針對帶式輸送機帶速檢測方法中存在可靠性和準確性差等問題,提出了一種基于機器視覺的帶式輸送機帶速檢測的方法,該方法利用攝像頭采集輸送帶上表面圖像,根據上表面序列圖像相鄰圖像之間具有相同時間間隔的特點,采用圖像匹配算法計算相鄰圖像特征點的相對像素位移,利用圖像坐標系與物理坐標系之間的映射關系,計算出輸送帶物理位移量及帶速。提出一種基于SURF-ORB算法的輸送帶上表面圖像匹配算法,該算法通過劃分圖像的感興趣區(qū)域縮小圖像匹配搜索范圍,利用SURF算法提取相鄰圖像特征,ORB算法對相鄰圖像進行特征描述,實現(xiàn)相鄰圖像特征點的匹配。采用OpenMP技術實現(xiàn)圖像特征和特征描述的并行運算。實驗結果表明,該檢測方法能夠檢測帶式輸送機的帶速,檢測精度到達±0.05 m/s。 

【文章來源】：儀表技術與傳感器. 2020,(07)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

帶式輸送機帶速檢測軟件設計方案框圖

表2 機器視覺測速與傳感器速度對比 m/s 序列圖像 算法測速結果v1 傳感器平均速度v′1 算法測速結果v2 傳感器平均速度 v′2 算法測速結果v3 傳感器平均速度v′3 組1 0.572 0.57 1.46 1.43 2.24 2.25 組2 0.579 0.57 1.47 1.43 2.35 2.25 組3 0.573 0.57 1.38 1.43 2.26 2.25 組4 0.563 0.57 1.30 1.43 2.30 2.25 組5 0.581 0.57 1.42 1.43 2.32 2.25 組6 0.573 0.57 1.29 1.43 2.20 2.25 組7 0.574 0.57 1.46 1.43 2.21 2.25 組8 0.576 0.57 1.298 1.43 2.24 2.25 組9 0.578 1 0.57 1.47 1.43 2.27 2.25 平均速度 0.574 344 0.57 1.394 222 1.43 2.265 556 2.25由實驗可知,表2選取的3組序列圖像測量帶速的平均誤差分別是-4.344 、35.78 、-15.56 mm/s。經多次實驗驗證,整體平均誤差控制在-50～50 mm/s之間。圖3為傳感器測量與機器視覺測量結果瞬時誤差,在速度較大時,瞬時誤差可控制在-0.2～0.2之間。在采集圖像的過程中,兩幀圖像由于亮度差異等不可控因素導致匹配失敗,使得測速結果誤差較大,針對此問題,本文采用最小二乘法對測量速度進行擬合,將誤測的速度剔除。綜上所述,本文測速方法與傳感器測速方法保持了較好的一致性,其穩(wěn)定性與可靠性強于速度傳感器,具有很高的精確度,彌補了傳感器測速易受外界環(huán)境影響的缺陷。

經大量實驗表明,本文算法可精確對輸送帶序列圖像進行匹配。隨機選取序列圖像中的兩幅圖像,如圖2(a)與圖2(b),運用本文算法對輸送帶圖像進行實驗,匹配結果如圖2(c)所示。將改進后的算法與ORB算法作對比,以圖2(a)、圖2(b)為例,匹配算法比較結果如表1所示,當ORB算法進行匹配時無正確匹配點對,本文提出的算法匹配結果有57對正確匹配點,且耗時與ORB算法相當。

【參考文獻】：
期刊論文
[1]基于雙目圖像匹配的車載測速測向方法研究[J]. 張輝,龔文森,陳靜萍,林軍記.  汽車技術. 2017(11)
[2]煤礦輸送帶傳輸故障實時監(jiān)測技術[J]. 王建勛.  工礦自動化. 2015(01)
[3]RANSAC算法的自適應Tc,d預檢驗[J]. 田文,王宏遠,徐帆,方磊.  中國圖象圖形學報. 2009(05)

碩士論文
[1]基于機器視覺的油泵殼體尺寸測量系統(tǒng)[D]. 汪田.浙江大學 2018
[2]機器視覺的輸送帶縱向撕裂故障檢測系統(tǒng)信號采集器的研究[D]. 劉洋.天津工業(yè)大學 2016



本文編號：3048701