基于点云成像的梗丝余量监测方法与流程

1.本发明属于卷烟生产技术领域，具体涉及一种基于点云成像的梗丝余量监测方法。


背景技术：

2.卷烟机梗丝分离系统能否将梗丝完全分离将会影响烟支的成品质量以及原材料的使用率，卷烟时若丝中含梗则会造成烟支皱褶、烟支爆口、烟支刺破等重大质量事故，同时也会影响消费者品烟的口感与对该品牌烟支的好感度；若梗中含丝则会导致大量的烟丝浪费，因此，若能监测梗丝分离系统的运行效果，及时对该质量事件做出响应，将会有效提高烟支的成品率，避免大量原材料的浪费。
3.目前，现有监测手段以人工观察为主，随着三维重构技术的发展，多个领域利用其三维重构下的体积变化解决了一些监测问题，当前三维轮廓的数据采集技术有基于编码结构光的静态扫描方式，该方式需要多点多方位标定目标，不适用短时间内表面状态不稳定的物体；其二是基于激光雷达扫描的方式，通过特殊光线照射到物体表面后，由转换装置得到光的相位差，若要满足高效且精准的测量，需要12线陈列的激光雷达，成本太高，且该方法不适用数据纵向变化的物体表面三维重建。而数据的拼接多采用单向变化的曲率拟合以及边缘分割算法，该方法对于数据集中的物体表面三维模拟精度不高，且不利于体积模型的建立，因此，基于监测的落料振槽为固定式基础表面，梗丝表面状态为纵向移动的数据流，且所需测量时间较短，依据该物体的表面状态，需设计适用于落料振槽内梗丝余量数据采集以及模拟的高效率算法。


技术实现要素：

4.本发明解决的技术问题：提供一种基于点云成像的梗丝余量监测方法，依靠立体视觉非接触式测量手段，利用双眼视觉差异理论建立双目成像机制，以物体阴影程度以及纹理信息进行立体组合并且通过三角测量过程来估算表面信息，利用散斑结构光的成像特点，将静态标定转化为多方位不限区域标定，最终得到图像表面的深度信息，为梗丝体积的变化量的计算提供条件，达到利用梗丝体积的变化量来监测系统的梗丝分离效果，测量时间端，效率高，为落料振槽内梗丝余量数据采集以及模拟提供高效率的监测条件。
5.本发明采用的技术方案：基于点云成像的梗丝余量监测方法，包括以下步骤：
6.1)获取梗丝表面的点云数据：利用散斑结构的光发射器对所要测量的梗丝表面进行光照投射，并由红外摄像机回收反射回来的散斑结构光线，得到梗丝在三维图像坐标系中的点云坐标信息；
7.2)将梗丝在三维图像坐标系中的离散点云坐标信息转换成红外摄像机坐标系中的离散点云坐标信息；
8.3)采用梯度分割插值算法对获取的红外摄像机坐标系中的离散点云数据集合m依次进行x轴方向插值拟合和y轴方向插值拟合，再将x轴方向插值拟合获得的方向数据和y轴
方向插值拟合获得的方向数据拟合形成底面为正方形并接近梗丝实体表面状态的不规则棱柱体数据集；
9.4)利用sobel算子对获得的不规则柱体集合形成的点云数据图像进行边缘检测，去除点云数据图像中的边界点，获得包括有梗丝表面点云数据图像集的梗丝实体图；
10.5)计算梗丝实体图的体积v，利用梗丝体积的变化量来监测系统的梗丝分离效果。
11.上述步骤2)中，所述红外摄像机对称设有两个，其中，梗丝在三维图像坐标系的离散点云坐标转换为红外摄像机坐标系中的离散点云坐标的具体过程如下：
12.将左右红外摄像机的光轴方向定为zc轴，光线在红外摄像机光学系统下的光学中心位置设为原点oc，红外摄像机坐标系中的水平轴与垂直轴分别用xc和yc表示，且xc和yc分别与三维图像坐标系的x轴和y轴平行，点b为红外摄像机坐标系中物体的点坐标，p1、p2分别为左右红外摄像机采集的三维图像坐标系中点p的成像的点坐标，光学中心oc与三维图像坐标原点oi的距离为焦距f，两个安装在同一平面的红外摄像机之间的距离为b,这样点p在三维图像坐标系和红外摄像机坐标系中有相同的y轴坐标，即y1＝y2，根据三角形原理可以得到如下映射关系：
[0013][0014][0015][0016][0017]
其中d表示点p在左右红外摄像机中对应点的坐标视差值，由式(4)可以得到空间中点p在红外摄像机坐标系中对应的坐标为p(xc,yc,zc)。
[0018]
上述步骤3)中，所述红外摄像机坐标系中的离散点云数据进行x轴方向插值拟合的具体过程如下：
[0019]
梗丝表面的离散点云数据为空间上不具连续性点m＝{mi|mi∈m3,i＝1,2
…
,n}的集合，将离散点云数据进行x轴方向插值拟合拼接时，不考虑y轴方向数据的发展，只关注x轴和z轴上数据的变化，即选取x轴方向上起始点h1(x1,y1,z1)，则点h2的拟合需满足h2(x2,y1,z2)，即x轴上的下一个拟合点为与x轴平行方向上与前一点y值相同的点，取x轴向上与x1距离最近的点进行拟合，满足d
min1
＝(x
2-x1)＝e1,在未对数据进行插值补充时，e1值越小，拟合结果越接近于原始曲面，此时，点h1到点h2的梯度值为x轴向相邻两点的拟合线方程为：
[0020]
(z
2-z1)x+(x
1-x2)z+z1x
2-z2x1＝0
ꢀꢀ
(5)
[0021]
将h1、h2中间分成n1个数据点来进行数据补偿，设a1＝z
2-z1，b1＝x
1-x2，c1＝z1x
2-z2x1，那么已知两数据间x轴方向上的任意一点h坐标为：
[0022][0023]
上式中，i代表n1个数据点中的第i个数据，i属于n+；
[0024]
同理，计算已知点h3与h2在x方向上的最小偏移量d
min2
＝(x
3-x2)＝e2，为满足数据的均匀分布与后期数据的等步拼接，那么点h3与h2之间插值点数应为即y值相等时第j个相邻两点之间的插值数应为由此可得y值相等时与x轴平行方向上的数据流任意点坐标为
[0025][0026]
其中aj＝z
j+1-zj，bj＝x
j-x
j+1
，cj＝zjy
j+1-z
j+1
yj，i＝1,2,3
……
nj+1,i,j属于n+；
[0027]
如上述步骤对所述红外摄像机坐标系中的离散点云数据进行y轴方向插值拟合，对平行于y轴上的数据流进行补充，则任意相邻两点之间的插值数为则任意点q坐标为：
[0028][0029]
其中a
η
＝z
η+1-z
η
，b
η
＝y
η-y
η+1cη
＝z
ηyη+1-z
η+1yη
,i＝1,2,3....n+1，i、j、η均属于n+。
[0030]
上述步骤4)中，所述sobel算子进行图像边界检测处理的具体过程如下：
[0031]
设m代表xy平面上的二维点云数据信息，对m中的数据分别进行横向边缘检测与纵向边缘检测，具体处理如下：
[0032][0033][0034]
[0035]
点云数据中利用上式(11)结合每点的横向梯度值g
x
、纵向梯度值gy获得梯度大小g，当梯度值g大于设定阈值时，判定此处为边缘，即所求临界面边缘位置，将判断为边界点的点云数据进行归0处理，从而获得梗丝表面点云拼接实体。
[0036]
上述步骤5)中，将梗丝实体表面数据集依次沿y轴方向分割为多行，且每行包括有若干个高度不同的棱柱体，计算各行中若干个棱柱体的体积和，并将每行若干个棱柱体的体积和累计求和，得到梗丝实体图的体积，具体计算过程如下：
[0037]
设分割后各行中的单个棱柱体的体积为v1，v1的具体计算公式如下：
[0038][0039]
上式中，z
11
、z
21
、z
12
和z
22
代表单个棱柱体上四个棱边的高度，那么，分割后的第一行各棱柱体体积和v
j1
的具体计算公式如下：
[0040][0041]
综上所示，梗丝余量的体积表示为y方向变化的每一行体积累计和，即体积v为：
[0042][0043]
本发明与现有技术相比的优点：
[0044]
1、本技术方案依靠立体视觉非接触式测量手段，利用双眼视觉差异理论建立双目成像机制，坐标系转换，能够快速精准标定被测物体与红外摄像机之间的位置关系，从而使红外摄像机能准确识别反射光线的坐标信息，为采集的点云数据精准性提供条件；
[0045]
2、本技术方案基于梯度分割插值算法，即在大量梗丝表面离散点数据的基础上对缺失部分进行插值以及细分的方法，为后续数据拼接寻找对应源，实现梗丝表面状态的最接近化拟合，保证梗丝体积的变化量的计算精准性；
[0046]
3、本技术方案利用散斑结构光的成像特点，将静态标定转化为多方位不限区域标定，最终得到图像表面的深度信息，为梗丝体积的变化量的计算提供条件，达到利用梗丝体积的变化量来监测系统的梗丝分离效果；测量时间端，效率高，成本低，为落料振槽内梗丝余量数据采集以及模拟提供高效率的监测条件。
附图说明
[0047]
图1为本发明三维图像坐标系与红外摄像机坐标系转换原理图；
[0048]
图2为本发明离散点云数据进行x轴方向插值拟合的原理图；
[0049]
图3为本发明离散点云数据进行y轴方向插值拟合的原理图；
[0050]
图4为本发明梗丝表面点云拼接图；
[0051]
图5为本发明梗丝表面点云拼接实体图；
[0052]
图6为本发明梗丝实体表面数据集沿y轴方向分割的其中一行结构示意图；
[0053]
图7为本发明流程框图。
具体实施方式
[0054]
下面将结合本发明实施例中的图1-7，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0055]
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下。由语句“包括一个......”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0056]
基于点云成像的梗丝余量监测方法，包括以下步骤：
[0057]
1)获取梗丝表面的点云数据：利用散斑结构的光发射器对所要测量的梗丝表面进行光照投射，并由红外摄像机回收反射回来的散斑结构光线，得到梗丝在三维图像坐标系中的点云坐标信息；其中，散斑结构光发射器由计算机和双目相机组成来实现对测量的梗丝表面的光照投射，反射回来时会形成随机的反射斑点，然后由红外线摄像机接收反射回的散斑结构光线，来得到梗丝在三维空间的一个点云坐标信息；
[0058]
2)将梗丝在三维图像坐标系中的离散点云坐标信息转换成红外摄像机坐标系中的离散点云坐标信息；具体的，所述红外摄像机对称设有两个，其中，梗丝在三维图像坐标系的离散点云坐标转换为红外摄像机坐标系中的离散点云坐标的具体过程如下：
[0059]
如图1所示，将左右红外摄像机的光轴方向定为zc轴，光线在红外摄像机光学系统下的光学中心位置设为原点oc，红外摄像机坐标系中的水平轴与垂直轴分别用xc和yc表示，且xc和yc分别与三维图像坐标系的x轴和y轴平行，点b为红外摄像机坐标系中物体的点坐标，p1、p2分别为左右红外摄像机采集的三维图像坐标系中点p的成像的点坐标，光学中心oc与三维图像坐标原点oi的距离为焦距f，两个安装在同一平面的红外摄像机之间的距离为b,这样点p在三维图像坐标系和红外摄像机坐标系中有相同的y轴坐标，即y1＝y2，根据三角形原理可以得到如下映射关系：
[0060][0061][0062][0063][0064]
其中d表示点p在左右红外摄像机中对应点的坐标视差值，由式(4)可以得到空间中点p在红外摄像机坐标系中对应的坐标为p(xc,yc,zc)；
[0065]
3)采用梯度分割插值算法对获取的红外摄像机坐标系中的离散点云数据集合m依次进行x轴方向插值拟合和y轴方向插值拟合，再将x轴方向插值拟合获得的方向数据和y轴方向插值拟合获得的方向数据拟合形成底面为正方形并接近梗丝实体表面状态的不规则
棱柱体数据集；具体的，所述红外摄像机坐标系中的离散点云数据进行x轴方向插值拟合的具体过程如下：
[0066]
梗丝表面的离散点云数据为空间上不具连续性点m＝{mi|mi∈m3,i＝1,2
…
,n}的集合，将离散点云数据进行x轴方向插值拟合拼接时，不考虑y轴方向数据的发展，只关注x轴和z轴上数据的变化，如图2所示，选取x轴方向上起始点h1(x1,y1,z1)，则点h2的拟合需满足h2(x2,y1,z2)，即x轴上的下一个拟合点为与x轴平行方向上与前一点y值相同的点，取x轴向上与x1距离最近的点进行拟合，满足d
min1
＝(x
2-x1)＝e1,在未对数据进行插值补充时，e1值越小，拟合结果越接近于原始曲面，此时，点h1到点h2的梯度值为x轴向相邻两点的拟合线方程为：
[0067]
(z
2-z1)x+(x
1-x2)z+z1x
2-z2x1＝0
ꢀꢀ
(5)
[0068]
将h1、h2中间分成n1个数据点来进行数据补偿，设a1＝z
2-z1，b1＝x
1-x2，c1＝z1x
2-z2x1，那么已知两数据间x轴方向上的任意一点h坐标为：
[0069][0070]
上式中，i代表n1个数据点中的第i个数据，i属于n+；
[0071]
如图3所示，同理，计算已知点h3与h2在x方向上的最小偏移量d
min2
＝(x
3-x2)＝e2，为满足数据的均匀分布与后期数据的等步拼接，那么点h3与h2之间插值点数应为即y值相等时第j个相邻两点之间的插值数应为由此可得y值相等时与x轴平行方向上的数据流任意点坐标为
[0072][0073]
其中aj＝z
j+1-zj，bj＝x
j-x
j+1
，cj＝zjy
j+1-z
j+1
yj，i＝1,2,3
……
nj+1,i,j属于n+；
[0074]
如上述步骤对所述红外摄像机坐标系中的离散点云数据进行y轴方向插值拟合，对平行于y轴上的数据流进行补充，则任意相邻两点之间的插值数为则任意点q坐标为：
[0075][0076]
其中a
η
＝z
η+1-z
η
，b
η
＝y
η-y
η+1cη
＝z
ηyη+1-z
η+1yη
,i＝1,2,3....n+1，i、j、η均属于n+；
图4为梗丝表面点云拼接图；
[0077]
基于梯度分割插值算法是在大量梗丝表面离散点数据的基础上对缺失部分进行插值以及细分的方法，目的是为后续数据拼接寻找对应源，来实现梗丝表面状态的最接近化拟合；梗丝表面的离散点云数据为空间上不具连续性点，在数据拼接时会产生跳跃点，导致拟合结果误差较大，若以某一点半径r区域内的最小距离点为拼接点，在数据缺失情况下会使区域内曲面拟合误差变大，数据拟合的方向性也不易判断，本发明将离散点云数据分别以上图2、3所示的x轴、y轴两个方向进行数据的传递与拼接，使数据变化趋势互不影响；当我们选取的n1值足够大时，网格越小，拟合结果越饱满，越能接近于实体表面状态
[0078]
4)利用sobel算子对获得的不规则柱体集合形成的点云数据图像进行边缘检测，去除点云数据图像中的边界点，获得包括有梗丝表面点云数据图像集的梗丝实体图；所述sobel算子进行图像边界检测处理的具体过程如下：
[0079]
设m代表xy平面上的二维点云数据信息，对m中的数据分别进行横向边缘检测与纵向边缘检测，具体处理如下：
[0080][0081][0082][0083]
点云数据中利用上式(11)结合每点的横向梯度值g
x
、纵向梯度值gy获得梯度大小g，当梯度值g大于设定阈值时，判定此处为边缘，即所求临界面边缘位置，将判断为边界点的点云数据进行归0处理，从而获得梗丝表面点云拼接实体，如图5所示；
[0084]
5)计算梗丝实体图的体积v，利用梗丝体积的变化量来监测系统的梗丝分离效果；具体的，如图6所示，将梗丝实体表面数据集依次沿y轴方向分割为多行，且每行包括有若干个高度不同的棱柱体，计算各行中若干个棱柱体的体积和，并将每行若干个棱柱体的体积和累计求和，得到梗丝实体图的体积，具体计算过程如下：
[0085]
设分割后各行中的单个棱柱体的体积为v1，v1的具体计算公式如下：
[0086][0087]
上式中，z
11
、z
21
、z
12
和z
22
代表单个棱柱体上四个棱边的高度，那么，分割后的第一行各棱柱体体积和v
j1
的具体计算公式如下：
[0088][0089]
综上所示，梗丝余量的体积表示为y方向变化的每一行体积累计和，即体积v为：
[0090][0091]
利用梗丝体积的变化量来监测系统的梗丝分离效果，获取到点云数据之后，将其传输给工控机，将上述三维重构算法存入到计算机中，并进行多次训练实现数据的更新拟合，三维重构图像及体积计算结果显示在显示屏上，体积的更新频率依据我们设计的图像采集时间，设定经验下的正常范围体积阈值，梗丝分离效果可依据整体体积的突变量进行判断，也可根据单位步距下的体积突变进行判断，当总体积大于我们设定的阈值时，我们判断梗丝分离效果不彻底，并进行预警提示。
[0092]
利用梗丝体积的变化量来监测系统的梗丝分离效果时，将判断效果可分为以下情况设计预警按钮来提示设备管理人员对质量事故的及时排查，当计算机识别结果显示正确，指示灯则会显示绿灯；当计算机识别结果显示梗丝流量较大但小于预警值时，指示灯则会显示黄灯；当计算机识别结果显示梗丝流量超出预警值时，指示灯则会显示红灯；当单位步距下的体积突变量达到预警值时，指示灯会显示蓝灯；若设备在由于某种特殊情况出现必要的故障时，可自行手关闭预警提示。
[0093]
本技术方案依靠立体视觉非接触式测量手段，利用双眼视觉差异理论建立双目成像机制，坐标系转换，能够快速精准标定被测物体与红外摄像机之间的位置关系，从而使红外摄像机能准确识别反射光线的坐标信息，为采集的点云数据精准性提供条件；基于梯度分割插值算法，即在大量梗丝表面离散点数据的基础上对缺失部分进行插值以及细分的方法，为后续数据拼接寻找对应源，实现梗丝表面状态的最接近化拟合，保证梗丝体积的变化量的计算精准性；利用散斑结构光的成像特点，将静态标定转化为多方位不限区域标定，最终得到图像表面的深度信息，为梗丝体积的变化量的计算提供条件，达到利用梗丝体积的变化量来监测系统的梗丝分离效果；测量时间端，效率高，为落料振槽内梗丝余量数据采集以及模拟提供高效率的监测条件。
[0094]
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
[0095]
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

技术特征：
1.基于点云成像的梗丝余量监测方法，其特征在于包括以下步骤：1)获取梗丝表面的点云数据：利用散斑结构的光发射器对所要测量的梗丝表面进行光照投射，并由红外摄像机回收反射回来的散斑结构光线，得到梗丝在三维图像坐标系中的点云坐标信息；2)将梗丝在三维图像坐标系中的离散点云坐标信息转换成红外摄像机坐标系中的离散点云坐标信息；3)采用梯度分割插值算法对获取的红外摄像机坐标系中的离散点云数据集合m依次进行x轴方向插值拟合和y轴方向插值拟合，再将x轴方向插值拟合获得的方向数据和y轴方向插值拟合获得的方向数据拟合形成底面为正方形并接近梗丝实体表面状态的不规则棱柱体数据集；4)利用sobel算子对获得的不规则柱体集合形成的点云数据图像进行边缘检测，去除点云数据图像中的边界点，获得包括有梗丝表面点云数据图像集的梗丝实体图；5)计算梗丝实体图的体积v，利用梗丝体积的变化量来监测系统的梗丝分离效果。2.根据权利要求1所述的基于点云成像的梗丝余量监测方法，其特征在于：上述步骤2)中，所述红外摄像机对称设有两个，其中，梗丝在三维图像坐标系的离散点云坐标转换为红外摄像机坐标系中的离散点云坐标的具体过程如下：将左右红外摄像机的光轴方向定为z
c
轴，光线在红外摄像机光学系统下的光学中心位置设为原点o
c
，红外摄像机坐标系中的水平轴与垂直轴分别用x
c
和y
c
表示，且x
c
和y
c
分别与三维图像坐标系的x轴和y轴平行，点b为红外摄像机坐标系中物体的点坐标，p1、p2分别为左右红外摄像机采集的三维图像坐标系中点p的成像的点坐标，光学中心o
c
与三维图像坐标原点o
i
的距离为焦距f，两个安装在同一平面的红外摄像机之间的距离为b,这样点p在三维图像坐标系和红外摄像机坐标系中有相同的y轴坐标，即y1＝y2，根据三角形原理可以得到如下映射关系：如下映射关系：如下映射关系：如下映射关系：其中d表示点p在左右红外摄像机中对应点的坐标视差值，由式(4)可以得到空间中点p在红外摄像机坐标系中对应的坐标为p(x
c
,y
c
,z
c
)。3.根据权利要求1所述的基于点云成像的梗丝余量监测方法，其特征在于：上述步骤3)中，所述红外摄像机坐标系中的离散点云数据进行x轴方向插值拟合的具体过程如下：梗丝表面的离散点云数据为空间上不具连续性点m＝{m
i
|m
i
∈m3,i＝1,2
…
,n}的集合，将离散点云数据进行x轴方向插值拟合拼接时，不考虑y轴方向数据的发展，只关注x轴和z轴上数据的变化，即选取x轴方向上起始点h1(x1,y1,z1)，则点h2的拟合需满足h2(x2,y1,z2)，
即x轴上的下一个拟合点为与x轴平行方向上与前一点y值相同的点，取x轴向上与x1距离最近的点进行拟合，满足d
min1
＝(x
2-x1)＝e1,在未对数据进行插值补充时，e1值越小，拟合结果越接近于原始曲面，此时，点h1到点h2的梯度值为x轴向相邻两点h1、点h2的拟合线方程为：(z
2-z1)x+(x
1-x2)z+z1x
2-z2x1＝0
ꢀꢀꢀꢀ
(5)将h1、h2中间分成n1个数据点来进行数据补偿，设a1＝z
2-z1，b1＝x
1-x2，c1＝z1x
2-z2x1，那么已知两数据间x轴方向上的任意一点h坐标为：上式中，i代表n1个数据点中的第i个数据，i属于n+；同理，计算已知点h3与h2在x方向上的最小偏移量d
min2
＝(x
3-x2)＝e2，为满足数据的均匀分布与后期数据的等步拼接，那么点h3与h2之间插值点数应为即y值相等时第j个相邻两点之间的插值数应为由此可得y值相等时与x轴平行方向上的数据流任意点坐标为其中a
j
＝z
j+1-z
j
，b
j
＝x
j-x
j+1
，c
j
＝z
j
y
j+1-z
j+1
y
j
，i＝1,2,3
……
n
j
+1,i,j属于n+；如上述步骤对所述红外摄像机坐标系中的离散点云数据进行y轴方向插值拟合，对平行于y轴上的数据流进行补充，则任意相邻两点之间的插值数为则任意点q坐标为：其中a
η
＝z
η+1-z
η
，b
η
＝y
η-y
η+1
c
η
＝z
η
y
η+1-z
η+1
y
η
,i＝1,2,3....n+1，i、j、η均属于n+。4.根据权利要求1所述的基于点云成像的梗丝余量监测方法，其特征在于：上述步骤4)中，所述sobel算子进行图像边界检测处理的具体过程如下：设m代表xy平面上的二维点云数据信息，对m中的数据分别进行横向边缘检测与纵向边缘检测，具体处理如下：
点云数据中利用上式(11)结合每点的横向梯度值g
x
、纵向梯度值g
y
获得梯度大小g，当梯度值g大于设定阈值时，判定此处为边缘，即所求临界面边缘位置，将判断为边界点的点云数据进行归0处理，从而获得梗丝表面点云拼接实体。5.根据权利要求4所述的基于点云成像的梗丝余量监测方法，其特征在于：上述步骤5)中，将梗丝实体表面数据集依次沿y轴方向分割为多行，且每行包括有若干个高度不同的棱柱体，计算各行中若干个棱柱体的体积和，并将每行若干个棱柱体的体积和累计求和，得到梗丝实体图的体积，具体计算过程如下：设分割后各行中的单个棱柱体的体积为v1，v1的具体计算公式如下：上式中，z
11
、z
21
、z
12
和z
22
代表单个棱柱体上四个棱边的高度，那么，分割后的第一行各棱柱体体积和v
j1
的具体计算公式如下：综上所示，梗丝余量的体积表示为y方向变化的每一行体积累计和，即体积v为：

技术总结
提供一种基于点云成像的梗丝余量监测方法，依靠立体视觉非接触式测量手段，利用双眼视觉差异理论建立双目成像机制，以物体阴影程度以及纹理信息进行立体组合并且通过三角测量过程来估算表面信息，利用散斑结构光的成像特点，将静态标定转化为多方位不限区域标定，最终得到图像表面的深度信息，为梗丝体积的变化量的计算提供条件，达到利用梗丝体积的变化量来监测系统的梗丝分离效果，测量时间端，效率高，为落料振槽内梗丝余量数据采集以及模拟提供高效率的监测条件。提供高效率的监测条件。提供高效率的监测条件。


技术研发人员：祁磊 林彬 路亮 杨安礼 蒙红霞 王乐军 张雅春 郭涛 师红芳 张宇
受保护的技术使用者：陕西中烟工业有限责任公司
技术研发日：2023.07.26
技术公布日：2023/10/11