一種基于自適應算法的吊車負載擺角測量方法技術

本發明專利技術公開了一種基于自適應算法的吊車負載擺角測量方法包括：通過拍攝運動中的吊車負載，訓練出背景模型；基于視覺背景的前景目標提取出前景像素，利用最佳分割閾值，對前景像素點進行二次判別，得到最終前景目標；采用基于Cartesian矩的負載擺角測量算法，計算前景目標二值化圖像的相關Cartesian矩，求解出質心位置，計算出負載擺角。本發明專利技術利用改進后的基于視覺背景的前景目標，加快了背景模型的訓練；利用自適應分割閾值，減少了由光線變化等動態變化帶來的鬼影與噪聲，提高了前景提取的準確性；對于提取出的前景圖像，基于Cartesian矩計算負載擺角，提高了擺角測量的準確性與實時性，且可適用于任何形狀的負載。且可適用于任何形狀的負載。且可適用于任何形狀的負載。

【技術實現步驟摘要】
一種基于自適應算法的吊車負載擺角測量方法


[0001]本專利技術涉及計算機視覺測量的
，尤其涉及一種基于自適應算法的 吊車負載擺角測量方法。

技術介紹

[0002]吊車防搖控制系統中，常用的測量擺角裝置都被安裝于系統內部，安裝復 雜，影響控制效率。引入視覺測量系統，可以使測量裝置獨立于系統之外，簡 化系統結構，提高測量精確性。
[0003]常用的視覺測量方法多為拍攝擺繩，通過獲取擺繩圖像信息，轉換相應坐 標計算出擺角信息，或通過軟件自帶直線識別函數識別擺繩并獲取對應傾角， 這種方法要求擺繩圖像信息明顯，要求擺繩為黑色且線型較粗，無法應用于實 際；在拍攝負載的視覺測量方法中，通過在負載上安裝標識物，由標識物的圖 像信息獲取負載位置及擺角信息，誤差較大且不適用于復雜負載；通過設置特 殊標記或者設置簡單背景的方法可快速識別運動目標，但需要對整個視覺系統 進行環境改造，對外在環境有較大的依賴性，可擴展性較差；通過背景建模的 方法拍攝負載，獲取負載圖像信息并計算主軸傾角，從而可得到擺角信息，用 幀差法可抑制鬼影，且計算量小，實時性較高，但前景目標空洞較多；用光流 法獲得運動目標和背景的矢量場差異，從而確定運動目標，這種方法無法保證 檢測過程中的準確性與實時性；基于參數的混合高斯背景建模算法，初始化繁 雜，參數估計過程久，無法滿足測量實時性的要求；傳統的Vibe背景建模算 法，在目標檢測過程中閾值固定，容易出現鬼影。這些方法多適用于靜態背景， 針對吊車工作環境多為室外，存在風吹草動，光線變化等干擾，無法準確識別 出負載。

技術實現思路

[0004]本部分的目的在于概述本專利技術的實施例的一些方面以及簡要介紹一些較 佳實施例。在本部分以及本申請的說明書摘要和專利技術名稱中可能會做些簡化或 省略以避免使本部分、說明書摘要和專利技術名稱的目的模糊，而這種簡化或省略 不能用于限制本專利技術的范圍。
[0005]鑒于上述現有存在的問題，提出了本專利技術。
[0006]因此，本專利技術解決的技術問題是：傳統的吊車負載擺角視覺測量方法多依 賴于特定環境，對于室外工作的橋式吊車，存在光照變化及風吹草動等動態干 擾，基于視覺背景的前景目標能有效提取前景，但由于檢測前景目標的過程中， 其閾值固定，無法消除動態干擾，導致無法準確的檢測到運動中的負載，給擺 角計算帶來一定的誤差。
[0007]為解決上述技術問題，本專利技術提供如下技術方案：一種基于自適應算法的 吊車負載擺角測量方法，包括：
[0008]通過拍攝運動中的吊車負載，訓練出背景模型；
[0009]基于視覺背景的前景目標提取出前景像素，利用最佳分割閾值，對前景像 素點進
行二次判別，得到最終前景目標；
[0010]采用基于Cartesian矩的負載擺角測量算法，計算前景目標二值化圖像的相 關Cartesian矩，求解出質心位置，計算出負載擺角。
[0011]作為本專利技術所述的一種基于自適應算法的吊車負載擺角測量方法的一種 優選方案，其中：所述拍攝負載包括：
[0012]將相機固定于橋吊平臺正前方，實時拍攝運動中的吊車負載。
[0013]作為本專利技術所述的一種基于自適應算法的吊車負載擺角測量方法的一種 優選方案，其中：利用改進后的基于視覺背景的前景目標，訓練出背景模型， 包括：
[0014]利用均值背景模型進行模型初始化，采集均值背景模型每個像素的八領域 像素值，隨機抽取八鄰域像素值作為初始背景模型；所述模型表示為：
[0015]x
i
＝random{x
a
(i)(i＝1,2,3,...8)}
[0016]S(a)＝{x1,x2,...x
n
}
[0017]其中x
i
為像素初始背景模型樣本，x
a
(i)為像素點a的i領域像素值，S(a)為 像素點a的背景模型樣本集，n為樣本個數。
[0018]作為本專利技術所述的一種基于自適應算法的吊車負載擺角測量方法的一種 優選方案，其中還包括：
[0019]定義一個歐式空間M
r
(x(a))，該空間為一個以x(a)為中心，r為半徑的球 形。將背景模型樣本集與該空間對比，定義k為M
r
(x(a))與S(a)相交的個數， 當k大于設定閾值時，該像素點被判定為背景，否則被判定為前景；所述相交 個數表示為：
[0020]k＝{M
r
(x(a))∩{x1,x2,...x
n
}}
[0021]在此基礎上更新背景模型，當像素點被判定為背景時，需要對其背景模型樣本 集進行更新，同時，更新領域像素點的背景模型樣本集。
[0022]作為本專利技術所述的一種基于自適應算法的吊車負載擺角測量方法的一種 優選方案，其中：采用最大類間差法計算當前幀的最佳分割閾值，包括：
[0023]定義類間方差：
[0024][0025]其中，e0為前景像素占整幅圖像像素的比例，為前景像素平均灰度值，e1為 背景像素占整幅圖像像素比例，為背景像素平均灰度值，為整幅圖像像素 的平均灰度值。當類間方差α2取最大值時，灰度值即為最佳分割閾值。
[0026]所述最佳分割閾值為：
[0027][0028]作為本專利技術所述的一種基于自適應算法的吊車負載擺角測量方法的一種 優選方案，其中：基于視覺背景的前景目標提取出前景像素，利用最佳分割閾 值，對前景像素點進行二次判別。
[0029]作為本專利技術所述的一種基于自適應算法的吊車負載擺角測量方法的一種 優選方案，其中：計算經過基于視覺背景的前景目標檢測得到的背景像素點灰 度平均值，當灰度平均值小于或等于最佳分割閾值時，判定規則為：
[0030][0031]當x(a)大于最佳分割閾值時，當前像素被判定為前景像素，反之，被判定為背 景像素。
[0032]當灰度平均值大于最佳分割閾值時，判定規則為：
[0033][0034]當x(a)小于最佳分割閾值時，當前像素被判定為前景像素，反之，被判定為背 景像素。像素經過二次判別后，得到最終前景目標。
[0035]其中，λ
*
為最佳分割閾值，F(a)為像素點a的判定標簽，g(a)為前景像素， p(a)為背景像素，x(a)為基于視覺背景的前景目標提取出前景像素灰度值。
[0036]作為本專利技術所述的一種基于自適應算法的吊車負載擺角測量方法的一種 優選方案，其中：基于Cartesian矩的負載擺角算法計算負載擺角，包括：
[0037]定義負載的質心坐標(u0,v0)：
[0038][0039]其中，k
10
為負載圖像關于水平方向的灰度矩，k
01
為負載圖像關于豎直方向的 灰度矩，k
00
為負載圖像面積。
[0040]k
ij
由圖像的Cartesian矩計算公式得到：
[0041]k本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.一種基于自適應算法的吊車負載擺角測量方法，其特征在于，包括：通過拍攝運動中的吊車負載訓練出背景模型；基于視覺背景的前景目標提取出前景像素，利用最佳分割閾值，對前景像素點進行二次判別，得到最終前景目標；采用基于Cartesian矩的負載擺角測量算法，計算前景目標二值化圖像的相關Cartesian矩，求解出質心位置，計算出負載擺角。2.如權利要求1所述的基于自適應算法的吊車負載擺角測量方法，其特征在于：所述拍攝負載包括：將相機固定于橋吊平臺正前方，實時拍攝運動中的吊車負載。3.如權利要求2所述的基于自適應算法的吊車負載擺角測量方法，其特征在于：利用改進后的基于視覺背景的前景目標訓練出背景模型，包括：利用均值背景模型進行模型初始化，采集均值背景模型每個像素的八領域像素值，隨機抽取八鄰域像素值作為初始背景模型；所述模型表示為：x
i
＝random{x
a
(i)(i＝1,2,3,...8)}S(a)＝{x1,x2,...x
n
}其中x
i
為像素初始背景模型樣本，x
a
(i)為像素點a的i領域像素值，S(a)為像素點a的背景模型樣本集，n為樣本個數。4.如權利要求3所述的基于自適應算法的吊車負載擺角測量方法，其特征在于，還包括：定義一個歐式空間M
r
(x(a))，該空間為一個以x(a)為中心，r為半徑的球形。將背景模型樣本集與該空間對比，定義k為M
r
(x(a))與S(a)相交的個數，當k大于設定閾值時，該像素點被判定為背景，否則被判定為前景；所述相交個數表示為：k＝{M
r
(x(a))∩{x1,x2,...x
n
}}在此基礎上更新背景模型，當像素點被判定為背景時，需要對其背景模型樣本集進行更新，同時，更新領域像素點的背景模型樣本集。5.如權利要求1所述的基于自適應算法的吊車負載擺角測量方法，其特征在于：采用最大類間差法計算當前幀的最佳分割閾值，包括：定義類間方差：其中，e0為前景像素占整幅圖像像素的比例，為前景像素平均灰度值，e1為背景像素占整幅圖像像素比例，為背景像素平均灰度值，為整幅圖像像素的平均灰度值。當類間方差α2取最大值時，灰度值即為最佳分割閾值。所述最佳分割閾值為：6.如權利要求5所述的基于自適應算法的吊車負載擺角測量方法，其特征在于，還包括：基于視覺背景的前景目標提取出前景像素，利用最佳分割閾值，對前景像素點進行二次判別。
7.如權利要求6所述的基于自適應算法的吊車負載擺角測量方法，其特征在于，包括：計算經過基于視覺背景的前景目標檢測得到的背景像素點灰度平均值，當灰度平均值小于或等于最佳分割閾值時，判定規則為：當x(a)大于最佳分割閾值時，當前像素被判定為前景像素，反之，被判定為背景像素。當灰...

【專利技術屬性】
技術研發人員：于莉莉，張穎妤，歐陽惠珉，周煜翔，
申請(專利權)人：南京工業大學，
類型：發明
國別省市：