[发明专利]复杂背景下的钢板角点检测方法及系统

说明书

本发明公开了一种复杂背景下的钢板角点检测方法及系统，包括以下步骤：1、获取钢板图像并提取图像中的标记点；2、对图像进行矫正；3、提取感兴趣区域；4、进行边缘检测；5、对钢板四条边分别进行采样和拟合；6、对检测结果进行判定。现有的角点检测方法在钢板边缘轮廓不连续、不整齐、顶点有残缺、噪声干扰多的情况下存在可靠性和鲁棒性差以及计算复杂度高的问题。本发明提出的方法解决了上述问题，本发明的方法可靠性高、鲁棒性强、对计算机运算能力要求低，非常适合在钢板加工的工业场景中完成角点检测任务。

技术领域

本发明涉及图像处理技术，特别是一种复杂背景下的钢板角点检测方法及系统。

背景技术

钢铁产业是当代工业领域的重要支柱产业之一，随着我国经济的飞速发展，钢铁产量已占到全世界的50％。而钢板作为钢铁产业的重要产品形式，是当代社会应用非常广泛的工业材料，广泛应用于建筑行业，汽车制造行业，船舶制造行业以及飞机制造行业等等。钢铁产业的发展也强有力的推动着其他产业和领域的发展，甚至从第一次工业革命以来，钢铁产业的发展程度一直作为衡量一个国家工业发展水平和经济发展水平的标准之一。所以钢铁产业在当代社会的地位举足轻重。但是由于钢铁产业是较为保守的传统行业，其在自动化和智能化的水平上存在明显不足，还有很大的提升空间。具体表现为在钢板的生产和加工等作业中，仍需要大量人工操作，依然属于劳动密集型产业。然而随着我国人口老龄化的加深，劳动人口总量逐年减少，劳动力成本逐年攀升，所以钢铁产业现在急需升级转型，提高生产和加工过程的自动化和智能化水平。

钢板加工的一个重要作业方式就是切割作业，以激光切割为例，钢板在切割过程中最核心的问题就是如何确定激光切割刀与钢板的相对位置。激光切割刀通过可移动滑轨安装在切割台上，激光切割刀可以在二维平面上移动，钢板只需要放置在切割台上，通过控制激光切割刀的移动就可以实现切割作业。于是问题就转化为当以切割台的坐标系为参考系时，如何确定钢板的坐标。由于待切割的钢板近似是边长为400mm的正方形，问题也可以进一步解释为如何确定钢板四个顶点的坐标。视觉测量技术作为一种非接触测量方法，在钢板切割加工这样危险的场景中具有先天的优势，所以利用计算机视觉技术实现钢板顶点的定位是最优的方案。而在整个方案中最核心的问题就是如何准确、快速地获取钢板顶点在图像中的位置，也就是角点检测问题。在近些年来随着深度学习的发展，基于深度学习图像处理技术在准确性、灵活性等方面得到了较大的提升，但是基于深度学习的方法需要大量的数据作为驱动，并且作为一种黑盒模型，不具有可解释性，再多的训练也无法使模型完全避免意外情况的发生。与此同时，由于工业场景数据有限而且复杂多变，为了提高算法的的准确度，业界的通用做法是加深网络的层数和加入大量优化单元模块，来提取更多的特征。这种方法需要大量的计算和内存占用，然而在实际的工业场景中计算机的算力往往十分有限，难以支撑大规模神经网络模型的部署和应用。所以基于深度学习的角点检测方法并不适合对精度、速度和鲁棒性要求都高，而且计算机算力又十分有限的钢板切割作业的工业场景。

传统的角点检测方法由于对计算机算力要求低而且具有可解释性，在实际的工业场景中被广泛应用。然而，虽然传统方法在工业场景中具有一定的优势，但是传统方法在处理背景复杂的图像时，往往表现不佳。例如CN108898148B提出的方法对钢板进行角点检测，如果钢板边缘检测得到的轮廓不闭合、顶点有残缺或背景中其他物体的轮廓干扰很大时，难以准确定位到钢板的四个顶点。再比如CN106936964A提出的方法也难以胜任钢板角点检测的任务，因为钢板边缘不平整，边缘检测结果中钢板轮廓的线条杂乱交错，霍夫变换的效果不理想。综上所述，在复杂背景下钢板角点检测方法还存在明显不足。复杂背景包含三个方面的含义：1、背景与钢板对比度低，钢板边缘不清晰；2、背景中噪声和干扰物体多；3、环境中的光照复杂多变。

发明内容

本发明所要解决的技术问题是，针对现有技术不足，提供一种复杂背景下的钢板角点检测方法及系统，提高检测精度。

为解决上述技术问题，本发明所采用的技术方案是：一种复杂背景下的钢板角点检测方法，包括以下步骤：

1)获取钢板图像并提取钢板图像中的标记点；