CN111310753B - 一种表计对准方法及装置 - Google Patents
一种表计对准方法及装置 Download PDFInfo
- Publication number
- CN111310753B CN111310753B CN201911382999.XA CN201911382999A CN111310753B CN 111310753 B CN111310753 B CN 111310753B CN 201911382999 A CN201911382999 A CN 201911382999A CN 111310753 B CN111310753 B CN 111310753B
- Authority
- CN
- China
- Prior art keywords
- rectangle
- image
- target
- rectangles
- quadrilateral
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种表计对准方法及装置,包括:获取待测图像;获取待测图像中的四边形轮廓;对于四边形的轮廓进行筛选处理,选择出矩形轮廓;将矩形与基准图中的目标矩形进行比对,保留矩形中与目标矩形相似度最高的矩形;计算相似度最高的矩阵对应的表计与目标矩形对应的表计的像素偏差,并调整云台的角度,直到像素偏差值小于预设的阈值。本申请通过获取矩形轮廓,通过将矩形轮廓进行筛选,并与目标矩形进行相似度比较从而确定相似度最高的矩形,使得能够更精准完成表计对准。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种表计对准方法及装置。
背景技术
变电站巡检机器人沿巡检道路行走进行设备巡检,到达预定监测位置后停靠,调用云台预置位将监测仪器对准被监测设备,可见光检测仪器通过光学变焦获取比例适当的清晰图片。同时需要检测出矩形表计在一幅图像中的位置,并输出其中心坐标,从而发送到机器人系统使其可精确对准方形表,定位矩形表位置从而进行下一步的指针识别任务。由于机器人导航定位精度、行进姿态偏差和云台预置位定位精度等误差的综合影响,导致每次巡检时同一观测目标的成像位置在整幅图像视野中的位置有较大偏差。变电站矩形仪表二次对准过程的检测结果有时会出现错误结果,故本专利针对变电站矩形表计的二次对准过程进行了研究。
发明内容
本申请实施例提供了一种表计对准方法及装置,使得二次图像中的表计能够更加精准的对准基准图中的表计。
有鉴于此,本申请第一方面提供了一种表计对准方法,所述方法包括:
获取待测图像;
获取所述待测图像中的四边形轮廓;
对于四边形的轮廓进行筛选处理,选择出矩形轮廓;
将所述矩形与基准图中的目标矩形进行比对,保留所述矩形中与所述目标矩形相似度最高的矩形;
计算所述相似度最高的矩阵对应的表计与所述目标矩形对应的表计的像素偏差,并调整云台的角度,直到所述像素偏差值小于预设的阈值。
可选的,所述方法还包括:
若筛选后的矩形中未能找到与所述目标矩阵相似度最高的矩形,则提升所述待测图像的亮度,并重复对所述提升亮度后的待测图像进行处理,直到筛选出所需的矩形。
可选的,在获取图像中的四边形轮廓之前还包括:
对图像进行图像二值化,边缘提取以及轮廓搜索。
可选的,所述对于四边形的轮廓进行筛选处理,选择出矩形轮廓具体为:
通过判断所述四边形轮廓每个角的角度与90度之差是否小于第一阈值,以及判断所述四边形与地面的角度与90度之差是否小于第二阈值,并将获取到的所述四边形轮廓与所述基准图中目标矩形的面积以及长宽比进行比对,确定所需的四边形轮廓。
可选的,所述将所述矩形与基准图中的目标矩形进行比对,保留所述矩形中与所述目标矩形相似度最高的矩形具体为:
采用感知哈希算法将所述矩形与基准图中的目标矩形进行比对,保留所述矩形中与所述目标矩形相似度最高的矩形;
所述感知哈希算法具体为:将所述目标矩形以及所述矩形缩小到8*8像素点的矩形,并将所述矩形中的像素点转换成64级灰度,从而确定每个像素点对应的灰度值,计算所述矩形中所有像素点的灰度平均值;
将每个像素点的灰度值与所述灰度平均值进行比较,若像素点随影的所述灰度值大于所述灰度平均值,则将该像素点记为1,否则记为0,从而确定所述矩形对应的码字;
将所述矩形对应的所述码字与所述目标矩形对应的所述码字进行比对,确定相似度最高的矩形。
本申请第二方面提供一种表计对准装置,所述装置包括:
图像获取单元,所述图像获取单元用于获取待测图像;
轮廓获取单元,所述轮廓获取单元用于获取所述待测图像中的四边形轮廓;
轮廓筛选单元,所述轮廓筛选单元用于对于四边形的轮廓进行筛选处理,选择出矩形轮廓;
相似度比对单元,所述相似度比对单元用于将所述矩形与基准图中的目标矩形进行比对,保留所述矩形中与所述目标矩形相似度最高的矩形;
云台对准单元,所述云台对准单元用于计算所述相似度最高的矩阵对应的表计与所述目标矩形对应的表计的像素偏差,并调整云台的角度,直到所述像素偏差值小于预设的阈值。
可选的,装置还包括:
亮度提升单元,所述亮度提升单元用于若筛选后的矩形中未能找到与所述目标矩阵相似度最高的矩形,则提升所述待测图像的亮度,并重复对所述提升亮度后的待测图像进行处理,直到筛选出所需的矩形。
可选的,装置还包括:
图像处理单元,所述图像处理单元用于对图像进行图像二值化,边缘提取以及轮廓搜索。
可选的,所述轮廓筛选单元还包括:
角度比对单元,所述角度比对单元用于判断所述四边形轮廓每个角角度与90度之差是否小于第三阈值,以及判断所述四边形与地面的角度与90度之差是否小于第四阈值;
长宽比对单元,所述长宽比对单元用于将获取到的所述四边形轮廓与所述基准图中目标矩形的面积以及长宽比进行比对,确定所需的四边形轮廓。
可选的,所述相似度比对单元还包括:
相似度计算单元,所述相似度计算单元用于采用感知哈希算法将所述矩形与基准图中的目标矩形进行比对,保留所述矩形中与所述目标矩形相似度最高的矩形;
所述感知哈希算法具体为:将所述目标矩形以及所述矩形缩小到8*8像素点的矩形,并将所述矩形中的像素点转换成64级灰度,从而确定每个像素点对应的灰度值,计算所述矩形中所有像素点的灰度平均值;
将每个像素点的灰度值与所述灰度平均值进行比较,若像素点随影的所述灰度值大于所述灰度平均值,则将该像素点记为1,否则记为0,从而确定所述矩形对应的码字;
将所述矩形对应的所述码字与所述目标矩形对应的所述码字进行比对,确定相似度最高的矩形。
从以上技术方案可以看出,本申请具有以下优点:
本申请中,提供了一种表计对准方法,包括:获取待测图像;获取待测图像中的四边形轮廓;对于四边形的轮廓进行筛选处理,选择出矩形轮廓;将矩形与基准图中的目标矩形进行比对,保留矩形中与目标矩形相似度最高的矩形;计算相似度最高的矩阵对应的表计与目标矩形对应的表计的像素偏差,并调整云台的角度,直到像素偏差值小于预设的阈值。
本申请通过获取采集的图像中的四边形轮廓,并将轮廓进行筛选,剔除不满足要求的四边形轮廓,在采用相似度计算方法,选择与基准图最相近的四边形轮廓从而确定图像中表计的位置,最后计算图像中表计矩形的像素点与基准图中表计的像素点偏差值,从而调整云台的角度,从而能够完成表计的精准对准。
附图说明
图1为本申请一种表计对准方法的一个实施例的方法流程图;
图2为本申请一种表计对准方法的另一个实施例的方法流程图;
图3为本申请一种表计对准方法的第三种实施例的方法流程图;
图4为本申请一种表计对准装置的一个实施例的结构示意图。
具体实施方式
本申请通过获取采集的图像中的四边形轮廓,并将轮廓进行筛选,剔除不满足要求的四边形轮廓,在采用相似度计算方法,选择与基准图最相近的四边形轮廓从而确定图像中表计的位置,最后计算图像中表计矩形的像素点与基准图中表计的像素点偏差值,从而调整云台的角度,从而能够完成表计的精准对准。
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,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。
为了便于理解,请参阅图1,图1为本申请一种表计对准方法的一个实施例的方法流程图,如图1所示,图1中包括:
101、获取待测图像。
需要说明的是,通过云台获取到包含有矩形表计的待测图像。
102、获取待测图像中的四边形轮廓。
需要说明的是,可以采用图像处理的方法获取待测图像中的四边形轮廓;其中图像处理方法可以是常见的图像二值化、边缘提取算法以及多边形拟合算法,通过上述图像处理方法得到图像中的四边形轮廓。
103、对于四边形的轮廓进行筛选处理,选择出矩形轮廓。
需要说明的是,对四边形轮廓进行筛选可以选择满足所需条件的四边形,例如,四边形满足一定的面积要求、长宽比要求或者四边形每个角的角度要求,从而能够从所有四边形中选择出满足条件的轮廓,而本申请需要选择的是矩形的轮廓。
104、将矩形与基准图中的目标矩形进行比对,保留矩形中与目标矩形相似度最高的矩形。
需要说明的是,将选择出的矩形通过一定的计算方法将矩形与基准图中的目标矩形进行比对,从而选择出与目标矩形相似度最高的矩形。其中,采用的算法可以是计算像素点差值的方法,也可以是其他的方法计算矩形的相似度。
还需要说明的是,标准图的获取:首先是通过对第一次采集图像经过如102至103的步骤得到的矩形,选取距离图像中心最近的矩形作为目标矩形表。再将获取到的目标矩形表的相应的参数进行保存,从而作为对表计二次对准时的基准图,其中目标矩形表相应的参数包括:矩形的面积、长宽比、举行的各角的角度、垂直度、相似度信息以及矩形表位置信息。
105、计算相似度最高的矩阵对应的表计与目标矩形对应的表计的像素偏差,并调整云台的角度,直到像素偏差值小于预设的阈值。
需要说明的是,计算相似度最高的矩阵对应的表计与目标矩形对应的表计的像素偏差是通过计算相似度最高的矩阵中像素点与目标矩形中对应的像素点的偏差值,若偏差值小于临界偏差值,则说明并没有有效对准,需要对云台进行形影的角度,直到偏差值小于临界偏差值。
本申请实施例通过获取采集的图像中的四边形轮廓,并将轮廓进行筛选,剔除不满足要求的四边形轮廓,在采用相似度计算方法,选择与基准图最相近的四边形轮廓从而确定图像中表计的位置,最后计算图像中表计矩形的像素点与基准图中表计的像素点偏差值,从而调整云台的角度,从而能够完成表计的精准对准。
为了便于理解,请参阅图2,图2为一种表计对准方法的另一个实施例的方法流程图,如图2所示,具体为:
201、获取待测图像。
202、对图像亮度进行提升。
需要说明的是,如果筛选后的矩形轮廓中未能找到与目标矩阵相似度最高的矩形,则需要提升待测图像的亮度,并重复对所述提升亮度后的待测图像进行处理,直到筛选出所需的矩形轮廓。
具体的,每一次亮度提升时,图像像素的三通道值都增加一次,每一次的亮度提升都能更有利于对于图像轮廓的选取。
203、对图像进行图像二值化,边缘提取以及轮廓搜索。
需要说明的是,对图像进行边缘提取可以采用常见的算子对图像进行边缘提取,例如可以采用canny算子对图像的边缘进行提取,同时提出伪边缘点,可以根据需要设置合适的边缘阈值点,在比较梯度幅值时,若该点大于沿梯度方向上相邻3个像素点灰度值的梯度幅值,那么判断该点是可能的边缘点,相反则该点不是边缘点,以此完成对图像中边缘点的提取。
通过对图像进行二值化,获取到图像的轮廓,随后对每一个获取到的轮廓采用多边形拟合算法,对于拟合结果为四边形的轮廓进行保留,以供后续的处理。
204、获取待测图像中的四边形轮廓。
205、对于四边形的轮廓进行筛选处理,选择出矩形轮廓。
需要说明的是,由于目标矩形表的面积和长宽比都是固定的数值,并且矩形表的四个角以及矩形表相对地面的角度也都是固定的,因此,可以通过对矩形的面积、长宽比、各角角度值以及对地的角度筛选满足条件的矩形。
具体的,计算获取到的四边形轮廓的四个角角度,由于获取图像时的角度原因,可能导致四个角与矩形的四个角角度存在偏差,因此可以计算几个角的角度的余弦值,具体为余弦值大于等于-0.3或者小于等于0.3。
计算矩形表的面积和长宽,具体大小为目标矩形表面积和长宽的80%至120%之间。
206、将矩形与基准图中的目标矩形进行比对,保留矩形中与目标矩形相似度最高的矩形。
需要说明的是,本申请采用的相似度比较方法为采用感知哈希算法的相似度比较方法,具体为:
将目标矩形以及所述矩形缩小到8*8像素点的矩形,用于去除图像的细节,只保留图像的结构,明暗等基本信息,并能摒弃不同比例带来的图像差异。
将矩形中的像素点转换成64级灰度,从而确定每个像素点对应的灰度值,计算矩形中所有像素点的灰度平均值。
将每个像素点的灰度值与灰度平均值进行比较,若像素点随影的灰度值大于灰度平均值,则将该像素点记为1,否则记为0,从而确定矩形对应的码字,即为矩形的哈希值,其哈希值为64为的二进制码字。
将矩形对应的哈希值与目标矩形对应的哈希值进行比对,确定相似度最高的矩形,具体的如果矩形的哈希值与目标矩形对应位置的哈希值不相同的数据位数不超过5,就说明两张图像很相似;如果大于10,就说明这是两张不同的图像。
207、计算相似度最高的矩阵对应的表计与目标矩形对应的表计的像素偏差,并调整云台的角度,直到像素偏差值小于预设的阈值。
需要说明的是,采用视觉伺服实现对机器人云台进行控制,从而获取和分析图像;即利用机器视觉的原理对图像进行快速图像处理,并得到图像的像素偏差,从而可以根据图像特征空间与伺服装置之间的关系对云台进行控制,本申请通过像素点的偏差值求解出云台的转动角度,并通过云台PID控制器调整云台角度。
本申请还提供了一种具体的实施方式,如图3所示,图3为本申请一种表计对准方法的第三种实施例的方法流程图,具体包括:
采用云台可见光相机在一倍焦距下采集包含矩形表计的图像,对该图像进行图像亮度提升、图像二值化,边缘提取,轮廓搜索,多边形拟合,矩形筛选,在拍摄图矩形筛选过程中,利用四边形角度余弦值以及四边形与地面的夹角将非矩形和歪斜的四边形滤除掉,最终保留来的形状都接近矩形,无法再进行筛选,因此选定所剩结果当中矩形中心和图片中心距离最近的矩形为矩形表,这样即在基准图上检测到了矩形表,将参考图片名称,基准图矩形表面积、基准图矩形表长宽比、基准图矩形表位置、基准图矩形表相似度信息存入配置文档Reference.txt中,用于作为云台的二次对准所需的基准图。
对于二次采集的图像,由于矩形表在图像上的变动区域较大,因此矩形检测的搜索区域应增大,使得在所有情况下都包含矩形表,然后同样经过图像亮度提升、图像二值化,边缘提取,轮廓搜索,多边形拟合,矩形筛选,在拍摄图矩形筛选过程中,首先将非矩形以及歪斜的四边形滤除掉,然后调用Reference.txt当中相应基准图的信息,将面积和长宽比与基准图矩形表差距太大的矩形滤除掉,经过筛选保留下来的都是和矩形表形状和大小接近的矩形,无法再通过形状条件来进行筛选,因此采用哈希感知算法将所剩结果逐一与基准图的矩形表进行相似度检测,并选定相似度最高的矩形为矩形表,这样即完成了在二次采集的图像上检测矩形表,无论是基准图还是二次采集的图像上矩形表的检测过程中,当筛选后的结果为空时,则逐渐提升图像亮度,直到检测到满足条件的矩形。
以上是本申请方法的实施例,本申请还提供了一种表计对准装置的实施例,如图4所述,图4为本申请一种表计对准装置的一个实施例的结构示意图,具体包括:
图像获取单元301,用于获取待测图像;
轮廓获取单元302,用于获取待测图像中的四边形轮廓。
轮廓筛选单元303,用于对于四边形的轮廓进行筛选处理,选择出矩形轮廓。
相似度比对单元304,用于将矩形与基准图中的目标矩形进行比对,保留矩形中与目标矩形相似度最高的矩形。
云台对准单元305,用于计算相似度最高的矩阵对应的表计与目标矩形对应的表计的像素偏差,并调整云台的角度,直到像素偏差值小于预设的阈值。
具体的,还包括:
亮度提升单元,用于若筛选后的矩形中未能找到与目标矩阵相似度最高的矩形,则提升待测图像的亮度,并重复对提升亮度后的待测图像进行处理,直到筛选出所需的矩形。
图像处理单元,用于对图像进行图像二值化,边缘提取以及轮廓搜索。
其中轮廓筛选单元303还包括:
角度比对单元,用于判断四边形轮廓每个角是否为90度,以及判断四边形与地面的角度是否为90度。
长宽比对单元,用于将获取到的四边形轮廓与基准图中目标矩形的面积以及长宽比进行比对,确定所需的四边形轮廓。
相似度比对单元304还包括:
相似度计算单元,用于采用感知哈希算法将矩形与基准图中的目标矩形进行比对,保留矩形中与目标矩形相似度最高的矩形。
所述感知哈希算法具体为:将目标矩形以及矩形缩小到8*8像素点的矩形,并将矩形中的像素点转换成64级灰度,从而确定每个像素点对应的灰度值,计算矩形中所有像素点的灰度平均值。
将每个像素点的灰度值与灰度平均值进行比较,若像素点随影的灰度值大于灰度平均值,则将该像素点记为1,否则记为0,从而确定矩形对应的码字。
将所述矩形对应的码字与目标矩形对应的码字进行比对,确定相似度最高的矩形。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请中术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文全称:Read-OnlyMemory,英文缩写:ROM)、随机存取存储器(英文全称:Random Access Memory,英文缩写:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解: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;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (8)
1.一种表计对准方法,其特征在于,包括:
获取待测图像;
获取所述待测图像中的四边形轮廓;
对于四边形的轮廓进行筛选处理,选择出矩形轮廓;
将所述矩形与基准图中的目标矩形进行比对,保留所述矩形中与所述目标矩形相似度最高的矩形;
计算所述相似度最高的矩形对应的表计与所述目标矩形对应的表计的像素偏差,并调整云台的角度,直到所述像素偏差值小于预设的阈值;
所述对于四边形的轮廓进行筛选处理,选择出矩形轮廓具体为:
通过判断所述四边形轮廓每个角的角度与90度之差是否小于第一阈值,以及判断所述四边形与地面的角度与90度之差是否小于第二阈值,并将获取到的所述四边形轮廓与所述基准图中目标矩形的面积以及长宽比进行比对,确定所需的四边形轮廓;
其中,基准图的获取具体包括:
获取第一次采集图像中的四边形轮廓,对于四边形的轮廓进行筛选处理,选择出矩形轮廓,获得标准矩形;选取距离第一次采集图像中心最近的标准矩形作为目标矩形,将所述目标矩形对应的目标矩形表的相应参数作为基准图的相应参数。
2.根据权利要求1所述的表计对准方法,其特征在于,所述方法还包括:
若筛选后的矩形中未能找到与所述目标矩形相似度最高的矩形,则提升所述待测图像的亮度,并重复对提升亮度后的待测图像进行处理,直到筛选出所需的矩形。
3.根据权利要求1所述的表计对准方法,其特征在于,在获取图像中的四边形轮廓之前还包括:
对图像进行图像二值化,边缘提取以及轮廓搜索。
4.根据权利要求1所述的表计对准方法,其特征在于,所述将所述矩形与基准图中的目标矩形进行比对,保留所述矩形中与所述目标矩形相似度最高的矩形具体为:
采用感知哈希算法将所述矩形与基准图中的目标矩形进行比对,保留所述矩形中与所述目标矩形相似度最高的矩形;
所述感知哈希算法具体为:将所述目标矩形以及所述矩形缩小到8*8像素点的矩形,并将所述矩形中的像素点转换成64级灰度,从而确定每个像素点对应的灰度值,计算所述矩形中所有像素点的灰度平均值;
将每个像素点的灰度值与所述灰度平均值进行比较,若像素点随影的所述灰度值大于所述灰度平均值,则将该像素点记为1,否则记为0,从而确定所述矩形对应的码字;
将所述矩形对应的所述码字与所述目标矩形对应的所述码字进行比对,确定相似度最高的矩形。
5.一种表计对准装置,其特征在于,包括:
图像获取单元,所述图像获取单元用于获取待测图像;
轮廓获取单元,所述轮廓获取单元用于获取所述待测图像中的四边形轮廓;
轮廓筛选单元,所述轮廓筛选单元用于对于四边形的轮廓进行筛选处理,选择出矩形轮廓;
相似度比对单元,所述相似度比对单元用于将所述矩形与基准图中的目标矩形进行比对,保留所述矩形中与所述目标矩形相似度最高的矩形;
云台对准单元,所述云台对准单元用于计算所述相似度最高的矩形对应的表计与所述目标矩形对应的表计的像素偏差,并调整云台的角度,直到所述像素偏差值小于预设的阈值;
所述轮廓筛选单元还包括:
角度比对单元,所述角度比对单元用于判断所述四边形轮廓每个角角度与90度之差是否小于第三阈值,以及判断所述四边形与地面的角度与90度之差是否小于第四阈值;
长宽比对单元,所述长宽比对单元用于将获取到的所述四边形轮廓与所述基准图中目标矩形的面积以及长宽比进行比对,确定所需的四边形轮廓;
其中,基准图的获取具体包括:
获取第一次采集图像中的四边形轮廓,对于四边形的轮廓进行筛选处理,选择出矩形轮廓,获得标准矩形;选取距离第一次采集图像中心最近的标准矩形作为目标矩形,将所述目标矩形对应的目标矩形表的相应参数作为基准图的相应参数。
6.根据权利要求5所述的一种表计对准装置,其特征在于,还包括:
亮度提升单元,所述亮度提升单元用于若筛选后的矩形中未能找到与所述目标矩形相似度最高的矩形,则提升所述待测图像的亮度,并重复对提升亮度后的待测图像进行处理,直到筛选出所需的矩形。
7.根据权利要求5所述的一种表计对准装置,其特征在于,还包括:
图像处理单元,所述图像处理单元用于对图像进行图像二值化,边缘提取以及轮廓搜索。
8.根据权利要求5所述的一种表计对准装置,其特征在于,所述相似度比对单元还包括:
相似度计算单元,所述相似度计算单元用于采用感知哈希算法将所述矩形与基准图中的目标矩形进行比对,保留所述矩形中与所述目标矩形相似度最高的矩形;
所述感知哈希算法具体为:将所述目标矩形以及所述矩形缩小到8*8像素点的矩形,并将所述矩形中的像素点转换成64级灰度,从而确定每个像素点对应的灰度值,计算所述矩形中所有像素点的灰度平均值;
将每个像素点的灰度值与所述灰度平均值进行比较,若像素点随影的所述灰度值大于所述灰度平均值,则将该像素点记为1,否则记为0,从而确定所述矩形对应的码字;
将所述矩形对应的所述码字与所述目标矩形对应的所述码字进行比对,确定相似度最高的矩形。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911382999.XA CN111310753B (zh) | 2019-12-27 | 2019-12-27 | 一种表计对准方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911382999.XA CN111310753B (zh) | 2019-12-27 | 2019-12-27 | 一种表计对准方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111310753A CN111310753A (zh) | 2020-06-19 |
CN111310753B true CN111310753B (zh) | 2023-07-14 |
Family
ID=71148728
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911382999.XA Active CN111310753B (zh) | 2019-12-27 | 2019-12-27 | 一种表计对准方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111310753B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112561986A (zh) * | 2020-12-02 | 2021-03-26 | 南方电网电力科技股份有限公司 | 巡检机器人云台的二次对准方法、装置、设备和存储介质 |
CN113065373B (zh) * | 2021-03-16 | 2024-02-09 | 环鸿电子(昆山)有限公司 | 光学瞄准设备的自动化瞄准校正系统及方法 |
CN113514036B (zh) * | 2021-04-24 | 2022-05-17 | 中国建筑第五工程局有限公司 | 一种超高层建筑物垂直度测控方法 |
CN113536895A (zh) * | 2021-05-28 | 2021-10-22 | 立得空间信息技术股份有限公司 | 一种圆盘指针表计识别方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108647634A (zh) * | 2018-05-09 | 2018-10-12 | 深圳壹账通智能科技有限公司 | 图像边框查找方法、装置、计算机设备及存储介质 |
CN109992011A (zh) * | 2019-04-23 | 2019-07-09 | 广东电网有限责任公司 | 一种巡检机器人云台的二次对准方法、装置和设备 |
CN110019904A (zh) * | 2017-10-13 | 2019-07-16 | 南京唯实科技有限公司 | 一种基于大数据的图像检索方法 |
CN110440764A (zh) * | 2019-08-19 | 2019-11-12 | 广东电网有限责任公司 | 一种表计检测云台二次对准方法、装置和设备 |
CN110503682A (zh) * | 2019-08-08 | 2019-11-26 | 深圳市优讯通信息技术有限公司 | 矩形控件识别方法、装置、终端及存储介质 |
-
2019
- 2019-12-27 CN CN201911382999.XA patent/CN111310753B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110019904A (zh) * | 2017-10-13 | 2019-07-16 | 南京唯实科技有限公司 | 一种基于大数据的图像检索方法 |
CN108647634A (zh) * | 2018-05-09 | 2018-10-12 | 深圳壹账通智能科技有限公司 | 图像边框查找方法、装置、计算机设备及存储介质 |
CN109992011A (zh) * | 2019-04-23 | 2019-07-09 | 广东电网有限责任公司 | 一种巡检机器人云台的二次对准方法、装置和设备 |
CN110503682A (zh) * | 2019-08-08 | 2019-11-26 | 深圳市优讯通信息技术有限公司 | 矩形控件识别方法、装置、终端及存储介质 |
CN110440764A (zh) * | 2019-08-19 | 2019-11-12 | 广东电网有限责任公司 | 一种表计检测云台二次对准方法、装置和设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111310753A (zh) | 2020-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111310753B (zh) | 一种表计对准方法及装置 | |
CN109801333B (zh) | 体积测量方法、装置、系统及计算设备 | |
CN110781839A (zh) | 一种基于滑窗的大尺寸图像中小目标识别方法 | |
EP3023913A1 (en) | Crack data collection method and crack data collection program | |
US10458927B2 (en) | Image processing device, image processing method, and program | |
EP3843036B1 (en) | Sample labeling method and device, and damage category identification method and device | |
CN110706182B (zh) | 一种屏蔽罩平面度检测方法、装置、终端设备及存储介质 | |
CN111340749B (zh) | 图像质量的检测方法、装置、设备及存储介质 | |
US9064178B2 (en) | Edge detection apparatus, program and method for edge detection | |
CN110084842B (zh) | 一种机器人云台伺服二次对准方法及装置 | |
EP3023912A1 (en) | Crack data collection apparatus and server apparatus to collect crack data | |
CN113469971B (zh) | 一种图像匹配方法及检测装置、存储介质 | |
CN109447902B (zh) | 一种图像拼接方法、装置、储存介质及设备 | |
US10282837B2 (en) | Image measuring apparatus and non-temporary recording medium on which control program of same apparatus is recorded | |
WO2021000948A1 (zh) | 配重重量的检测方法与系统、获取方法与系统及起重机 | |
CN110440764B (zh) | 一种表计检测云台二次对准方法、装置和设备 | |
JP2017033063A (ja) | 画像処理方法、画像処理装置、プログラム及び記録媒体 | |
CN110031471B (zh) | 大口径光学元件表面缺陷增长分析方法、系统、装置 | |
CN110310239B (zh) | 一种基于特性值拟合消除光照影响的图像处理方法 | |
CN113125434A (zh) | 图像分析系统和控制拍摄样本图像的方法 | |
US11688045B2 (en) | Methods and apparatus for removing satellite trails from images | |
CN116258666A (zh) | 一种晶圆检测Mark点定位方法及应用 | |
KR102066862B1 (ko) | Rgb-d 카메라를 이용한 컨베이어용 고속 박스 크기 측정 장치 및 방법 | |
CN109214398B (zh) | 一种从连续图像中量测杆体位置的方法和系统 | |
CN109215068B (zh) | 图像放大率测量方法及装置 |
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 |