[發明專利]智能視覺識別車板線纜盤中心坐標系統

有效

• 申請號: 201810977086.1
• 申請日: 2018-08-26
• 公開（公告）號: CN110163056B
• 公開（公告）日: 2020-09-29
• 發明（設計）人: 秦健;宋紀恩;丁一;薛劭節;周岳;袁黎;溫富國;沈鍵
• 申請（專利權）人: 國網江蘇省電力有限公司物資分公司;南京和瑞供應鏈管理有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 北京太兆天元知識產權代理有限責任公司 11108
• 代理人: 王宇

本發明涉及人工智能領域，特別涉及倉儲領域的人工智能，更為具體的說是涉及智能視覺識別車板線纜盤中心坐標系統。通過自學習的方式建立可靠線纜盤圖像特征庫，并利用掃描設備掃描獲得線纜盤圖像，結合特征庫特征進行輪廓獲取和坐標識別，從而能夠高準確度、高精確度的自動獲得車板裝載線纜盤的場地坐標位置。經實驗，本發明公開的智能視覺識別車板線纜盤中心坐標系統的識別誤差率小于0.3％，所生成場地坐標精度誤差在±40mm以內。

技術領域

本發明涉及人工智能領域，特別涉及倉儲領域的人工智能，更為具體的說是涉及智能視覺識別車板線纜盤中心坐標系統。

背景技術

人工智能是目前工業化發展的方向，也是工業化發展中研發的熱點和重點方向。智能視覺是人工智能一個重要的分支。它是一門研究如何使機器“看”的科學，簡單的說就是用攝像頭代替人眼，通過對目標進行識別、跟蹤和測量，并在電腦中將這些數據處理成更適合人眼觀察的圖像。

人工智能機器視覺識別技術，利用機器代替人眼來做各種測量和判斷。它綜合了光學、機械、電子、計算機軟硬件等方面的技術，涉及到計算機、圖像處理、模式識別、人工智能、信號處理、光機電一體化等多個領域。圖像處理和模式識別等技術的快速發展，也大大地推動了機器視覺的發展。

輪廓特征值自學習是以輪廓模板插值和局部自學習相結合的圖像紋理增強超采樣算法，其可以有效恢復插值圖像丟失的細節紋理，抑制插值圖像邊緣的擴散。該方法通過局部自相似性在原始低分辨圖像中估計高頻信息，對輪廓模板插值圖像的細節紋理進行恢復。為了彌補輪廓模板插值缺少先驗知識的缺陷，該自學習當中將原始低分辨率圖像的高頻信息作為先驗知識。為了保證估計的高頻信息最優，在自學習的匹配過程中采用雙匹配，相比較于全局搜索和小窗搜索，提高了效率并保證了匹配精度。此外，輪廓特征值使用高斯模糊代替了傳統提取高頻信息的方法，簡化了算法的復雜度，提高了準確性和效率。

在倉儲大場景中實現工業自動化，特別是在倉儲的裝卸物資過程中實現自動化就必然要依賴于對運輸車車板以及其上所裝載物資的準確識別，只有精準識別物資位置，物資尺寸才能給出準確的裝卸信號，保證裝卸自動化操作的可靠性。

線纜盤是電力行業倉儲中的常見物資，目前行業內尚未有針對線纜盤的智能視覺識別系統和方法，同時現有的識別系統和方法也并不適合于倉儲大場景下的線纜盤識別。因此，線纜盤的準確識別和坐標定位是限制倉儲大場景下線纜盤裝卸工序工業化、自動化發展的主要問題之一。只有解決好線纜盤的自動識別、坐標定位，才能引導自動裝卸設備到達預定裝卸位，開展后續的裝卸工作。

因此，找到一種可靠的智能視覺識別車板線纜盤坐標系統是目前倉儲大場景，也是線纜盤倉儲過程中亟待解決的問題。

發明內容

本發明所要解決的技術問題是提供一種通用性好，穩定性高，精確度高的智能視覺識別車板線纜盤坐標系統。

為了解決上述技術問題，本發明公開了一種智能視覺識別車板線纜盤坐標系統，該系統通過以下步驟實現智能視覺識別車板線纜盤坐標的目的，

步驟1：收集不同光照下、不同裝車高度條件下、以及不同擺放角度下的線纜盤上位視覺探測圖像，提取線纜盤俯視圖特征，然后將這些特征與對應的線纜盤型號匹配，并建立不同型號的線纜盤圖像特征庫；

步驟2：持續對線纜盤視覺探測圖像進行自學習，優化該線纜盤圖像特征庫，提高其識別準確率；

步驟3：每次生成線纜盤卸車坐標前，通過將視覺探測機構對停車區域進行掃描生成的視覺探測圖像與線纜盤圖像特征庫進行特征比對，獲得車板上每個線纜盤的形狀輪廓；

步驟4：根據線纜盤輪廓，以幾何中心的計算方法獲取該線纜盤的圖像像素點的中心坐標；

步驟5：根據視覺探測圖片像素原點的場地坐標值，按比例和角度關系，將每個線纜盤的像素點中心坐標轉化成裝卸場地坐標。