CN113450350B - 一种基于布料区域纹理特征的检测方法 - Google Patents
一种基于布料区域纹理特征的检测方法 Download PDFInfo
- Publication number
- CN113450350B CN113450350B CN202110854306.3A CN202110854306A CN113450350B CN 113450350 B CN113450350 B CN 113450350B CN 202110854306 A CN202110854306 A CN 202110854306A CN 113450350 B CN113450350 B CN 113450350B
- Authority
- CN
- China
- Prior art keywords
- area
- images
- cloth
- detection
- material distribution
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 55
- 239000004744 fabric Substances 0.000 title claims description 66
- 239000000463 material Substances 0.000 claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 30
- 239000004568 cement Substances 0.000 claims abstract description 26
- 229910000831 Steel Inorganic materials 0.000 claims description 14
- 239000010959 steel Substances 0.000 claims description 14
- 230000001788 irregular Effects 0.000 claims description 8
- 238000005266 casting Methods 0.000 abstract description 7
- 238000005259 measurement Methods 0.000 abstract description 7
- 238000004364 calculation method Methods 0.000 abstract description 4
- 206010047571 Visual impairment Diseases 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 229910001294 Reinforcing steel Inorganic materials 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30124—Fabrics; Textile; Paper
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30132—Masonry; Concrete
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30244—Camera pose
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供一种基于布料区域纹理特征的检测方法，目标检测模块利用计算机视觉中的目标检测技术，检测布料区域的特征点，计算布料区域模块根据检测目标的特征点，自动化识别布料区域纹理特征，再剪裁小面积或不规则的布料区域纹理特征，检测结果合并修正，再生成运动轨迹，减少了在水泥布料过程中人工测量或者添加标志的部分，可显著提升水泥布料的效率；且适用于多种形状、尺寸的水泥铸件，可广泛使用，节省了人工成本和劳动，提高了工作效率。
Description
技术领域
本发明涉及建筑应用技术领域，更具体地说是指一种基于布料区域纹理特征的检测方法。
背景技术
现有在建筑领域，水泥布料机是一种浇筑水泥铸件的机器。传统布料方法是在工作台上，根据需要的水泥铸件的几何形状，通过钢筋等布置出需要布料（即铺设水泥）的区域，然后通过人工测量得到布料区域相对于布料机的位置，从而通过设置运动轨迹控制布料机运动，在布料区域铺设水泥，很难检测到布料区域纹理特征，对于小面积或不规则的布料纹理区域难以处理剪裁。
布料区域整体就是工作台，其中钢筋围起来的区域就是需要布水泥的布料区。
近年来也有基于机器视觉的解决方案，但是由于布料环境中，工作台、钢筋等颜色接近，且容易受到水泥污染，因此需要人工辅助机器识别 ，例如人工添加一些标志，帮助机器更容易发现布料纹理区域的边界，但是人工添加标志和人工测量，比较繁琐，同时布料位置不准确，没有针对布料区域纹理特征，对于小面积或不规则的布料纹理区域难以处理剪裁，造成布料工作效率低，不能满足布料的高效和智能需求。
因此，有必要开发出一种基于布料区域纹理特征的检测方法。
发明内容
本发明所要解决的技术问题是提供一种基于布料区域纹理特征的检测方法，解决了智能识别布料区域的方案，不依赖人工测量或者人工辅助，仅通过相机采集图像后，就可以自动化识别布料区域纹理特征，再剪裁小面积或不规则的布料区域纹理特征，修正并生成布料区域坐标位置，最终提高布料工作的效率。
为了解决上述技术问题，本发明提供一种基于布料区域纹理特征的检测方法，包括图像采集模块、目标检测模块和计算布料区域模块；所述图像采集模块利用相机进行图像采集，采用一个相机或多相机，多次移动拍摄得到多张图像，所述目标检测模块利用计算机视觉中的目标检测技术，检测布料区域的特征点，所述计算布料区域模块根据检测目标的特征点，得到水泥布料区域坐标位置，再生成布料机运动轨迹；
所述基于布料区域纹理特征的检测方法的步骤如下：
a.采用一个相机或多相机、多次移动拍摄得到n个图像，并记录这些图像对应的位置；
b. 对采集的所述n个图像分别进行目标检测，检测目标和模型需要预先标注并训练，所述检测目标是布料区域中的不同布料纹理特征；
c. 通过对所述n个图像的多纹理特征目标检测之后，得到不同所述目标检测的结果，以及n个图像对应的位置；
d. 将所述n个图像分别检测的结果再进行合并图像处理，最终得到工作台整体的图像，以及检测到的特征点；
e. 再将n个图像检测到的特征点，拟合出布料区域，结合布料区域最小面积和规则形状的先验知识修正布料区域，从而得到准确的布料区域坐标位置；
f. 重复以上步骤a至e，再根据水泥布料区域坐标，并通过协议接口传输给布料机，完成布料机的运动控制。
进一步方案为：所述检测目标的布料纹理特征包括钢筋十字特征、钢筋条纹特征和钢筋端点特征。
进一步方案为：所述合并图像利用机器视觉中的标定算法进行畸变校正。
进一步方案为：所述合并图像方法采用方法一和/或方法二，如下：
方法一：通过相机拍摄图像的位置，得到每张图像在合并图像中的位置，并按照该位置将所有图像合并起来；
方法二：通过图像的边缘特征点匹配合并图像。
进一步方案为：所述修正布料区域，其方法如下：
S01. 根据已知生成水泥布料区域特征点，以每个内部特征点为中心，边长为特征点平均间距的正方形是一个子布料区域，边缘特征点在当前布料区域；
S02. 同时将边缘特征点到布料区边缘这部分的长方形区域，边长为边缘点的平均间距，设置为非布料区域；
S03. 然后，剪裁小面积或不规则的布料区域纹理特征点，合并修正检测结果，拟合得到精确的布料区域纹理特征。
进一步方案为：所述子布料区域纹理特征之间的并集就是布料区域。
子布料区域纹理特征之间的并集成布料区域，拟合得到精确的布料区域纹理特征。
本发明与现有技术相比的有益效果是：本发明基于布料区域纹理特征的检测方法，智能识别布料区域的方案，不依赖人工测量或者人工辅助，仅通过相机采集图像后，合并计算自动化识别布料区域，可以自动化识别布料区域纹理特征，再剪裁小面积或不规则的布料区域纹理特征，检测结果合并校正，最终提高布料工作的效率，减少了在水泥布料过程中人工（测量或者添加标志）的部分，可显著提升水泥布料的效率；且适用于多种形状、尺寸的水泥铸件，可广泛使用，节省了人工成本和劳动，提高了工作效率。
附图说明
图1为本发明的基于布料区域纹理特征的检测方法的流程示意图；
图2为本发明通过相机拍摄位置的合并图像示意图；
图3为本发明通过边缘特征点的合并图像示意图；
图4 为本发明的修正布料区域示意图。
具体实施方式
下面结合附图对本发明作进一步详细说明。
如图1至图4所示，本发明的具体实施例，一种基于布料区域纹理特征的检测方法，包括图像采集模块、目标检测模块和计算布料区域模块；图像采集模块利用相机进行图像采集，采用一个相机或多相机，多次移动拍摄得到多张图像，目标检测模块利用计算机视觉中的目标检测技术，检测布料区域的特征点，计算布料区域模块根据检测目标的特征点，得到水泥布料区域坐标位置，再生成布料机运动轨迹；
基于布料区域纹理特征的检测方法的步骤如下：
a.采用一个相机或多相机、多次移动拍摄得到n个图像，并记录这些图像对应的位置；
b. 对采集的n个图像分别进行目标检测，检测目标和模型需要预先标注并训练，检测目标是布料区域中的不同布料纹理特征；
c. 通过对n个图像的多纹理特征目标检测之后，得到不同目标检测的结果，以及n个图像对应的位置；
d. 将n个图像分别检测的结果再进行合并图像处理，最终得到工作台整体的图像，以及检测到的特征点；
e. 再将n个图像检测到的特征点，拟合出布料区域，结合布料区域最小面积和规则形状的先验知识修正布料区域，从而得到准确的布料区域坐标位置；
f. 重复以上步骤a至e，再根据水泥布料区域坐标，并通过协议接口传输给布料机，完成布料机的运动控制。
进一步地：检测目标的布料纹理特征包括钢筋十字特征、钢筋条纹特征和钢筋端点特征。
如图1所示，检测目标的布料纹理特征包括检测目标n1钢筋十字特征、检测目标n2钢筋条纹特征和检测目标钢筋端点n3特征，还包括更多n个图像的检测目标n，包括n个布料纹理特征。
进一步地：合并图像利用机器视觉中的标定算法进行畸变校正。
进一步地：合并图像方法采用方法一和/或方法二，如下：
方法一：通过相机拍摄图像的位置，得到每张图像在合并图像中的位置，并按照该位置将所有图像合并起来；
方法二：通过图像的边缘特征点匹配合并图像。
进一步地：修正布料区域，如图4所示，方法如下：
S01. 根据已知生成水泥布料区域特征点，以每个内部特征点为中心，边长为特征点平均间距的正方形是一个子布料区域，边缘特征点在当前布料区域；
S02. 同时将边缘特征点到布料区边缘这部分的长方形区域，边长为边缘点的平均间距，设置为非布料区域；
S03. 然后，剪裁小面积或不规则的布料区域纹理特征点，合并修正检测结果，拟合得到精确的布料区域纹理特征。
进一步地：子布料区域纹理特征之间的并集就是布料区域。
子布料区域纹理特征之间的并集成布料区域，拟合得到精确的布料区域纹理特征。
如图2和图3所示，为保证精度，子区域中合并图像的方法主要是：
第一步，利用机器视觉中的标定算法，对待合并的图像进行畸变校正。
第二步，合并图像（下述两种方法可以选其一，或者共同使用，且共同使用效果最佳）。
如图2所示，采用相机拍摄的位置合并图像；
如图3所示的a、b和c步骤，图1和图2之间采用图像边缘特征匹配（例如sift特征检测方法）合并图像。
本发明的解决的问题和有益效果如下：
本发明基于布料区域纹理特征的检测方法，智能识别布料区域的方案，不依赖人工测量或者人工辅助，仅通过相机采集图像后，合并计算自动化识别布料区域，可以自动化识别布料区域纹理特征，再剪裁小面积或不规则的布料区域纹理特征，检测结果合并校正，生成布料布料区域坐标，最终提高布料工作的效率，减少了在水泥布料过程中人工（测量或者添加标志）的部分，可显著提升水泥布料的效率；且适用于多种形状、尺寸的水泥铸件，可广泛使用，节省了人工成本和劳动，提高了工作效率。
以上所述仅为本专利优选实施方式，并非限制本专利范围，凡是利用说明书及附图内容所作的等效结构或等效流程变换，直接或间接运用在其它相关的技术领域，均属于本专利保护范围。
Claims (5)
1.一种基于布料区域纹理特征的检测方法，其特征在于：包括图像采集模块、目标检测
模块和计算布料区域模块；所述图像采集模块利用相机进行图像采集，采用一个相机或多
相机，多次移动拍摄得到多张图像，所述目标检测模块利用计算机视觉中的目标检测技术，
检测布料区域的特征点，所述计算布料区域模块根据检测目标的特征点，得到水泥布料区
域坐标位置，再生成布料机运动轨迹；
所述基于布料区域纹理特征的检测方法的步骤如下：
a .采用一个相机或多相机、多次移动拍摄得到n个图像，并记录这些图像对应的位置；
b . 对采集的所述n个图像分别进行目标检测，检测目标和模型需要预先标注并训练，
所述检测目标是布料区域中的不同布料纹理特征；
c . 通过对所述n个图像的多纹理特征目标检测之后，得到不同所述目标检测的结果，
以及n个图像对应的位置；
d . 将所述n个图像分别检测的结果再进行合并图像处理，最终得到工作台整体的图
像，以及检测到的特征点；
e . 再将n个图像检测到的特征点，拟合出布料区域，结合布料区域最小面积和规则形状的先验知识修正布料区域，从而得到准确的布料区域坐标位置；
f . 重复以上步骤a至e，再根据水泥布料区域坐标，并通过协议接口传输给布料机，完成布料机的运动控制；
所述修正布料区域，其方法如下：
S01 . 根据已知生成水泥布料区域特征点，以每个内部特征点为中心，边长为特征点平均间距的正方形是一个子布料区域，边缘特征点在当前布料区域；
S02 . 同时将边缘特征点到布料区边缘这部分的长方形区域，边长为边缘点的平均间
距，设置为非布料区域；
S03 . 然后，剪裁小面积或不规则的布料区域纹理特征点，合并修正检测结果，拟合得到精确的布料区域纹理特征。
2.如权利要求1所述的基于布料区域纹理特征的检测方法，其特征在于：所述检测目标
的布料纹理特征包括钢筋十字特征、钢筋条纹特征和钢筋端点特征。
3.如权利要求1所述的基于布料区域纹理特征的检测方法，其特征在于：所述合并图像
利用机器视觉中的标定算法进行畸变校正。
4.如权利要求1所述的基于布料区域纹理特征的检测方法，其特征在于：所述合并图像
方法采用方法一和/或方法二，如下：
方法一：通过相机拍摄图像的位置，得到每张图像在合并图像中的位置，并按照该位置
将所有图像合并起来；
方法二：通过图像的边缘特征点匹配合并图像。
5.如权利要求1所述的基于布料区域纹理特征的检测方法，其特征在于：所述子布料区
域纹理特征之间的并集就是布料区域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110854306.3A CN113450350B (zh) | 2021-07-28 | 2021-07-28 | 一种基于布料区域纹理特征的检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110854306.3A CN113450350B (zh) | 2021-07-28 | 2021-07-28 | 一种基于布料区域纹理特征的检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113450350A CN113450350A (zh) | 2021-09-28 |
| CN113450350B true CN113450350B (zh) | 2022-08-30 |
Family
ID=77817577
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110854306.3A Active CN113450350B (zh) | 2021-07-28 | 2021-07-28 | 一种基于布料区域纹理特征的检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113450350B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109211198A (zh) * | 2018-08-15 | 2019-01-15 | 河海大学常州校区 | 一种基于三目视觉的智能目标检测和测量系统及方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE60024772T2 (de) * | 2000-02-25 | 2006-08-10 | Sig Combibloc International Ag | Selbstöffnender Ausgiessaufsatz |
| CN104615014B (zh) * | 2014-11-21 | 2018-03-30 | 三一汽车制造有限公司 | 泵车布料的预测控制方法及系统 |
| CN108312321B (zh) * | 2018-04-25 | 2020-06-12 | 中民筑友科技投资有限公司 | 一种布料机自动布料方法、装置及自动布料系统 |
| CN109676798B (zh) * | 2019-01-03 | 2020-06-05 | 中联重科股份有限公司 | 用于混凝土预制件搅拌站的控制方法和控制系统 |
| CN110103329A (zh) * | 2019-06-05 | 2019-08-09 | 山东骊久建筑机器人有限公司 | 砼构件生产线上自动识别边模围合空间并精准布料的方法 |
| CN112001056B (zh) * | 2020-06-05 | 2023-11-07 | 中电建路桥集团有限公司 | 一种铝合金模板组装系统施工载荷检测方法及检测系统 |
-
2021
- 2021-07-28 CN CN202110854306.3A patent/CN113450350B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109211198A (zh) * | 2018-08-15 | 2019-01-15 | 河海大学常州校区 | 一种基于三目视觉的智能目标检测和测量系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113450350A (zh) | 2021-09-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109029257B (zh) | 基于立体视觉和结构光视觉的大型工件位姿测量系统、方法 | |
| CN110031829B (zh) | 一种基于单目视觉的目标精准测距方法 | |
| CN108297096B (zh) | 校准装置、校准方法以及计算机能够读取的介质 | |
| CN104282020B (zh) | 一种基于目标运动轨迹的车辆速度检测方法 | |
| CN104266608B (zh) | 视觉传感器现场标定装置和标定方法 | |
| CN109491384B (zh) | 一种道路划线数据的获取方法及装置 | |
| CN102422832B (zh) | 喷雾视觉定位系统及定位方法 | |
| CN110065075B (zh) | 一种基于视觉的空间细胞机器人外部状态感知方法 | |
| CN105307115A (zh) | 一种基于行动机器人的分布式视觉定位系统及方法 | |
| JP6524529B2 (ja) | 建築限界判定装置 | |
| CN109764809B (zh) | 一种基于二维激光传感器实时测算果树冠层体积的方法 | |
| CN105678768A (zh) | 一种基于机器视觉的胎面检测方法 | |
| CN108489383A (zh) | 一种h型断面尺寸的测量装置及方法 | |
| CN105307116A (zh) | 一种基于移动机器人的分布式视觉定位系统及方法 | |
| CN112215825A (zh) | 新能源电池制造中基于机器视觉的质量分析方法及系统 | |
| CN107292926A (zh) | 基于多图像序列的巡检机器人运动轨迹直线度测量方法 | |
| CN117576094B (zh) | 一种3d点云智能感知焊缝位姿提取方法、系统、设备 | |
| CN100492396C (zh) | 一种面向摄像整纬器的织物纹理图像识别方法 | |
| CN113450350B (zh) | 一种基于布料区域纹理特征的检测方法 | |
| JP2022545942A (ja) | 軌道の実際位置を求めるための方法および測定車両 | |
| CN105136120A (zh) | 物体位移图像检测系统及方法 | |
| CN113269729B (zh) | 一种基于深度图像对比的装配体多视角检测方法和系统 | |
| CN108627103A (zh) | 一种零部件高度尺寸的2d激光测量方法 | |
| JP2002232869A (ja) | カメラのキャリブレーション方法 | |
| CN113435412B (zh) | 一种基于语义分割的水泥布料区域检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |