[发明专利]基于相机和机器学习的辊道线轮毂的检测定位方法及系统

说明书

本发明提供了一种基于相机和机器学习的辊道线轮毂的检测定位方法及系统，系统包含硬件和软件两部分，其中硬件部分包含主控单元和视觉检测单元。主控单元负责连接相机、传送带和PLC等设备，运行相关程序。视觉检测单元，包括多台工业RGB相机，负责实时地对辊道线上的轮毂采集图像。软件部分包含主控软件和视觉检测软件。主控软件根据作业流程和各个硬件设备的信号状态，向PLC发送运动控制信号。视觉检测软件负责对辊道线上的轮毂进行检测识别和定位。本发明使用数量较少的相机即可对整条流水线上的轮毂进行检测与定位，减少了成本；同时相机安装时离产线较远，避免高温对设备造成损伤；还有目标识别准确率高，能够排除轮毂之外的物体对检测的干扰。

技术领域

本发明属于目标检测技术领域，尤其是涉及一种基于相机和机器学习的辊道线轮毂的检测定位方法及系统。

背景技术

目前在一些大型列车，例如火车，的轮毂生产线上，由于轮毂较重，且生产线较长，为了减少电机的负载，并且节能减排，将生产线等分成若干段，每段分配若干电机，只有当轮毂经过该段生产线时，才开启该段的电机，故此需要实时识别轮毂的位置。

现在大多数大型列车的轮毂生产厂商，通过在产线两端安装光电传感器对轮毂进行定位，这种检测方法需要每段产线两边各放置一个光电传感器，因此一条产线需要数量较多的传感器，提高了成本。

并且轮毂制造工艺中有一道热处理工序，温度较高的轮毂会减少两旁光电传感器的使用寿命，而且当其中一个传感器出现故障时，轮毂会滞留在该段产线，需要停止整条产线来更换出现故障的传感器，影响生产效率。此外，若传感器被其他物体遮挡时，即使没有轮毂经过，也会造成该段电机工作，浪费能源。

发明内容

有鉴于此，本发明旨在提出一种基于相机和机器学习的辊道线轮毂的检测定位方法及系统，减少了成本，识别精确度高。

为达到上述目的，本发明的技术方案是这样实现的：

第一方面，本发明提供一种基于相机和机器学习的辊道线轮毂的检测定位方法，包括如下步骤：

1)根据需要检测的辊道线的长度结合相机模型计算需要的相机的个数及安装角度，安装部署相机后并与主控单元连接，实现将相机采集的图片传输到主控单元进行分析；

2)标注每个相机视野下对应的辊道线体在整条辊道线中所处的序号，将序号所在辊道线体的起始与终止位置的像素坐标进行保存；

3)接收相机实时采集的图片，提取图片中辊道线的四个顶点组成的矩阵区域作为感兴趣区域；

4)判断是否为辊道线起始端对应的首台相机采集的图片，若是则使用滑动框在图片的感兴趣区域滑动，提取滑动框中图像的hog特征；

若否，则利用首台相机实时检测到的轮毂位置训练卡尔曼滤波器，使用滑动框在图片中对应卡尔曼滤波器预测的位置附近滑动，提取滑动框中图像的hog特征；

5)利用训练好的支持向量机SVM模型对提取到的hog特征做类别预测，类别分为包含轮毂和不含轮毂；

6)利用极大值抑制算法对在步骤5中预测为轮毂的目标进行筛选，找出概率最大的目标作为轮毂；

7)将轮毂的像素坐标与标注过的辊道线体起始与终止像素坐标进行对比，判断轮毂所在线体的序号，然后主控单元将线体序号发送至PLC，控制相应序号线体的电机转动。

进一步的，训练支持向量机SVM模型的具体方法为：将相机采集得到的辊道线图像剪裁为轮毂和非轮毂数据集，利用所述数据集训练支持向量机SVM。

进一步的，步骤3中利用图像的投影映射将图片中的感兴趣区域投影在正视角下，即辊道线水平方向和图像水平方向平行，得到的感兴趣区域在正视角下的投影区域；在步骤4中使用滑动框(滑动窗口)在投影区域中滑动，提取滑动框中图像的hog特征。