人工智能深度学习找线缆盘圆心---项目展示

  • 背景知识

     在工业堆场的仓库里面堆放着大量的形状不规则的线缆盘,如图所示:

通常情况下,对于人工搬运的仓储物流环境下,基本是人工开动叉车,人工找到线缆盘圆心的位置,再用叉车的前叉插入线缆盘,这种情况下基本是靠人来识别线缆盘圆心个准确位置

随着智能仓储技术的发展,对于无人仓储的环境下,我们需要机器自动“搬运”这些形状不规则,颜色各异的线缆盘。比如让智能叉车前面两个插针自动化插入线缆盘的圆心,智能航吊的顶针自动化插入线缆盘的圆心。这种情况下需要机器准确识别线缆盘圆心的准确位置

  • 技术难点

由于线缆盘长期在搬运过程中造成的变形,以及线缆盘长期暴露在室外堆场环境下由于生锈老化带来的颜色差异,采用传统的图像处理是很难找准线缆盘圆心的准确位置的。

本人探索出一种基于人工智能深度学习方法,能够准确获取线缆盘中心点的位置。这样就可以使得叉车自动找准线缆盘圆孔所在位置,能大大提高线缆盘在仓储运输过程中的效率。

  •  本课程找线缆盘中心点的效果

采用本课程中使用方法能够很准确无误的找到各种变色变形的线缆盘的准确位置,如图所示:

原始图片:

模型算法推理结果:

  • 开设课程以及课程面向对象

我将会把我的找圆心的方法做成一系列课程,以便工业界直接使用和人工智能爱好者学习。课程主要面向对象为:

  1. 物流仓储领域工程师,可以直接使用我介绍的方法用于他们产品的一部分。
  2. 广大热衷于人工智能深度学习的爱好者,他们可以从我的工程实践中学习到如何训练模型,Semantic Segmentation理解,以及FCN,U-Net, DeepLab V3+经典语义分割的理解。
  •  课程源代码目录结构

 

  •  课程安排

本课程所讲的方法可以直接在在工业场景下应用,可以直接应用于工业场景

另外本课程可以做为一个引例,后面会附带相关视频,介绍本方法的实现原理,实现方法由此过程产生的视频和相应的文件可以作为广大人工智能爱好者学习的资料。

  • 欢迎添加我的微信,任何技术问题,欢迎和我一起探讨。
  1. 我的微信号:wxid_gr4fda35t8lw22
  2. 微信二维码:

import cv2 as cv import numpy as np def hough_circle(image): #因为霍夫检测对噪声很明显,所以需要先滤波一下。 dst =cv.pyrMeanShiftFiltering(image,10,100) cimage=cv.cvtColor(dst,cv.COLOR_BGR2GRAY) circles = cv.HoughCircles(cimage,cv.HOUGH_GRADIENT,1,40,param1=40,param2=29,minRadius=30,maxRadius=0) #把circles包含的圆心和半径的值变为整数 circles = np.uint16(np.around(circles)) for i in circles[0]: cv.circle(image,(i[0],i[1]),i[2],(0,255,0),3) cv.imshow("circle",image) src = cv.imread("E:/opencv/picture/coins.jpg") cv.imshow("inital_window",src) hough_circle(src) cv.waitKey(0) cv.destroyAllWindows() 霍夫圆变换的基本思路是认为图像上每一个非零像素点都有可能是一个潜在的圆上的一点, 跟霍夫线变换一样,也是通过投票,生成累积坐标平面,设置一个累积权重来定位圆。 在笛卡尔坐标系中圆的方程为: 其中(a,b)是圆心,r是半径,也可以表述为: 即 在笛卡尔的xy坐标系中经过某一点的所有圆映射到abr坐标系中就是一条三维的曲线: 经过xy坐标系中所有的非零像素点的所有圆就构成了abr坐标系中很多条三维的曲线。 在xy坐标系中同一个圆上的所有点的圆方程是一样的,它们映射到abr坐标系中的是同一个点,所以在abr坐标系中该点就应该有圆的总像素N0个曲线相交。 通过判断abr中每一点的相交(累积)数量,大于一定阈值的点就认为是圆。 以上是标准霍夫圆变换实现算法。 问题是它的累加到一个三维的空间,意味着比霍夫线变换需要更多的计算消耗。 Opencv霍夫圆变换对标准霍夫圆变换做了运算上的优化。 它采用的是“霍夫梯度法”。它的检测思路是去遍历累加所有非零点对应的圆心,对圆心进行考量。 如何定位圆心呢?圆心一定是在圆上的每个点的模向量上,即在垂直于该点并且经过该点的切线的垂直线上,这些圆上的模向量的交点就是圆心。 霍夫梯度法就是要去查这些圆心,根据该“圆心”上模向量相交数量的多少,根据阈值进行最终的判断。 bilibili: 注意: 1.OpenCV的霍夫圆变换函数原型为:HoughCircles(image, method, dp, minDist[, circles[, param1[, param2[, minRadius[, maxRadius]]]]]) -> circles image参数表示8位单通道灰度输入图像矩阵。 method参数表示圆检测方法,目前唯一实现的方法是HOUGH_GRADIENT。 dp参数表示累加器与原始图像相比的分辨率的反比参数。例如,如果dp = 1,则累加器具有与输入图像相同的分辨率。如果dp=2,累加器分辨率是元素图像的一半,宽度和高度也缩减为原来的一半。 minDist参数表示检测到的两个圆心之间的最小距离。如果参数太小,除了真实的一个圆圈之外,可能错误地检测到多个相邻的圆圈。如果太大,可能会遗漏一些圆圈。 circles参数表示检测到的圆的输出向量,向量内第一个元素是圆的横坐标,第二个是纵坐标,第三个是半径大小。 param1参数表示Canny边缘检测的高阈值,低阈值会被自动置为高阈值的一半。 param2参数表示圆心检测的累加阈值,参数值越小,可以检测越多的假圆圈,但返回的是与较大累加器值对应的圆圈。 minRadius参数表示检测到的圆的最小半径。 maxRadius参数表示检测到的圆的最大半径。 2.OpenCV画圆的circle函数原型:circle(img, center, radius, color[, thickness[, lineType[, shift]]]) -> img img参数表示源图像。 center参数表示圆心坐标。 radius参数表示圆的半径。 color参数表示设定圆的颜色。 thickness参数:如果是正数,表示圆轮廓的粗细程度。如果是负数,表示要绘制实心圆。 lineType参数表示圆线条的类型。 shift参数表示圆心坐标和半径值中的小数位数。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值