3个。本实施例中选取3个点拟合圆,3个点的坐标分别为(x1,y1)、(x2,y2)、(x3,y3),根据下式得到拟合的圆的中心点坐标(X,Y)以及圆的半径R:
求解得到:
该方法还包括步骤S5:对确定的光斑图像的光斑中心进行修正得到激光接收屏上的光斑中心。具体地,采用二次函数去估计图像拟合圆中心与接收光屏图像上实际中心,再补偿图像中心偏差,这样光斑中心计算与实际中心误差较小。具体包括如下步骤:
(S51)本实施例中在计算圆的中心点坐标(X,Y)时是以光斑图像左上角第一个像素点作为原点得到的,因此,首先将光斑图像中心点定义为原点(0,0),(X,Y)坐标变为:X'=X-320,Y'=Y-240;
(S52)利用坐标对应关系式修正光斑中心值:
T=0.17296-0.000043571×R'+0.00000044623×(R')2,
这里T是预先对无线蓝牙摄像头标定得到的,与无线蓝牙摄像头的位置相关。
为了验证算法有效性,进行了门式起重机大车轨道测量试验,现场轨道长70m。采用如下两个方案进行起重机轨道测量:
方案一:基于本发明方法,采用CN103063146A公开的一种起重机轨道测量检测***进行测量得到轨道水平偏差和垂直偏差。
方案二:采用全站仪进行测量得到轨道水平偏差和垂直偏差。
图2为方案一得到的左右轨道水平偏差曲线,图3为方案一得到的左轨道垂直偏差曲线,图4为方案一得到的右轨道垂直偏差曲线,图5为方案二得到的左右轨道水平偏差曲线,图6为方案二得到的左轨道垂直偏差曲线,图7为方案二得到的右轨道垂直偏差曲线。表1为两种方案下的测量结果的对比表:
表1两种方案下测量结果对比表
与方案二相比,方案一的测量结果在水平和垂直偏差曲线走势基本一致,具有相接近的最大最小偏差定位范围,具有较小的公差和更高的采样率,本装置及光斑中心算法具有实用性。
上述实施方式仅为例举,不表示对本发明范围的限定。这些实施方式还能以其它各种方式来实施,且能在不脱离本发明技术思想的范围内作各种省略、置换、变更。
Claims (10)
1.一种起重机轨道激光测量光斑中心定位方法,其特征在于,该方法包括如下步骤:
S1、对光斑图像进行预处理得到灰度图像;
S2、将灰度图像进行二值化处理得到二值光斑图像;
S3、采用质心法定位二值光斑图像中光斑位置,确定质心点、以质心点为中心包围光斑区域的椭圆;
S4、基于所述的椭圆拟合圆,获取圆的中心点并确定为光斑中心。
2.根据权利要求1所述的一种起重机轨道激光测量光斑中心定位方法,其特征在于,步骤S1中预处理依次包括灰度化、高斯滤波。
3.根据权利要求2所述的一种起重机轨道激光测量光斑中心定位方法,其特征在于,高斯滤波的高斯模板尺寸为50×50,方差为15。
4.根据权利要求1所述的一种起重机轨道激光测量光斑中心定位方法,其特征在于,步骤S2具体为:确定二值化处理的灰度阈值ml,对于灰度图像中的每个像素点,若像素点灰度值大于ml,则将对应像素点灰度值置为255,否则将对应像素点灰度值置为0。
5.根据权利要求4所述的一种起重机轨道激光测量光斑中心定位方法,其特征在于,二值化处理的灰度阈值确定为:
ml=0.25×ma+0.75×mp
其中,ma为采用graythresh函数对灰度图像处理得到的灰度值,mp为灰度图像中灰度最大值。
6.根据权利要求1所述的一种起重机轨道激光测量光斑中心定位方法,其特征在于,步骤S3具体为:首先利用MATLAB中bwlabel函数对二值光斑图像划分连通区域,将不同区域进行标签;接着采用regionprops函数度量图像各区域中像素总数、最小凸多边形、对应椭圆长轴和短轴长度、离心率、质心坐标;最后选取像素总数最大区域的参数作为分析对象,将像素总数最大区域的质心确定为二值光斑图像的质心点,以质心点坐标为原点,根据长轴和短轴长度以及离心率确定对应椭圆上的各点,进而确定所述的椭圆。
7.根据权利要求1所述的一种起重机轨道激光测量光斑中心定位方法,其特征在于,步骤S4具体为:选取椭圆上分散的多个点,根据选取的多个点拟合圆,获取圆的中心点并确定为光斑中心。
8.根据权利要求7所述的一种起重机轨道激光测量光斑中心定位方法,其特征在于,拟合圆时选取的点至少有3个。
10.根据权利要求1所述的一种起重机轨道激光测量光斑中心定位方法,其特征在于,该方法还包括步骤S5:对确定的光斑图像的光斑中心进行修正得到激光接收屏上的光斑中心。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011315876.7A CN112288802A (zh) | 2020-11-22 | 2020-11-22 | 一种起重机轨道激光测量光斑中心定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011315876.7A CN112288802A (zh) | 2020-11-22 | 2020-11-22 | 一种起重机轨道激光测量光斑中心定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112288802A true CN112288802A (zh) | 2021-01-29 |
Family
ID=74398726
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011315876.7A Pending CN112288802A (zh) | 2020-11-22 | 2020-11-22 | 一种起重机轨道激光测量光斑中心定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112288802A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113808193A (zh) * | 2021-08-30 | 2021-12-17 | 西安理工大学 | 一种基于分块阈值的光斑质心定位方法 |
CN114399434A (zh) * | 2021-12-17 | 2022-04-26 | 国科大杭州高等研究院 | 一种用于空间超远距星间激光链路建立的高精度光斑质心定位算法及其识别方法 |
CN114419140A (zh) * | 2021-12-16 | 2022-04-29 | 上海市特种设备监督检验技术研究院 | 一种轨道激光测量装置光斑中心的定位算法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103455813A (zh) * | 2013-08-31 | 2013-12-18 | 西北工业大学 | 一种ccd图像测量***光斑中心定位的方法 |
CN103679167A (zh) * | 2013-12-18 | 2014-03-26 | 杨新锋 | 一种ccd图像处理的方法 |
CN107734258A (zh) * | 2017-10-26 | 2018-02-23 | 杨晓艳 | 一种光斑中心提取方法、装置、设备和计算机可读存储介质 |
CN109035325A (zh) * | 2018-08-24 | 2018-12-18 | 合肥景彰科技有限公司 | 一种光斑中心提取方法、装置、设备和计算机可读存储介质 |
CN110969656A (zh) * | 2019-12-10 | 2020-04-07 | 长春精仪光电技术有限公司 | 一种基于机载设备激光光束光斑大小的检测方法 |
-
2020
- 2020-11-22 CN CN202011315876.7A patent/CN112288802A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103455813A (zh) * | 2013-08-31 | 2013-12-18 | 西北工业大学 | 一种ccd图像测量***光斑中心定位的方法 |
CN103679167A (zh) * | 2013-12-18 | 2014-03-26 | 杨新锋 | 一种ccd图像处理的方法 |
CN107734258A (zh) * | 2017-10-26 | 2018-02-23 | 杨晓艳 | 一种光斑中心提取方法、装置、设备和计算机可读存储介质 |
CN109035325A (zh) * | 2018-08-24 | 2018-12-18 | 合肥景彰科技有限公司 | 一种光斑中心提取方法、装置、设备和计算机可读存储介质 |
CN110969656A (zh) * | 2019-12-10 | 2020-04-07 | 长春精仪光电技术有限公司 | 一种基于机载设备激光光束光斑大小的检测方法 |
Non-Patent Citations (2)
Title |
---|
余杰 等: ""起重机械轨道测量装置及检测方法的研究"", 《中国特种设备安全》 * |
余杰: ""起重机械轨道检测装置及检测方法"", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113808193A (zh) * | 2021-08-30 | 2021-12-17 | 西安理工大学 | 一种基于分块阈值的光斑质心定位方法 |
CN113808193B (zh) * | 2021-08-30 | 2024-02-02 | 西安理工大学 | 一种基于分块阈值的光斑质心定位方法 |
CN114419140A (zh) * | 2021-12-16 | 2022-04-29 | 上海市特种设备监督检验技术研究院 | 一种轨道激光测量装置光斑中心的定位算法 |
CN114399434A (zh) * | 2021-12-17 | 2022-04-26 | 国科大杭州高等研究院 | 一种用于空间超远距星间激光链路建立的高精度光斑质心定位算法及其识别方法 |
CN114399434B (zh) * | 2021-12-17 | 2024-05-28 | 国科大杭州高等研究院 | 一种用于空间超远距星间激光链路建立的高精度光斑质心定位算法及其识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112288802A (zh) | 一种起重机轨道激光测量光斑中心定位方法 | |
CN111855664B (zh) | 一种可调节隧道病害三维检测*** | |
CN106871805B (zh) | 车载钢轨轨距测量***及测量方法 | |
CN113009456B (zh) | 车载激光雷达数据校准方法、装置及*** | |
JP5991489B2 (ja) | 道路変状検出装置、道路変状検出方法及びプログラム | |
CN111485475B (zh) | 一种路面坑槽识别方法及其装置 | |
CN111352123B (zh) | 用于车辆检查的机器人和方法、确定车辆底盘中线的方法 | |
CN106017350A (zh) | 基于机器视觉的中小模数齿轮快速检测装置及检测方法 | |
CN109060820B (zh) | 基于激光检测的隧道病害检测方法及隧道病害检测装置 | |
CN103605978A (zh) | 基于三维实景数据的城市违章建筑识别***及方法 | |
CN108986082A (zh) | 一种基于epnp的钢轨廓形检测方法及*** | |
CN108564575A (zh) | 一种基于三维点云数据的非接触式接触网参数检测方法 | |
CN104567758B (zh) | 立体成像***及其方法 | |
CN107345789A (zh) | 一种pcb板孔位检测装置及方法 | |
JP2015017921A (ja) | 摺り板形状計測装置 | |
CN116342718B (zh) | 一种线激光3d相机的标定方法、装置、存储介质及设备 | |
JP4048779B2 (ja) | 距離画像処理装置 | |
CN104655024A (zh) | 一种影像测量设备及其快速准确测高装置与方法 | |
CN110615016A (zh) | 钢轨廓形及磨耗检测***的标定方法及检定方法 | |
CN207472215U (zh) | 一种目标物体轮廓检测*** | |
CN116433584A (zh) | 一种长条形打磨模板表面缺陷检测方法、***及存储介质 | |
CN109188449B (zh) | 充电口位置的定位方法及*** | |
CN114419140A (zh) | 一种轨道激光测量装置光斑中心的定位算法 | |
WO2024067484A1 (zh) | 轨道交通车辆横断面轮廓的检测***、检测方法和装置 | |
CN113673011A (zh) | 基于点云数据智能识别运营期隧道侵界的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210129 |
|
RJ01 | Rejection of invention patent application after publication |