本发明公开了一种基于机器视觉的采煤机摇臂采高检测方法，在采煤机摇臂和机身位置处安置定位标识，并通过固定安装在采煤机上的摄像机对采煤机图像进行采集，对采集的采煤机图像采用双边滤波和分段线性变换进行预处理；采用基于K‑means均值聚类的边缘检测方法进行图像分割；利用Hough变换对分割得到的采煤机图像进行定位标识所在直线检测，得到采煤机摇臂与机身处定位标识所在直线的端点坐标；根据定位标识端点坐标计算采煤机摇臂倾角，进而得到采煤机摇臂的采高。本发明融合机器视觉技术、计算机技术和图像处理技术，能够根据采煤机图像自动计算出采煤机摇臂倾角，为煤矿井下采煤机摇臂的采高测量提供必要的技术支持，对于保障采煤机安全运行有着重要的意义。
1.一种基于机器视觉的采煤机摇臂采高检测方法，其特征在于包括以下步骤：步骤1：分别在采煤机摇臂轴线和机身销轴轴线上安置定位标识，利用安装在采煤机上的摄像机对采煤机图像进行采集和预处理；
步骤2：利用基于K-means均值聚类的边缘检测方法，对预处理后的采煤机图像进行图像分割，为后续采煤机摇臂及机身直线提取做准备工作；
步骤3：在对采煤机图像分割的基础上，提取采煤机摇臂定位标识和机身定位标识所形成的直线，以及直线的端点坐标；
步骤4：利用步骤3提取的采煤机摇臂和机身所在直线的端点坐标，计算摇臂相对机身倾角，根据摇臂长度和采煤机相对地面倾角计算得到采煤机摇臂采高。
2.根据权利要求1所述的一种基于机器视觉的采煤机摇臂采高检测方法，其特征在于，步骤1在采煤机摇臂轴线和机身销轴轴线上安置定位标识，并进行采煤机图像采集和预处理的过程为：步骤(1)对采集的采煤机图像进行去噪，采用适用于采煤机图像的预处理算法双边滤波，可以有效的消除采煤机图像噪声；
步骤(2)对去噪后的采煤机图像进行分段线性变换，增强采煤机和背景的对比度。
3.根据权利要求1所述的一种基于机器视觉的采煤机摇臂采高检测方法，其特征在于，步骤2图像分割的过程为：步骤(1)从预处理得到的采煤机视频图像像素数据样本中选取K个点作为聚类中心；
步骤(2)计算各个样本到聚类的距离，把样本归到离其最近的聚类中心所在的类；
步骤(3)计算新形成的每个聚类的数据对象的平均值来得到新的聚类中心；
步骤(4)反复执行步骤(2)～步骤(4)，直到相邻两次的聚类中心没有任何变化，采煤机视频图像聚类分割结束；
步骤(5)对步骤(4)采煤机视频图像聚类分割结果，利用Canny边缘检测进行分割处理。
4.根据权利要求1所述的一种基于机器视觉的采煤机摇臂采高检测方法，其特征在于，步骤3提取采煤机摇臂定位标识和机身定位标识所在直线的过程为：在对采煤机图像分割的基础上，利用Hough变换对分割得到的采煤机图像进行直线检测，得到采煤机摇臂定位标识与机身定位标识所在的两条直线及直线端点。
5.根据权利要求1所述的一种基于机器视觉的采煤机摇臂采高检测方法，其特征在于步骤4为摇臂相对机身倾角和摇臂采高的计算过程：利用步骤3提取的采煤机摇臂和机身所在直线的端点坐标，计算摇臂相对机身倾角θ，根据传感器测得的机身相对水平地面倾角β，得到摇臂相对水平地面的最终倾角α＝θ+β；根据摇臂长度L，计算得到采煤机采高h＝αL。
基于机器视觉的采煤机摇臂采高检测方法
技术领域
[0001] 本发明属于矿用设备运行状态监测领域，尤其涉及一种基于机器视觉的采煤机摇臂采高检测方法。
背景技术
[0002] 采煤机采高是的采煤机工况重要参数，因此采煤机摇臂倾角检测非常必要。常用的旋转编码器在采煤机工况条件下，对其摇臂倾角测量存在误差且安装困难，因此利用机器视觉技术，可以在不安装传感器的状况下对采煤机摇臂倾角进行快速准确的测量，进而实现采煤机当前采高的计算。因此，利用机器视觉实现采煤机摇臂采高测量是实现采煤机工况参数获取的一种新方法。
[0003] 目前,采用机器视觉技术实现采煤机摇臂倾角测量,国内尚属先例，因此研究实际工况中基于机器视觉技术的采煤机摇臂倾角测量具有非常重要的实用价值。
发明内容
[0004] 针对背景技术中提到的现有采煤机摇臂倾角测量方法大都是在摇臂与机身连接处安装旋转编码器，很难满足现场工程实际需要的问题，本发明的目的是提供了一种基于机器视觉的采煤机摇臂采高检测方法，能够自动测量出采煤机视频图像中摇臂与机身倾角，为煤矿井下采煤机摇臂倾角测量提供必要的技术支持。
[0005] 本发明的技术方案是：一种基于机器视觉的采煤机摇臂采高检测方法，其特征在于，所述方法具体包括以下步骤：
[0006] 步骤1：分别在采煤机摇臂轴线和机身销轴轴线上安置定位标识，对采煤机的图像进行采集和预处理；
[0007] 步骤2：利用基于K-means均值聚类的边缘检测方法，对预处理后的采煤机图像进行图像分割，为后续采煤机摇臂及机身直线提取做准备工作；
[0008] 步骤3：在对采煤机图像分割的基础上，提取采煤机摇臂定位标识和机身定位标识所在直线，以及直线的端点坐标；
[0009] 步骤4：利用步骤3提取的采煤机摇臂和机身所在直线的端点坐标，计算摇臂相对机身倾角，根据摇臂长度计算得到摇臂采高。
[0010] 其中所述预处理的过程为：
[0011] 分别在采煤机摇臂采煤机摇臂轴线和机身销轴轴线上，对采集的采煤机图像采用双边滤波算法进行去噪，消除视频图像中的噪声；
[0012] 对去噪后的采煤机图像进行分段线性变换，增强采煤机和背景的对比度。
[0013] 其中所述基于K-means均值聚类的边缘检测方法的过程为：
[0014] 步骤(1)从预处理得到的采煤机图像像素数据样本中选取K个点作为聚类中心；
[0015] 步骤(2)计算各个样本到聚类的距离，把样本归到离其最近的聚类中心所在的类；
[0016] 步骤(3)计算新形成的每个聚类的数据对象的平均值来得到新的聚类中心；
[0017] 步骤(4)反复执行步骤(2)～步骤(4)，直到相邻两次的聚类中心没有任何变化，采煤机图像聚类分割结束。
[0018] 步骤(5)对步骤(4)采煤机图像聚类分割结果，利用Canny边缘检测进行分割处理。
[0019] 其中所述提取采煤机摇臂和机身所在直线的过程为：
[0020] 在对采煤机图像分割的基础上，利用Hough变换对分割得到的采煤机图像进行直线检测，得到采煤机摇臂定位标识与机身定位标识所在的两条直线及直线端点。
[0021] 其中所述摇臂相对机身倾角的计算过程：
[0022] 利用步骤3提取的采煤机摇臂和机身所在直线的端点坐标，计算摇臂相对机身倾角θ。根据传感器测得的采煤机据传感器测得的采煤机相对倾角β，得到摇臂相对机身的最终倾角α＝θ+β；根据摇臂长度L，计算得到采煤机采高h＝αL。
[0023] 本发明的有益效果是,能准确测量出采煤机图像中的摇臂倾角,为采煤机摇臂采高测量提供必要的技术支持,具有显著的经济效益和较高的工程应用价值。
附图说明
[0024] 图1是采煤机摇臂和定位标识示意图。
[0025] 图2是本发明采煤机摇臂采高测量的流程图。
具体实施方式
[0026] 下面结合附图，对优选实施例作详细说明，应该强调的是下述说明仅仅是示例性的,而不是为了限制本发明的范围及其应用。
[0027] 如图2所示，一种基于机器视觉的采煤机摇臂采高测量方法，包括以下步骤：
[0028] 步骤(1)分别在采煤机摇臂轴线和机身销轴轴线上安置定位标识，对采集的采煤机图像进行去噪，采用适用于采煤机图像的预处理算法双边滤波，可以有效的消除采煤机图像中的噪声；
[0029] 步骤(2)对去噪后的采煤机图像进行分段线性变换，增强采煤机和背景的对比度；
[0030] 步骤(3)从预处理得到的采煤机图像像素数据样本中选取K个点作为聚类中心；
[0031] 步骤(4)计算各个样本到聚类的距离，把样本归到离其最近的聚类中心所在的类；
[0032] 步骤(5)计算新形成的每个聚类的数据对象的平均值来得到新的聚类中心；
[0033] 步骤(6)反复执行步骤(4)～步骤(6)，直到相邻两次的聚类中心没有任何变化，采煤机图像聚类分割结束；
[0034] 步骤(7)对步骤(6)采煤机图像聚类分割结果，利用Canny边缘检测进行分割处理；
[0035] 步骤(8)利用Hough变换对分割得到的采煤机图像进行直线检测，得到采煤机摇臂与机身所在的两条直线及直线端点；
[0036] 步骤(9)利用步骤(8)提取的采煤机摇臂和机身所在直线的端点坐标，计算摇臂相对机身倾角；根据倾角及摇臂长度计算摇臂采高。
[0037] 如图1所示，利用步骤3提取的采煤机摇臂和机身所在直线的端点坐标，计算摇臂相对机身倾角θ。根据传感器测得的采煤机据传感器测得的采煤机相对倾角β，得到摇臂相对机身的最终倾角α＝θ+β；根据摇臂长度L，计算得到采煤机采高h＝αL。
[0038] 本方法能够自动检测出采煤机视频图像中的摇臂采高，为煤矿井下采煤机摇臂采高测量提供必要的技术支持，对于保障采煤机安全运行有着重要的意义。
[0039] 以上所述仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。
