[发明专利]一种基于机器视觉的轮胎吊行走系统自动纠偏方法

说明书

技术领域

本发明涉及机器视觉和图像识别领域，特别是一种基于机器视觉的车辆导航方法。

背景技术

轮胎吊具有转场机动灵活，在港口不受定点作业区域限制，能够提高港口设备利用率，减少港口起重机配置数量等特点。然而随着物流的快速发展和人工成本的上升，对轮胎吊的使用效率提出更高的要求。传统的轮胎吊行驶过程中是司机通过肉眼观察地面的引导线采用人工手动纠偏方式，以确保轮胎吊在规定跑道上安全行驶。此种驾驶方式效率不高且需要司机全神贯注，对精力消耗较大，易造成误操作或操作不当从而发生碰撞等事故。

因此实现轮胎吊行走系统的自动纠偏具有重要意义，能够进一步提高工作效率。GPS载波相位差分定位技术是一种已在运用的可以为轮胎吊提供定位导航和自动纠偏的技术。然而该技术方案需要在堆场建造GPS基准站和移动站并在轮胎吊上安装差分接收天线等设备，设备投资大、技术要求高，而且为了减少轮胎吊本体对GPS信号的屏蔽影响，GPS天线需安装在轮胎吊顶端，距地面高度可达15m-20m，定位精度受堆场地面水平度影响较大。因此本发明提出基于机器视觉的轮胎吊自动纠偏方法，通过摄像头的识别轮胎吊引导线并据此计算规划路径制定纠偏策略。相较于采用GPS载波相位差分技术，该方案更为经济。尽管在大雪大雾等天气状况下，会限制摄像头的视野影响摄像头的正常工作，本发明对天气有较好的鲁棒性，在不形成大范围积水、积雪和可见范围足够的雨雾天气仍能正常识别引导线。

发明内容

本发明的目的是提供一种基于机器视觉的轮胎吊行走系统自动纠偏方法，能通过摄像头有效检测轮胎吊行走系统的引导线并计算规划路径制定纠偏策略。

1.本发明解决其技术问题所采用的技术方案包括以下步骤：

(a)选择选择轮胎吊行走系统一侧作为引导侧，在其前后位置分别安装一个同一型号和配置的摄像头并进行校准；

(b)对采集到的图像通过适当的图像预处理得到特定大小和分辨率的待检测图像；

(c)建立BP神经网络并选取大量像素点集进行多次训练；

(d)选取测试误差最小的网络对图像进行识别，所述的图像识别是将每个像素点及其周边范围内像素点的RGB值输入神经网络进行判别；

(e)将识别后的图像简化为一系列离散的点，采用混合Hough变换和最小二乘的方法对图像进行直线检测，通过取所检测到直线对应参数的平均值将检测到的直线合并，并作为规划路径；

(f)拼接前后摄像头图像，以拼接后图像的左上角为原点建立新的坐标系并重新建立两条规划路径的方程；

(g)将两条规划路径参数转换到极坐标参数空间，分别表示为(ρ₁,θ₁)，(ρ₂,θ₂)，计算两点的欧氏距离，若距离大于设定值，则前后摄像头位置有变动需要重新进行校准，否则合并两条规划路径方程为一条；

(h)根据引导侧的中心和规划路径的位置关系以及规划路径与图像纵向中线的夹角制定纠偏策略。

进一步，所述步骤a中所述的摄像头的安装和校准，前后摄像头应安装在引导侧前后的同一高度并与水平面所夹角度一致，具体校准步骤如下：

Step1：令轮胎吊的引导侧中心位于引导线上并使引导侧所在直线与引导线所夹角度大于15度；

Step2：前后摄像头分别采集图像并进行预处理，延长每幅图像中的引导线和图像纵向中线使其相交于图像外。

Step3：测定交点到图像的距离分别计为l1、l2，若二者不一致，则调整摄像头使其一致并计为l；

进一步，所述步骤b中所述的预处理是指将采集到的大幅面高分辨率图像进行分辨率降低并截取感兴趣区域，若图像噪声严重还要进行图像滤波处理。

进一步，所述步骤c中所述的BP神经网络的建立和训练，建立输入层节点为75，输出层节点数为1的BP神经网络，选取大量引导线上大小为5*5的像素点集和引导线外大小为5*5的像素点集并将其分别作为正例和反例对神经网络进行训练，此正反例选取应包括各种工况条件下拍摄的图像，且各种工况下选取的正反例数量需要达到一定数量级。

进一步，所述步骤e中所述的图像简化和混合Hough变换和最小二乘的直线检测方法，其中图像简化的方法如下：

Step1：对识别得到的二值图像每隔5个像素点的宽度取一条横向直线；

Step2：取该直线上每个连通区的中点来简化二值图像。

混合Hough变换和最小二乘的直线检测方法如下：