CN113888715A - 一种基于虚拟多目内窥镜的高炉料面三维重建方法及*** - Google Patents
一种基于虚拟多目内窥镜的高炉料面三维重建方法及*** Download PDFInfo
- Publication number
- CN113888715A CN113888715A CN202111108259.4A CN202111108259A CN113888715A CN 113888715 A CN113888715 A CN 113888715A CN 202111108259 A CN202111108259 A CN 202111108259A CN 113888715 A CN113888715 A CN 113888715A
- Authority
- CN
- China
- Prior art keywords
- endoscope
- charge level
- dimensional
- blast furnace
- point
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000009826 distribution Methods 0.000 claims abstract description 40
- 239000000463 material Substances 0.000 claims abstract description 34
- 238000013507 mapping Methods 0.000 claims abstract description 8
- 230000006870 function Effects 0.000 claims description 22
- 230000003287 optical effect Effects 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 14
- 230000001788 irregular Effects 0.000 claims description 13
- 238000013519 translation Methods 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000003384 imaging method Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 2
- 239000000428 dust Substances 0.000 abstract description 6
- 230000008569 process Effects 0.000 description 16
- 238000003723 Smelting Methods 0.000 description 11
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 10
- 230000000007 visual effect Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 229910052742 iron Inorganic materials 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 229910000831 Steel Inorganic materials 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 238000005381 potential energy Methods 0.000 description 3
- 239000010959 steel Substances 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 239000003034 coal gas Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000001931 thermography Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000004660 morphological change Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10068—Endoscopic image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于虚拟多目内窥镜的高炉料面三维重建方法及***,通过利用料面下降形成的视差,建立料面与内窥镜的相对运动模型,在空间上虚构多目虚拟内窥镜,基于虚拟内窥镜和三角测量原理恢复特征点的空间坐标,从而获得稀疏的三维点云数据,根据高炉料面的布料环特征,利用稀疏的三维点云数据构建深度等高线以及构造一个能够反映料面分布的距离场函数,将深度等高线映射到三维空间中,并根据机械探尺数据进行定标,从而得到真实空间中的三维料面形貌,解决了现有技术无法准确获取高炉料面三维形貌的技术问题,实现了高温高压、弱光强粉尘恶劣环境下料面三维重建,从而为高炉炉顶布料操作提供直观可靠的三维料面形貌。
Description
技术领域
本发明主要涉及高炉料面三维重建领域,特指一种基于虚拟多目内窥镜的高炉料面三维重建方法及***。
背景技术
高炉是钢铁冶炼的主要设备,高炉炼铁是钢铁制造流程中能耗最大、危险性最高、排放最多的工序,约占我国工业总排放的10%,而高炉料面三维形貌极大影响了炉料和煤气在炉内合理的分布,是影响高炉冶炼能耗和排放的关键参数。准确获取三维料面形貌对炉顶合理布料,调节煤气流分布,进而降低能耗,保证高炉正常、稳定、持续、高效运行具有重要意义。然而,由于高炉冶炼过程中炉内高温高压、密闭弱光、强粉尘、多噪点的恶劣环境,高炉料面形貌的三维重建具有极大的挑战,现场难以准确获取高炉炉内三维料面形貌。
现有方法根据是否需要向场景发射光源分为主动视觉法和被动视觉法。主动视觉法包括三维激光扫描技术、相阵雷达技术等,这些方法通过向高炉料面发射激光或者雷达等,通过对反射的激光雷达数据去噪、点云处理等方法拟合得到三维料面,这些方法只能得到二维点云数据,无法直观获得料面图像,且容易受到炉内强粉尘的干扰,导致精度降低。被动视觉法一般先获取目标物体或场景的图像,再基于图像实现三维重建,无需额外的设备、操作简单、对场景环境无要求。根据相机的个数,被动视觉法可分为单目、双目、多目三维重建。基于单摄像头的三维重建使用图像为单视点的单幅或图像序列,通过二维图像特征推导出三维模型;双目三维重建,是通过立体匹配感知深度,一般至少需要通过两幅视图才能完成立体匹配获取视差信息,且立体匹配要求两幅视图重叠率需大过一定阈值;多目三维重建是在立体匹配的基础上,使用多摄像机***拍摄得到的多目视图,利用摄像机参数和立体匹配原理实现三维重建。考虑到高炉冶炼过程会产生大量的煤气,对密闭性要求严格,因此在尽量不破坏高炉本体结构的前提下,获取高炉料面图像并实现三维重建十分重要。
中国专利CN109598791A《一种高炉料面成像三维模型重建方法及***》公开了一种高炉料面三维模型重建方法和***,***包括位于高炉炉内至少两台热像仪、现场控制箱以及设置在控制室内的控制机柜、报警和显示器。利用红外热成像技术,通过采用高炉炉内多台热像仪,并引入计算机视觉的双目视觉技术,对高炉的布料信息进行分析处理,从而实现布料过程的料面图像进行三维立体重现,获得料面各点的高度。但通过红外热成像技术进行料面三维重建,受高炉炉内中心高温气流干扰,只能定性判断料面分布情况,难以准确获得料面形貌。
中国专利CN111273272B《用于高炉料面成像的3D雷达扫描器以及高炉料面检测***》提供了一种用于高炉料面成像的3D雷达扫描器以及料面检测***,高炉料面3D雷达扫描器可安装高炉顶部,测量高炉内多点料面高度信息,可实现对高炉内部形状进行连续测量,为现场操作人员调整布料工艺提供可视化数据依据。基于雷达的料位检测方法在料面检测运用最为广泛,但雷达扫描的数据不直观,只能得到有效点的料面高度数据,且由于高炉炉顶粉尘聚集分布,采用雷达检测料面形貌会受到粉尘的干扰导致误差较大。
发明内容
本发明提供的基于虚拟多目内窥镜的高炉料面三维重建方法及***,解决了现有技术无法准确获取高炉料面三维形貌的技术问题。
为解决上述技术问题,本发明提出的基于虚拟多目内窥镜的高炉料面三维重建方法包括:
利用料面下降形成的视差,建立料面与内窥镜的相对运动模型,在空间上虚构多目虚拟内窥镜;
基于虚拟内窥镜和三角测量原理恢复特征点的空间坐标,从而获得稀疏的三维点云数据;
根据高炉料面的布料环特征,利用稀疏的三维点云数据构建深度等高线;
构造一个能够反映料面分布的距离场函数,将深度等高线映射到三维空间中,并根据机械探尺数据进行定标,从而得到真实空间中的三维料面形貌。
进一步地,利用料面下降形成的视差,建立料面与内窥镜的相对运动模型,在空间上虚构多目虚拟内窥镜包括:
对不同时刻的料面图像进行特征点提取和匹配;
根据特征点对应的空间点运动前后的空间坐标,获得特征点的空间坐标运动方程;
根据内窥镜成像模型,获取特征点对应的空间点的空间坐标与特征点在料面图像上的图像投影点的坐标之间关系的投影转换方程;
计算特征点的光流,光流具体为特征点在料面图像上的图像投影点的瞬时速度;
根据特征点的空间坐标运动方程、投影转换方程以及特征点的光流,获得内窥镜运动参数;
根据内窥镜运动参数,在垂直方向上虚构多目虚拟内窥镜。
进一步地,内窥镜运动参数的计算公式具体为:
T=[Tx,Ty,Tz]T,
其中,f为焦距,x0为空间点P在图像投影点的横坐标,y0为空间点P在图像投影点的纵坐标,T为平移矩阵,Tx、Ty和Tz分别为内窥镜沿着x,y,z方向上平移分量,u为像素点瞬时速度沿着x方向的速度矢量,v为像素点瞬时速度沿着y方向的速度矢量,且k为常数。
进一步地,基于虚拟内窥镜和三角测量原理恢复特征点的空间坐标,从而获得稀疏的三维点云数据包括:
根据内窥镜运动参数中的平移矩阵,获取虚拟内窥镜和真实内窥镜光心的基线距离;
根据特征点匹配,获取特征点在虚拟内窥镜平面坐标系和真实内窥镜平面坐标系中的视差;
根据基线距离和视差,利用三角测量原理,获得特征点对应的空间点在真实内窥镜平面的空间坐标。
进一步地,根据基线距离和视差,利用三角测量原理,获得特征点对应的空间点在真实内窥镜平面的空间坐标的计算公式为:
其中,xc、yc和zc分别为空间上点P在x,y,z方向的坐标,x,y表示P在真实内窥镜坐标系下料面图像上的图像投影点的坐标,b为基线距离,d为视差,f为焦距。
进一步地,根据高炉料面的布料环特征,利用稀疏的三维点云数据构建深度等高线包括:
对获取的离散的三维点云数据进行网格化,构建不规则三角网;
基于D-TIN算法追踪获得料面等值线,从而得到料面的等高线图。
进一步地,基于D-TIN算法追踪获得料面等值线,从而得到料面的等高线图包括:
预设料面深度等高线的目标料位值;
判断目标料位值对应的料面深度等高线是否经过不规则三角网,若不经过不规则三角网,则不规则三角网无等值点;若经过不规则三角网,则等值点为料面深度等高线与不规则三角网的交点;
将包含多条料面深度等高线的等值点子集进行合并,并拆分成多个等值点子集,得到仅包含一条等高线的等值点子集,根据仅包含一条等高线的等值点子集绘制料面深度等高线;
采用Bezier函数对追踪到的料面深度等高线进行光滑处理,从而获得光滑的闭合等高线曲线,并根据光滑的闭合等高线曲线获得料面的等高线图。
进一步地,距离场函数具体为:
其中,Di为距离场强度,k为常数,l为等高线,u为常数,r为距离料面中心位置的距离,ur表示与距离相关的指数函数。
本发明提供的基于虚拟多目内窥镜的高炉料面三维重建***包括:
存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现本发明提供的基于虚拟多目内窥镜的高炉料面三维重建方法的步骤。
与现有技术相比,本发明的优点在于:
本发明提供的基于虚拟多目内窥镜的高炉料面三维重建方法及***,通过利用料面下降形成的视差,建立料面与内窥镜的相对运动模型,在空间上虚构多目虚拟内窥镜,基于虚拟内窥镜和三角测量原理恢复特征点的空间坐标,从而获得稀疏的三维点云数据,根据高炉料面的布料环特征,利用稀疏的三维点云数据构建深度等高线以及构造一个能够反映料面分布的距离场函数,将深度等高线映射到三维空间中,并根据机械探尺数据进行定标,从而得到真实空间中的三维料面形貌,解决了现有技术无法准确获取高炉料面三维形貌的技术问题,实现了高温高压、弱光强粉尘恶劣环境下料面三维重建,从而为高炉炉顶布料操作提供直观可靠的三维料面形貌,且准确可靠的三维料面形貌有利于及时发现高炉悬料、塌料、斜料等异常工况,同时对优化炉顶布料控制、调节煤气流分布,保障高炉绿色高效、安全平稳运行具有重要的价值。
本发明的目的:
本发明目的在于解决高炉料面三维形貌难以准确获取的问题,提出一种基于虚拟多目内窥镜的高炉料面三维重建方法,实现恶劣环境下料面三维重建。针对传统的雷达、红外热像仪等传感器无法直观得到准确可靠的料面三维形貌的缺点,本发明采用高温工业内窥镜近距离拍摄了高炉冶炼过程中的料面视频,考虑到高炉运行过程中料面会随着重力下降,与安装在炉顶的高温工业内窥镜发生相对运动,基于运动关系将时间上的视差转换为空间上的视差,由此构建了空间上的虚拟多目内窥镜,并基于虚拟多目内窥镜提取了特征点的空间信息,得到了稀疏的三维点云;根据料面的布料环特征,基于D-TIN算法绘制了深度等高线,并构造了一个距离场函数,实现料面三维重建,准确获取了料面三维形貌。
本发明的关键点包括:
(1)充分利用了料面下降与内窥镜形成的视差关系,建立了料面与内窥镜的相对运动模型,并进行时空转换,在空间上虚构了多目内窥镜;
(2)基于虚拟内窥镜和三角测量原理,获得了料面特征点的真实空间坐标,得到稀疏的三维点云数据,在无需安装多个内窥镜的前提下,解决了单目重建精度不高的问题;
(3)为了将稀疏点云稠密化,结合高炉料面的布料环特征,基于D-TIN算法追踪生成了深度等高线;
(4)构造了一个能够反映料面分布的距离场函数,将深度等高线映射到三维空间中,从而得到三维料面形貌。
附图说明
图1为本发明实施例二的基于虚拟多目内窥镜的高炉料面三维重建方法的流程图;
图2为本发明实施例二的虚拟内窥镜构建示意图;
图3为本发明实施例二的内窥镜成像模型;
图4为本发明实施例二的基于虚拟内窥镜的特征点位置获取示意图;
图5为本发明实施例二的料面深度等高线;
图6为本发明实施例二的高炉料面三维形貌;
图7为本发明实施例的基于虚拟多目内窥镜的高炉料面三维重建***的结构框图。
附图标记:
10、存储器;20、处理器。
具体实施方式
为了便于理解本发明,下文将结合说明书附图和较佳的实施例对本发明作更全面、细致地描述,但本发明的保护范围并不限于以下具体的实施例。
以下结合附图对本发明的实施例进行详细说明,但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
实施例一
本发明实施例一提供的基于虚拟多目内窥镜的高炉料面三维重建方法,包括:
步骤S101,利用料面下降形成的视差,建立料面与内窥镜的相对运动模型,在空间上虚构多目虚拟内窥镜;
步骤S102,基于虚拟内窥镜和三角测量原理恢复特征点的空间坐标,从而获得稀疏的三维点云数据;
步骤S103,根据高炉料面的布料环特征,利用稀疏的三维点云数据构建深度等高线;
步骤S104,构造一个能够反映料面分布的距离场函数,将深度等高线映射到三维空间中,并根据机械探尺数据进行定标,从而得到真实空间中的三维料面形貌。
本发明实施例提供的基于虚拟多目内窥镜的高炉料面三维重建方法,通过利用料面下降形成的视差,建立料面与内窥镜的相对运动模型,在空间上虚构多目虚拟内窥镜,基于虚拟内窥镜和三角测量原理恢复特征点的空间坐标,从而获得稀疏的三维点云数据,根据高炉料面的布料环特征,利用稀疏的三维点云数据构建深度等高线以及构造一个能够反映料面分布的距离场函数,将深度等高线映射到三维空间中,并根据机械探尺数据进行定标,从而得到真实空间中的三维料面形貌,解决了现有技术无法准确获取高炉料面三维形貌的技术问题,实现了高温高压、弱光强粉尘恶劣环境下料面三维重建,从而为高炉炉顶布料操作提供直观可靠的三维料面形貌,且准确可靠的三维料面形貌有利于及时发现高炉悬料、塌料、斜料等异常工况,同时对优化炉顶布料控制、调节煤气流分布,保障高炉绿色高效、安全平稳运行具有重要的价值。
具体地,由于高炉内部具有极其复杂和恶劣的环境,现场往往很难获得炉内的料面反应状态。高温工业内窥镜通过深入炉内近距离拍摄了高炉冶炼过程的料面图像,为现场及时掌握炉内反应状态提供了丰富直观的图像信息。为了准确获得料面的三维形貌,需要提取料面图像的深度信息,并基于深度信息实现料面三维重建。考虑到高炉在生产过程中会产生CO,为了防止CO泄露,现场对高炉的密闭性要求十分严格,而在高炉炉顶不同位置开多个孔以***多个高温工业内窥镜会破坏炉子结构,造成安全隐患,现场工人往往难以接受,因此目前只安装了一个内窥镜,这也为基于单目图像的料面三维重建带来了挑战。单目视觉三维重建就是从图像上挖掘能反映深度的线索,基于这些线索提取图像的深度,但精度往往比不上多目视觉的方法。由于料面在冶炼过程中会随着重力缓慢下降,并且在一个周期内料面形貌基本不变,这样便会与内窥镜形成视差,故本实施例在不安装多个内窥镜的前提下就可以根据这个视差假设在料面运动的方向上安装了多个内窥镜,这样便可以基于多目视觉的思想获得准确的料面空间位置,从而实现三维形貌的精准重建。
实施例二
参照图1,本发明实施例二提供的基于虚拟多目内窥镜的高炉料面三维重建方法,包括以下步骤:
(1)提取不同时刻的料面图像特征点并进行特征点匹配,利用料面下降形成的视差,建立料面与内窥镜的相对运动模型,在空间上虚构多目内窥镜;
(2)基于虚拟内窥镜和三角测量原理恢复特征点的三维坐标,从而获得料面上的点的空间坐标,得到了稀疏的三维点云数据;
(3)根据高炉料面的布料环特征,利用稀疏点云数据构建深度等高线;
(4)构造一个能够反映料面分布的距离场函数,将深度等高线映射到三维空间中,并根据机械探尺数据进行定标,从而得到真实空间中的三维料面形貌。
具体的实现方案如下:
(1)提取不同时刻的料面图像特征点并进行特征点匹配,利用料面下降形成的视差,建立料面与内窥镜的相对运动模型,在空间上虚构多目内窥镜。
在一个周期内,料面会出现向下运动情况,为三维重建提供了视差信息。在料面运动而内窥镜不动的情景下,料面与内窥镜发生相对运动,可以等效于料面静止,而在垂直方向上安装了多个内窥镜,捕捉到了不同角度下的料面图像,如图2所示。假设t1时刻料面在如图2所示的位置,此时内窥镜在图2中O所对应的位置,而在t2时刻,料面下降一段距离,则可以认为料面是不动的,而内窥镜运动到了O′所示位置。
多目内窥镜的构建包括两个步骤:特征点的提取与匹配、内窥镜运动参数的估计。特征点一般指的是图像灰度值发生剧烈变化或者图像边缘曲率较大能反映图像本质特征的点,如较暗区域的亮点、较亮区域的暗点、边缘轮廓点等。本发明使用ORB检测算法提取特征点,根据特征点的Hamming距离进行特征匹配,最后基于RANSAC算法精匹配降低误匹配率,其中L={p1,p2,...,pm}表示某一时刻料面图像的特征点集,Pi(xi,yi)表示特征点坐标。
为了构建虚拟内窥镜,需要根据特征点估计内窥镜运动参数。一般情况下,图像光流与运动场是对应的。光流场是空间内物体运动在二维平面上的投影,表征了运动物体或场景表面的光学特征部位在投影平面的瞬时速度,包含了物体或场景的运动参数,能够反映相机位置姿势的变化。
考虑内窥镜成像模型,如图3(A)所示,在以内窥镜光心为原点的相机坐标系中,假设P(xc,yc,zc)是料面上空间任意一点,P′(x0,y0)为点P在图像上的投影像点,空间点P和像点P′的坐标关系可以简化为图3(B),则有根据相似关系,空间点P和像点P′坐标存在如下关系:
式(1)可以转化为:
在高炉冶炼过程中,料面向下运动,料面与内窥镜存在相对运动关系,可以将料面运动,内窥镜静止等效为料面静止,内窥镜运动,并根据料面图像的特征点对构建料面—内窥镜相对运动模型。假设在某一时刻,内窥镜拍摄到一幅料面图像,其特征点集为L={P1,P2,...,Pm};在下一时刻,运动的内窥镜拍摄到另一幅料面图像,其特征点集为L′={P′1,P′2,...,P′m},特征点的坐标点分别对应于运动前后的相机坐标系,坐标原点为相机光心。假设相机运动的旋转矩阵为ω(ωx,ωy,ωz),平移矩阵为T(Tx,Ty,Tz)。考虑某一特征点P,则P点的空间变化可以表示为:
P′=ω×P+T (3)
其中P′表示P点运动后的坐标变化,写成矩阵的形式为:
其中,(x′c,y′c,z′c)表示空间点P点坐标对时间t的导数,假设P′处的光流为(u,v),则
其中料面上每点的光流值可以基于Gunnar Farneback方法计算。
考虑内窥镜运动而料面静止的场景,并假设在内窥镜只发生平移运动,也即旋转矩阵ω(ωx,ωy,ωz)=0,将式(5)代入式(2)及式(4)中,得到图像光流与虚拟内窥镜的运动参数关系如下:
将式(6)写成矩阵形式:
T=[Tx,Ty,Tz]T (8)
(2)基于虚拟内窥镜和三角测量原理,获得了特征点的三维坐标,并根据现场采集的机械探尺数据进行定标,从而得到料面空间点的真实三维坐标。
如图4所示,以一个虚拟内窥镜为例,假设料面沿着y方向运动,在t1时刻料面上某点P在t2时刻运动到P′,则在t2时刻的料面对应一个虚拟的内窥镜。考虑两个平行的平面坐标系(虚拟内窥镜平面坐标系、真实内窥镜平面坐标系),假设空间上一点P(xc,yc,zc)在两个图像坐标系上的坐标分别为q(x,y)、q′(x′,y′),虚拟内窥镜和真实内窥镜光心的基线距离表示为b,q和q′之间的视差为d,其中b可以根据内窥镜的平移矩阵求出,d可根据特征点匹配计算得到,满足:
d=|x-x′| (9)
根据三角测量原理:
联立式(9)和式(10)可求得空间点P在真实内窥镜平面的空间坐标为:
其中,xc、yc和zc分别为空间上点P在x,y,z方向的坐标,x,y表示P在真实内窥镜坐标系下图像上投影点的坐标,b为基线距离,d为视差,f为焦距。
通过式(11)可以计算所有特征点的在相机坐标系下的空间坐标。对于多个虚拟内窥镜,采用相同的方法得到更多的空间点的位置信息,从而得到了稀疏的料面三维点云数据。
(3)结合高炉料面的布料环特征,利用三维点云数据构建深度等高线。
深度等高线能够表征料面二维轮廓信息,其生成的思路为:首先对提取的深度数据进行网格化,构建不规则三角网,然后基于Delaunay Triangulated Irregular Network(D-TIN)算法追踪获得料面等值线,从而得到料面的等高线图。具体步骤如下:
首先,将离散的空间点连接成一个个相连的三角面网络,即三角网,并确保每个三角面为锐角三角形或者近似的等边三角形,而在三角网的构建过程中,深度数据的位置和密度决定了三角网的大小和密集程度。三角网的构建遵循Delaunay优化准则,每个三角形的外接圆所围成的区域,被看作该三角形采样点的临近区域,且该区域无其他采样点。在该三角网中的任意点,可能在三角面的顶点、边上、或者三角面内,对于不在顶点上的点,其高度值采用线性插值的方法获得。
在构建不规则三角网后,本发明基于D-TIN追踪生成料面深度等高线图,实现步骤如下:
Step 1:给定料面深度等高线一个固定的料位值或一个范围,以获取等高线的目标料位值。
Step 2:基于目标料位值计算等值点。计算等值点需要判断目标料位值为h的料面等高线是否经过该三角形。若不经过该三角形,则该三角面无等值点;若经过三角形,则等值点为等高线与三角形的交点,可以通过插值的方式求得。
假定三角形某一边的顶点坐标为(x1,y1,h1)、(x2,y2,h2),等值点的坐标为(x3,y3,h3),等值点的坐标可以通过顶点坐标得到,其计算公式如下:
Step 3:通过等值点集合绘制等值线。若干个等值点构成了等值点子集,等值点子集可能包含某一条等高线的所有等值点或者多条等高线的等值点,将包含多条等高线的等值点子集进行合并,并拆分成多个等值点子集,得到仅包含一条等高线的等值点子集,这些子集一起构成了等值点集合,根据该集合完成等高线的绘制。
Step 4:采用Bezier函数对追踪到的等高线进行光滑处理,从而获得光滑的闭合等高线曲线,如图5所示。
(4)构建一个距离场函数,将深度等高线映射到三维空间,并采集机械探尺的数据进行标定,实现料面三维重建。
深度等高线图反映了料面二维形态及变化趋势,要获得料面的空间三维形貌,需要将深度等高线转化到三维空间场,为此定义一个映射函数将所获得的二维等高线映射到三维空间中,以实现料面的三维重建。
考虑到两相邻料面深度等高线之间电势能场的强度的等值线形状变化与料面三维形貌变化有着相同的性质。然而,电势能场的强度随距离变化具有非均匀性,在距离等高线近时,强度与距离的相关性大;而在距离等高线远时,强度与距离的相关性小。由于高炉的环形布料方式,料面具有比较明显的布料环特征,呈现“M”型或者“V”型分布,中心料面低而两边料面高。在正常工况下,料面分布均匀,高度变化比较平缓。为实现料面形貌的三维重建,对电势能场强度模型进行修正,获得三维重建所需的距离场函数,使得相邻等高线的三维形貌变化符合其场强度变化。距离场的强度分布随距离变化的具有一定的均匀性,并可以表征等高线的形态变化,本发明定义的距离场函数如下:
两相邻等高线l、l′之间的区域的距离场函数如下:
其中,u、k、k′是常数,选定合适的u、k、k′的值,尽可能保证距离场变化与相邻等高线的三维形貌变化相符。
基于距离场函数可以将二维等高线映射到三维空间,从而得到高炉料面在内窥镜坐标系下的三维形貌。为了获得料面在世界坐标系下的位置信息,现场采集机械探尺的测量数据,根据机械探尺测量值和在世界坐标系下的绝对坐标,将料面位置由相机坐标系转化为世界坐标系。
其中,(xw,yw,zw)是机械探尺检测到的料面上的点的世界坐标,(xc,yc,zc)是该点在相机坐标系下的坐标,R表示相机坐标相对世界坐标的正交旋转矩阵,t表示相机坐标相对世界坐标的平移矩阵。
通过坐标变换,获得高炉料面的真实三维形貌,如图6所示,可以为现场操作工人提供直观、可靠的料面三维空间信息。
实施例三
本实施例以某炼铁厂2650m3高炉为实验平台,从现场采集了高炉冶炼过程的料面图像,利用本发明提出的基于虚拟多目内窥镜的高炉料面三维重建方法,提取了料面不同位置的空间坐标,实现了料面形貌的三维重建,为炉顶布料操作提供直观形象的三维料面和准确的位置信息。具体实施步骤如下:
1、对不同时刻的料面图像进行特征点提取和匹配,得到特征点集;
2、根据料面与内窥镜的视差关系,建立料面与内窥镜的相对运动模型,得到虚拟内窥镜的运动参数,在垂直空间上虚构了内窥镜;
3、根据虚拟内窥镜和三角测量原理在真实内窥镜和虚拟内窥镜的不同观测射线的相交点求得三维空间点的位置坐标,得到稀疏三维点云;
4、将稀疏三维点云连接成不规则三角网,并基于D-TIN算法追踪生成了深度等高线;
5、构造了一个能够反应料面分布的距离场函数,将深度等高线映射到三维空间,得到了稠密的三维料面形貌;
6、现场采集机械探尺的测量数据,利用机械探尺的真实空间坐标将料面上的位置信息转换到世界坐标下。
本发明提出的高炉料面形貌三维重建方法可以得到高炉冶炼过程准确、直观、可靠的料面三维空间信息,对于高炉炉顶布料控制具有极其重要的参考价值,也是高炉炼铁从黑箱操作走向透明化和智能化的关键。
参照图7,本发明实施例提出的基于虚拟多目内窥镜的高炉料面三维重建***,包括:
存储器10、处理器20以及存储在存储器10上并可在处理器20上运行的计算机程序,其中,处理器20执行计算机程序时实现本实施例提出的基于虚拟多目内窥镜的高炉料面三维重建方法的步骤。
本实施例的基于虚拟多目内窥镜的高炉料面三维重建***的具体工作过程和工作原理可参照本实施例中的基于虚拟多目内窥镜的高炉料面三维重建方法的工作过程和工作原理。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于虚拟多目内窥镜的高炉料面三维重建方法,其特征在于,所述方法包括:
利用料面下降形成的视差,建立料面与内窥镜的相对运动模型,在空间上虚构多目虚拟内窥镜;
基于虚拟内窥镜和三角测量原理恢复特征点的空间坐标,从而获得稀疏的三维点云数据;
根据高炉料面的布料环特征,利用稀疏的三维点云数据构建深度等高线;
构造一个能够反映料面分布的距离场函数,将深度等高线映射到三维空间中,并根据机械探尺数据进行定标,从而得到真实空间中的三维料面形貌。
2.根据权利要求1所述的基于虚拟多目内窥镜的高炉料面三维重建方法,其特征在于,利用料面下降形成的视差,建立料面与内窥镜的相对运动模型,在空间上虚构多目虚拟内窥镜包括:
对不同时刻的料面图像进行特征点提取和匹配;
根据特征点对应的空间点运动前后的空间坐标,获得特征点的空间坐标运动方程;
根据内窥镜成像模型,获取特征点对应的空间点的空间坐标与特征点在料面图像上的图像投影点的坐标之间关系的投影转换方程;
计算特征点的光流,所述光流具体为特征点在料面图像上的图像投影点的瞬时速度;
根据特征点的空间坐标运动方程、投影转换方程以及特征点的光流,获得内窥镜运动参数;
根据内窥镜运动参数,在垂直方向上虚构多目虚拟内窥镜。
4.根据权利要求3所述的基于虚拟多目内窥镜的高炉料面三维重建方法,其特征在于,基于虚拟内窥镜和三角测量原理恢复特征点的空间坐标,从而获得稀疏的三维点云数据包括:
根据内窥镜运动参数中的平移矩阵,获取虚拟内窥镜和真实内窥镜光心的基线距离;
根据特征点匹配,获取特征点在虚拟内窥镜平面坐标系和真实内窥镜平面坐标系中的视差;
根据基线距离和视差,利用三角测量原理,获得特征点对应的空间点在真实内窥镜平面的空间坐标。
6.根据权利要求5所述的基于虚拟多目内窥镜的高炉料面三维重建方法,其特征在于,根据高炉料面的布料环特征,利用稀疏的三维点云数据构建深度等高线包括:
对获取的离散的三维点云数据进行网格化,构建不规则三角网;
基于D-TIN算法追踪获得料面等值线,从而得到料面的等高线图。
7.根据权利要求6所述的基于虚拟多目内窥镜的高炉料面三维重建方法,其特征在于,基于D-TIN算法追踪获得料面等值线,从而得到料面的等高线图包括:
预设料面深度等高线的目标料位值;
判断目标料位值对应的料面深度等高线是否经过所述不规则三角网,若不经过所述不规则三角网,则所述不规则三角网无等值点;若经过所述不规则三角网,则等值点为料面深度等高线与所述不规则三角网的交点;
将包含多条料面深度等高线的等值点子集进行合并,并拆分成多个等值点子集,得到仅包含一条等高线的等值点子集,根据仅包含一条等高线的等值点子集绘制料面深度等高线;
采用Bezier函数对追踪到的料面深度等高线进行光滑处理,从而获得光滑的闭合等高线曲线,并根据光滑的闭合等高线曲线获得料面的等高线图。
9.一种基于虚拟多目内窥镜的高炉料面三维重建***,所述***包括:
存储器(10)、处理器(20)以及存储在存储器(10)上并可在处理器(20)上运行的计算机程序,其特征在于,所述处理器(20)执行所述计算机程序时实现上述权利要求1至8任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111108259.4A CN113888715B (zh) | 2021-09-22 | 一种基于虚拟多目内窥镜的高炉料面三维重建方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111108259.4A CN113888715B (zh) | 2021-09-22 | 一种基于虚拟多目内窥镜的高炉料面三维重建方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113888715A true CN113888715A (zh) | 2022-01-04 |
CN113888715B CN113888715B (zh) | 2024-07-30 |
Family
ID=
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114463236A (zh) * | 2022-01-27 | 2022-05-10 | 重庆西山科技股份有限公司 | 单目内窥镜三维图像的显示方法和*** |
CN115914809A (zh) * | 2022-09-27 | 2023-04-04 | 中南大学 | 一种幽光高温工业立体内窥镜 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109493426A (zh) * | 2018-07-24 | 2019-03-19 | 中南大学 | 一种基于单目成像的高炉料面三维重构方法及*** |
WO2021115071A1 (zh) * | 2019-12-12 | 2021-06-17 | 中国科学院深圳先进技术研究院 | 单目内窥镜图像的三维重建方法、装置及终端设备 |
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109493426A (zh) * | 2018-07-24 | 2019-03-19 | 中南大学 | 一种基于单目成像的高炉料面三维重构方法及*** |
WO2021115071A1 (zh) * | 2019-12-12 | 2021-06-17 | 中国科学院深圳先进技术研究院 | 单目内窥镜图像的三维重建方法、装置及终端设备 |
Non-Patent Citations (1)
Title |
---|
龙宇航;吴德胜;: "高空遥感图像空间特征信息三维虚拟重建仿真", 计算机仿真, no. 12, 15 December 2019 (2019-12-15) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114463236A (zh) * | 2022-01-27 | 2022-05-10 | 重庆西山科技股份有限公司 | 单目内窥镜三维图像的显示方法和*** |
CN115914809A (zh) * | 2022-09-27 | 2023-04-04 | 中南大学 | 一种幽光高温工业立体内窥镜 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104335005B (zh) | 3d扫描以及定位*** | |
CN106780601B (zh) | 一种空间位置追踪方法、装置及智能设备 | |
CN113436260B (zh) | 基于多传感器紧耦合的移动机器人位姿估计方法和*** | |
CN106839977B (zh) | 基于光栅投影双目成像技术的盾构渣土体积实时测量方法 | |
CN110728671B (zh) | 基于视觉的无纹理场景的稠密重建方法 | |
Tang et al. | Vision‐based three‐dimensional reconstruction and monitoring of large‐scale steel tubular structures | |
CN111833333A (zh) | 一种基于双目视觉的悬臂式掘进装备位姿测量方法及*** | |
CN110009732B (zh) | 基于gms特征匹配的面向复杂大尺度场景三维重建方法 | |
CN109115173A (zh) | 基于直线定位模型的掘进机机身位姿单目视觉测量方法 | |
CN113379801B (zh) | 一种基于机器视觉的高空抛物监测定位方法 | |
CN116222543B (zh) | 用于机器人环境感知的多传感器融合地图构建方法及*** | |
CN109872355A (zh) | 一种基于深度相机的最短距离获取方法及装置 | |
JP3668769B2 (ja) | 対象物体の位置・姿勢算出方法及び観測カメラの位置・姿勢算出方法 | |
CN113888715B (zh) | 一种基于虚拟多目内窥镜的高炉料面三维重建方法及*** | |
CN102243064A (zh) | 虚拟演播室中摄像机的位置和姿态的测定***及方法 | |
CN113888715A (zh) | 一种基于虚拟多目内窥镜的高炉料面三维重建方法及*** | |
CN113421286B (zh) | 一种动作捕捉***及方法 | |
JP2010009236A (ja) | 平面領域推定装置及びプログラム | |
CN110415292A (zh) | 一种圆环标识的运动姿态视觉测量方法及其应用 | |
Hongsheng et al. | Three-dimensional reconstruction of complex spatial surface based on line structured light | |
Yaping et al. | Research on binocular forest fire source location and ranging system | |
CN114581503A (zh) | 煤矿井下环境建模方法及*** | |
CN115272454A (zh) | 一种基于深度图像的低成本易部署的井下定位方法 | |
Gao et al. | Development of a high-speed videogrammetric measurement system with application in large-scale shaking table test | |
CN108549089A (zh) | 一种用于slam的镂空障碍物检测装置和方法 |
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 | ||
GR01 | Patent grant |