[发明专利]基于深度学习与双目视觉的碳素块检测方法及系统

说明书

本发明公开了基于深度学习与双目视觉的碳素块检测方法及系统，属于机器视觉、自动化碳素块清理技术领域，包括以下步骤：通过双目视觉相机标定与手眼标定进行坐标系转换；通过双目立体匹配算法获取视差图，利用视差图匹配碳素块定位坐标进行碳素块位置的初始化；对滚筒带上的碳素块进行运动目标检测并控制双目视觉相机拍照；利用深度学习算法识别碳素块的种类、定位其坐标并获取平面旋转角度，并计算坐标偏移量和平面旋转角度偏移量；将碳素块种类、坐标偏移量和平面旋转角度偏移量传输给机器人，识别与定位过程结束。本发明相对于传统算法的图像检测，提高了检测速度和鲁棒性。

技术领域

本发明属于机器视觉、自动化碳素块清理技术领域，具体涉及基于深度学习与双目视觉的碳素块检测方法及系统。

背景技术

碳素块是电解铝用阳极的主要材料，碳素块质量的好坏直接影响铝电解生产工艺技术指标。碳素块在煅烧炉烧制完成后，表面会附着粘土颗粒等杂质，严重影响碳素块质量。目前国内大部分碳素块杂质处理采用人工方式来进行清理，清理过程中产生大量灰尘和碳粉会污染环境、危害工作人员身体健康，导致工人无法长时间工作、碳素块生产效率低。随着现在工业自动化技术的发展，利用机器人代替人工清理，搭配机器视觉可以准确高效的完成碳素块杂质清理工作。

在进行自动化清理过程中，碳素块类型识别与碳素块位置精确定位是实现高质量碳素块清理的基础和关键技术之一。碳素块种类繁多，不同种类碳素块清理方式各异，通过机器视觉技术实现碳素块种类检测是完成清理的基础；同时机器视觉引导机器人清理需要对碳素块实现高精度定位，引导机械手完成碳素块的清理，保证清理质量。

现有的自动化碳素块检测方式有：线激光检测和双目视觉检测等。线激光检测精度较高，可达到毫米级精度，但存在设备昂贵、结构复杂、检测效率低、存在辐射对人体和环境有潜在危害等缺点。基于双目视觉的方法可以获取目标三维信息，成本低，易于部署和扩展，可应用在碳素块检测应用中。但目前的检测方法多为传统图像识别方法，存在特征点提取不完整、检测速度较慢的问题。尤其是在碳素块检测应用中，由于背景与目标图像的对比度较低，缺乏视觉特征图像匹配困难，导致匹配误差大，检测精度低。因此，研发一套高效、高精度的碳素块检测方法意义非凡。

发明内容

针对现有技术中存在的上述问题，本发明提出了基于深度学习与双目视觉的碳素块检测方法及系统，设计合理，解决了现有技术的不足，具有良好的效果。

本发明的技术方案提供基于深度学习与双目视觉的碳素块检测方法，包括以下步骤：

步骤1：通过双目视觉相机标定与手眼标定进行坐标系转换；

步骤2：通过双目立体匹配算法获取视差图，利用视差图匹配碳素块定位坐标进行碳素块位置的初始化；

步骤3：对滚筒带上的碳素块进行运动目标检测并控制双目视觉相机拍照；

步骤4：利用深度学习算法识别碳素块的种类、定位其坐标并获取平面旋转角度，并计算坐标偏移量和平面旋转角度偏移量；

步骤5：通过Socket将碳素块种类、坐标偏移量和平面旋转角度偏移量传输给机器人，识别与定位过程结束。

进一步地，在所述步骤1中，首先进行双目视觉相机进行标定，利用双目视觉相机同时拍摄多组标定图像，获取相机内外参数，利用相机内参数矫正图像畸变，利用相机外参数进行像素坐标系与世界坐标系转换；然后进行机器人与双目视觉相机的手眼标定，进行相机坐标系到机器人坐标系的转换关系。

进一步地，步骤1中的手眼标定具体过程为：通过机器人机械手拿取标定板，固定双目视觉相机位置不动，拍摄机械手不同位姿下的标定板，获取多组机械手位姿参数和双目视觉相机位姿参数，利用Eye-To-Hand手眼标定算法完成双目视觉相机到机器人的坐标系转换，转换公式为AX=XB，其中A表示机器人工具坐标系到机器人基础坐标系的转换矩阵，B表示为相机坐标系到标定板坐标系的转换矩阵，X表示为相机坐标系到机器人坐标系的转换矩阵。