专利交易市场

本发明提出一种对开式刀闸状态的实时精确检测方法，包括：采集实时监控视频，建立模型文件；获取样本图像，利用深度学习对其进行训练获取训练模型，然后对每一帧图像进行检测获取其中的刀闸区域和刀闸状态以及绝缘子区域，结合模型文件对其中的刀闸臂和绝缘子进行定位，根据定位结果计算刀闸可信度；根据上述定位的结果对满足可信度条件的图像进行检测，计算左刀闸臂和右刀闸臂之间的初始夹角；估算系统误差，确定每一帧图像中左刀闸臂和右刀闸臂之间的校正夹角，判断每一帧图像中刀闸的实时状态，直至检测到刀闸停止运动，验证视频中刀闸运动的最终状态；本发明解决了对开式刀闸状态的实时检测精度低的问题。

本发明提出一种能够快速识别电线的刀闸状态检测方法，包括：建立模型文件，同等条件下采集同一刀闸的目标图像并进行边缘检测，获取边缘线集合；将不符合固定特征的边缘线剔除，获取第一更新边缘线集合，将其内的每条边缘线划分成多段，每一段记作分段边缘线，统计每条分段边缘线的局部区域范围内的灰度分布直方图；根据其分布直方图在其局部区域范围内寻找其作为分段电线的边界线，实现电线识别，将所有电线剔除，获取第二更新边缘线集合；将第二更新边缘线集合根据刀闸的特性对称区分，确定最终的第一刀闸臂边缘线和第二刀闸臂边缘线。本发明的方法识别精度高，检测速度快，能够有效帮助剔除电线对刀闸臂边缘线的干扰，具有重要的实际应用价值。

发明提出一种基于定位识别的对开式刀闸开合角度的计算方法，包括：采集对开式刀闸的模板图像并根据其建立刀闸臂的边界线模型且保存为模型文件，再计算刀闸臂的中点和中线；同等条件下采集同一刀闸的目标图像；通过各种途径获取刀闸的样本图像并经过训练获取训练模型，利用训练模型对目标图像中的刀闸定位；根据定位结果对目标图像中的刀闸进行边缘检测；计算目标图像的刀闸臂的左中点和右中点到每条边缘线的距离，剔除不在阈值范围内的边缘线，再利用中线左右区分进行对称配对，确定最终的左刀闸臂边缘线和右刀闸臂边缘线；计算左刀闸臂和右刀闸臂之间的夹角；本发明解决了对开式刀闸难以快速准确识别是否开合到位的问题，提高识别精度。

本发明提出一种基于自动定位的对开式刀闸开合角度检测方法，采集对开式刀闸的样本图像进行训练获取分割模型；采集该刀闸的任一幅模板图像，根据分割模型获取该图像中的所有绝缘子和刀闸臂的实际轮廓边界以及刀闸状态，对模板图像进行边缘检测，根据刀闸臂实际轮廓边界对边缘线集合中的边缘线筛选获取刀闸臂上下边缘线，根据绝缘子的实际轮廓边界估计绝缘子中心线；对所有刀闸臂进行配对，依据配对组合和绝缘子中心线计算每个刀闸臂中线；采集目标图像，利用中线辅助确定每个刀闸的最终的左右刀闸臂边缘线；计算左刀闸臂和右刀闸臂之间的夹角。本发明解决了对开式刀闸在实际使用中难以快速准确检测是否开合到位的问题，提高检测精度。

本发明提出实时跟踪的剪刀式刀闸状态的检测方法，采集实时监控视频，建立模型文件，获取标注刀闸臂和刀闸臂关节点位置的训练模型；利用训练模型和模型文件对第一帧图像中的刀闸臂自动定位并获取刀闸估计状态，依次检测直到一帧图像中的刀闸估计状态为闭合或虚合，将该帧图像标记为初始帧图像并计算其中刀闸臂的关节点和刀闸臂的角平分线，同时提取特征点并记录；利用前一帧图像的特征点对当前帧图像刀闸臂关节点跟踪定位，计算当前帧图像中刀闸臂角平分线，计算上刀闸臂和下刀闸臂之间的夹角，判断实时状态；检测到刀闸停止运动，验证视频中刀闸运动的最终状态。本发明解决了剪刀式刀闸实时检测速度慢的问题，提高检测准确性。

本发明提出一种基于深度图像的立方物体识别方法，包括：S1、获取目标的深度图像及其X方向和Y方向的梯度图；S2、根据梯度图对其中的像素点进行分类，获取边缘点图；S3、根据上述结果获取深度图像中目标的上表面、左垂面和右垂面的分割图像；S4、对边缘点图进行边缘线检测，将检测到的所有边缘线进行聚类与合并，获取共线边缘线组集合；S5、根据共线边缘线组集合的每组最长的边缘线提取角点；S6、对提取的角点进行配对，获取四边形；S7、确定立方物体的上表面和整体轮廓；S8、获取每个上表面四边形对应的左右垂直面，实现立方物体定位。本发明应用在物流行业中，解决对立方物体状包裹等目标的体积测量局限和耗时的问题，提高包裹分拣效率。

本发明提出一种基于角点配对的深度图像的四边形检测方法，包括：S1、获取目标的深度图像，分别获取X方向和Y方向的梯度图；S2、根据梯度图对其中的像素点进行分类，获取深度图像的边缘点图；S3、根据分类结果、梯度图和边缘点图获取深度图像中目标的上表面、左垂面和右垂面的分割图像；S4、对边缘点图进行边缘线检测，将检测到的所有边缘线进行聚类与合并，获取共线边缘线组集合；S5、根据每组最长边缘线提取角点；S6、对提取的角点进行配对；S7、根据角点配对结果结合上表面、左垂面和右垂面的分割图像实现目标的定位。本发明应用在物流行业中，能够解决对立方物体状包裹等目标的体积测量局限和耗时的问题，提高包裹分拣效率。