[发明专利]一种用于集装箱、平板车装车组合标识的快速识别方法在审
申请号: | 202111505154.2 | 申请日: | 2021-12-10 |
公开(公告)号: | CN114187583A | 公开(公告)日: | 2022-03-15 |
发明(设计)人: | 孙小路;梁伟农;张永志;周春侠;荆沐阳 | 申请(专利权)人: | 内蒙古工业大学;中国矿业大学 |
主分类号: | G06V20/62 | 分类号: | G06V20/62;G06V10/25;G06V10/26;G06N3/04;G06N3/08 |
代理公司: | 南京瑞弘专利商标事务所(普通合伙) 32249 | 代理人: | 徐激波 |
地址: | 010051 内蒙古*** | 国省代码: | 内蒙古;15 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 用于 集装箱 平板车 装车 组合 标识 快速 识别 方法 | ||
1.一种用于集装箱、平板车装车组合标识的快速识别方法,其特征在于,所述组合标识包括集装箱的箱号和平板车的车牌号,所述方法包括以下步骤:
步骤1、集装箱的箱号和平板车的车牌号区域的图像采集;
步骤2、创建一个用于匹配的特征模板,用于采集到的每帧图像中进行特征匹配;
步骤3、对采集的图像进行预处理;
步骤4、在经过预处理的图像中利用所述特征模板定位出箱号与车号区域;
步骤5、获取箱号及车号字符;
步骤6、建立YOLOv3检测模型;
步骤7、将由上述由步骤1到步骤5获取的箱号及车号字符输入上述YOLOv3检测模型中,输出识别后的箱号与平板车号;
步骤8、将识别后的箱号与平板车号输出进入定量装车系统中。
2.根据权利要求1所述的一种用于集装箱、平板车装车组合标识的快速识别方法,其特征在于,步骤1中所述图像采集的方法包括,以两节集装箱为一组置于平板车上,位移激光传感器置于所述平板车上方的横梁上,用于输出速度参数并触发工业相机拍摄系统,所述工业相机拍摄系统包括上工业相机和下工业相机,所述上工业相机和所述下工业相机分别设于所述横梁一侧的竖杆上下方,并对所述集装箱和所述平板车的一侧进行图像采集。
3.根据权利要求2所述的一种用于集装箱、平板车装车组合标识的快速识别方法,其特征在于,所述上工业相机预设的采集图像时间t1=箱号字符长度/平板车运行速度,其预设抓拍等待时间t2=(车厢长度-箱号字符长度)/平板车运行速度;所述下工业相机预设的采集图像时间t3=平板车长度/平板车运行速度;因触发感应装置识别平板车车头,一节平板车上载有两组集装箱,故每组触发识别循环上述t1、t2时间两次进行两节集装箱采集,t3时间一次进行平板车采集。
4.根据权利要求3所述的一种用于集装箱、平板车装车组合标识的快速识别方法,其特征在于,每触发一次感应装置,则每节集装箱采集5帧图片,每组集装箱为10帧图片,每节平板车采集5帧图片,每一组采集完毕,重新进入下一组采集,依次循环直至平板车驶出,全部采集完毕。
5.根据权利要求1所述的一种用于集装箱、平板车装车组合标识的快速识别方法,其特征在于,步骤2中所述特征模板的获取方法包括,利用机器视觉软件读取图像,在所述图像上绘制感兴趣区域ROI,将绘制的模板区域生成矩形,提取出模板区域的图像作为模板图像创建模板,将创建的模板存成指定路径的文件。
6.根据权利要求1所述的一种用于集装箱、平板车装车组合标识的快速识别方法,其特征在于,步骤3中预处理方法包括首先将采集的图像转为灰度图像,对所述灰度图像增强处理,所述增强处理方法包括通过用一个模板逐行扫描所述灰度图像中的每一个像素点,得到像素最大与最小值,取其差得到所述模板中心像素点值的方法来缩放所述灰度图像的灰度值。
7.根据权利要求6所述的一种用于集装箱、平板车装车组合标识的快速识别方法,其特征在于,步骤3中预处理方法还包括并将采集的图像中高频区域进行增强处理,使图像更加清晰。
8.根据权利要求5所述的一种用于集装箱、平板车装车组合标识的快速识别方法,其特征在于,步骤4中定位方法包括,应用所述特征模板查找预处理图像中含有和所述特征模板相匹配的图像,若识别到,则能定位出箱号与车号区域,若识别不到,则进行下一帧图像的识别,直至识别到含有和所述特征模板相匹配的图像;将得到的图像进行二维仿射变换处理,显示出所述特征模板所在位置;输出仿射变换矩阵数值参数,根据所述特征模板匹配的中心点位置和得到的仿射变换矩阵数值参数定位集装箱箱号或车号具体位置,得到箱号或车号的区域。
9.根据权利要求8所述的一种用于集装箱、平板车装车组合标识的快速识别方法,其特征在于,步骤5中获取箱号及车号字符方法包括,对所述区域二值化处理得到字符区域,断开连通域,分割字符,得到的单个箱号和车号字符。
10.根据权利要求9所述的一种用于集装箱、平板车装车组合标识的快速识别方法,其特征在于,将所述单个箱号和车号字符分为10类标签训练进行数据训练,所述10类标签分别为0-9的阿拉伯数字,得到YOLOv3检测模型,将由步骤1到步骤5获取的箱号及车号字符输入YOLOv3检测模型对图像逐一进行预测,利用深度神经网络进行特征提取和标签分类定位,输出识别后的箱号与平板车号,将箱号与平板车号输出进入定量装车系统中。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于内蒙古工业大学;中国矿业大学,未经内蒙古工业大学;中国矿业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111505154.2/1.html,转载请声明来源钻瓜专利网。