CN117428177A - 一种基于三维点云的沙箱浇筑定位系统 - Google Patents

Abstract

本申请公开了一种基于三维点云的沙箱浇筑定位系统，涉及浇筑行业技术领域。包括浇筑小车、激光雷达、激光测距仪、增量编码器和计算模块，浇筑小车设置于浇筑产线的上方，激光雷达用于对浇筑产线上的沙箱进行扫描，激光测距仪用于对浇筑产线上的沙箱进行测距，增量编码器用于对浇筑产线上的沙箱进行检测和轮廓扫描。本申请采用激光雷达进行非接触定位获取沙箱浇杯口区域，提高了沙箱浇筑的效率，并通过激光雷达进行轮廓检测代替传统的光电传感器或者机械限位进行沙箱扫描的触发，适应了不同规格沙箱尺寸的扫描触发，以及使用激光测距仪配合高精度增量编码器实时检测浇筑小车的位置，建立了高精度沙箱扫描模型，提高了定位精度。

Description

一种基于三维点云的沙箱浇筑定位系统

技术领域

本申请涉及浇筑行业技术领域，具体是一种基于三维点云的沙箱浇筑定位系统。

背景技术

钢铁行业常常用沙箱制作铸造件的模具。沙箱根据其铸造件的大小尺寸各不相同，尺寸也不相同，一般排列于浇筑产线上。沙箱浇筑线如图2所示，浇筑小车位于浇筑流水线的上方，可以沿着浇筑线运动，浇筑小车上铁水包，铁水包用于容纳熔化的铁水。开始浇筑时，浇筑工人开启浇筑小车沿着浇筑线运动，运动到待浇筑沙箱上方后，通过人工的方式将将钢水的出水口与沙箱上表面的浇杯口进行对准，打开铁水包的阀门，向沙箱中灌入铁水，待沙箱浇筑完成后，浇筑小车继续移动，如此对剩余的沙箱进行浇筑。该浇筑方法存在以下问题：

1、人工定位浇筑口效率低，沙箱高度、以及沙箱浇杯口的位置各不相同，工人需要在进行单个沙箱浇筑时需要根据实际情况进行逐个的调整，浇筑的效率低；

2、浇筑环境中温度高，且浇筑过程中有大量的灰尘，且钢水一旦熔化后，需要尽快进行钢水的浇筑，因此对于操作工人的熟练度以及恶劣环境的耐受度较高。

发明内容

本申请的目的在于提供一种基于三维点云的沙箱浇筑定位系统，以解决上述背景技术中提出的技术问题。

为实现上述目的，本申请公开了以下技术方案：一种基于三维点云的沙箱浇筑定位系统，包括浇筑小车，所述浇筑小车上安装有激光雷达、激光测距仪以及增量编码器，所述激光雷达、所述激光测距仪、所述增量编码器分别与计算模块通信连接；

所述浇筑小车设置于浇筑产线的上方并沿着所述浇筑产线移动；

所述激光雷达的扫描端朝向所述浇筑产线的顶侧设置，用于对所述浇筑产线上的沙箱进行扫描；

所述激光测距仪设置于所述浇筑产线的上方，用于对所述浇筑产线上的沙箱进行测距；

所述增量编码器设置于所述浇筑产线的两侧，用于对所述浇筑产线上的沙箱进行检测和轮廓扫描；

浇筑定位时，所述浇筑小车沿着所述浇筑产线移动，当所述激光雷达扫描到所述浇筑产线上的沙箱时，结合所述激光测距仪和所述增量编码器获取该沙箱的二维轮廓及实际位置，所述计算模块将所述二维轮廓积分形成三维轮廓，并计算定位该沙箱的浇杯口数据，完成该沙箱的浇筑定位；

浇筑时，所述计算模块将计算结果发送至PLC，所述PLC用于控制所述浇筑小车移动并将所述浇筑小车上的钢包铁水口移动至沙箱的浇杯口上方位置，并控制所述钢包铁水口下降到浇筑高度后对沙箱进行浇筑。

作为优选，所述计算模块对一个沙箱的浇杯口数据的计算在下一个沙箱被检测到之前完成。

作为优选，在所述钢包铁水口完成一个沙箱的浇筑后，所述PLC控制所述钢包铁水口关闭铁水口，并控制所述钢包铁水口进行高度复位，复位后，所述浇筑小车沿着所述浇筑产线移动进行下一个沙箱的检测和浇筑定位。

作为优选，所述的结合所述激光测距仪和所述增量编码器获取该沙箱的二维轮廓及实际位置，具体包括：

所述激光雷达实时检测沙箱的轮廓，并基于所述激光测距仪的测距结果，根据轮廓点中高低点个数将沙箱的轮廓检测结果分为高轮廓和低轮廓；若当前帧数据为低轮廓数据，前一帧数据为高轮廓数据，则判断沙箱的区域轮廓上升沿触发到来；若前一帧数据为高轮廓数据，当前帧为低轮廓数据，则判定为沙箱下降沿触发到来。

作为优选，当沙箱的区域轮廓上升沿触发到来时，记录此时所述激光雷达的初始位置、所述增量编码器的反馈位置以及所述激光雷达扫描的二维轮廓；其中，所述激光雷达扫描的二维轮廓中包括y方向信息和z方向信息，通过所述激光雷达初始化位置、所述增量编码器的反馈位置以及分辨率计算出该二维轮廓中的x方向信息，再将单帧轮廓沿着x方向进行拼接，得到实时扫描的三维模型，其中，y方向为浇筑产线的宽度方向，x方向为激光测距仪的测量方向，z方向垂直于地面向上；并同时实时检测沙箱下降沿触发是否到来，若沙箱下降沿触发到来，则判定沙箱采集结束，所述计算模块进行沙箱的定位计算及计算定位该沙箱的浇杯口数据。

作为优选，所述的将所述二维轮廓积分形成三维轮廓，具体包括：

当沙箱的区域轮廓上升沿触发到来时，记录此时所述激光测距仪反馈的浇筑小车的位置，并开始采集单帧轮廓以及所述增量编码器的值，所述单帧轮廓为yoz截面轮廓散点，将此时的所述激光测距仪的测量值作为单帧轮廓的x方向信息，结合该单帧轮廓中的y方向信息和z方向信息，将其转换为三维坐标系点；

在沙箱的区域轮廓上升沿触发之后的轮廓中，记录轮廓和增量编码器的检测值，结合该增量编码器的检测值与起始帧的增量编码器计算得到当前轮廓的x方向上的增量，对比根据起始帧的激光测距仪的测量值转化为系统全局x坐标，进而转换为三维坐标系点；

随着所述浇筑小车移动，多帧轮廓不断存入沙箱三维模型中，当沙箱下降沿触发到来时，停止轮廓收集，完成沙箱区域轮廓收集。

作为优选，所述的计算定位该沙箱的浇杯口数据，具体包括：

S1：粗裁切，根据沙箱区域高度范围裁切去除无效区域，所述无效区域包括地面区域；

S2：降采样处理，对高度方向进行降采样；

S3：点云分割，将点云数据采集裁切为单个子区域，并根据沙箱区域大小检测该段点云数据中是否有沙箱区域，若不存在沙箱区域则继续进行轮廓检测，若存在沙箱区域则计算沙箱沙箱区域的平均高度高度作为沙箱的高度；

S4：基于检测得到的沙箱高度对于原始密集点云进行分割，获取浇杯口点云区域与上层面点云区域；

S5：根据沙箱的上层面点云区域进行点云连通域分割；

S6：判断S5中分割后的区域中是否存在与浇杯口大小一致的区域，若存在，则将该区域作为沙箱浇杯口检测区域，获取浇杯口区域的外接矩形的范围；

S7：若S6中检测到浇杯口区域，则基于浇杯口区域外接矩形x方向、y方向最大值范围以及z方向高度分割浇杯口的上层点云，计算浇水杯口的最大高度Zcup，同时计算浇杯口区域的x、y方向的中心点作为浇筑区域的Xcup以及Ycup；

S8：若S6中为检测到浇杯口区域，则对于该区域再进行点云连通域分割，并对分割后的子区域进行分割判断；若分割后的区域中与浇杯口大小一致的区域的个数为0，则表示未检测到沙箱浇筑口区域，若分割后的区域中与浇杯口大小一致的区域的个数为1，则执行S7，完成浇筑口定位计算。

作为优选，若分割后的区域中与浇杯口大小一致的区域的个数大于1，将该分割后的区域分别定义为待处理分割区域，将多个所述待处理分割区域投影到平面上,其中x、y方向分别对应图像的co l_index以及row index，对待处理分割区域投影后进行二维图像的联通域的组件分割，判断其中分割所得组件的圆度是否在设定范围内，若一个待处理分割区域对应的组件分割结果中存在组件的圆度在设定的阈值范围内时，则判断该待处理分割区域为沙箱浇筑口区域，执行S7，完成沙箱浇筑口定位；若所有的待处理分割区域对应的组件分割结果中存在组件的圆度均不在设定的阈值范围内时，则表示所有待处理分割区域中均不是浇筑口区域，则继续进行轮廓检测。

有益效果：本申请的基于三维点云的沙箱浇筑定位系统，采用激光雷达进行非接触定位获取沙箱浇杯口区域，提高了沙箱浇筑的效率，并通过激光雷达进行轮廓检测代替传统的光电传感器或者机械限位进行沙箱扫描的触发，适应了不同规格沙箱尺寸的扫描触发，以及使用激光测距仪配合高精度增量编码器实时检测浇筑小车的位置，建立了高精度沙箱扫描模型，提高了定位精度。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例中基于三维点云的沙箱浇筑定位系统的结构框图；

图2为现有技术中沙箱浇筑线的结构示意图；

图3为本申请实施例中浇筑定位的流程示意图；

图4为本申请实施例中三维建模的过程示意图；

图5为本申请实施例中浇筑定位的具体流程示意图。

具体实施方式

下面将对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

在本文中，术语“包括”意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本实施例公开了一种如图1所示的基于三维点云的沙箱浇筑定位系统，包括浇筑小车，所述浇筑小车上安装有激光雷达、激光测距仪以及增量编码器，所述激光雷达、所述激光测距仪、所述增量编码器分别与计算模块通信连接。所述浇筑小车设置于浇筑产线的上方并沿着所述浇筑产线移动；所述激光雷达的扫描端朝向所述浇筑产线的顶侧设置，用于对所述浇筑产线上的沙箱进行扫描；所述激光测距仪设置于所述浇筑产线的上方，用于对所述浇筑产线上的沙箱进行测距；所述增量编码器设置于所述浇筑产线的两侧，用于对所述浇筑产线上的沙箱进行检测和轮廓扫描。

如图3所示，浇筑定位时，所述浇筑小车沿着所述浇筑产线移动，当所述激光雷达扫描到所述浇筑产线上的沙箱时，结合所述激光测距仪和所述增量编码器获取该沙箱的二维轮廓及实际位置，所述计算模块将所述二维轮廓积分形成三维轮廓，并计算定位该沙箱的浇杯口数据，完成该沙箱的浇筑定位。

浇筑时，所述计算模块将计算结果发送至PLC，所述PLC用于控制所述浇筑小车移动并将所述浇筑小车上的钢包铁水口移动至沙箱的浇杯口上方位置，并控制所述钢包铁水口下降到浇筑高度后对沙箱进行浇筑。特别地，所述计算模块对一个沙箱的浇杯口数据的计算在下一个沙箱被检测到之前完成。且，在所述钢包铁水口完成一个沙箱的浇筑后，所述PLC控制所述钢包铁水口关闭铁水口，并控制所述钢包铁水口进行高度复位，复位后，所述浇筑小车沿着所述浇筑产线移动进行下一个沙箱的检测和浇筑定位。

结合图4和图5所示，所述的结合所述激光测距仪和所述增量编码器获取该沙箱的二维轮廓及实际位置，具体包括：

所述激光雷达实时检测沙箱的轮廓，并基于所述激光测距仪的测距结果，根据轮廓点中高低点个数将沙箱的轮廓检测结果分为高轮廓和低轮廓；若当前帧数据为低轮廓数据，前一帧数据为高轮廓数据，则判断沙箱的区域轮廓上升沿触发到来；若前一帧数据为高轮廓数据，当前帧为低轮廓数据，则判定为沙箱下降沿触发到来。

当沙箱的区域轮廓上升沿触发到来时，记录此时所述激光雷达的初始位置、所述增量编码器的反馈位置以及所述激光雷达扫描的二维轮廓；其中，所述激光雷达扫描的二维轮廓中包括y方向信息和z方向信息，通过所述激光雷达初始化位置、所述增量编码器的反馈位置以及分辨率计算出该二维轮廓中的x方向信息，再将单帧轮廓沿着x方向进行拼接，得到实时扫描的三维模型，其中，y方向为浇筑产线的宽度方向，x方向为激光测距仪的测量方向，z方向垂直于地面向上；并同时实时检测沙箱下降沿触发是否到来，若沙箱下降沿触发到来，则判定沙箱采集结束，所述计算模块进行沙箱的定位计算及计算定位该沙箱的浇杯口数据。

所述的将所述二维轮廓积分形成三维轮廓，具体包括：

当沙箱的区域轮廓上升沿触发到来时，记录此时所述激光测距仪反馈的浇筑小车的位置，并开始采集单帧轮廓以及所述增量编码器的值，所述单帧轮廓为yoz截面轮廓散点，将此时的所述激光测距仪的测量值作为单帧轮廓的x方向信息，结合该单帧轮廓中的y方向信息和z方向信息，将其转换为三维坐标系点；

在沙箱的区域轮廓上升沿触发之后的轮廓中，记录轮廓和增量编码器的检测值，结合该增量编码器的检测值与起始帧的增量编码器计算得到当前轮廓的x方向上的增量，对比根据起始帧的激光测距仪的测量值转化为系统全局x坐标，进而转换为三维坐标系点；

随着所述浇筑小车移动，多帧轮廓不断存入沙箱三维模型中，当沙箱下降沿触发到来时，停止轮廓收集，完成沙箱区域轮廓收集。

所述的计算定位该沙箱的浇杯口数据，具体包括：

S1：粗裁切，根据沙箱区域高度范围裁切去除无效区域，所述无效区域包括地面区域；

S2：降采样处理，对高度方向进行降采样；

S3：点云分割，将点云数据采集裁切为单个子区域，并根据沙箱区域大小检测该段点云数据中是否有沙箱区域，若不存在沙箱区域则继续进行轮廓检测，若存在沙箱区域则计算沙箱沙箱区域的平均高度高度作为沙箱的高度；

S4：基于检测得到的沙箱高度对于原始密集点云进行分割，获取浇杯口点云区域与上层面点云区域；

S5：根据沙箱的上层面点云区域进行点云连通域分割；

S6：判断S5中分割后的区域中是否存在与浇杯口大小一致的区域，若存在，则将该区域作为沙箱浇杯口检测区域，获取浇杯口区域的外接矩形的范围；

S7：若S6中检测到浇杯口区域，则基于浇杯口区域外接矩形x方向、y方向最大值范围以及z方向高度分割浇杯口的上层点云，计算浇水杯口的最大高度Zcup，同时计算浇杯口区域的x、y方向的中心点作为浇筑区域的Xcup以及Ycup；

S8：若S6中为检测到浇杯口区域，则对于该区域再进行点云连通域分割，并对分割后的子区域进行分割判断；若分割后的区域中与浇杯口大小一致的区域的个数为0，则表示未检测到沙箱浇筑口区域，若分割后的区域中与浇杯口大小一致的区域的个数为1，则执行S7，完成浇筑口定位计算。

若分割后的区域中与浇杯口大小一致的区域的个数大于1，将该分割后的区域分别定义为待处理分割区域，将多个所述待处理分割区域投影到平面上,其中x、y方向分别对应图像的co l_index以及row index，对待处理分割区域投影后进行二维图像的联通域的组件分割，判断其中分割所得组件的圆度是否在设定范围内，若一个待处理分割区域对应的组件分割结果中存在组件的圆度在设定的阈值范围内时，则判断该待处理分割区域为沙箱浇筑口区域，执行S7，完成沙箱浇筑口定位；若所有的待处理分割区域对应的组件分割结果中存在组件的圆度均不在设定的阈值范围内时，则表示所有待处理分割区域中均不是浇筑口区域，则继续进行轮廓检测。

本实施例的基于三维点云的沙箱浇筑定位系统，采用激光雷达进行非接触定位获取沙箱浇杯口区域，提高了沙箱浇筑的效率，并通过激光雷达进行轮廓检测代替传统的光电传感器或者机械限位进行沙箱扫描的触发，适应了不同规格沙箱尺寸的扫描触发，以及使用激光测距仪配合高精度增量编码器实时检测浇筑小车的位置，建立了高精度沙箱扫描模型，提高了定位精度。即本实施例的定位系统，结合了高精度激光雷达以及激光测距仪和增量编码器，实现对于待定位沙箱区域的高精度扫描，并通过多次点云数据分割以及预处理保证了不同高度以及宽度沙箱的快速以及精准定位，为沙箱浇筑自动化提高了依据。

最后应说明的是：以上所述仅为本申请的优选实施例而已，并不用于限制本申请，尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (8)

1.一种基于三维点云的沙箱浇筑定位系统，包括浇筑小车，其特征在于，所述浇筑小车上安装有激光雷达、激光测距仪以及增量编码器，所述激光雷达、所述激光测距仪、所述增量编码器分别与计算模块通信连接；

所述浇筑小车设置于浇筑产线的上方并沿着所述浇筑产线移动；

所述激光雷达的扫描端朝向所述浇筑产线的顶侧设置，用于对所述浇筑产线上的沙箱进行扫描；

所述激光测距仪设置于所述浇筑产线的上方，用于对所述浇筑产线上的沙箱进行测距；

所述增量编码器设置于所述浇筑产线的两侧，用于对所述浇筑产线上的沙箱进行检测和轮廓扫描；

浇筑定位时，所述浇筑小车沿着所述浇筑产线移动，当所述激光雷达扫描到所述浇筑产线上的沙箱时，结合所述激光测距仪和所述增量编码器获取该沙箱的二维轮廓及实际位置，所述计算模块将所述二维轮廓积分形成三维轮廓，并计算定位该沙箱的浇杯口数据，完成该沙箱的浇筑定位；

浇筑时，所述计算模块将计算结果发送至PLC，所述PLC用于控制所述浇筑小车移动并将所述浇筑小车上的钢包铁水口移动至沙箱的浇杯口上方位置，并控制所述钢包铁水口下降到浇筑高度后对沙箱进行浇筑。

2.根据权利要求1所述的基于三维点云的沙箱浇筑定位系统，其特征在于，所述计算模块对一个沙箱的浇杯口数据的计算在下一个沙箱被检测到之前完成。

3.根据权利要求2所述的基于三维点云的沙箱浇筑定位系统，其特征在于，在所述钢包铁水口完成一个沙箱的浇筑后，所述PLC控制所述钢包铁水口关闭铁水口，并控制所述钢包铁水口进行高度复位，复位后，所述浇筑小车沿着所述浇筑产线移动进行下一个沙箱的检测和浇筑定位。

4.根据权利要求1所述的基于三维点云的沙箱浇筑定位系统，其特征在于，所述的结合所述激光测距仪和所述增量编码器获取该沙箱的二维轮廓及实际位置，具体包括：

所述激光雷达实时检测沙箱的轮廓，并基于所述激光测距仪的测距结果，根据轮廓点中高低点个数将沙箱的轮廓检测结果分为高轮廓和低轮廓；若当前帧数据为低轮廓数据，前一帧数据为高轮廓数据，则判断沙箱的区域轮廓上升沿触发到来；若前一帧数据为高轮廓数据，当前帧为低轮廓数据，则判定为沙箱下降沿触发到来。

5.根据权利要求4所述的基于三维点云的沙箱浇筑定位系统，其特征在于，当沙箱的区域轮廓上升沿触发到来时，记录此时所述激光雷达的初始位置、所述增量编码器的反馈位置以及所述激光雷达扫描的二维轮廓；其中，所述激光雷达扫描的二维轮廓中包括y方向信息和z方向信息，通过所述激光雷达初始化位置、所述增量编码器的反馈位置以及分辨率计算出该二维轮廓中的x方向信息，再将单帧轮廓沿着x方向进行拼接，得到实时扫描的三维模型，其中，y方向为浇筑产线的宽度方向，x方向为激光测距仪的测量方向，z方向垂直于地面向上；并同时实时检测沙箱下降沿触发是否到来，若沙箱下降沿触发到来，则判定沙箱采集结束，所述计算模块进行沙箱的定位计算及计算定位该沙箱的浇杯口数据。

6.根据权利要求5所述的基于三维点云的沙箱浇筑定位系统，其特征在于，所述的将所述二维轮廓积分形成三维轮廓，具体包括：

当沙箱的区域轮廓上升沿触发到来时，记录此时所述激光测距仪反馈的浇筑小车的位置，并开始采集单帧轮廓以及所述增量编码器的值，所述单帧轮廓为yoz截面轮廓散点，将此时的所述激光测距仪的测量值作为单帧轮廓的x方向信息，结合该单帧轮廓中的y方向信息和z方向信息，将其转换为三维坐标系点；

在沙箱的区域轮廓上升沿触发之后的轮廓中，记录轮廓和增量编码器的检测值，结合该增量编码器的检测值与起始帧的增量编码器计算得到当前轮廓的x方向上的增量，对比根据起始帧的激光测距仪的测量值转化为系统全局x坐标，进而转换为三维坐标系点；

随着所述浇筑小车移动，多帧轮廓不断存入沙箱三维模型中，当沙箱下降沿触发到来时，停止轮廓收集，完成沙箱区域轮廓收集。

7.根据权利要求5所述的基于三维点云的沙箱浇筑定位系统，其特征在于，所述的计算定位该沙箱的浇杯口数据，具体包括：

S1：粗裁切，根据沙箱区域高度范围裁切去除无效区域，所述无效区域包括地面区域；

S2：降采样处理，对高度方向进行降采样；

S3：点云分割，将点云数据采集裁切为单个子区域，并根据沙箱区域大小检测该段点云数据中是否有沙箱区域，若不存在沙箱区域则继续进行轮廓检测，若存在沙箱区域则计算沙箱沙箱区域的平均高度高度作为沙箱的高度；

S4：基于检测得到的沙箱高度对于原始密集点云进行分割，获取浇杯口点云区域与上层面点云区域；

S5：根据沙箱的上层面点云区域进行点云连通域分割；

S6：判断S5中分割后的区域中是否存在与浇杯口大小一致的区域，若存在，则将该区域作为沙箱浇杯口检测区域，获取浇杯口区域的外接矩形的范围；

S7：若S6中检测到浇杯口区域，则基于浇杯口区域外接矩形x方向、y方向最大值范围以及z方向高度分割浇杯口的上层点云，计算浇水杯口的最大高度Z_cup，同时计算浇杯口区域的x、y方向的中心点作为浇筑区域的X_cup以及Y_cup；

S8：若S6中为检测到浇杯口区域，则对于该区域再进行点云连通域分割，并对分割后的子区域进行分割判断；若分割后的区域中与浇杯口大小一致的区域的个数为0，则表示未检测到沙箱浇筑口区域，若分割后的区域中与浇杯口大小一致的区域的个数为1，则执行S7，完成浇筑口定位计算。

8.根据权利要求7所述的基于三维点云的沙箱浇筑定位系统，其特征在于，若分割后的区域中与浇杯口大小一致的区域的个数大于1，将该分割后的区域分别定义为待处理分割区域，将多个所述待处理分割区域投影到平面上,其中x、y方向分别对应图像的co l_index以及row index，对待处理分割区域投影后进行二维图像的联通域的组件分割，判断其中分割所得组件的圆度是否在设定范围内，若一个待处理分割区域对应的组件分割结果中存在组件的圆度在设定的阈值范围内时，则判断该待处理分割区域为沙箱浇筑口区域，执行S7，完成沙箱浇筑口定位；若所有的待处理分割区域对应的组件分割结果中存在组件的圆度均不在设定的阈值范围内时，则表示所有待处理分割区域中均不是浇筑口区域，则继续进行轮廓检测。