[发明专利]一种基于深度相机与机器视觉的海缆排缆间隙识别方法

说明书

本发明公开了一种基于深度相机与机器视觉的海缆排缆间隙识别方法，该方法包括以下步骤：S1、采用深度相机对海缆进行成像，获取三维深度图像模型；S2、提取所述深度图像模型的点云数据；S3、利用聚类算法对所述点云数据进行聚类，筛选出海缆之间的缝隙；S4、将三维图像模型转换得到缝隙的二维平面图；S5、构建缝隙分类神经网络，通过深度学习分类算法对海缆缝隙进行分类；S6、利用机器视觉算法计算缝隙的大小；S7、将缝隙大小返回至自动化机构进行海缆自动排缆。通过采用深度相机与机器视觉的海缆间隙识别方法，能够在昏暗场景下生成深度图像，来表征海缆的深度信息，从而实现间隙的精确检测捕捉，满足了自动化需求。

技术领域

本发明涉及海缆图像识别领域，具体来说，涉及一种基于深度相机与机器视觉的海缆排缆间隙识别方法。

背景技术

海缆排缆是海缆生产过程中的一道重要工序，海缆在出库装船前需要整齐的排缆，目前排缆方式主要为人工进行，一个排缆装置需要同时至少3个工人进行操作，主要通过肉眼观察来防止缆线间隙过大而导致缆线混乱的情况。

由于排缆环境处在一个昏暗的场景下，普通RGB图像成像情况糟糕，无法清晰的拍到缝隙。目前企业基本采用的是人力排缆方式，一台排缆机器需要至少三个人协同工作，且排缆需连续工作若干天，换班时上下机器存在安全隐患。排缆时工人需要时刻关注缆间的缝隙，保证缆与缆之间的缝隙不得过大，防止缆下沉，但人工目测无法精确识别缆间缝隙。

随着机器视觉技术与工业机器人技术的飞速发展，采用机器视觉代替人眼观察缆线，工业机器人代替人手移动缆线完成自动化排缆的操作逐渐成为趋势；

且现有技术中，在缝隙的特征区域匹配度不高的情况下，仍进行后续的识别算法计算，导致后续繁琐的无用工作量，降低了整体的工作效率。

针对相关技术中的问题，目前尚未提出有效的解决方案。

发明内容

针对相关技术中的问题，本发明提出一种基于深度相机与机器视觉的海缆排缆间隙识别方法，以克服现有相关技术所存在的上述技术问题。

为此，本发明采用的具体技术方案如下：

一种基于深度相机与机器视觉的海缆排缆间隙识别方法，该方法包括以下步骤：

S1、采用深度相机对海缆进行成像，获取三维深度图像模型；

S2、提取所述深度图像模型的点云数据；

S3、利用聚类算法对所述点云数据进行聚类，筛选出海缆之间的缝隙；

S4、将三维图像模型转换得到缝隙的二维平面图；

S5、构建缝隙分类神经网络，通过深度学习分类算法对海缆缝隙进行分类；

S6、利用机器视觉算法计算缝隙的大小；

S7、将缝隙大小返回至自动化机构进行海缆自动排缆。

进一步的，所述提取所述深度图像模型的点云数据，包括以下步骤：

S21、对所述深度图像模型中的原始点云数据进行去噪处理；

S22、采用二值化算法对所述深度图像模型进行目标识别处理，得到目标图像数据；

S23、根据所述目标图像数据中各像素的坐标值，从所述原始点云数据中提取出目标点云数据；

S24、对所述目标点云数据进行去噪处理，得到最终的点云数据。

进一步的，所述利用聚类算法对所述点云数据进行聚类，筛选出海缆之间的缝隙，包括以下步骤：

S31、对所述点云数据进行特征提取，获取特征区域；