离d满足cK 4的直 线聚为一类，得到直线聚合类Lch=化Chr I r= 1，2，…，Qh} ,Lchr表示第r个直线聚合类，Qh为 直线聚合类的数量;再利用最小二乘法分别对每个直线聚合类中的直线进行拟合，结果得 到一个直线集合L扣={L扣r I r = 1，2，…，Qh}，Qh为直线拟合后的直线总数，L扣r表示由直线 聚合类Lchr拟合得到的直线；最后利用在图像Fl区域内直线Lfhr所经过的像素点灰度值构 成集合并计算该集合的方差，进一步得到直线集合Lfh对应的灰度值方差集合化r，获取Lfh 中灰度值方差最小的直线即为船槽舱位水平边缘直线化；
[0027] 步骤2.2:对船槽舱位边缘垂直线进行检测，首先通过判断直线k的斜率，保留直 线斜率满足IKI > 11.43的直线，进一步得到直线候选集合Lsv= {Lsvk I k= 1，2，…，Nv}，Nv为 过滤后直线的总数;其次把直线候选集合Lsv中斜率相同的且平行直线之间的距离d满足d < 4的直线聚为一类，得到直线聚合类Lcv =化CVr I r = 1，2，…，Qv}，Lcvr表示第r个直线聚合 类，Qv为直线聚合类的总数，再利用最小二乘法分别对每个直线聚合类的直线进行拟合，结 果为直线集合Lf V =化f Vr I r = 1，2，…，Qv}，Qv为直线拟合后的直线总数，Lf Vr表示由直线聚 合类Lcvr拟合得到的直线;进一步利用LfVr在图像Fl中的位置，过滤图像中间区域内的垂直 线，结果得到直线集合Lbv= ILbVr Ir=I，2,…，Tv}，Tv为过滤垂直线后的直线总数;最后利 用在图像Fl区域内直线化Vr所经过的像素点灰度值构成集合并计算该集合的方差，进一步 得到直线集合化V对应的灰度值方差集合Var,获取化V中灰度值方差最小的两条直线即为 船槽舱位垂直边缘直线Lvi和Lv2 ;
[0028] 步骤2.3:利用步骤2.1和步骤2.2检测到的船槽舱位边缘水平直线化W及垂直直 线Lvi和LV2,分别计算水平直线和垂直直线的交点，结果得至化={Pl，P2}，其中Pi为直线化和 直线Lvi的交点，P2为直线Iii和直线LV2的交点；
[0029] 步骤2.4:重复步骤2.1-2.3,得到另外一组双目摄像头的船槽舱位图像F2中的船 槽舱位水平边缘直线和垂直边缘直线，进一步得图像F2中的直线交点P3和P4,其中点P3与点 Pl对应，点P4和点P2对应，运四个点构成了船槽舱位的整体边缘轮廓。
[0030] 所述的一种基于视觉扫描的船槽定位方法，其特征在于船槽舱位分段按照船槽宽 度进行分段，具体步骤如下：
[0031]步骤3.1:首先将点Pi和点P3的坐标保存到第一个船槽Ei中，其次从坐标点Pi开始， 在对应的直线PiP2上找到第一个和点Pi之间的距离等于船槽宽度length的点A，同理，从坐 标点P3开始，在对应的直线P3P4上找到第一个和点P3之间的距离等于船槽宽度length的点 B，同时保证直线AB和直线P化的斜率相同；
[003^ 步骤3.2:将步骤3.1找到的点A和点B保存到第一个船槽E冲，贝帷船槽实体E冲包 含点Pi、P3、A、B，运四个点标识了第一个船槽的位置，再将Ei保存到船槽队列E=KiIi = I, 2,…，K}中，其中K为船槽的总个数;进一步将点A和点B保存到第二个船槽E2中，再按照步骤 3.1的方法，找到属于第二个船槽的另外两个顶点，循环整个过程，直到点P2和点P4为止，最 后得到一个船槽队列E，船槽队列中的每个船槽包括四个顶点，运四个顶点标识船槽的具体 位置，即可定位船槽。
[0033] 本发明的有益效果为:通过采用本发明限定的方法，用于船槽的定位，改善传统W 人工引导为主的集装箱装卸工作模式，提升了船舶集装箱装卸数字化和智能化水平，是一 项改善生产和工作环境的多赢工程，对提高作业效率、降低成本非常有利。
【附图说明】
[0034] 图1为船槽定位方法流程图；
[0035] 图2为实施例中船槽舱位扫描示意图；
[0036] 图3为实施例中船槽舱位图像拼接示意图；
[0037] 图4为实施例中船槽舱位轮廓检测示意图；
[0038] 图5为实施例中船槽定位示意图。
[0039] 图中：1-吊具，2-重叠区域，3-点。
【具体实施方式】
[0040] 下面结合说明书附图对本发明进行进一步的说明。应当理解，此处所描述的具体 实施例仅用于解释本发明，并不用于限定本发明。
[0041 ]图1是根据本发明的实施例的船槽定位方法整体流程图。
[0042] 如图1所示，根据本发明实施例的流程图，船槽定位方法包括集装箱船槽舱位扫 描、船槽舱位图像拼接、图像预处理与数学形态学船槽边缘检测、船槽舱位边缘霍夫直线检 测、船槽舱位分段及船槽定位。
[0043] 本发明的一种船槽定位方法具体实施如下：
[0044] 码头进行集装箱装卸作业时，首先使用已标定完成的双目视觉系统，W集装箱船 靠岸一侧为起点，逐渐移动吊具1并不断拍摄船槽舱位图像，直到吊具1到达船体另一侧为 止，结果得到一组有序的船槽舱位图像f=也Ii = I，2，一n}，其中n为图像数量，f康示第i 张图像，图2为本实施例中船槽舱位扫描示意图；
[0045] 当捕获的图像超过2张时，在扫描的船槽舱位图像过程中对图像进行实时拼接，即 在移动吊具1拍摄船槽舱位图像的过程中，图像拼接算法会实时地拼接相邻的两张图像，最 后得到一组双目摄像头的完整的船槽舱位图Fi，其具体步骤如下：
[0046] 步骤1.1:当船槽舱位图像序列f中有两张船槽舱位图像时，就启动图像拼接算法；
[0047]步骤I. 2:从图像序列f中获取相邻的两张船槽舱位图像fi和f2,再分别利用SIFT算 法提取图像的SIFT特征；
[004引步骤1.3:利用K-D Tree和BBN算法，对步骤1.2提取的两张船槽舱位图的SIFT特征 匹配点进行查询；
[0049] 步骤1.4:利用RANSAC算法筛选步骤1.3所查询的特征匹配点并计算变换矩阵H，该 变换矩阵表示两张图像的重叠区域；
[0050] 步骤1.5:利用步骤1.4得到的变换矩阵H、图像fi和f2进行图像拼接，得到拼接图 Fi,并将图像拼接过程分为=部分：（1)取图像f2经变换矩阵H变换生成一张新图像作为拼接 图Fi的初始图像；（2)取图像fi和图像f2的重叠区域2的加权平均作为拼接图像Fi的中间部 分；（3)取图像fi去掉重叠区域2的剩余部分作为拼接图像Fi的左边部分，其中加权平均的权 重选择根据图像fi和f2重叠区域的宽度W及重叠区域2中的点到重叠区域2左边界和右边界 的距离来计算重叠区域的像素值PixelF,具体见式(1):
[0051]
(1)
[0052] 其中山为图像重叠区域2中的点3到左边界的距离，Cb为图像重叠区域2中的点3到 右边界的距离为重叠区域2中的点在图像fi中的像素值，为重叠区域2中的点 在图像f2中的像素值，图3(a)为本实施例中船槽舱位图像fi示意图，图3(b)为本实施例中船 槽舱位图像f2示意图，图3(c)为本实施例中船槽舱位拼接图像Fi示意图；
[0053] 进一步对经过图像拼接得到的船槽舱位图像Fi进行图像灰度