CN109117720B - 一种基于机器视觉的指针式仪表读数识别方法 - Google Patents

一种基于机器视觉的指针式仪表读数识别方法 Download PDF

Info

Publication number
CN109117720B
CN109117720B CN201810733978.7A CN201810733978A CN109117720B CN 109117720 B CN109117720 B CN 109117720B CN 201810733978 A CN201810733978 A CN 201810733978A CN 109117720 B CN109117720 B CN 109117720B
Authority
CN
China
Prior art keywords
pointer
instrument
image
line
deflection angle
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810733978.7A
Other languages
English (en)
Other versions
CN109117720A (zh
Inventor
彭刚
杜兵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN201810733978.7A priority Critical patent/CN109117720B/zh
Publication of CN109117720A publication Critical patent/CN109117720A/zh
Application granted granted Critical
Publication of CN109117720B publication Critical patent/CN109117720B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/02—Recognising information on displays, dials, clocks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于机器视觉的指针式仪表读数识别方法，包括：使用LSD直线检测算法提取待识别图像中仪表盘的所有直线段；利用长度约束和中心约束过滤掉非指针的直线段得到指针线；将指针线的长度以及指针线距离圆心点的距离作为加权值，通过线性加权，以人工虚拟的0°标准线为基准，得到待识别图像中的仪表指针偏转角度；对于模板图像执行上述步骤得到模板图像中的仪表指针偏转角度，结合模板图像的已知参数，得到待识别图像中的指针式仪表读数。本发明方法可以实现电力、化工、石油等行业的智能巡检系统中指针式仪表的读数识别，实用性好，实时性强，指针式仪表读数识别准确率高。

Description

一种基于机器视觉的指针式仪表读数识别方法
技术领域
本发明属于图像处理和模式识别技术领域，更具体地，涉及一种基于机器视觉的指针式仪表读数识别方法。
背景技术
随着工业自动化、图像处理和模式识别技术的发展，对广泛应用于电力、石油、化工等行业的各类指针式仪表，需要进行机器人智能巡检，以代替人工巡检，提高巡检效率，降低人工巡检的危险和巡检成本。
对于指针式仪表的读数识别，现有的方法一般是通过Hough(霍夫)变换找到指针直线段，然后通过计算指针直线段的角度，得到仪表读数。该方法要求指针直线段足够长，否则容易造成检测失败或检测精度不高；且霍夫变换直线检测方法时间复杂度高，实时性不强。因此，现有的指针式仪表读数识别方法存在实用性不好，实时性不强，且读数识别准确率不高的技术问题。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种基于机器视觉的指针式仪表读数识别方法，由此解决现有的指针式仪表读数识别方法存在实用性不好，实时性不强，且读数识别准确率不高的技术问题。
为实现上述目的，本发明提供了一种基于机器视觉的指针式仪表读数识别方法，包括：
(1)使用LSD直线检测算法提取待识别图像中仪表盘的所有直线段；
(2)对于所有直线段，利用长度约束和中心约束过滤掉非指针的直线段，得到指针线；
(3)将指针线的长度以及指针线距离圆心点的距离作为加权值，通过线性加权，以人工虚拟的0°标准线为基准，得到待识别图像中的仪表指针偏转角度；
(4)对于模板图像执行步骤(1)-(3)，得到模板图像中的仪表指针偏转角度，根据待识别图像中的仪表指针偏转角度和模板图像中的仪表指针偏转角度，结合模板图像的已知参数，得到待识别图像中的指针式仪表读数。
进一步地，步骤(1)的具体实现方式为：
通过检测待识别图像每个像素点灰度的梯度值以及梯度方向来检测直线，得到待识别图像中仪表盘的所有直线段。
进一步地，长度约束为：直线段的长度大于s*Z，s的取值在0.15～0.2之间，Z为待识别图像的对角线的长度。
进一步地，中心约束为：直线段到指针式仪表圆心点的距离小于t*Z，t的取值在0.04～0.08之间，Z为待识别图像的对角线的长度。
进一步地，待识别图像中的仪表指针偏转角度为：
k1＝n1*θ1+n2*θ2+.....+ni*θi
Figure BDA0001721473080000021
其中，k1为待识别图像中的仪表指针偏转角度，n1+n2+…+ni＝1，θj表示第i条指针线对应的角度，是以人工虚拟的0°标准线为基准，逆时针方向为正方向；li表示第i条指针线的长度，di表示第i条指针线到指针式仪表圆心点的距离。
进一步地，模板图像的已知参数为模板图像的已知指针值v0和角度分辨率f。
进一步地，待识别图像中的指针式仪表读数为：
v＝v0+[k0-k1]*f
其中，v为待识别图像中的指针式仪表读数，v0为模板图像的已知指针值，f为角度分辨率，k1为待识别图像中的仪表指针偏转角度，k0为模板图像中的仪表指针偏转角度。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
(1)本发明在直线检测时，采用对局部直线或短线段有良好检测效果的LSD直线检测算法，可以有效地检测到指针线段，不会存在漏检情况，从而克服了Hough(霍夫)变换方法检测局部直线或短线段容易失败的缺点，提高了指针的直线检测可靠性；同时，霍夫变换直线检测方法相比LSD直线检测算法而言，时间复杂度高，实时性不强，因而采用LSD直线检测算法提高了直线检测实时性。使得本发明方法可以在电力、化工、石油等行业的智能巡检系统中进行指针式仪表的读数识别，本发明方法实用性好，实时性强，指针式仪表读数识别准确率高。
(2)传统方法往往将检测到的仪表指针的2个边缘直线偏转角度进行取平均值，计算仪表指针偏转角度，但由于检测到的仪表指针的2个边缘直线的长度以及距离圆心点的距离并不一致，显然直线越长且距离仪表圆心点越近的指针线，其偏转角度可信度越高，因此本发明将指针线的长度以及距离圆心点的距离作为加权值，通过线性加权计算指针偏转角度，从而提高了指针式仪表读数识别的准确率。
附图说明
图1是本发明提供的一种基于机器视觉的指针式仪表读数识别方法的流程图；
图2是本发明实施例1提供的直线检测结果；
图3是本发明实施例1提供的长度约束后的直线检测结果；
图4是本发明实施例1提供的中心约束后的直线检测结果；
图5是本发明实施例1提供的人工虚拟的0°标准线；
图6是本发明实施例1提供的指针式仪表模板图像；
图7是本发明实施例1提供的指针偏转角度示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示，一种基于机器视觉的指针式仪表读数识别方法，包括：
(1)通过检测待识别图像每个像素点灰度的梯度值以及梯度方向来检测直线，得到待识别图像中仪表盘的所有直线段；
(2)对于所有直线段，利用长度约束和中心约束过滤掉非指针的直线段，得到指针线；长度约束为：直线段的长度大于s*Z，s的取值在0.15～0.2之间，Z为待识别图像的对角线的长度。中心约束为：直线段到指针式仪表圆心点的距离小于t*Z，t的取值在0.04～0.08之间，Z为待识别图像的对角线的长度。
(3)将指针线的长度以及指针线距离圆心点的距离作为加权值，通过线性加权，以人工虚拟的0°标准线为基准，得到待识别图像中的仪表指针偏转角度：
k1＝n1*θ1+n2*θ2+.....+ni*θi
Figure BDA0001721473080000041
其中，k1为待识别图像中的仪表指针偏转角度，n1+n2+…+ni＝1，θi表示第i条指针线对应的角度，是以人工虚拟的0°标准线为基准，逆时针方向为正方向；li表示第i条指针线的长度，di表示第i条指针线到指针式仪表圆心点的距离。
(4)对于模板图像执行步骤(1)-(3)，得到模板图像中的仪表指针偏转角度，根据待识别图像中的仪表指针偏转角度和模板图像中的仪表指针偏转角度，结合模板图像的已知参数，模板图像的已知参数为模板图像的已知指针值v0和角度分辨率f，得到待识别图像中的指针式仪表读数：
v＝V0+[k0-k1]*f
其中，v为待识别图像中的指针式仪表读数，v0为模板图像的已知指针值，f为角度分辨率，k1为待识别图像中的仪表指针偏转角度，k0为模板图像中的仪表指针偏转角度。
实施例1
本发明实施例1经过以下几个步骤实现指针式仪表读数识别：
步骤(1)：对待识别图像使用LSD直线检测算法，通过检测图像灰度从黑到白或者从白到黑的剧烈变化，即通过检测图像每个像素点灰度的梯度值以及梯度方向来检测直线，算法无需参数调节，可以在线性时间内快速进行亚像素级精度的直线检测，提取出仪表盘上的所有直线段，避免了采用Hough(霍夫)变换检测直线容易失败、时间复杂度高的问题。
进一步的，在实例1中，使用LSD直线检测算法，对待识别图像中间64％的区域，即中间0.8X*0.8Y的区域(如图2(a)的白色框区域所示)，提取出所有直线段，直线检测结果如图2(b)所示。
步骤(2)：利用直线段长度约束去掉短直线，并计算这些直线段到指针式仪表圆心点的距离，作为中心约束变量排除离圆心点远的直线，得到离圆心点近的指针直线。
设待识别图像的长度为X，宽度为Y，则对角线为Z为：
Figure BDA0001721473080000051
设指针式仪表圆心点坐标为(x，y)，直线段的2个端点坐标为(x1，y1)，(x2，y2)，则有：
直线段长度计算公式为：
Figure BDA0001721473080000061
直线段到指针式仪表圆心点的距离计算公式为：
Figure BDA0001721473080000062
其中，A＝y2-y1，B＝x2-x1，C＝x2*y1-x1*y2
长度约束：直线段长度大于s*Z，s取值在0.15～0.2之间，本实施例1中s取值0.18，以满足长度约束条件。
中心约束：直线段到指针式仪表圆心点的距离小于t*Z，t取值在0.04～0.08之间，本实施例1中t取值0.05，以满足中心约束条件。
图3所示是经过长度约束后的直线检测结果，图4是经过中心约束后的直线检测结果。
步骤(3)：将得到的指针线长度以及距离圆心点的距离作为加权值，通过线性加权，以人工虚拟的0°标准线(如图5中白色箭头线所示)为基准，逆时针方向为正方向，计算出待识别图像中的仪表指针偏转角度k1。
仪表指针偏转角度k(k1或k0)计算公式为：
k＝n1*θ1+n2*θ2+.....+ni*θi
其中，n1+n2+…+ni＝1。θi表示第i条指针线对应的角度，是以人工虚拟的0°标准线(如图5中白色箭头线所示)为基准，逆时针方向为正方向。
ni的计算公式如下：
Figure BDA0001721473080000063
其中，li表示第i条指针线的长度，di表示第i条指针线到仪表圆心点的距离。
进一步的，经过步骤(2)后，一般可以获取到仪表指针的2个边缘直线，如图4所示。为了准确地计算指针读数，将指针线长度，以及离圆心点的距离作为加权值。设仪表指针的2个边缘直线的角度为θ1，θ2：
θ＝n1θ1+n2θ2
其中，n1+n2＝1，计算公式如下：
Figure BDA0001721473080000071
Figure BDA0001721473080000072
经过上述公式计算，待识别图像中的仪表指针偏转角度在图中标识出来了，如图5所示。
步骤(4)：根据模板图像得到的已知指针值v0和角度分辨率f，计算出待识别图像中的指针式仪表读数v，v＝vv+[k0-k1]*f。
进一步的，图6是指针式仪表模板图像，经过步骤(1)、(2)、(3)后，得到模板图像中的仪表指针偏转角度，如图7所示。其中，白色箭头线是0°标准线，逆时针方向为正方向。
已知模板图像的指针读数为70.8，指针式仪表的角度分辨率为每度0.37。通过上述步骤分别识别出模板图像的指针角度为24.399°，待识别图像的指针角度为-28.368°，因此仪表的读数为90.3，计算公式为：70.8+[(24.399)-(-28.368)]*0.37＝90.3。
本发明提供的一种基于机器视觉的指针式仪表读数识别方法，实施例1经上述步骤执行，读数识别准确，耗时25ms，实时性好。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种基于机器视觉的指针式仪表读数识别方法，其特征在于，包括：
(1)使用LSD直线检测算法提取待识别图像中仪表盘的所有直线段；
(2)对于所有直线段，利用长度约束和中心约束过滤掉非指针的直线段，得到指针线；
(3)将指针线的长度以及指针线距离圆心点的距离作为加权值，通过线性加权，以人工虚拟的0°标准线为基准，得到待识别图像中的仪表指针偏转角度；
所述待识别图像中的仪表指针偏转角度为：
k1＝n1*θ1+n2*θ2+.....+ni*θi
Figure FDA0003153008260000011
其中，k1为待识别图像中的仪表指针偏转角度，n1+n2+…+ni＝1，θi表示第i条指针线对应的角度，是以人工虚拟的0°标准线为基准，逆时针方向为正方向；li表示第i条指针线的长度，di表示第i条指针线到指针式仪表圆心点的距离；
(4)对于模板图像执行步骤(1)-(3)，得到模板图像中的仪表指针偏转角度，根据待识别图像中的仪表指针偏转角度和模板图像中的仪表指针偏转角度，结合模板图像的已知参数，得到待识别图像中的指针式仪表读数；
所述模板图像的已知参数为模板图像的已知指针值v0和角度分辨率f，所述待识别图像中的指针式仪表读数为：
v＝v0+[k0-k1]*f
其中，v为待识别图像中的指针式仪表读数，v0为模板图像的已知指针值，f为角度分辨率，k1为待识别图像中的仪表指针偏转角度，k0为模板图像中的仪表指针偏转角度。
2.如权利要求1所述的一种基于机器视觉的指针式仪表读数识别方法，其特征在于，所述步骤(1)的具体实现方式为：
通过检测待识别图像每个像素点灰度的梯度值以及梯度方向来检测直线，得到待识别图像中仪表盘的所有直线段。
3.如权利要求1或2所述的一种基于机器视觉的指针式仪表读数识别方法，其特征在于，所述长度约束为：直线段的长度大于s*Z，s的取值在0.15～0.2之间，Z为待识别图像的对角线的长度。
4.如权利要求1或2所述的一种基于机器视觉的指针式仪表读数识别方法，其特征在于，所述中心约束为：直线段到指针式仪表圆心点的距离小于t*Z，t的取值在0.04～0.08之间，Z为待识别图像的对角线的长度。
CN201810733978.7A 2018-07-06 2018-07-06 一种基于机器视觉的指针式仪表读数识别方法 Active CN109117720B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810733978.7A CN109117720B (zh) 2018-07-06 2018-07-06 一种基于机器视觉的指针式仪表读数识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810733978.7A CN109117720B (zh) 2018-07-06 2018-07-06 一种基于机器视觉的指针式仪表读数识别方法

Publications (2)

Publication Number Publication Date
CN109117720A CN109117720A (zh) 2019-01-01
CN109117720B true CN109117720B (zh) 2021-10-08

Family

ID=64822032

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810733978.7A Active CN109117720B (zh) 2018-07-06 2018-07-06 一种基于机器视觉的指针式仪表读数识别方法

Country Status (1)

Country Link
CN (1) CN109117720B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111814740B (zh) * 2020-07-28 2024-03-26 南方电网数字电网研究院有限公司 指针仪表读数的识别方法、装置、计算机设备和存储介质
CN112906602B (zh) * 2021-03-04 2023-08-25 杭州电力设备制造有限公司 基于图像处理的配电柜电量表自动识别装置及识别方法
CN113792727A (zh) * 2021-07-30 2021-12-14 华能大理风力发电有限公司 基于指针式仪表视频图像的读数估算方法、装置及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106682674A (zh) * 2016-12-23 2017-05-17 浙江大学 一种基于智能巡检机器人的指针式仪表自动读数方法
CN107729853A (zh) * 2017-10-24 2018-02-23 武汉科技大学 一种适用于变电站窄刻度指针式仪表的自动识别方法
CN107766836A (zh) * 2017-11-07 2018-03-06 国网黑龙江省电力有限公司检修公司 一种圆形偏转指针式仪表读数矫正方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1122521A1 (en) * 2000-02-01 2001-08-08 Setrix AG Method and apparatus for monitoring an analog meter

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106682674A (zh) * 2016-12-23 2017-05-17 浙江大学 一种基于智能巡检机器人的指针式仪表自动读数方法
CN107729853A (zh) * 2017-10-24 2018-02-23 武汉科技大学 一种适用于变电站窄刻度指针式仪表的自动识别方法
CN107766836A (zh) * 2017-11-07 2018-03-06 国网黑龙江省电力有限公司检修公司 一种圆形偏转指针式仪表读数矫正方法

Also Published As

Publication number Publication date
CN109117720A (zh) 2019-01-01

Similar Documents

Publication Publication Date Title
CN110580480B (zh) 基于图像处理的表计读数识别方法
CN108921176B (zh) 一种基于机器视觉的指针式仪表定位与识别方法
WO2016101643A1 (zh) 一种仪表数据读取方法及系统
CN109117720B (zh) 一种基于机器视觉的指针式仪表读数识别方法
CN106651828B (zh) 一种工业小尺度运动模糊成像条件下的产品尺寸亚像素测量方法
CN106404793B (zh) 基于视觉的轴承密封件缺陷检测方法
CN109284718B (zh) 面向巡检机器人的变视角多仪表同时识别方法
CN107300382B (zh) 一种用于水下机器人的单目视觉定位方法
CN107301412B (zh) 一种基于图像处理的指针式仪表读数方法
CN107145890A (zh) 一种远距离多视角环境下的指针式仪表盘自动读数方法
CN113077392B (zh) 一种针对指针表模糊照片的高准确度自动读数方法
CN116168037B (zh) 一种基于图像处理的导线压接弯曲度计算方法及系统
CN111047588A (zh) 一种轴型小零件尺寸的图像化测量方法
CN111563896B (zh) 一种用于接触网异常检测的图像处理方法
CN111311618A (zh) 一种基于高精度几何基元提取的圆弧工件匹配与定位方法
CN111401357A (zh) 基于文本检测的指针式仪表读数方法
CN112085708B (zh) 产品外轮廓中的直线边缘的缺陷检测方法及设备
CN107561736B (zh) 基于傅里叶及Hough变换的LCD缺陷检测方法
Liu et al. Enhancement of contour smoothness by substitution of interpolated sub-pixel points for edge pixels
Yang et al. Auto-recognition Method for Pointer-type Meter Based on Binocular Vision.
CN111091121B (zh) 一种基于图像处理的椭圆表盘检测矫正的方法
CN117152727A (zh) 一种用于巡检机器人的指针式仪表自动读数方法
CN111126371A (zh) 一种基于图像处理的粗指针表盘示数读取方法
Ding et al. Detection and recognition method for pointer-type meter based on deep learning
CN116612461A (zh) 一种基于目标检测的指针式仪表全过程自动读数方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant