一种基于车头检测的集装箱卡车定位与引导方法

摘要

本发明一种基于车头检测的集装箱卡车定位与引导方法，步骤为：1)龙门吊上安装工业相机，进行一次定位点标定；2)在视频图像中检测车头，通过车头位置判断车头的运动方向；3)通过直线检测判断是否存在集装箱，如果满足条件则计算集装箱边缘与定位点的偏差角度和集装箱右前角点与定位点的相对距离，并通过显示装置将集装箱在规定区域的位置传递给驾驶员，实现集装箱卡车的定位和引导。本发明将集装箱在规定区域的位置实时直观的传递给卡车驾驶员，实现集装箱卡车的定位和引导。

说明书

技术领域

本发明涉及一种基于车头检测的集装箱卡车定位与引导方法，尤其是一种利用车头检测技术针对港口装卸集装箱时卡车的定位与引导方法。

背景技术

集装箱卡车是港口集装箱运输、装卸的重要物流工具。通常情况下，集装箱进行装卸前需要集卡按既定车道进入指定区域，港口的龙门吊等起重设备开动至集卡上方，放下吊具对集装箱进行装卸。在此过程中，集装箱龙门吊下集卡能否快速准确定位，不仅影响集装箱起重机的作业效率，同时也影响到卡车司机及龙门吊的作业安全。传统的定位方法有人工参与或激光定位，前者效率较低，影响港口整体效率；后者需要激光扫描设备，成本高且维护复杂。

计算机视觉技术使用相机和图像处理算法实现目标的自动检测、识别和跟踪，检测精度较高，速度及实时性较好，适用于集卡自动定位与引导的要求。

发明内容

本发明要解决的技术问题是：克服现有技术的不足，提供一种基于车头检测的集装箱卡车定位与引导方法，将集装箱在规定区域的位置直观的传递给卡车驾驶员，实现集装箱卡车的定位和引导。

本发明的技术方案是：一种基于车头检测的集装箱卡车定位与引导方法，步骤如下：

1)龙门吊上安装工业相机，进行一次定位点标定；

2)在视频图像中检测车头，通过车头位置判断车头的运动方向；

3)通过直线检测判断是否存在集装箱，如果满足条件则计算集装箱边缘与定位点的偏差角度和集装箱右前角点与定位点的相对距离，并通过显示装置将集装箱在规定区域的位置传递给驾驶员，实现集装箱卡车的定位和引导。

所述步骤1)的具体过程为：在龙门吊上安装工业相机，根据每台龙门吊下卡车需要的停靠位置，设置虚拟定位点，通过调整相机角度，将虚拟定位点移动至相机显示图像上确定的某一坐标。

所述步骤2)的具体过程为：对视频图像进行处理，通过模板匹配算法实现车头的自动检测；当车头进入视场，检测得到车头中心点坐标，将检测到车头的图像定义为第一帧图像；通过第一帧图像的车头位置以及第一帧图像后的一帧图像中的车头位置判断出车头运动方向。

对视频图像进行处理时，采用的帧频为每秒5帧。

所述步骤3)的具体过程为：

31)根据车头运动方向和车头中心点坐标，在车头运动的反方向选定感兴趣区域，通过直线检测算法在感兴趣区域中检测置信度最高的四条边界，若该四条边界围成的图形为矩形时，则判断卡车牵引集装箱并继续步骤32)；

32)计算集装箱任意一个边界与虚拟定位点垂直方向的夹角，计算集装箱四个角点与虚拟定位点的距离，其中最小距离即为右前角点与虚拟定位点的距离，进而得到右前角点与虚拟定位点的垂直和水平距离，并在引导电子屏幕上显示；

33)集卡司机根据电子屏幕显示的夹角和距离驾驶车辆，完成集卡的定位与引导。

所述直线检测算法采用Hough直线检测算法。

本发明与现有技术相比的优点在于：

龙门吊在使用前只需在龙门吊上安装一台工业相机，通过调整相机角度即可完成虚拟定位点的标定，虚拟定位点的位置可以进行多次移动，标定过程简单、使用方便、成本较低；通过图像模板匹配得到卡车车头位置，由连续帧车头的位置变化确定卡车运动方向，进而确定集装箱可能存在的区域，在该区域内通过直线检测方法检测集装箱，可以消除地面复杂背景的不利影响，提高集装箱检测的准确率和效率；集装箱与虚拟定位点的角度和位置偏差直接显示至卡车驾驶室，驾驶员可以直观的获取卡车定位与引导结果。

附图说明

图1本发明的系统布置图；

图2本发明方法的流程图；

图3引导电子屏显示示意图。

具体实施方式

下面结合附图和实施例，对本发明进行进一步的说明。

参照图1、图2和图3，一种基于车头检测的集卡定位与引导方法，包括如下步骤：

步骤1：在龙门吊吊架上安装工业相机(图1中标号1所示)拍摄引导车道的图像，图像的原点(0,0)定义为图像左下角点；在集卡需要停靠位置的右前方适当位置选取定位点A(图1中标号2所示)，调整相机角度和位置，将定位点A移动至图像的(x_A,y_A)坐标处；定位点与相机的相对位置固定，龙门吊移动时定位点在图像中一直位于(x_A,y_A)坐标；

步骤2：相机按一定帧频拍摄下方车道的图像，对图像进行逐帧处理，首先通过模板匹配算法检测车头，车头模板图T的大小为M_x×M_y，实时图S的大小为N_x×N_y，匹配时模板图叠放在实时图上平移，模板图覆盖下的那块实时图定义为S^i,j，通过计算对应点的距离来衡量模板和实时图的相似程度：

匹配置信度D(i,j)大于一定阈值表示检测到车头，并得到车头中心点坐标(i,j)，此时继续步骤3；置信度小于阈值表示未检测到车头，则循环步骤2；

步骤3：检测到车头后，根据已知的集卡运动方向，在运动的反方向选取W×L的感兴趣区域ROI，其宽度W大于车道宽度，长度L大于集装箱长度，该区域包含集卡的集装箱或车架部分，继续步骤4；当车头驶出视场后，跳回步骤2；

步骤4：在ROI区域内通过Hough直线检测算法检测直线，任意一条直线都可以用参数ρ和θ完全确定，其中ρ表示该直线到原点的垂直距离，θ表示x轴到直线垂线的角度，θ取值范围为-90°～90°，函数方程可表示为：

f(ρ,θ)＝ρ-xcosθ-ysinθ＝0

Hough变换将图像坐标空间中的点变换到参数空间，图像坐标空间中每一个点计算出一对(ρ，θ)，对应的累加器H(ρ，θ)加一。当集卡牵引集装箱时，ROI区域内主要目标为集装箱，其四条边界特征明显，从累加器数组H中找四个极大值，对应的(ρ，θ)即为集装箱四条边界的直线参数：

f₁(ρ₁,θ₁)＝ρ₁-xcosθ₁-ysinθ₁＝0

f₂(ρ₂,θ₂)＝ρ₂-xcosθ₂-ysinθ₂＝0

f₃(ρ₃,θ₃)＝ρ₃-xcosθ₃-ysinθ₃＝0

f₄(ρ₄,θ₄)＝ρ₄-xcosθ₄-ysinθ₄＝0

其中θ₁<θ₂<θ₃<θ₄；

当四条直线满足如下条件：

|θ₁-θ₂|<ε

|θ₃-θ₄|<ε

90°-ε<|θ₁-θ₃|<90°+ε

ε为设定的阈值；

则判断集卡牵引集装箱，继续步骤5；四条直线均不满足上述条件，则认为集卡未牵引集装箱，跳回步骤2；

步骤5：由四条边界的直线方程，计算f₁、f₂与f₃、f₄的交点(x₁,y₁)、(x₂,y₂)、(x₃,y₃)和(x₄,y₄)，该四个点即为集装箱顶面四个角点在图像中的坐标；

计算集装箱边缘与图像垂直方向的夹角：

α＝min(θ₁,θ₂,θ₃,θ₄)

计算四个角点与原点的距离：

四个角点中右前角点与虚拟定位点的距离最小，即右前角点编号：

t＝argmin(l_t)>

得到集装箱右前角点与虚拟定位点A的横向距离

x＝|x_A-x_t|

与纵向距离

y＝|y_A-y_t|

引导电子屏幕上显示集装箱位置、虚拟定位点A和计算出的倾斜角度α、横向距离x、纵向距离y，如图3；

步骤6：集卡司机根据电子屏幕显示的夹角和距离驾驶车辆，完成集卡的定位与引导。

作为优选，所述集卡定位与引导方法步骤4和5的刷新频率与步骤2中相机采集图像频率相同，本实例中取每秒处理5帧图像。