[发明专利]一种基于机器视觉的集装箱锁孔快速识别与吊具纠偏方法

说明书

本发明公开了一种基于机器视觉的集装箱锁孔快速识别与吊具纠偏方法，该方法通过在吊具的四角分别安装一个摄像头，在距离集装箱上方的固定高度采集样本图像，然后人工标记锁孔位置并提取锁孔的梯度直方图用于训练Cascade分类器与支持向量机，首先采用训练好的Cascade分类器找出图像中可能是锁孔的区域作为候选区域，然后采用经过训练的支持向量机根据每个候选区域的梯度直方图进行分类找出其中是锁孔的区域，最后根据四幅图像中锁孔的相对位置计算出锁孔与吊具的位置偏差并进行调整。本发明能够快速准确地定位锁孔的位置并有效地抑制光线的影响，能够在室外环境下稳定工作。

技术领域

本发明属于机器视觉与图像处理领域，具体涉及到机器视觉中的目标检测方法。

背景技术

随着物流业的快速发展和人力成本的上升，码头、港口、货场等地迫切需要通过提升机械的自动化水平，增加货物周转效率，减少人力管理成本。其中，在吊车吊起集装箱的环节对司机操作要求较高，采用人工操作在吊具对准集装箱时耗时较长。提升该环节效率的关键是实现吊具与集装箱上锁孔的自动对准。采用机器视觉方法来实现该功能是一种较为常见的方法，但是需要注意提高抗环境光的干扰能力，还需要提高识别准确率和实时性。

现有的多种机器视觉解决方案，其中发明专利《一种集装箱锁孔粗定位和跟踪方法》(CN：105956619A)与本发明的方案最为接近。该发明采用两个摄像头，每个摄像头只采集两个锁孔的图像，同样采用梯度直方图和支持向量机的方法对锁孔进行识别，但是没有对支持向量机进行二次训练，识别准确率低，需要通过面积排序选择锁孔区域。此外，需要对图像进行多尺度搜索，运行速度慢，难以满足现场的实时性要求，而且每幅图像只能包含两个锁孔，若存在相邻集装箱的锁孔干扰则难以分辨。因此，此发明所述算法只能用于锁孔的粗定位与跟踪，难以用于计算吊具与集装箱的位置偏差。

综上所述，本发明首先采用执行效率更高的Cascade方法产生候选区域，然后提取候选区域的梯度直方图采用经过二次训练的支持向量机进行分类，识别准确性高速度快。梯度直方图是锁孔的形状特征，不易受到光线干扰，识别效果稳定。此外，本发明中提出的现场校正方法避免单独对每个相机分别进行校准，同时避免因为摄像头安装的位置偏差造成的定位偏差。吊具上安装的陀螺仪能够实时检测吊具的运动状态，从而确保相机在吊具的平衡位置采集图像，避免因为吊具自身的晃动使得吊具与集装箱的偏差计算产生误差。

发明内容

为了让吊具自动对准集装箱锁孔实现自动起吊，本发明提供了一种基于机器视觉的集装箱锁孔快速识别与吊具纠偏方法，该方法包括以下步骤：

1、一种基于机器视觉的集装箱锁孔快速识别与吊具纠偏方法，其特征在于，包括以下步骤：

步骤1：在吊具四个角各安装一个摄像头用于图像采集并在吊具上安装一个六轴陀螺仪用于吊具姿态检测，然后进行现场校准；

步骤2：通过摄像头采集样本图像，人工标记出其中的锁孔区域和非锁孔区域将其作为正负样本，并提取样本的梯度直方图对支持向量机与Cascade分类器分别进行训练；

步骤3：四个摄像头各采集一幅图像，然后用训练好的Cascade分类器对每个图像进行多尺度检测得到候选区域，接着提取候选区域的梯度直方图输入训练好的支持向量机进行分类，得到锁孔区域。

步骤4：滤除附近其他集装箱锁孔的干扰并根据四幅图像中锁孔的相对位置计算出吊具与集装箱的偏差。进一步，所述步骤1中的现场校准方法，具体步骤如下：

步骤1.1：将吊具插入集装箱锁孔接着解锁，在原位置上升到距离集装箱h的高度，然后令四个摄像头同时分别采集一副图像；

步骤1.2：将吊具向集装箱的前后左右四个方向分别移动0.2h的距离，并且在吊具停止晃动后，令四个摄像头同时分别采集一副图像；