CN103134546A - 一种针对特种车辆指针式仪表的半自动校验方法 - Google Patents

Abstract

本发明提供一种针对特种车辆指针式仪表的半自动校验方法，该方法基于图像识别技术，包括多个步骤，其中一些步骤是自动执行，另外一些步骤人工执行。本发明最主要的优势在于它符合特种车仪表的特点，能快速校验和识别大量不同类型的特种车指针式仪表，并且有比全自动识别有高得多的准确率。

Description

一种针对特种车辆指针式仪表的半自动校验方法

技术领域

本发明属于计算机技术领域的视频图像处理和识别技术，特别是大量不同类型的特种车（如装甲车）辆指针式仪表的半自动识别与校验方法。

背景技术

特种车辆指的是外廓尺寸、重量等方面超过设计车辆限界的及特殊用途的车辆，除了装甲车外，还可以是运钞车、救护车、消防车、警车、工程救险车、军事监理车等。特种车辆仪表是特种车辆上重要的仪器装备。对特种车辆上的仪表进行校验，可以给出对特种车辆仪表在出厂时候的可靠性的评估，可以保证了特种车辆在正式使用时候的可靠性。因此，对特种车辆指针式仪表进行校验是它们正式被使用之前的必须的一步。

长期以来，计量行业以及一些特殊行业的校验与测量普遍采用人工读取的非接触式方法来进行仪表的识别与校验。而最近基于视频图像处理技术的工业仪表自动识别也有不少研究，如文献1（孙琳，王永东，指针式仪表自动检定图像识别技术，现代电子技术[J]，2011.Vol.34(8)：101-104.）。但是很少有针对特种车辆的仪表的研究，也很少有基于大量不同类型的仪表的半自动化校验的研究。特种车辆仪表有不同于工业仪表的独特的特点，比如说大部分特种车辆仪表类型的底盘是黑的，大部分特种车辆仪表的指针不在仪表圆盘中心，特种车辆仪表的指针比工业仪表的指针更宽更短，比一般的工业仪表更加难以识别，等等。特种车辆仪表存在着下面一些特点：

1）特种车辆仪表的校准对正确率的要求比工业仪表的要求要高的多；

2）特种车辆仪表的种类很多，并且仪表的特点没有太多的规律性，3）

3）很难对它们全部进行自动识别和自动校验；

4）很多特种车辆仪表的刻度不均匀，不能很好提取；

5）大部分特种车辆仪表的指针固定点不在仪表圆盘的中心。

另外还可能有如下一些原因使得仪表的自动识别带来偏差，需要采用半自动的方式：光照太强或太弱，影响到仪表图像的刻度读取；表盘可能被污染，因此仪表的刻度，特别是比较重要的起始刻度、终止刻度不能准确获取；仪表偏斜得太厉害。

发明内容

本发明所要解决的问题是：针对特种车辆仪表的特殊性，如何去快速的校验和识别大量不同类型的特种车辆仪表，并且保证很高的准确率。

在特种车辆的识别和校验中，我们模拟人眼识别的过程，分了如下8个步骤，这8个步骤有如下的执行方式：

步骤1：图像预处理(自动执行)；

步骤2：表盘边缘和中心提取(自动执行)；

步骤3：仪表类型建模与类型选择(手动执行)；

步骤4：指针固定点的提取(手动执行)；

步骤5：指针提取(自动执行)；

步骤6：起始刻度和终止刻度提取(手动执行)；

步骤7：读数(自动执行)；

步骤8：校准(自动执行)。

对于某些仪表图像来说，全自动的执行会出现错误和偏差，而特种车辆仪表的校准对校验结果的准确率有非常高的要求。因此对于以上的8个步骤来说，我们有选择性地人工执行其中一些步骤。通过我们的反复实验，我们发现在上述的几个步骤中，对于比较麻烦的图像，也就是指针固定点、刻度识别、起始刻度和终止刻度可能会错，因此对于这几个步骤我们选择人工执行。我们将特种车辆识别和校验使用半自动的方式，将其中某些步骤自动化，而某些步骤则人工手动执行，这种方式比手动人工校验更加快捷，比全自动识别和校验又有高得多的准确率。

下面我们将详细的介绍几个步骤。

步骤1.图像预处理

本发明利用图像增强技术对特种车辆仪表图像进行自动处理。对于大部分特种车辆仪表来说，工业仪表大部分是白色底盘，而装甲仪表大部分是黑色地盘。因此在预处理过程中，我们需要做反色变换。输入的彩色图像将被转换成为灰度图像，然后是除去噪声。对于太暗的图像，我们还要进行图像增强处理。对于有些步骤，比如说指针提取和刻度提取，还需要对图像进行二值化，所以预处理中还要求得二值化图像。

针对仪表图像的光线太暗的情况，对仪表图像进行灰度拉升处理或者均衡处理都能起到图像增强的作用。相对于均衡处理发明来说，灰度拉升能起到不改变图像细节的作用。由于仪表上刻度提取、指针提取都依赖非常重要的细节，因此预处理中我们采用对反色后仪表图像进行灰度拉升。

步骤2.仪表边缘和中心提取

本发明利用Hough变换自动检测特种车辆仪表圆盘的边缘。用Hough变换可以连接边缘离散的像素点，从而得到曲线。因此Hough变换可以被利用到直线检测、圆检测、以及其他的边缘曲线的形状检测。Hough变换在检验已知形状的目标方面具有受曲线间断影响小和不受图形旋转的影响的优点，即使特种车辆仪表有稍许缺损或污染也能被正确识别。

步骤3.仪表类型建模与类型选择

本发明手动对仪表的类型进行建模，标记出每种仪表表盘半径的大小和仪表的刻度，并且对需要校准和识别的仪表手动输入其类型。具体是首先采用手动建模，即针对每种类型的仪表，首先手动用鼠标点击的方法标记出仪表表盘半径大小，然后手动用鼠标点击的方法标记出仪表的刻度，根据仪表圆盘半径大小和刻度的分布设定该仪表的模型。手动选择仪表类型的时候，根据选择的仪表类型和建模库，就可以推测出仪表的刻度分布。

步骤4.指针固定点的提取

采用手动标定指针固定点的位置。

步骤5.指针提取

指针提取是指针式仪表自动识别和自动校验最重要的一步。在这里，针对大量不同类型的仪表，我们利用了基于检测和验证相结合的综合处理发明来提取指针：其中包括了Hough提取直线方法，极坐标投影方法、最小二乘法等等。

步骤6.起始刻度和终止刻度提取

采用手动标定仪表的起始刻度和终止刻度。

步骤7.读数

该步骤是自动读数。从前面的步骤5指针提取我们得到了指针的角度，设为α。从前面的步骤6我们得到起始刻度和终止刻度，我们设起始刻度角为α_s，终止刻度角为α_e。对于一个仪表，刻度的最大值和最小值假设设置为v_s和v_e，如果仪表是均匀的，那么最后的读数v可以由下面的方程组列出：

$v_1=v_s+\frac{(\mathrm{\α}-{\mathrm{\α}}_s)}{({\mathrm{\α}}_e-{\mathrm{\α}}_s)}\·(v_e-v_s)---\left(1\right)$

如果仪表的刻度不是均匀的，通过我们对这种类型的仪表进行建模，并且对每个刻度的值都找到相应的角度。设指针的角度为α，其两个相邻刻度的角度为β₁和β₂，这两个相邻刻度的值为v₁和v₂，那么最后的读数v为：

$v=v_1+\frac{(\mathrm{\α}-{\mathrm{\β}}_1)}{({\mathrm{\β}}_2-{\mathrm{\β}}_1)}\·(v_2-v_1)---\left(2\right)$

步骤8.校验

仪表的校验也是自动计算和执行的。设标准源的输入值为u，通过图像识别的方法的仪表读数为v，那么进行校验可以自动计算标准输入和图像识别之间的误差：

$\mathrm{\β}=\frac{|u-v|}{u}\·100\%$

对于误差范围，一般来说规定如下：

1：检定装置的总不确定度应小于被检表充许误差限的1/3----1/5。

2：检定装置的相对灵敏度或标准表的分辨力应为该装置误差限的1/4---1/10。

3：电源在半分钟内稳定度应不低于被检表误差限的1/10。

4：调节器应保证由零调至被检表上限，且平稳而连续地调至仪表的任何一个分度线，其调节细度应不低于被检表充许误差限的1/10。

本发明具有如下优点：能快速的识别和校验特种车辆仪表；比全自动识别有更高的精确度，对于特种车辆仪表这种对精确度要求非常高的仪表识别和校准更适合；能应用于大量不同类型的特种车辆仪表；比仪表的全自动的校验和识别更加准确，比人工识别和校准要快速的多；能针对刻度不均匀的特种车辆仪表能识别和校验；能针对指针固定点不在仪表圆盘中心的特种车辆仪表能识别和校验。

附图说明：

图1为本发明中特种车辆指针式仪表半自动式识别与校验流程图。

具体实施方式

下面结合图对本发明的具体实施进行进一步的说明。

本发明的流程图如图1所示，通过摄像机采集到特种车辆仪表的指针图像后，对仪表图像进行预处理，预处理后获取表盘边缘和表盘中心。然后通过对仪表建模获取该类型指针固定点的位置，进行指针提取，进行起始刻度和终止刻度的读取，再对要测试的仪表进行读数，并把读数和标准源的读数进行结果的对比，从而完成仪表的校验。

本发明对于图像预处理，主要利用了反色和灰度拉升技术。图像的反色公式如下，设图像点集为{g(x，y)}，其中g(x，y)为坐标(x，y)位置的灰度值，那么反色符合下面公式：

g¹(x,y)＝255-g(x,y)                (4)

我们统计仪表图像中的灰度最小值g1，灰度最大值g2，将其拉升到(0,255)的灰度空间，使得图像更加清晰。我们这里采用一种改进的灰度拉升方法，考虑到灰度最小值g1，灰度最大值g2所对应的像素灰度值个数很少的时候对整体图像改进作用不大。我们要求g1和g2对应的灰度值像素总个数被设置成需要大于某个值。设g1为总像素大于n(比如n=10)的最小灰度，g2为总像素大于n(比如n=10)的最大灰度。对于任意像素点，其灰度值为g(x，y)拉升后对应的灰度值为f(x，y )，则有：

$f(x,y)=\frac{255\×[g(x,y)-g_1]}{(g_2-g_1)}---\left(5\right)$

图像预处理利用了反色和灰度拉升技术进行实施。

本发明对于仪表圆盘边缘和圆心的提取，主要利用Hough变换技术。对于指针仪表的圆盘来说，如果符合以下的方程式：

(x-x_c)²+(y-y_c)²=r²                (6)

上式中(x,y)是圆边缘的一个点；(x_c,y_c)指针式仪表的中心点，r是圆盘的半径。在圆的检测中，半径和圆中心是同时被检测处理的。这里Hough变换，首先将仪表图像变换为二值图像的基础上，通过Hough变换检测出任意的曲线，如果符合上面的圆弧形状的公式的最大曲线就是所求得仪表圆盘。本发明对于仪表圆盘和圆心的提取，利用Hough变换技术进行实施。

本发明针对不同类型仪表模型建立，以及被检测仪表的类型输入，采用人工设定的方式进行实施。

本发明针对指针固定点采用人工设置。由于特种车辆仪表的指针固定点往往不在圆盘中心，我们利用了手动人工标定的方法进行实施。

本发明对于大量不同类型的仪表，利用了基于检测和验证相结合的综合处理发明来提取指针：其中综合了Hough提取直线方法，极坐标投影方法、最小二乘法等等。

具体执行流程如下：对于用Hough变换后，如果用Hough变换找到2条指针边缘直线，则指针的提取可信，指针提取结束。进行验证得到不可信结果的仪表图像，利用极坐标灰度投影法获取指针。而经过极坐标投影法获取的指针直线,利用它的首尾两端和Sobel边缘做垂线的交点进行验证，来证明极坐标所获取的直线段是否是指针的中心线。对于利用极坐标没有通过验证的仪表图像，本发明利用最小二乘法获取指针。本方法分为5步，具体如下：

第1步，根据Hough变换法求得指针

由于指针是直线的，因此可以利用Hough变换检测直线的方法得到可能的指针的边缘线段，再由指针的边缘线段根据规则推算出指针的精确位置。

针对黑底特种车辆仪表图像，本发明先对图像进行预处理，其中包括反色处理和边缘提取两个步骤。然后本发明通过Hough变换找到可能的指针边缘线段。当找到了很多可能的指针边缘线段后，首先根据规则1-3来判断是否为指针的边缘线段，其中需要参数：（1）指针固定点的位置，（2）仪表圆盘中心和半径的大小；再根据规则4来判断指针边缘线段是否为两条。

●规则1：指针的边缘线是仪表圆盘内最长直线线段；

●规则2：指针的边缘线离指针固定点的距离非常的小，对于特种车辆仪表来说，可以设置一般小于0.1R,其中R是仪表圆盘的半径；

●规则3：指针的边缘线段在被仪表圆盘的圆边缘包围；

●规则4：指针的边缘线有两条，且在指针固定点的两侧。

对于能提取两条指针边缘线的情况，取这两条边缘线的中心线，就得到了指针的非常精确的位置。如果图像不够清晰，或者指针周围有文字干扰，或者有阴影干扰，往往只能准确获取一条指针边缘线，甚至不能正确获取指针边缘线，这样就不能精确获取指针。

第2步，对Hough变换法求指针进行验证

特种车辆仪表指针比较宽，并且比较短，所以Hough变换往往找不到2条边缘直线，而只能找到1条甚至0条边缘直线。对于有2条边缘指针直线的指针提取结果，本发明认为通过了验证，认为指针提取的结果取两条边缘线的中心线是非常可信的。对于只有1条边缘直线的指针提取结果，甚至0条边缘直线的指针提取结果，本发明认为是不可信的，其中1条指针边缘直线的存在有偏差情况（因为特种车辆仪表指针一般都比较宽）；0条指针边缘直线的表示没有找到的指针。对于不可信的结果用极坐标中心灰度投影的方法进行进一步的指针提取。

第3步，基于极坐标灰度投影的方法求指针

这种方法直接在灰度图像上寻找指针的位置。根据仪表圆环内所有点的灰度值在极坐标(r,θ)的在角度坐标θ上进行投影，也就是在[0,2π]空间上对不同的半径进行投影，取灰度累加的最小值求得指针的角度。极坐标起点坐标往往选择在指针固定点。

基于极坐标灰度投影的方法的好处是针对图像质量的鲁棒性比基于Hough变换的方法要好的多，这是因为基于极坐标灰度投影的方法在灰度图像上直接投影，而Hough变换法针对的是二值图像，另外基于极坐标灰度投影的方法不会受指针旁边文字的影响。但是这种方法也有缺点，由于很多指针有一定的宽度，因此角度最大值的位置有时候并不是指针远处尖端中心的位置，可能是远处尖端边缘线的位置；因此当指针远处尖端有一定宽度的时候，往往会有一些微小的误差。

第4步，对极坐标灰度投影的方法求指针进行验证

对于带有细长指针的工业仪表来说，极坐标投影得到的直线往往就是指针直线的中心，结果会比较准确。但是特种车辆仪表指针比较宽，并且比较短，所以极坐标投影虽然能找到指针区域，但是可能不是指针的中心位置。

验证时，本发明先用Sobel算子对仪表图像进行边缘提取。然后针对极坐标投影所获取的指针直线线段，分别在其1/6处和5/6处做垂线，也就是在指针直线段的首尾两端附近做垂线，找出垂线与Sobel算子所获得的边缘线的交点。比如说一端获得的两个交点为P1(x1，y1)，P2(x2，y2)，另外一端所获得的两个交点为P3(x3，y3)，P4(x3，y3)。设极坐标获得的指针直线为L，设Pi到L的距离为Di，i=1，2，3，4。如果有D1=D2且D3=D4，或者D1与D2相差不大，D3与D4相差不大（这里可以设置差别不大的阈值为小于0.03R,其中R是仪表圆盘的半径），则表示用极坐标投影所获取的直线首尾两端都在指针边缘的中心，因此所获取的指针角度极可能是指针的中心线，其结果是可信的，因此通过验证。否则不可信，然后进一步利用最小二乘法进行指针提取。

第5步，用最小二乘法求得指针

由于指针是由一系列单像素点构成，我们可以通过对指针边缘点进行拟合获取指针直线。我们首先利用极坐标投影获取的指针的大致区域位置，利用Sobel算子进行仪表图像的边缘检测。然后，针对指针区域的Sobel算子边缘点，利用最小二乘法进行直线拟合，所提取的直线就是指针的精确位置。

本发明针对起始刻度和终止刻度，利用了手动人工标定的方法进行实施。

本发明对于仪表的读数，分均匀刻度仪表和不均匀刻度仪表，设仪表刻度的最大值和最小值假设设置为v_s和v_e，最终的仪表读数为v。对于均匀刻度仪表，其读数由公式(1)进行具体实施。

对于非均匀刻度仪表，其读数由公式(2)进行具体实施。

本发明针对仪表校准，将标准源的值和图像识别的值进行比对后，自动实施。

本发明最主要的优势在于它符合特种车辆仪表的特点，能快速校验和识别大量不同类型的特种车辆指针式仪表，并且有比全自动识别有高得多的准确率。

Claims (10)

1.一种针对特种车辆指针式仪表的半自动校验方法，该方法包括以下8个步骤，1：图像预处理，2：表盘边缘和中心提取，3：仪表类型建模与类型选择，4：指针固定点的提取，5：指针提取，6：起始刻度和终止刻度提取，7：读数，8：校准；其特征在于，其中步骤1，2，5，7，8为自动执行，其余步骤则为手动执行。

2.根据权利要求1所述的方法，其特征在于，所述步骤1包括反色和灰度拉升处理。

3.根据权利要求1所述的方法，其特征在于，所述步骤2采用Hough变换法。

4.根据权利要求1所述的方法，其特征在于，所述步骤3具体为：采用手动建模，即针对每种类型的仪表，首先手动用鼠标点击的方法标记出仪表表盘半径大小，然后手动用鼠标点击的方法标记出仪表的刻度，根据仪表圆盘半径大小和刻度的分布设定该仪表的模型；手动选择仪表类型的时候，根据选择的仪表类型和建模库，就可以推测出仪表的刻度分布。

5.根据权利要求1所述的方法，其特征在于，所述步骤7是：如果仪表是均匀的，那么最后的读数v：

$v=v_s+\frac{(\mathrm{\α}-{\mathrm{\α}}_s)}{({\mathrm{\α}}_e-{\mathrm{\α}}_s)}\·(v_e-v_s)$

其中指针的角度为α，起始刻度角为α_s，终止刻度角为α_e，刻度的最大值和最小值假设为v_s和v_e；

如果仪表的刻度不是均匀的，最后的读数v为：

$v=v_1+\frac{(\mathrm{\α}-{\mathrm{\β}}_1)}{({\mathrm{\β}}_2-{\mathrm{\β}}_1)}\·(v_2-v_1)$

其两个相邻刻度的角度为β₁和β₂，这两个相邻刻度的值为v₁和v₂。

6.根据权利要求1所述的方法，其特征在于，所述步骤8具体为：设标准源的输入值为u，通过图像识别的方法的仪表读数为v，那么进行校验可以自动计算标准输入和图像识别之间的误差：

$\mathrm{\β}=\frac{|u-v|}{u}\·100\%$

7.根据权利要求1所述的方法，其特征在于，步骤5中指针的提取方法包括以下具体步骤：

1）根据Hough变换法求得指针；

2）对步骤1）获得的指针进行验证，如果用Hough变换找到2条指针边缘直线，则指针的提取可信，指针提取结束；否则进行步骤3）；

3）基于极坐标灰度投影的方法求指针；

4）对步骤3）获得的指针进行验证，在指针直线段的首尾两端附近做垂线，找出该垂线与Sobel算子所获得的边缘线的交点，并验证极坐标投影所获取的直线段是否是指针的中心线；如果是则指针提取结束，否则进行步骤5）；

5）用最小二乘法求得指针。

8.根据权利要求7所述的方法，其特征在于，所述步骤2）中的验证是：首先根据规则1-3来判断是否为指针的边缘线段，再根据规则4来判断指针边缘线段是否为两条；其中规则1：指针的边缘线是仪表圆盘内最长直线线段；规则2：指针的边缘线离指针固定点的距离非常小；规则3：指针的边缘线段在被仪表圆盘的圆边缘包围；规则4：指针的边缘线有两条，且在指针固定点的两侧。

9.根据权利要求7所述的提取方法，其特征在于，所述步骤3）是根据仪表圆环内所有点的灰度值在极坐标(r,θ)的在角度坐标θ上进行投影，也就是在[0,2π]空间上对不同的半径进行投影，取灰度累加的最小值求得指针的角度；其中，极坐标起点坐标选择在指针固定点。

10.根据权利要求7所述的提取方法，其特征在于，所述步骤4）中验证所获取的直线段是否是指针的中心线的具体方法是：针对极坐标投影所获取的指针直线线段，分别在其1/6处和5/6处做垂线，找出所述垂线与Sobel算子所获得的边缘线的交点；设两个交点为P1(x1，y1)，P2(x2，y2)，另外一端所获得的两个交点为P3(x3，y3)，P4(x3，y3)，并设极坐标获得的指针直线为L，设Pi到L的距离为Di，i=1,2，3，4；如果有D1=D2且D3=D4，或者D1与D2相差不大，D3与D4相差不大，则表示用极坐标投影所获取的直线首尾两端都在指针边缘的中心，因此所获取的指针角度极可能是指针的中心线，其结果是可信的；所述步骤5）具体为先利用极坐标投影所获取指针大致区域位置的结果，再针对指针区域的Sobel算子所获得的所有边缘点，利用最小二乘法进行拟合，求出指针的精确位置。

Images