运用于带钢加工生产线的视觉处理方法
【技术领域】
[0001] 本发明涉及计算机视觉领域，具体地，涉及一种运用于带钢加工生产线的视觉处 理方法。
【背景技术】
[0002] 目前国内大多数钢板切割过程的钢板定位主要靠以下方式进行：人工目测（精度 需求不高时）、电火花碰边、辅助工装固定、标尺测量等方式，这些方式存在精度不高、拆装 工作量大、自动化程度低、时效性不高的问题。
[0003] 目前基于形状的图像匹配领域有了很多研究，主要分为两个大类。
[0004] -是基于边缘的形状描述匹配：将形状用周长、主轴、形状数、傅立叶描述、小波描 述、尺度空间等一定的特征重新数学化表达，定义相关的匹配函数完成匹配。目前在基于形 状的图像匹配中，傅里叶描述方法较为出色且易于实现，但轮廓上较尖锐的变化被映射到 全部系数中而无法侦测到，且只能实现定性匹配，而不利于完成模板的精确定位。
[0005] 二是基于区域的形状描述匹配：利用图像的区域面积、重心、形变参数、偏心率、各 种类型的不变矩等来完成匹配。简单的区域形状描述符实现简单，有很明确的物理意义，但 有时候在区分不同形状的时候能力较弱。将图像灰度转化为数学空间的各种不变矩也是常 用的方法，它能很好的识别形状特征，但一些高阶矩阵的运算量太大而不足以满足时效性 要求，而且对噪声很敏感。
【发明内容】
[0006] 针对现有技术中的缺陷，本发明的目的是提供一种运用于带钢加工生产线的视觉 处理方法。
[0007] 根据本发明提供的一种运用于带钢加工生产线的视觉处理方法，其特征在于，包 括如下任一个或任多个步骤：
[0008] 搬运堆垛定位步骤，记为步骤S1，具体地：根据在带钢加工生产的搬运堆垛过程 中获取的目标图像，对带钢进行定位，其中，在带钢加工生产的搬运堆垛过程中获取的目标 图像记为第一目标图像；
[0009] 落料加工定位步骤，记为步骤S2,具体地：根据在带钢加工生产的落料加工过程 中获取的目标图像，对带钢进行定位，其中，在带钢加工生产的落料加工过程中获取的目标 图像记为第二目标图像；
[0010] 匹配定位步骤，记为步骤S3,具体地：针对目标图像为残缺图像的情况，进行残缺 图像的匹配与定位。
[0011] 优选地，所述步骤S1包括如下步骤：
[0012] 步骤S1. 1、提取带钢原始图像上目标图形的轮廓特征；
[0013] 步骤S1. 2、进行目标图形的轮廓特征量的极坐标变换，包括如下步骤：
[0014] 步骤S1. 2. 1、利用目标图形的轮廓边缘上每一个像素点的直角坐标（x，y)，得到 轮廓几何中心点的直角坐标（xD，yD);
[0015] 步骤S1.2. 2、将像素点直角坐标（X，y)转换为极坐标（r，Θ)，其中，r为极径，Θ 为极角；
[0016] 步骤S1. 3、将基于轮廓点极坐标信息的模板与第一目标图像进行匹配，包括步 骤：
[0017] 步骤S1. 3. 1、分别寻找对应极径r为最大值时，模板轮廓上的轮廓点P、第一目标 图像中目标轮廓上的轮廓点Pd，计算尺度比例L，其中，尺度比例L的计算方式为：假设模板 轮廓上的轮廓点P对应的最大极径值为R1，目标轮廓上的轮廓点Pd对应的最大极径值为 R2,则L=R2/R1 ;
[0018] 步骤S1. 3. 2、用尺度比例L对目标轮廓极坐标信息进行归一化操作，从极径r最大 时对应的轮廓点开始，以对应模板轮廓与目标轮廓各自尺寸的步长逆时针遍历取点，得到 各组对应点，然后计算各组对应点极径差值的和值，将该和值除以步数作为平均误差；
[0019] 步骤S1. 3. 3、若平均误差小于设置阈值，则认为模板轮廓与目标轮廓匹配，进入步 骤S1. 3. 4继续执行，否则，则认为不匹配，将当前的模板轮廓替换为不同的模板轮廓，进入 步骤SI. 3. 1继续执行；
[0020] 步骤S1. 3. 4、将目标轮廓的轮廓中心点与模板轮廓的轮廓中心点之间的差值作为 偏移量，利用各自对应极径区域极值点的极角差值平均值作为旋转角度，利用各自对应极 径区域极值点的比值平均值作为尺度变化量。
[0021] 优选地，所述步骤S2包括如下步骤：
[0022] 步骤S2. 1、利用高斯内核卷积带钢原始图像获得高斯金字塔；
[0023] 步骤S2. 2、利用Sobel算子卷积高斯金字塔各层图像获得每层的梯度幅值图，将 梯度方向保存成灰度图，并计算灰度图中每一个像素点的归一化方向向量；
[0024] 步骤S2. 3、基于形状梯度信息的模板与第二目标图像的匹配，包括步骤：
[0025] 步骤S2. 3. 1、在对应于最小分辨率的高斯金字塔顶层图层，将模板子图在第二目 标图像中不断平移直至遍历第二目标图像，根据如下公式计算匹配分数S1 :
[0026]
[0027] 共十，m、n方力曰t不m像的长、宽，Thik为模板子图中像素点的归一化方向向 量，Dhik为第二目标图像中对应像素点的归一化方向向量；下标h，k表示像素点在当前模板 子图内的相对位置；
[0028] 将第二目标图像以角度Φ为步长，以第二目标图像的几何中心为旋转中心不断 旋转第二目标图像，利用二次线性插值生成新的图像矩阵，每次旋转过后都计算一次当前 S1取最大值时模板子图在第二目标图像中的平移量（Sx，Sy)，旋转第二目标图像直至360 度，返回S1最大时对应的旋转角度ΦΜ，记录当前平移量（SxM，SyM) ;SX、SxM表示沿图像宽度 方向的平移量，Sy、SyM表示沿图像高度方向的平移量；
[0029] 步骤S2. 3. 2、对于下一层高斯金字塔图层，以小于角度Φ的步长在ΦΜ邻域内旋 转第二目标图像，获得新的图像矩阵，每次旋转结束后，在（SxM，SyM)为中心的模板子图邻域 平移模板子图，利用自适应阈值分割当前层梯度幅值图像提取边缘点，具体根据如下公式 计算匹配分数S2 :
[0030] S2=E(，'y)T,:D N
[0031] 其中，（X，y)为边缘点坐标，T为模板子图中的归一化方向向量，D为第二目标图像 中对应点的归一化方向向量，N表示第二目标图像中模板子图大小的区域中像素点梯度幅 值大于设定阈值的点的数目
[0032] 计算并返回S2最大时对应的旋转角度和平移量，更新ΦM和（SxM，SyM)，进入高斯金 字塔下一层；
[0033] 其中，不断重复执行步骤S2. 3. 2直至高斯金字塔底层，返回最终旋转角度和平移 量完成匹配。
[0034] 优选地，所述步骤S3包括如下步骤：
[0035] 步骤S3. 1、获取目标图像中图形的轮廓；
[0036] 步骤S3. 2、针对目标图像为残缺图像缺失信息而只能获得部分信息的情况，将模 板轮廓与目标残缺轮廓的类曲率特征保存在一维数组中，寻找目标残缺轮廓的类曲率数组 在模板轮廓类曲率数组中最相似的段落，完成残缺图像匹配；
[0037] 步骤S3. 3、计算模板轮廓中心点，建立模板轮廓上像素点与由模板轮廓所有轮廓 点的坐标加权平均获得的中心点之间的对应关系，以该对应关系计算出目标残缺轮廓虚拟 中心点，完成残缺图像定位。
[0038] 优选地，所述步骤S1还包括如下步骤：
[0039] 步骤S1. 2. 3、处理轮廓中心点在轮廓外部情况，具体地：
[0040] 步骤S1. 2. 3通过以下步骤完成：
[0041 ]-在没有对应极径的极角范围，r取值为0 ;
[0042] -在没有对应极径的极角范围之外的其他角度范围，如果存在多个r值，则进行区 别保存。
[0043] 优选地，步骤S2. 1中所述的高斯内核为：
[0044]
[0045] 优选地，步骤S2. 2中所述归一化方向向量通过以下步骤获得：
[0046] a.利用Sobel算子对灰度图进行滤波，分别获得灰度图的高度方向Y的梯度Dy、 宽度方向X的梯度Dx;
[0047]b.根据如下公式建立归一化方向向量：
[0048]
[0049] EdgeDir=atan1 (Dy/Dx)
[0050] e=(COS(EdgeDir)，SIN(EdgeDir))
[0051] 其中，EdgeAmp为像素点的梯度方向，EdgeDir为像素点的梯度幅值，e为像素点的 单位方向向量。
[0052] 优选地，步骤S3. 2中轮廓的类曲率特征通过以下步骤完成：
[0053]a.目标残缺轮廓视为连续轮廓，预处理目标残缺轮廓，截除首尾部分轮廓点；
[0054] b.从目标残缺轮廓上某一点开始逆时针遍历轮廓，取3个点，根据如下公式计算 类曲率K作为类曲率特征：
[0055]
[0058] 其中，（X;py;D、（X;，y;)、（xi+1,yi+1)分别为目标残缺轮廓的首端点、中间点、末端 点的坐标，（xiiC1,yiiC1)为首端点与中间点的中