[发明专利]智能视觉识别车板线缆盘中心坐标系统

说明书

本发明涉及人工智能领域，特别涉及仓储领域的人工智能，更为具体的说是涉及智能视觉识别车板线缆盘中心坐标系统。通过自学习的方式建立可靠线缆盘图像特征库，并利用扫描设备扫描获得线缆盘图像，结合特征库特征进行轮廓获取和坐标识别，从而能够高准确度、高精确度的自动获得车板装载线缆盘的场地坐标位置。经实验，本发明公开的智能视觉识别车板线缆盘中心坐标系统的识别误差率小于0.3％，所生成场地坐标精度误差在±40mm以内。

技术领域

本发明涉及人工智能领域，特别涉及仓储领域的人工智能，更为具体的说是涉及智能视觉识别车板线缆盘中心坐标系统。

背景技术

人工智能是目前工业化发展的方向，也是工业化发展中研发的热点和重点方向。智能视觉是人工智能一个重要的分支。它是一门研究如何使机器“看”的科学，简单的说就是用摄像头代替人眼，通过对目标进行识别、跟踪和测量，并在电脑中将这些数据处理成更适合人眼观察的图像。

人工智能机器视觉识别技术，利用机器代替人眼来做各种测量和判断。它综合了光学、机械、电子、计算机软硬件等方面的技术，涉及到计算机、图像处理、模式识别、人工智能、信号处理、光机电一体化等多个领域。图像处理和模式识别等技术的快速发展，也大大地推动了机器视觉的发展。

轮廓特征值自学习是以轮廓模板插值和局部自学习相结合的图像纹理增强超采样算法，其可以有效恢复插值图像丢失的细节纹理，抑制插值图像边缘的扩散。该方法通过局部自相似性在原始低分辨图像中估计高频信息，对轮廓模板插值图像的细节纹理进行恢复。为了弥补轮廓模板插值缺少先验知识的缺陷，该自学习当中将原始低分辨率图像的高频信息作为先验知识。为了保证估计的高频信息最优，在自学习的匹配过程中采用双匹配，相比较于全局搜索和小窗搜索，提高了效率并保证了匹配精度。此外，轮廓特征值使用高斯模糊代替了传统提取高频信息的方法，简化了算法的复杂度，提高了准确性和效率。

在仓储大场景中实现工业自动化，特别是在仓储的装卸物资过程中实现自动化就必然要依赖于对运输车车板以及其上所装载物资的准确识别，只有精准识别物资位置，物资尺寸才能给出准确的装卸信号，保证装卸自动化操作的可靠性。

线缆盘是电力行业仓储中的常见物资，目前行业内尚未有针对线缆盘的智能视觉识别系统和方法，同时现有的识别系统和方法也并不适合于仓储大场景下的线缆盘识别。因此，线缆盘的准确识别和坐标定位是限制仓储大场景下线缆盘装卸工序工业化、自动化发展的主要问题之一。只有解决好线缆盘的自动识别、坐标定位，才能引导自动装卸设备到达预定装卸位，开展后续的装卸工作。

因此，找到一种可靠的智能视觉识别车板线缆盘坐标系统是目前仓储大场景，也是线缆盘仓储过程中亟待解决的问题。

发明内容

本发明所要解决的技术问题是提供一种通用性好，稳定性高，精确度高的智能视觉识别车板线缆盘坐标系统。

为了解决上述技术问题，本发明公开了一种智能视觉识别车板线缆盘坐标系统，该系统通过以下步骤实现智能视觉识别车板线缆盘坐标的目的，

步骤1：收集不同光照下、不同装车高度条件下、以及不同摆放角度下的线缆盘上位视觉探测图像，提取线缆盘俯视图特征，然后将这些特征与对应的线缆盘型号匹配，并建立不同型号的线缆盘图像特征库；

步骤2：持续对线缆盘视觉探测图像进行自学习，优化该线缆盘图像特征库，提高其识别准确率；

步骤3：每次生成线缆盘卸车坐标前，通过将视觉探测机构对停车区域进行扫描生成的视觉探测图像与线缆盘图像特征库进行特征比对，获得车板上每个线缆盘的形状轮廓；

步骤4：根据线缆盘轮廓，以几何中心的计算方法获取该线缆盘的图像像素点的中心坐标；

步骤5：根据视觉探测图片像素原点的场地坐标值，按比例和角度关系，将每个线缆盘的像素点中心坐标转化成装卸场地坐标。