[发明专利]一种基于机器视觉的冷轧带卷轴孔中心位置的检测方法

权利要求书

1.一种基于机器视觉的冷轧带卷轴孔中心位置的检测方法，其特征在于，包括以下步骤：

步骤一，以前一帧图像中带卷中心坐标为中心，在一定范围内，随机截取一定窗口大小的多张子图；

步骤二，将子图送入卷积神经网络，计算出每张子图中带卷中心坐标，对计算结果求平均，得到带卷中心坐标；

步骤三，基于模板匹配方法，计算出当前帧图像相对前一帧图像的偏移量；

步骤四，基于卡尔曼滤波方法，将步骤一、步骤二、步骤三所获得的带卷中心坐标和偏移量相综合，得到当前帧图像中带卷中心坐标的最优估计；

步骤五，重复以上步骤，实现对带卷中心坐标的实时跟踪；

所述的卷积神经网络，具体做法是：

卷积神经网络用于从输入带卷图像中获取中心位置坐标，其输入为尺寸为512×512的包含带卷图像的灰度图像，灰度图像依次经过4个卷积层，每个卷积层均采用5×5卷积核和2×2最大池化，第一个卷积层输出通道数为8，第二层输出通道数为16，第三层为32，第四层为64；之后使用两个全连接隐层，其节点数分别为16348和4096；输出层节点数为2，代表带卷中心点坐标的X、Y坐标；除输出层外，每层均使用ReLu作为激活函数，输出层不使用激活函数；

使用人工标记图片训练神经网络，图片标签为图片中带卷中心点坐标，神经网络使用误差平方和函数作为损失函数，为了避免过拟合，训练时采用L2正则，且对网络进行Dropout，完成训练后，通过神经网络从摄像头所拍摄灰度图像中计算带卷中心坐标，具体计算方法如下：

2-1)假设前一帧摄像头灰度图像中带卷中心坐标为(cx₀，cy₀)，以该坐标为中心，随机产生N个坐标

(cx_i，cy_i)＝(cx₀+Δx_i，cy₀+Δy_i)，i∈[0，N) (1)

式中(cx_i，cy_i)是随机生成的坐标，(Δx_i，Δy_i)是一定范围内的等概率随机整数，其分布满足-R≤Δx_i≤R，-R≤Δy_i≤R；N表示随机生成的坐标数量，R表示随机分布范围，N和R由经验或试验决定，一般令N＝16，R＝50；

2-2)以步骤2-1)中随机生成的N个坐标(cx_i，cy_i)为中心点，从当前帧灰度图像中截取N个512×512子图，由卷积神经网络计算在每张子图中，带卷的中心位置坐标

2-3)计算带卷中心坐标平均值：

式中(cx，cy)为带卷的中心坐标平均值，N为步骤2-2)中截取的子图数量，(cx_i，cy_i)为每张子图中心点在当前帧灰度图像中的坐标，为每张子图中由神经网络计算获得的带卷的中心坐标；

所述的模板匹配方法，具体做法是：

3-1)假设前一帧灰度图像中带卷中心坐标为(cx₀，cy₀)，以(cx₀+ox，cy₀+oy)为中心，在前一帧灰度图像中截取256×256图像作为模板，(ox，oy)为固定偏移量，能够使模板包含一部分带卷中轴边缘图像，以便于模板匹配；

3-2)找出当前帧中与模板匹配度最高的256×256图像区域，假设该图像区域的中心坐标为(cx₁，cy₁)，则带卷在两帧灰度图像中的位移量为(Δx，Δy)＝(cx₁-cx₀-ox，cy₁-cy₀-oy)；

所述的卡尔曼滤波方法，通过模板匹配计算获得带卷在两帧灰度图像间的位移量后，通过卡尔曼滤波将其与通过卷积神经网络获得的带卷中心相结合，提高计算精度，具体计算方法是：

4-1)假设前一帧灰度图像中检测获得的带卷中心位置为(cx₀，cy₀)，且检测标准差为δ₀；

4-2)假设基于模板匹配检测带卷偏移量的检测标准差为δ′₁，当带卷未发生位移时，模板匹配检测偏移量的可信度最高，因此当(Δx，Δy)＝(0，0)时，模板匹配检测标准差为当(Δx，Δy)！＝(0，0)时，和均由试验测试或经验估计获得，且

4-3)由前一帧灰度图像的带卷中心位置和两帧灰度图像间带卷偏移量，计算出当前帧中带卷中心坐标的估计值及计算标准差：

式中(cx₁，cy₁)为通过模板匹配获得的本帧灰度图像中带卷中心坐标，(cx₀，cy₀)为前一帧灰度图像中带卷中心坐标，(Δx，Δy)为两帧灰度图像之间带卷偏移量，δ₀，δ′₁和δ₁分别为前一帧灰度图像中带卷中心坐标的检测标准差，前一帧与本帧灰度图像中带卷偏移量的检测标准差，以及本帧灰度图像中通过模板匹配得到的带卷中心坐标的检测标准差；

4-4)假设通过卷积神经网络，由当前帧灰度图像计算获得的带卷中心位置为(cx₂，cy₂)，检测标准差为δ₂，该标准差通过试验测试或经验估计获得，根据卡尔曼滤波原理，本帧灰度图像中带卷中心坐标的最优估计和计算标准差为：

式中，(cx^*，cy^*)为本帧灰度图像中带卷中心坐标的最优估计，(cx₁，cy₁)为通过模板匹配计算获得的带卷中心坐标，(cx₂，cy₂)为通过卷积神经网络获得的带卷中心坐标，δ₁为模板匹配计算的标准差，δ₂为卷积神经网络计算的标准差，δ为本帧灰度图像中带卷中心坐标计算的标准差；

4-5)重复执行这一过程，即可实现对带卷中心坐标的连续跟踪。