申请/专利权人：中国矿业大学

申请日：2024-01-03

公开（公告）日：2024-04-05

公开（公告）号：CN117830655A

主分类号：G06V10/50

分类号：G06V10/50;G06V10/764;G06V10/774;G06V10/762;G06T7/50;G06T7/70;G06N3/006

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.23#实质审查的生效;2024.04.05#公开

摘要：本发明公开了一种利用HOG特征以及MIBOA‑SVR算法的钻杆识别方法，包括利用RGB‑D深度相机、HOG特征、SVR回归模型预测以及MIBOA参数优化检测；与直接检测整根钻杆相比，本发明采用特征块检测机制，可以避免钻杆因为绕轴线转动带来的特征变化；采用局部检测机制，可以增加检测容错率；部分检测框由于杂物等未检测到，并不影响最终的钻杆检测框拟合；特征块区域的梯度特征明显且具有很好的辨识度，是钻杆检测的理想特征；采用改进后的BOA算法，即MIBOA对SVR参数进行寻优处理，可以有效提高检测精度，避免因为手动选取SVR参数导致检测精度下降的问题。

主权项：1.一种利用HOG特征以及MIBOA-SVR算法的钻杆识别方法，其特征在于，所述钻杆识别方法包括以下步骤：S1、将RGB-D相机固定于钻杆框体正上方，用于获取二维图像信息以及深度图像信息，采用滑动窗口遍历二维图像，并提取每个窗口的HOG特征；S2、将提取每个窗口的HOG特征送入经过训练的SVR回归模型进行预测，给出该窗口的置信度，并结合阈值判定与非极大抑制识别出钻杆特征区域；S3、考虑到SVR的实际回归效果受参数影响，采用混合改进蝴蝶优化算法用于优化SVR的参数选择，以识别出特征区域；S4、采用RGB-D深度相机且位置固定，根据三维左边进行聚类以实现单根钻杆分离，从而实现钻杆检测任务。

全文数据：

权利要求：

百度查询： 中国矿业大学 一种利用HOG特征以及MIBOA-SVR算法的钻杆识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD