基于改進Canny 邊緣檢測的堆疊貨箱分割定位方法

徐志祥，孫文博，邢立東，高 東，趙 炎

（大連理工大學機械工程學院，遼寧大連 116024）

隨著我國經濟的高速發展，冷鏈進口量也大幅增長，目前冷鏈集裝箱到港后多由人工或者人工操作機器搬卸堆疊的貨箱，工作量大且效率不高，自動化程度較低，為了提高冷鏈運輸的自動化水平，實現卸貨機器人的全自動化卸貨工作，需要通過機器視覺技術來獲取堆疊貨箱的位置坐標。隨著智能化技術的發展，機器視覺已經在識別檢測和定位引導上得到廣泛應用，在實現工業智能化、自動化過程中有著巨大的發展前景［1］。

20 世紀60 年代以來，圖像分割定位技術一直是國內外學者研究的熱點。圖像分割算法主要有基于閾值、基于區域、基于邊緣、基于特征匹配和基于深度學習的分割方法［2］。周文靜等［3］基于顏色特征和Otsu最大閾值分割結合的方法實現了對葡萄果穗圖像的完整準確分割，為葡萄果穗的識別和定位抓取提供了研究基礎。李穎等［4］基于深度學習方法提出了一種端到端的分割模型，采用Mask-CNN 分割算法對煤粉顆粒CT圖像進行了準確分割。王祥等［5］提出了一種基于區域分離與聚合的分水嶺變換分割算法，該方法可以有效抑制圖像的過分割和分割邊緣不明顯的現象。劉麗霞等［6］針對目前遙感圖像分割魯棒性差和邊緣易缺失的缺點，提出了一種基于改進Canny邊緣檢測的遙感影像分割算法，并取得了不錯的分割效果。

本文以堆疊貨箱為研究對象，針對堆疊貨箱的灰度特征和邊緣信息，提出了一種基于改進Canny 邊緣檢測的堆疊貨箱分割定位算法。……