山东某钢厂，宽厚板生产线，在宽厚板进入加热炉前，需要精确测量尺寸，以控制炉门开启的大小和时长。现有光栅测量的方式精度低，不能满足生产要求。为此，采用单目摄像头与视觉测量方法对远距离宽厚板尺寸精确测量，实现低成本高精度视觉测量。并实现规模化投产应用。

背景介绍

钢铁行业数字化进程的不断加速以及智能化水平的不断提高，对钢铁制造过程中的不同环节的智能化水平提出了新的要求。板材测量是关键环节之一，在进入热炉门前需要对其尺寸进行测量，这是为了准确控制热炉开启的时长以及大小，准确控制热炉参数可以防止热量能源流失。因此，板材高效精确的尺寸测量成为节约能源的关键。 现有方式包含两种。

方式1：光栅测量法

在板材移动的轨道两侧布设激光对射开关，人工控制板材在辊道上来回移动，通过辊道转速计算出板材移动速度，结合板材头尾触碰光栅的时间计算出板材的长宽，此方式需要全程人工参与。

方式2：激光测量法

采用3D激光对板材表面进行扫描，基于点云分割，得到板材轮廓点坐标，基于此，计算板材的长度与宽度。3D激光能够精确测量板材尺寸，但是由于激光传感器的价格昂贵，该方案难以实现规模化落地。

以上两种方式存在精度、流程或价格上的不足，难以满足规模化落地。为此，本系统采用了单目视觉测量方法，充分利旧厂区原有监控。实现远距离、任意角度、大尺寸、高精度的板材测量。

系统构成

1. 前端感知：

在板材测量产线作业现场的合适位置布设安防相机或工业相机，用以实时采集生产画面。

2. 智能分析：

当板材到达拍摄区域，完成对中后，中控平台向智能分析盒发出触发信号，智能分析盒采集图像进行板材目标检测与尺寸测量。

3. 数据推送：

将产生的告警数据通过http协议推送至第三方平台，这个告警数据是板材的长度与宽度坐标，包括检测快照，检测时间摄像头位置等结构化数据。

4. PLC控制：

算法测量结果发送至PLC控制系统，用于控制热炉门的开启与关闭，包括开启的时长与大小。

AI算法

1. 透视变换

由于产线安装位置的限制，摄像头难以俯视对板材拍摄。因此，板材在视野中的形状难以保持矩形。如下图，在原始图像中，目标发生了变形，这是由于在此安装角度下，板材不同位置的点到相机像平面的距离不同导致的。因此，需将原始图像通过透视变换，映射至俯视视角。

将原始图像上的角点与变换图像角点，进行一一映射，并根据四个映射对，来求解透视变换矩阵。基于原始图像与透视变换矩阵，求解变换后的图像，变换后的图像如右图所示。

2. 目标检测

对变换后的图像实现目标检测，目的是定位板材的四个角点坐标。如下图，通过目标检测算法定位并识别板材目标，红色框为识别出的目标。

由于板材表面形态与光照亮度会发生变化，采用图像样本增强与深度学习目标检测算法对板材目标检测。这样做的目的是提升算法在不同场景下的识别准确率。

3. 像素标定

由于摄像头获取的是像素坐标，而测量尺寸为物理坐标。因此，需知像素尺寸与物理尺寸之间的换算关系。即每个像素所表示的物理尺寸。如下图，在长度方向上，每个像素表示的物理尺寸为X/m（mm/pixel）；在宽度方向上，每个像素表示的物理尺寸为Y/n (mm/pixel)。

为获取高精度标定结果。采用多组板材像素与尺寸的数值对，进行线性拟合，求得板材长度与宽度方向上的拟合系数，用于新板材长度测量。

4. 尺寸测量

由像素标定，可得到像素比例尺。由目标检测算法，可定位板材4个角点的坐标。并由此计算板材像素长度与宽度。根据以上内容，计算板材的长度与宽度。

$$ L=a*m+b $$

$$ W=c*n+d $$

其中a,b,c,d为标定参数，m,n为板材长宽的像素尺寸。据此，得到板材长度与宽度方向上的测量值。

应用成效

依托边缘计算与人工智能视频分析领域的创新能力与工程化实践，智驱力单目视觉板材测量系统，在国内多个大型钢厂落地应用。并取得了如下成效。

1. 测量误差降低90%：

项目实施前尺寸测量长度误差±100mm，项目实施后尺寸测量长度误差±9.3mm，误差减少90%。

2. 测量耗时降低87.5%：

项目实施前，单板测量时间：240s，项目实施后，单板测量时间：30s，测量速度提升700%。

3. 人力成本降低75%：

项目实施前，人工参与环节：4个，项目实施后，人工参与环节：1个，人力成本缩减75%。

机器视觉单目远距离板材测量系统在钢厂板材测量行业落地应用，解决了传统测量方式的不足，可批量化复制至尺寸测量场景，产生更大应用价值。