[发明专利]一种桥吊下集装箱拖架的自动识别与定位装置及方法

权利要求书

1.一种桥吊下集装箱拖架的自动识别与定位方法，其特征在于，利用自动识别与定位装置，所述装置包括：设置在桥吊横梁上的定位相机(1)、数据传输模块(2)、数据处理模块(3)，所述定位相机(1)与数据传输模块(2)耦接，所述数据传输模块(2)与数据处理模块(3)耦接，所述定位相机(1)是用于获得桥吊下的集装箱图像，并确定所述集装箱图像中的所有像素点；所述数据传输模块(2)是将定位相机(1)收集的图像传输至数据处理模块(3)中；所述数据处理模块(3)是对数据模块传输过来的图像进行自动识别定位处理；所述横梁上设置有防水盒(4)，所述数据处理模块(3)设置在防水盒(4)中；

所述方法包括：

S1、对传送来的集装箱图像数据进行预处理，包括：

S101、对彩色图像进行灰度化处理，减少视频帧图像的信息处理量与复杂度；

S102、采用图像滤波方法对图像进行滤波来抑制图像中的噪声；

S2、采用高斯背景建模方法，对预处理图像中的背景像素建立参数模型，包括：

S201、采用第一帧图像初始化参数，初始期望，初始标准差，阈值系数以及学习率或者更新率；

μ_t(x，y)＝I(x，y，t)

σ₀(x，y)＝20

λ＝2.5

α＝0.5

其中I(x，y，t)表示像素点(x，y，t)在t时刻的像素值、μ_t(x，y)为初始期望公式、σ₀(x，y)表示初始标准差公式、λ为阈值系数、α为学习率；

S202、前景检测，将新读入图像的像素值与期望值做差，结果与阈值比较，检测前景目标；

前景像素检测公式：|I(x，y，t)-μ_t-1(x，y)|≥λσ_t-1

其中μ_t-1是背景模型在t-1时刻的均值，σ_t-1是背景模型在t-1时刻的标准差；

S203、更新参数包括，期望，标准差；

更新公式如下：

μ_t(x，y)＝(1-α)*μ_t-1(x，y)+α*I(x，y，t)

其中μ_t(x，y)表示期望、σ_t(x，y)表示标准差、α表示学习率；

S204、重复S202，S203步骤直至图像序列结束；

S3、运用背景减除法对预处理图像中前景图像进行检测，包括：

S301、经过预处理的输入图像与构建的背景模型进行差分运算；

S302、差分图像的像素差值与实验确定的阈值T进行比较，差分图像的像素差值大于该阈值T，该像素点为前景点，差分图像的像素差值小于或等于该阈值T，该像素点为背景点；

比较公式如下：

其中F(x，y，m)为第m个输入图像的像素值，H(x，y，m)为第m个输入图像的背景像素值；

S4、基于预置的至少一个初始聚类中心点和所有像素点及其位置，对步骤S3中检测的前景进行聚类处理，得到每个初始聚类中心点对应的聚类像素区域，包括：

S401、在步骤S3中提取的前景图像中随机预置至少一个初始聚类中心点，通过硬聚类算法和所述初始聚类中心点，对步骤S3中提取的前景图像中的所有像素点进行聚类，得到每个所述初始聚类中心点对应的至少一个像素点及其位置坐标；

S402、基于所述至少一个像素点及其位置坐标，更新对应的所述初始聚类中心点，得到所述初始聚类中心点对应的更新聚类中心点；

S403、将所述更新聚类中心点确定为所述初始聚类中心；

S404、重复S401～S404步骤，直至对所述初始聚类中心点的更新为零，确定每个初始聚类中心点对应的聚类像素区域及其中的至少一个像素点及其位置坐标；

S5、对步骤S4中的聚类像素区域依次进行图像二值化、图像腐蚀及图像膨胀处理，包括：

S501、确定预设的二值化阈值；

S502、基于所述预设的二值化阈值，对每个初始聚类中心点对应的聚类像素区域进行图像二值化处理；

S6、对步骤S5处理后的图像区域中的连通域进行筛选过滤，并计算筛选后的连通域，最后截取出集装箱的图像，包括：

S601、通过区域筛选，得到集装箱的区域连通域；

S602、基于外接矩形截取步骤S601中处理后的连通域，获得集装箱的定位图像。