一种原木堆木材的配对方法与流程

1.本发明涉及原木尺寸计算技术领域，尤其是涉及一种原木堆木材的配对方法。


背景技术：

2.原木材作为大宗资源性商品，其中木材材积是木材检验中重要环节之一，木材材积由木材尺寸检量获得，目前业内多由人工检尺方式进行。
3.现有的木材自动检尺方式有以下几种：
4.1、人工原木扫描系统，主要通过人工手持的扫描装置测量单个木材的最长直径和最短直径，用于减少由于人工目测木材直径带来的误差。
5.人工检测虽然可以降低目测带来的误差，但是无法木材两端的匹配问题，无法减少所需的人力成本，且依然存在安全隐患。不能同时检测多根木材，检尺效率无法得到大幅度提升。且劳动强度大工作效率低；不同检尺人员主观因素易影响检尺工作质量；不同国家检尺标准不一难以掌握，交付成果不一；工作环境变化对工人安全有一定隐患，现希望对此情况进行改善。
6.2、如图1所示，专利ep1745279公开了一种原木检测技术，木材在测量过程中会被单层且无交叠的摆放，测量装置从a出发到a’，拍摄完木材截面的一侧后再从b到b’点拍摄另一侧。
7.该方法在测量上减少了人力成本，但是需要对木材进行重新地单层无交叠摆放，仍然需要额外的人力；该系统对于港口码头这样木材堆叠量极大的场景不适用。
8.3、如图2所示，一种基于hough circles技术的检测方法，该方法有如下流程：
9.1)先用5
×
5的卷积核对2d图像卷积
10.2)把rgb图像转化为灰度图
11.3)利用高斯模糊去除背景
12.4)使用hough circles算法对截面进行近圆处理
13.5)在原图上画出所有近似的圆
14.该方法测量直径时运用的算法过于简单，仅从示例图上就可以看出存在巨大误差，且无法匹配两侧的木材截面。
15.本发明通过计算机视觉的方式实现自动检尺，降低人力成本，消除安全隐患，提高检尺效率。


技术实现要素：

16.本发明解决的技术问题是现有的原木检测技术均只在2d图像上进行测量，且仅适用于单层木材的检测，堆叠木材又存在较大的误差。
17.为解决上述的技术问题，本发明技术方案提供一种原木堆木材的配对方法，其中，所述配对方法如下：
18.步骤1：对在原地任意交叉堆叠放置的原木进行两端截面图像拍摄；
19.步骤2：选取正面和反面两端的截面图片进行分析；
20.步骤3：从正面的截面图片中选取任意一根目标正面木材截面，从反面的截面图片中选取任意一根目标反面木材截面，并对该目标反面木材截面进行loss特征算法计算积分；
21.步骤4：将通过loss特征算法计算后得到的最大积分的目标反面木材截面与目标正面木材截面配对成一根完整的木材。
22.可选地，步骤3中的loss特征算法包括：
23.步骤31：以任意一根目标正面木材截面中心为原点建立xy坐标系，并对反面截面中任意一根目标反面木材截面中心为原点建立xy坐标系；
24.若目标正面木材和目标反面木材都贴有二维码或都未贴二维码，则对该目标反面木材取值为1；若目标正面木材和目标反面木材只有一个贴有二维码，则对该目标反面木材取值为0，将此数值定为l1。
25.可选地，步骤3中的loss特征算法包括：
26.步骤32：计算距离目标正面木材最近的k根木材中设有二维码的数量，计算距离目标正面木材最近的k根木材中未设二维码的数量；计算距离目标反面木材最近的k根木材中设有二维码的数量，计算距离目标反面木材最近的k根木材中未设二维码的数量；计算正面木材与反面木材之间的向量范数值，将此数值定为l2。
27.可选地，步骤3中的loss特征算法包括：
28.步骤33：按距离排序计算距离正面木材最近的k根木材的二维码情况序列，按距离排序计算距离反面木材最近的k根木材的二维码情况序列，计算正面木材与反面木材中相同元素的个数数值，将此数值定为l3。
29.可选地，步骤3中的loss特征算法包括：
30.步骤34：按顺时针角度排序计算距离正面木材最近的k根木材的二维码情况序列，按逆时针角度排序计算距离反面木材最近的k根木材的二维码情况序列，计算正面木材与反面木材中相同元素的个数数值，将此数值定为l4。
31.可选地，步骤3中的loss特征算法包括：
32.步骤35：计算距离正面木材最近的k根木材在上下左右顺序方向上的分布情况序列，计算距离反面木材最近的k根木材在上下右左顺序方向上的分布情况序列，计算正面木材与反面木材之间的向量范数值，将此数值定为l5。
33.可选地，将步骤31～步骤35的数值计算得到的积分相加为对应反面木材的最终积分总和。
34.可选地，步骤3为选定任意一根正面木材，对任意一根反面木材进行积分计算，积分总和最大的反面木材与该正面木材配对成功。
35.可选地，若有多个反面木材的积分总和相同，选择y轴方向上排序最小的反面木材与正面木材配对成功。
36.可选地，对配对成功的木材进行木材选取小径端进行木材尺寸计算。
37.本发明技术方案的有益效果是：
38.本发明适用于混乱堆叠的原木检测，可更高效地、快速地对原木木材进行配对分析检测，直接进行3d扫描获得木材体积，误差精度小，配对成功率高，极大地节省了人工成
本，且相对于现有的视觉检测技术更精确、检测速度更快。
附图说明
39.图1为现有技术第二种木材检测方法的示意图；
40.图2为现有技术的第三种木材检测方法的示意图；
41.图3为本发明实施例中原木堆的木材尺寸配对方法的流程图；
42.图4为本发明实施例中原木堆的正面木材截面和反面木材截面的举例示意图。
具体实施方式：
43.下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。
44.在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
45.在本发明中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度小于第二特征。
46.请参见图3和图4所示，示出了一种实施例的原木堆木材的配对方法，其中，所述配对方法如下：
47.步骤1：对在原地任意交叉堆叠放置的原木进行两端截面图像拍摄；
48.步骤2：选取正面和反面两端的截面图片进行分析；
49.步骤3：从正面的截面图片中选取任意一根目标正面木材截面，从反面的截面图片中选取任意一根目标反面木材截面，并对该目标反面木材截面进行loss特征算法计算积分；
50.步骤4：将通过loss特征算法计算后得到的最大积分的目标反面木材截面与目标正面木材截面配对成一根完整的木材。
51.具体来说，就是当运输来的原木，原木出场时商家即在每根原木的小端贴设了一个二维码，混乱交叉堆叠放在一处时，对堆叠的原木堆的两端分别摄像，以提取原木堆两端的正面截面和反面截面。
52.然后对正反面的每一根木材进行识别分析配对，例如在正面选取一个带有二维码的目标正面木材截面，再对反面所有的目标反面木材截面进行分析，通过loss特征算法计算积分并对每一根目标反面木材截面进行打分，最后得分最高的那根目标反面木材截面即与目标正面木材截面配对成功。
53.当然，当正面木材截面设有二维码时，与其配对的反面木材必然是未设置二维码的；当正面木材截面未设置二维码时，与其配对的反面木材必然是设有二维码的。
54.通过以下说明进一步地认识本发明的特性及功能。
55.参见图4所示，图4为本发明实施例中原木堆的正面木材截面和反面木材截面的举例示意图。图中左图为正面木材堆，选择31号木材为目标正面木材截面；右图为反面木材堆，选择30号木材为目标反面木材截面。以下loss特征算法实质是在给正面的31号木材截面寻找反面的木材截面进行配对，正在给反面的30号木材截面进行loss特征算法计算打分。
56.本实施例中，步骤3中的loss特征算法包括：
57.步骤31：以任意一根目标正面木材截面中心为原点建立xy坐标系，并对反面截面中任意一根目标反面木材截面中心为原点建立xy坐标系；
58.若目标正面木材和目标反面木材都贴有二维码或都未贴二维码，则对该目标反面木材取值为1；若目标正面木材和目标反面木材只有一个贴有二维码，则对该目标反面木材取值为0，将此数值定为l1。
59.如图4所示，图中左图为正面木材堆，选择31号木材为例；右图为反面木材堆，选择30号木材为例。正面木材粘贴了二维码，因此特征为1，反面30号木材未粘贴二维码，因此特征为0，因此本步骤中30号木材的l1的值为0。
60.本实施例中，步骤3中的loss特征算法包括：
61.步骤32：计算距离目标正面木材最近的k根木材中设有二维码的数量，计算距离目标正面木材最近的k根木材中未设二维码的数量；计算距离目标反面木材最近的k根木材中设有二维码的数量，计算距离目标反面木材最近的k根木材中未设二维码的数量；计算正面木材与反面木材之间的向量范数值，将此数值定为l2。
62.如图4所示，图中左图为正面木材堆，选择31号木材为例；右图为反面木材堆，选择30号木材为例。正面31号木材最近的5根木材为33、28、29、30、32号木材，有2根粘贴了二维码，有3根未粘贴因此特征为[2,3]；反面30号木材最近的五根木材为32、28、29、27、31号木材，有2根粘贴了二维码，有3根未粘贴因此特征为[2,3]，l2的值为|2-3| |3-2|＝2，因此本步骤中30号木材的l2的值为2。
[0063]
本实施例中，步骤3中的loss特征算法包括：
[0064]
步骤33：按距离排序计算距离正面木材最近的k根木材的二维码情况序列，按距离排序计算距离反面木材最近的k根木材的二维码情况序列，计算正面木材与反面木材中相同元素的个数数值，将此数值定为l3。
[0065]
如图4所示，图中左图为正面木材堆，选择31号木材为例；右图为反面木材堆，选择30号木材为例。正面31号木材最近的5根木材为33、28、29、30、32号木材，按距离排序后为[30,33,29,28,32]，将贴有二维码定义为1，未贴二维码定义为0，可以得到序列[1，0，0，1，0]；反面30号木材最近的五根木材为32、28、29、27、31号木材，按距离排序后为[32,28,29,31,27]，将贴有二维码定义为1，未贴二维码定义为0，可以得到序列[1，0，1，0，0]。l3的值为两个序列中同一位置值相同的情况出现的次数，因此本步骤中30号木材的l3的值为3。
[0066]
本实施例中，步骤3中的loss特征算法包括：
[0067]
步骤34：按顺时针角度排序计算距离正面木材最近的k根木材的二维码情况序列，按逆时针角度排序计算距离反面木材最近的k根木材的二维码情况序列，计算正面木材与反面木材中相同元素的个数数值，将此数值定为l4。
[0068]
如图4所示，图中左图为正面木材堆，选择31号木材为例；右图为反面木材堆，选择30号木材为例。正面31号木材最近的5根木材为33、28、29、30、32号木材，按角度按顺时针排序后为[29,30,32,33,28]，将贴有二维码定义为1，未贴二维码定义为0，可以得到序列[0，1，0，0，1]；反面30号木材最近的五根木材为32、28、29、27、31号木材，按角度按逆时针排序后为[32,31,29,27,28]，将贴有二维码定义为1，未贴二维码定义为0，可以得到序列[1，0，1，0，0]。在中的l4的值为两个序列中同一位置值相同的情况出现的次数，因此本步骤中30号木材的l4的值为1。
[0069]
本实施例中，步骤3中的loss特征算法包括：
[0070]
步骤35：计算距离正面木材最近的k根木材在上下左右顺序方向上的分布情况序列，计算距离反面木材最近的k根木材在上下右左顺序方向上的分布情况序列，计算正面木材与反面木材之间的向量范数值，将此数值定为l5。
[0071]
如图4所示，图中左图为正面木材堆，选择31号木材为例；右图为反面木材堆，选择30号木材为例。正面31号木材最近的5根木材为33、28、29、30、32号木材，它们在31号木材上下左右分布个数情况为[3,2,2,3]；反面30号木材最近的五根木材为32、28、29、27、31号木材，它们在30号木材上下右左分布个数情况为[3,2,4,1]。在中的l5的值为|3-3| |2-2| |2-4| |3-1|＝4，因此本步骤中30号木材的l5的值为4。
[0072]
本实施例中，将步骤31～步骤35的数值计算得到的积分相加为对应反面木材的最终积分总和。如图4所示，其中反面的30号木材的最终得分为0 2 3 1 4＝10分，再以同样的方法，对反面的27、28、29、31、32号木材分别打分，最终积分总和最大的反面木材即可该正面31号木材配对成功。
[0073]
本实施例中，若有多个反面木材的积分总和相同，选择y轴方向上排序最小的反面木材与正面木材配对成功。
[0074]
本实施例中，对配对成功的木材进行木材选取小径端进行木材尺寸计算。
[0075]
综上所述，本发明适用于混乱堆叠的原木检测，可更高效地、快速地对原木木材进行配对分析检测，直接进行3d扫描获得木材体积，误差精度小，配对成功率高，极大地节省了人工成本，且相对于现有的视觉检测技术更精确、检测速度更快。
[0076]
综上所述，本发明适用于混乱堆叠的原木检测，可更高效地、快速地对原木木材进行配对分析检测，直接进行3d扫描获得木材体积，误差精度小，配对成功率高，极大地节省了人工成本，且相对于现有的视觉检测技术更精确、检测速度更快。
[0077]
以上仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。