一种基于双目视觉的法兰定位方法与流程

1.本发明涉及视觉定位技术领域，更具体地，涉及一种基于双目视觉的法兰定位方法。


背景技术：

2.传统海上输油臂的对接都是以人工遥控的方式进行的，不仅会产生越来越多的人力成本，还没有较高的效率。因此，需要可以自动对接的智能输油臂来解决以上问题。在智能臂的设计中分为粗定位与精定位，在粗定位阶段，使用双目视觉传感器(双目相机)来测算目标法兰的位置。双目视觉引导的粗定位精度能够满足设计要求。


技术实现要素：

3.针对现有技术中存在的上述弊端，本发明提供了一种基于双目视觉的法兰定位方法，解决了智能输油臂粗定位中的法兰定位问题，该方法通用性好，有着较高的准确率。
4.作为本发明的第一个方面，提供一种基于双目视觉的法兰定位方法，包括：
5.通过双目相机中的左相机和右相机分别拍摄待定位法兰，得到左图像和右图像；
6.从所述左图像中识别出目标法兰，并分别计算出所述目标法兰的圆心在所述左图像中的坐标和目标法兰内径在所述左图像中的像素长度；
7.根据所述目标法兰内径在所述左图像中的像素长度，计算出所述目标法兰的大致景深；
8.根据所述目标法兰的大致景深和左右相机之间的距离，确定出所述目标法兰的圆心在所述右图像中的大致坐标；
9.根据所述目标法兰的圆心在所述右图像中的大致坐标，识别出所述右图像中的所述目标法兰，并确定出所述目标法兰的圆心在所述右图像中的精确坐标；
10.根据所述目标法兰的圆心在所述左图像中的坐标、所述目标法兰的圆心在所述右图像中的精确坐标、左右相机之间的距离以及双目相机的焦距，计算出所述目标法兰在双目相机坐标系下的位置，以得到法兰定位结果。
11.进一步地，在通过所述双目相机对所述待定位法兰进行拍摄之前，先对所述双目相机进行标定，包括：
12.根据现场所述待定位法兰到智能臂基座的距离范围，来确定所述双目相机的镜头参数；
13.根据粗定位的精度要求，来选择合适镜头参数的双目相机和双目相机之间的距离；
14.设计相应的工装夹具对选择好的双目相机进行固定；
15.对固定后的所述双目相机进行标定。
16.进一步地，在所述根据所述目标法兰内径在所述左图像中的像素长度，计算出所述目标法兰的大致景深中，还包括：
17.利用单目测距原理，计算得到所述目标法兰的大致景深depth，其公式为：
[0018][0019]
其中，景深depth计算公式中的目标法兰内径大小、左相机像元大小以及左相机焦距是预先获取到的。
[0020]
进一步地，在根据所述目标法兰的大致景深和左右相机之间的距离，确定出所述目标法兰的圆心在所述右图像中的大致坐标中，还包括：
[0021]
设定所述目标法兰的圆心在所述左图像中的坐标为(xl，yl)，所述目标法兰的圆心在所述右图像中的大致坐标为(xr，yr)，由于同一个所述目标法兰的圆心在左右图像中的纵坐标y是相同的，即yl＝yr，横坐标x是不相同的，根据所述左相机测得的目标法兰景深depth和左右相机之间的距离，来推测所述右图像中目标法兰圆心的大致坐标(xr，yr)，其中，目标法兰圆心在所述右图像中的横坐标xr的计算公式为：
[0022]
xr＝xl—双目轴距
×
左相机焦距
÷
depth
[0023]
其中，xl为所述左图像中目标法兰圆心的横坐标，双目轴距为左右相机之间的距离，depth为目标法兰的大致景深。
[0024]
进一步地，在所述根据所述目标法兰的圆心在所述右图像中的大致坐标，识别出所述右图像中的所述目标法兰，并确定出所述目标法兰的圆心在所述右图像中的精确坐标中，还包括：
[0025]
以所述右图像中目标法兰圆心的大致坐标(xr，yr)为中点，在所述右图像中截取一定范围内的区域，在此区域内识别出所述目标法兰，并在识别过程中更新目标法兰圆心的大致坐标(xr，yr)，以得到所述目标法兰的圆心在所述右图像中的精确坐标。
[0026]
进一步地，在所述根据所述目标法兰的圆心在所述左图像中的坐标、所述目标法兰的圆心在所述右图像中的精确坐标、左右相机之间的距离以及双目相机的焦距，计算出所述目标法兰在双目相机坐标系下的位置，以得到法兰定位结果中，还包括：
[0027]
以所述左相机的相机坐标为世界坐标，假设目标法兰的圆心在空间上为p点，p点的世界坐标为(x，y，z)，目标法兰圆心p在所述左图像上的坐标为p
l
(xl,yl)，在所述右图像上的坐标为p
r
(xr,yr)，o
w o
l
与o
rc
o
r
分别是左右相机的光轴，o
w o
rc
之间的距离为基线b，根据三角形相似原理，得出
[0028][0029]
对上式化简后得所述目标法兰圆心(x，y，z)的计算公式如下：
[0030][0031]
其中，d＝xl
‑
xr为p点的双目视差，b为左右相机之间的距离，f为双目相机焦距，因此，将左图像中目标法兰圆心的坐标和右图像中目标法兰圆心的坐标代入所述目标法兰圆心(x，y，z)的计算公式，就可以得到目标法兰圆心在空间上的立体坐标，即得到所述目标法兰在双目相机坐标系下的位置。
[0032]
进一步地，从所述左图像或者右图像中识别出所述目标法兰的步骤包括：
[0033]
步骤s1：获取左图像和右图像；
[0034]
步骤s2：对所述左图像或右图像进行处理，得到处理后的法兰图像；
[0035]
步骤s3：对所述处理后的法兰图像进行图像二值化处理，得到二值化图像；
[0036]
步骤s4：对所述二值化图像进行形态学操作，得到形态学操作后的法兰图像；
[0037]
步骤s5：对所述形态学操作后的法兰图像中的所有轮廓进行筛选，以得到多个目标法兰轮廓；
[0038]
步骤s6：对多个所述目标法兰轮廓分别进行椭圆拟合，得到多个拟合后的目标法兰椭圆轮廓；
[0039]
步骤s7：循环计算所述多个拟合后的目标法兰椭圆轮廓的总圆度值s，并提前设定总圆度最小值s
min
，根据循环计算结果更新所述总圆度最小值s
min
；
[0040]
步骤s8：判断所述总圆度值s的计算次数i是否大于等于总计算次数m，当小于所述总计算次数m时，计算次数i加1，以计算次数i加1返回至步骤s3，开始循环计算所述总圆度值s，并不断更新总圆度最小值s
min
，直至计算次数i大于等于所述总计算次数m；当大于等于所述总计算次数m时，选择最后更新的总圆度最小值s
min
所对应的最小总圆度值s，并根据所述最小总圆度值s得到其对应的拟合后目标法兰椭圆轮廓，并执行步骤s9；
[0041]
步骤s9：将所述最小总圆度值s对应的拟合后目标法兰椭圆轮廓显示在所述左图像和右图像上，得到目标法兰识别结果。
[0042]
进一步地，在所述步骤s6中还包括：
[0043]
采用最小二乘法对多个所述目标法兰轮廓分别进行椭圆拟合，得到多个拟合后的目标法兰椭圆轮廓。
[0044]
进一步地，在所述步骤s7中还包括：
[0045]
分别计算每一所述拟合后的目标法兰椭圆轮廓的圆度值，并根据每一所述拟合后的目标法兰椭圆轮廓的圆度值计算出所述多个拟合后的目标法兰椭圆轮廓的总圆度值s；
[0046]
其中，通过公式c＝b/a来计算每一所述拟合后的目标法兰椭圆轮廓的圆度值，其中a表示椭圆的长半轴，b表示椭圆的短半轴，则所有拟合后的目标法兰椭圆轮廓的总圆度值s的计算公式为：
[0047][0048]
其中，c1，c2，...，c
n
分别表示每一所述拟合后的目标法兰椭圆轮廓的圆度值，n表示判定为目标法兰椭圆轮廓的个数，正常情况下，总圆度值s不会大于1，因此将总圆度最小值s
min
的初始值设为1，将当前计算出的总圆度值s与总圆度最小值s
min
相比，若s
min
＞s，则将s赋值给s
min
，以更新总圆度最小值s
min
。
[0049]
进一步地，在所述步骤s8中还包括：
[0050]
当所述总圆度值s的计算次数i小于总计算次数m时，计算次数i加1，以计算次数i加1返回至步骤s3，再次计算所有拟合后的目标法兰椭圆轮廓的总圆度值s，若此次计算出的总圆度值s小于上一次计算中更新后的总圆度最小值s
min
，则将此次计算出的总圆度值s继续赋值给所述总圆度最小值s
min
，以继续更新总圆度最小值s
min
，将继续更新后的总圆度最小值s
min
用于下一次的所述总圆度值s的计算中，直至计算次数i大于等于总计算次数m。
[0051]
本发明提供的一种基于双目视觉的法兰定位方法具有以下优点：解决了智能输油臂粗定位中的法兰定位问题，该方法通用性好，有着较高的准确率。
附图说明
[0052]
附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。
[0053]
图1为本发明提供的一种基于双目视觉的法兰定位方法的流程图。
[0054]
图2为本发明提供的双目定位原理示意图。
[0055]
图3为本发明提供的目标法兰识别方法流程图。
[0056]
图4为本发明提供的左图像或右图像示意图。
[0057]
图5为本发明提供的目标法兰识别结果示意图。
具体实施方式
[0058]
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例，对依据本发明提出的一种基于双目视觉的法兰定位方法其具体实施方式、结构、特征及其功效，详细说明如后。显然，所描述的实施例为本发明的一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。
[0059]
在本实施例中提供了一种基于双目视觉的法兰定位方法，如图1所示，所述基于双目视觉的法兰定位方法包括：
[0060]
通过双目相机中的左相机和右相机分别拍摄待定位法兰，得到左图像和右图像；
[0061]
从所述左图像中识别出目标法兰，并分别计算出所述目标法兰的圆心在所述左图像中的坐标和目标法兰内径在所述左图像中的像素长度；
[0062]
根据所述目标法兰内径在所述左图像中的像素长度，计算出所述目标法兰的大致景深；
[0063]
根据所述目标法兰的大致景深和左右相机之间的距离，确定出所述目标法兰的圆心在所述右图像中的大致坐标；
[0064]
根据所述目标法兰的圆心在所述右图像中的大致坐标，识别出所述右图像中的所述目标法兰，并确定出所述目标法兰的圆心在所述右图像中的精确坐标；
[0065]
根据所述目标法兰的圆心在所述左图像中的坐标、所述目标法兰的圆心在所述右图像中的精确坐标、左右相机之间的距离以及双目相机的焦距，计算出所述目标法兰在双目相机坐标系下的位置，以得到法兰定位结果。
[0066]
优选地，在通过所述双目相机对所述待定位法兰进行拍摄之前，先对所述双目相机进行标定，包括：
[0067]
根据现场所述待定位法兰到智能臂基座的距离范围，来确定所述双目相机的镜头参数；
[0068]
根据粗定位的精度要求，来选择合适镜头参数的双目相机和双目相机之间的距离；
[0069]
设计相应的工装夹具对选择好的双目相机进行固定；
[0070]
对固定后的所述双目相机进行标定，使用标定后的双目相机对法兰进行定位。
[0071]
优选地，在所述根据所述目标法兰内径在所述左图像中的像素长度，计算出所述目标法兰的大致景深中，还包括：
[0072]
利用单目测距原理，计算得到所述目标法兰的大致景深depth，其公式为：
[0073][0074]
其中，景深depth计算公式中的目标法兰内径大小、左相机像元大小以及左相机焦距是预先获取到的。
[0075]
优选地，在根据所述目标法兰的大致景深和左右相机之间的距离，确定出所述目标法兰的圆心在所述右图像中的大致坐标中，还包括：
[0076]
设定所述目标法兰的圆心在所述左图像中的坐标为(xl，yl)，所述目标法兰的圆心在所述右图像中的大致坐标为(xr，yr)，由于同一个所述目标法兰的圆心在左右图像中的纵坐标y是相同的，即yl＝yr，横坐标x是不相同的，根据所述左相机测得的目标法兰景深depth和左右相机之间的距离，来推测所述右图像中目标法兰圆心的大致坐标(xr，yr)，其中，目标法兰圆心在所述右图像中的横坐标xr的计算公式为：
[0077]
xr＝xl—双目轴距
×
左相机焦距
÷
depth
[0078]
其中，xl为所述左图像中目标法兰圆心的横坐标，双目轴距为左右相机之间的距离，depth为目标法兰的大致景深。
[0079]
需要说明的是，单目测得的三维坐标精度不够，因此先根据左图像中的目标法兰位置推算出目标法兰在右图像中的大致位置，位置信息为圆心(xr，yr)，由于y几乎一致，所以令yr＝yl。
[0080]
优选地，在所述根据所述目标法兰的圆心在所述右图像中的大致坐标，识别出所述右图像中的所述目标法兰，并确定出所述目标法兰的圆心在所述右图像中的精确坐标中，还包括：
[0081]
以所述右图像中目标法兰圆心的大致坐标(xr，yr)为中点，在所述右图像中截取一定范围内的区域，在此区域内识别出所述目标法兰，并在识别过程中更新目标法兰圆心的大致坐标(xr，yr)，以得到所述目标法兰的圆心在所述右图像中的精确坐标。
[0082]
需要说明的是，在法兰识别过程中，根据椭圆拟合算法，可以得到法兰圆心坐标与法兰内径在像素中的长度，以此来更新目标法兰圆心的坐标(xr，yr)。
[0083]
优选地，在所述根据所述目标法兰的圆心在所述左图像中的坐标、所述目标法兰的圆心在所述右图像中的精确坐标、左右相机之间的距离以及双目相机的焦距，计算出所述目标法兰在双目相机坐标系下的位置，以得到法兰定位结果中，还包括：
[0084]
根据双目定位原理，可以计算出目标法兰在相机坐标系下的位置，如图2所示，以所述左相机的相机坐标为世界坐标，假设目标法兰的圆心在空间上为p点，p点的世界坐标为(x，y，z)，目标法兰圆心p在所述左图像上的坐标为p
l
(xl,yl)，在所述右图像上的坐标为p
r
(xr,yr)，o
w o
l
与o
rc
o
r
分别是左右相机的光轴，o
w o
rc
之间的距离为基线b，根据三角形相似原理，得出
[0085][0086]
对上式化简后得所述目标法兰圆心(x，y，z)的计算公式如下：
[0087][0088]
其中，d＝ xl
‑
xr为p点的双目视差，b为左右相机之间的距离，f为双目相机焦距，因此，将左图像中目标法兰圆心的坐标和右图像中目标法兰圆心的坐标代入所述目标法兰圆心(x，y，z)的计算公式，就可以得到目标法兰圆心在空间上的立体坐标，即得到所述目标法兰在双目相机坐标系下的位置。
[0089]
优选地，如图3所示，从所述左图像或者右图像中识别出所述目标法兰的步骤包括：
[0090]
步骤s1：获取左图像和右图像，如图4所示；
[0091]
步骤s2：对所述左图像或右图像进行处理，得到处理后的法兰图像；
[0092]
步骤s3：对所述处理后的法兰图像进行图像二值化处理，得到二值化图像；
[0093]
步骤s4：对所述二值化图像进行形态学操作，得到形态学操作后的法兰图像；
[0094]
步骤s5：对所述形态学操作后的法兰图像中的所有轮廓进行筛选，以得到多个目
标法兰轮廓；
[0095]
步骤s6：对多个所述目标法兰轮廓分别进行椭圆拟合，得到多个拟合后的目标法兰椭圆轮廓；
[0096]
步骤s7：循环计算所述多个拟合后的目标法兰椭圆轮廓的总圆度值s，并提前设定总圆度最小值s
min
，根据循环计算结果更新所述总圆度最小值s
min
；
[0097]
步骤s8：判断所述总圆度值s的计算次数i是否大于等于总计算次数m，当小于所述总计算次数m时，计算次数i加1，以计算次数i加1返回至步骤s3，开始循环计算所述总圆度值s，并不断更新总圆度最小值s
min
，直至计算次数i大于等于所述总计算次数m；当大于等于所述总计算次数m时，选择最后更新的总圆度最小值s
min
所对应的最小总圆度值s，并根据所述最小总圆度值s得到其对应的拟合后目标法兰椭圆轮廓，并执行步骤s9；
[0098]
步骤s9：将所述最小总圆度值s对应的拟合后目标法兰椭圆轮廓显示在所述左图像和右图像上，得到目标法兰识别结果，如图5所示的黑色填充部分。
[0099]
优选地，在所述步骤s2中还包括：
[0100]
对所述左图像或右图像进行中值滤波处理，得到滤波后的法兰图像；
[0101]
将所述滤波后的法兰图像转换为灰度图像。
[0102]
需要说明的是，在获取左图像或右图像的过程中，难免会产生一些不必要的干扰信息，它们在很大程度上影响了图像的质量，并对图像的处理结果可能产生较大的影响，本发明对获取到的原图像进行中值滤波处理，中值滤波不仅能够有效去除噪声，还保护了边缘细节。
[0103]
优选地，在所述步骤s3和s4中还包括：
[0104]
对所述灰度图像进行图像二值化处理，得到二值化图像；
[0105]
对所述二值化图像依次进行闭操作运算和开操作运算，以得到所述形态学操作后的法兰图像。
[0106]
需要说明的是，二值化图像可能会存在一些微小孔洞和一些毛刺，对其先进行闭操作运算，以填补微小的孔洞，再对图像进行开操作运算，来去除边缘上的毛刺，得到形态学操作后的法兰图像，这样可以更好的对法兰进行识别。
[0107]
优选地，还包括：
[0108]
判断所述滤波后的法兰图像是否为灰度图像；
[0109]
若所述滤波后的法兰图像为彩色图像，则先将其灰度化，灰度化的公式为gray(i,j)＝ar(i,j) bg(i,j) cb(i,j)，其中，gray表示一像素点灰度化以后的值，r、g、b分别表示对应像素上的红、绿、蓝的颜色分量值，a、b、c分别为红、绿、蓝的权重，此处a、b、c按照人眼的敏感程度取标准值，分别为0.299、0.578、0.114；
[0110]
若所述滤波后的法兰图像为灰度图像，则直接进行图像二值化处理。
[0111]
优选地，在所述步骤s3中还包括：
[0112]
将图像二值化的初始阈值设为0，图像二值化的公式为：
[0113][0114]
其中，t表示阈值，该图像二值化的公式含义为高于阈值的像素点设为最亮，低于阈值的像素点设为最暗。
[0115]
需要说明的是，将灰度图像以0为阈值开始二值化。
[0116]
需要说明的是，对所述形态学操作后的法兰图像中的所有轮廓进行筛选，通过大小限制将过大或者过小的轮廓去除，以得到多个目标法兰轮廓；具体地，对所述形态学操作后的法兰图像在进行轮廓的检测与筛选，对于二值化图像的轮廓检测，就是找到每个连通域的轮廓。根据船上法兰的大小和法兰到输油臂的距离范围可以确定出法兰在图像中的面积大小范围，根据这个范围可以排除那些一定不是法兰的轮廓，从而筛选出可能是法兰的轮廓。
[0117]
优选地，在所述步骤s6中还包括：
[0118]
采用最小二乘法对多个所述目标法兰轮廓分别进行椭圆拟合，得到多个拟合后的目标法兰椭圆轮廓。
[0119]
需要说明的是，由于法兰平面与相机平面一定存在角度，因此，所拍摄到的法兰不会是一个完美的圆但又非常接近圆，因此，采用最小二乘法对筛选出来的每一条目标法兰轮廓进行椭圆拟合，得到拟合后的目标法兰椭圆轮廓。
[0120]
需要说明的是，椭圆拟合的时候，从椭圆拟合算法中，可以得到法兰圆心与法兰内径，即可画出结果，椭圆拟合算法为已有算法，为本领域技术人员公知的常规技术，此处不再赘述。
[0121]
优选地，在所述步骤s7中还包括：
[0122]
分别计算每一所述拟合后的目标法兰椭圆轮廓的圆度值，并根据每一所述拟合后的目标法兰椭圆轮廓的圆度值计算出所述多个拟合后的目标法兰椭圆轮廓的总圆度值s；
[0123]
其中，通过公式c＝b/a来计算每一所述拟合后的目标法兰椭圆轮廓的圆度值，其中a表示椭圆的长半轴，b表示椭圆的短半轴，则所有拟合后的目标法兰椭圆轮廓的总圆度值s的计算公式为：
[0124][0125]
其中，c1，c2，...，cn分别表示每一所述拟合后的目标法兰椭圆轮廓的圆度值，n表示判定为目标法兰椭圆轮廓的个数，正常情况下，总圆度值s不会大于1，因此将总圆度最小值s
min
的初始值设为1，将当前计算出的总圆度值s与总圆度最小值s
min
相比，若s
min
＞s，则将s赋值给s
min
，以更新总圆度最小值s
min
。
[0126]
需要说明的是，通过限制每一所述拟合后的目标法兰椭圆轮廓的圆度值的数值来排除不可能为法兰的轮廓，由于法兰在图像中非常接近圆，因此，形态学操作处理后的图像中的非法兰部分几乎都被有效清除，一幅图像可能存在多个法兰，因此采用上述公式来判定一幅图像上所有拟合后的目标法兰椭圆轮廓的总圆度值s。
[0127]
应当理解的是，在一次循环中，通过上几个步骤，可以得出拟合后的目标法兰椭圆轮廓在图像中的长短半轴，利用长短半轴得到其圆度值c，一张图像可能存在多个法兰，共为n个，所以s是总圆度值，取每次循环的最小总圆度值s，因此最小总圆度值s可以保证取到的法兰边缘最接近真实边缘。
[0128]
优选地，在所述步骤s8中还包括：
[0129]
当所述总圆度值s的计算次数i小于总计算次数m时，计算次数i加1，以计算次数i加1返回至步骤s3，再次计算所有拟合后的目标法兰椭圆轮廓的总圆度值s，若此次计算出
的总圆度值s小于上一次计算中更新后的总圆度最小值s
min
，则将此次计算出的总圆度值s继续赋值给所述总圆度最小值s
min
，以继续更新总圆度最小值s
min
，将继续更新后的总圆度最小值s
min
用于下一次的所述总圆度值s的计算中，直至计算次数i大于等于总计算次数m。
[0130]
需要说明的是，总计算次数m指的是循环计算次数的阈值，本发明不做限定，可以根据需求自行设定，例如总计算次数m可以为255。
[0131]
下面对通过循环计算所有拟合后的目标法兰椭圆轮廓的总圆度值s，根据循环计算结果更新总圆度最小值s
min
，得到最后更新的总圆度最小值s
min
，选择最后更新的总圆度最小值s
min
所对应的最小总圆度值s，并根据所述最小总圆度值s得到其对应的拟合后目标法兰椭圆轮廓，举例说明如下：
[0132]
第一次计算中：总圆度值s＝0.9，由于总圆度最小值s
min
的初始值设为1，1＞0.9，将0.9赋值给总圆度最小值s
min
，此时，总圆度最小值s
min
＝0.9；
[0133]
第二次计算中：总圆度值s＝0.8，由于第一次计算中更新后的总圆度最小值s
min
＝0.9，0.9＞0.8，将0.8赋值给总圆度最小值s
min
，此时，总圆度最小值s
min
＝0.8；
[0134]
第三次计算中：总圆度值s＝0.7，由于第二次计算中更新后的总圆度最小值s
min
＝0.8，0.8＞0.7，将0.7赋值给总圆度最小值s
min
，此时，总圆度最小值s
min
＝0.7；
[0135]
第四次计算中：总圆度值s＝0.8，由于第三次计算中更新后的总圆度最小值s
min
＝0.7，0.8＞0.7，此时，不会更新总圆度最小值s
min
，总圆度最小值s
min
依然为0.7；
[0136]
......
[0137]
以此类推，直到第i次计算中：总圆度值s＝0.5，由于第i
‑
1次计算中更新后的总圆度最小值s
min
＝0.6，0.6＞0.5，将0.5赋值给总圆度最小值s
min
，此时，总圆度最小值s
min
＝0.5，选择最后更新的总圆度最小值0.5所对应的最小总圆度值s，并根据所述最小总圆度值0.5得到其对应的拟合后目标法兰椭圆轮廓，也即为第i次计算中所针对的拟合后目标法兰椭圆轮廓。
[0138]
优选地，在所述步骤s1中还包括：采用高清摄像头获取左图像或右图像。
[0139]
具体地，选用大恒ccd相机与海康威视镜头组合后的设备采集左图像或右图像，所采集到的左图像或右图像高为3672个像素，宽为5496个像素。
[0140]
本发明提供的一种基于双目视觉的法兰定位方法，解决了智能输油臂粗定位中的法兰定位问题，该方法通用性好，有着较高的准确率。
[0141]
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明,任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。