[發明專利]基于深度相機圖像檢測的煤矸識別方法

在審

• 申請號: 202210136726.2
• 申請日: 2022-02-15
• 公開（公告）號: CN114792301A
• 公開（公告）日: 2022-07-26
• 發明（設計）人: 季亮;沈科;張袁浩;陳曉晶;周李兵;霍振龍;任書文;潘祥生;王國慶
• 申請（專利權）人: 天地（常州）自動化股份有限公司;中煤科工集團常州研究院有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/13;G06T7/62;G06T7/70
• 代理公司: 常州至善至誠專利代理事務所(普通合伙) 32409
• 代理人: 趙旭

本發明公開了一種基于深度相機圖像檢測的煤矸識別方法，包括：S1、利用深度相機獲取某一輸送區域的深度圖像和RGB圖像；S2、根據深度圖像對RGB圖像進行預處理；S3、尋找出預處理之后的RGB圖像中輸送區域內煤炭和矸石的輪廓，并繪制出煤炭和矸石的最小外接矩形；S4、計算出最小外接矩形內指定位置的灰度平均值，若灰度平均值超過閾值，則判斷該最小外接矩形內的物體為矸石，反之則為煤炭。本發明的煤矸識別過程快速，提高了實時性，識別時準確率高，在不增加硬件設施的前提下，提高了煤矸識別的效果。

技術領域

本發明屬于煤矸識別技術領域，具體涉及一種基于深度相機圖像檢測的煤矸識別方法。

背景技術

在煤礦生產中常常伴有大量的矸石，這些矸石如不及時處理掉會影響煤炭的品質，故在開采后的煤礦中分揀出矸石能夠有效提高煤炭的品質。因此，在煤矸分揀之前，如何準確而有效的識別出矸石是前提條件，現有煤矸識別算法基于RGB圖像，這類煤矸識別方法存在如下劣勢：圖像中干擾因素較多直接影響檢測效果，如煤炭和矸石的紋理等信息較多且相似度較高，容易產生誤識別。

發明內容

本發明旨在至少解決現有技術中存在的技術問題之一。

為此，本發明提出一種基于深度相機圖像檢測的煤矸識別方法，該基于深度相機圖像檢測的煤矸識別方法具有將RGB圖與深度圖相融合，同時兼顧了煤矸識別準確率和實時性要求的優點。

根據本發明實施例的基于深度相機圖像檢測的煤矸識別方法，包括：S1、利用深度相機獲取某一輸送區域的深度圖像和RGB圖像；S2、根據深度圖像對RGB圖像進行預處理；S3、尋找出預處理之后的RGB圖像中輸送區域內煤炭和矸石的輪廓，并繪制出煤炭和矸石的最小外接矩形；S4、計算出最小外接矩形內指定位置的灰度平均值，若灰度平均值超過閾值，則判斷該最小外接矩形內的物體為矸石，反之則為煤炭。

本發明的有益效果是，本發明利用深度相機對輸送中的煤炭和矸石進行拍攝，從而同時獲取深度圖像和RGB圖像，將深度圖像和RGB圖像進行結合預處理，從而能夠更準確快速識別出煤炭和矸石的輪廓，并繪制出輪廓所對應的最小外接矩形，根據區域內指定位置的灰度平均值的大小來判斷該最小外接矩形內的物體的類型，煤矸識別過程快速，提高了實時性，識別時準確率高，在不增加硬件設施的前提下，提高了煤矸識別的效果。

根據本發明一個實施例，在S2中預處理的操作包括校正對齊處理和提高對比度處理。

根據本發明一個實施例，在S2中經過校對齊后的RGB圖像中融合了深度圖像的地信息，形成為RGBD圖像，將RGBD圖像復制一份，將其中一份RGBD圖像的背景色轉換為黑色，然后利用卷積運算函數filter2D和拉普拉斯算子來提高對比度。

根據本發明一個實施例，Filter2D卷積運算公式為：

，記為式(1)；其中，kernel(x′，y′)為一個單通道浮點型的矩陣；src為輸入圖像；anchor為內核的基準點，其默認值為(-1，-1)，說明位于kernel的中心位置；dst為輸出圖像。

根據本發明一個實施例，拉普拉斯算子公式為：記為式(2)；其中，src為輸入圖像，dst為輸出圖像。

根據本發明一個實施例，所述S3包括：S31、將提高對比度之后的RGBD圖像作為輸入，利用尋找輪廓算法的函數findContours找尋到提高對比度之后的RGBD圖像中物體的輪廓。

根據本發明一個實施例，所述S3還包括：S32、設定最小外接矩形的面積閾值，以濾除無效的最小外接矩形；S33、判斷兩個最小外接矩形是否由同一物體所產生，若兩個最小外接矩形由同一物體所產生，則從兩個最小外接矩形中篩選出該物體所對應的實際最小外接矩形。