[发明专利]一种基于双目视觉的铸管管径识别方法及装置

说明书

本发明公开了一种基于双目视觉的铸管管径识别方法及装置，涉及计算机图像处理和深度学习技术领域，步骤包括，获取左右视图图像；对左右视图图像进行图像校正；根据校正后的左视图或右视图图像获得包含铸管内外径边缘轮廓信息的子Mask图像；对子Mask图像的内外径进行拟合，获取铸管中心坐标和像素直径；根据校正后的左右视图图像获取铸管到摄像头的距离；根据像素直径和铸管到摄像头的距离识别真实管径，本发明的识别方法不受温度，水汽等环境因素的影响，克服了铸管的倾斜和遮挡因素的作用，保证检测数据的精确度和有效性，显著提高了处理速度，同时还使得该方法的可移植性和稳定性大幅提升，从而满足了铸管生产线的自动化需求。

技术领域

本发明涉及计算机图像处理和深度学习技术领域，尤其涉及一种基于双目视觉的铸管管径识别方法及装置。

背景技术

随着工业物联网的快速发展，铸管生产线的自动化，智能化成为了钢铁行业的重要发展方向。根据铸管不同管径分别施加不同的设备或引导至不同的生产线是实现铸管生产线自动化的基础和关键一环。传统的管径识别方法采用激光识别来划分管径，激光识别设备采用的TOF算法，它是依靠光速不变的条件去测量光的传输时间来判断距离，因此使用场景中存在温度变化或有水汽的存在都会导致光的传输速度进而影响激光识别设备。而铸管生产线的退火炉前后温度较高且存在水汽，喷涂涂料时铸管表面有液体镜面存在影响激光的反射，因此激光识别设备无法在铸管生产线广泛的部署。因此，使用一种不受环境温度、水汽影响，同时可不受铸管喷涂与否影响的智能化识别方法成为行业迫切需要。近年来有利用计算机视觉的方法识别管径可以不受环境温度、水汽的干扰，成为行业重要的解决方案。

传统的图像识别方法采用目标检测算法在图像中寻找管端面直径，并通过已知的铸管和相机之间的距离计算真实管径。但是真实场景中由于球铁管是在无驱动轨道中滚动到相应位置的，铸管会发生倾斜和端面位置波动距离较大，铸管生产线生产铸管管径差异大，这会导致传统算法无法正确识别和区分。另外，管径差距大往往会导致大管遮挡小管，端面倾斜又进一步扩大其遮挡面积，当端面的遮挡面积过大时，管径的识别难度将会大大增加。

发明内容

为解决背景技术中所涉及的相关问题，本发明的目的在于提供一种在检测时不仅不受环境因素影响，而且也不受铸管的倾斜和遮挡因素影响的基于双目视觉的铸管管径识别方法及装置。

本发明采用如下的技术方案：一种基于双目视觉的铸管管径识别方法，包括以下步骤：获取左右视图图像；对所述左右视图图像进行图像校正；根据校正后的所述左视图或右视图图像获取包含铸管内外径边缘轮廓信息的子Mask图像；对所述子Mask图像的内外径进行拟合，获取铸管中心坐标和像素直径Dp；根据校正后的所述左右视图图像获取铸管到相机的距离Zc；根据所述像素直径Dp和所述铸管到相机的距离Zc识别真实管径Dt。

作为优化方案，对所述左右视图图像进行图像校正包括：使用畸变校正算法对所述左右两幅视图进行畸变校正获取无畸变的左右视图；使用仿射变化算法对所述无畸变的左右视图进行立体校正，使所述无畸变左右视图的级线和主点对齐。

作为优化方案，根据校正后的所述所述左视图或右视图图像获得包含铸管内外径边缘轮廓信息的子Mask图像包括：使用yoloV3网络进行目标检测获取所述所述左视图或右视图中铸管的个数、位置信息和端面外边缘检测框坐标；通过DeepLabV3网络处理获取所述所述左视图或右视图中包含铸管端面轮廓信息的Mask图像；将yoloV3检测框坐标映射到所述Mask图像上，获得每根铸管的子Mask图像集和铸管内外径边缘轮廓点集。

作为优化方案，对所述子Mask图像的内外径进行拟合为采用Ransac算法进行处理，其中，Ransac算法采用椭圆模板，退出条件设置为超过总点数的一半，并用椭圆的长轴表示像素直径，包括如下步骤：使用Ransac算法将所述管外径轮廓点集拟合成椭圆，其中，椭圆椭心表示管中心点坐标，外径椭圆长轴表示外径像素直径Dp；使用Ransac算法将所述管内径轮廓点集拟合成椭圆，其中，内径椭圆长轴表示内径像素直径Dp。