CN106023318A - 基于图像三维重建的积灰结渣在线监测方法及系统 - Google Patents
基于图像三维重建的积灰结渣在线监测方法及系统 Download PDFInfo
- Publication number
- CN106023318A CN106023318A CN201610354993.1A CN201610354993A CN106023318A CN 106023318 A CN106023318 A CN 106023318A CN 201610354993 A CN201610354993 A CN 201610354993A CN 106023318 A CN106023318 A CN 106023318A
- Authority
- CN
- China
- Prior art keywords
- dimensional
- fouling
- slagging
- heating surface
- image
- 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.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000000605 extraction Methods 0.000 claims abstract description 39
- 238000010438 heat treatment Methods 0.000 claims description 64
- 238000012545 processing Methods 0.000 claims description 13
- 230000002708 enhancing effect Effects 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 5
- 230000001131 transforming effect Effects 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 238000007664 blowing Methods 0.000 abstract description 27
- 238000006243 chemical reaction Methods 0.000 abstract 2
- 238000007781 pre-processing Methods 0.000 abstract 1
- 239000004071 soot Substances 0.000 description 20
- 239000000428 dust Substances 0.000 description 8
- 238000013517 stratification Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- 201000004569 Blindness Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010926 purge Methods 0.000 description 1
- 238000010186 staining Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23J—REMOVAL OR TREATMENT OF COMBUSTION PRODUCTS OR COMBUSTION RESIDUES; FLUES
- F23J1/00—Removing ash, clinker, or slag from combustion chambers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/06—Topological mapping of higher dimensional structures onto lower dimensional surfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种基于图像三维重建的积灰结渣在线监测方法及系统,该方法包括步骤:S1:通过相机获取受热面的若干二维图像;S2:标定相机,并得到相机坐标系与世界坐标系之间的转换关系;S3:对每一二维图像进行图像预处理和特征提取;S4:提取每一二维图像的特征点,将提取得到的特征点与受热面上所有物理点对应起来,并根据相机坐标系与世界坐标系之间的转化关系计算得到所有特征点的三维坐标;S5:根据受热面上所有物理点分别对应的特征点的三维坐标建立受热面积灰结渣的三维轮廓模型,并计算得到灰渣层厚度。由此本发明通过上述技术方案为优化吹灰时长、降低吹灰功耗、提高吹灰合理化和提高锅炉整体热效率奠定了重要的基础。
Description
技术领域
本发明涉及燃煤锅炉积灰结渣在线监测技术领域,特别涉及一种基于图像三维重建的积灰结渣在线监测方法及系统。
背景技术
燃煤和生物质锅炉运行过程中,受热面的积灰和结渣是不可避免的,严重的积灰和结渣将会威胁到锅炉的安全和经济运行。由于灰渣的热阻很大,受热面上的积灰和结渣一方面会降低受热面效率,增加机组煤耗,使炉膛出口以及最终的锅炉排烟温度升高,导致锅炉整体效率下降;另一方面,在维持负荷的情况下,会导致受热面超温和高温腐蚀,甚至炉管爆漏等问题。此外,大渣块的坠落还会引发锅炉的安全问题。
吹灰是保证电站锅炉安全、经济、稳定运行的重要手段,它的目的是清除受热面的积灰和结渣,维持受热面的清洁,以保证锅炉的安全经济运行。传统的吹灰系统忽略对积灰结渣的监测,直接采用固定频率和定时定量的吹扫方式实现对受热面的清洁。但是,这种方式具有很大的盲目性,容易出现不充分吹灰(简称欠吹)和过度吹灰(简称过吹),其中,欠吹不能达到清除灰渣的目的,过吹则浪费吹灰介质,容易吹损炉管。
因此,如何从安全和经济运行角度考虑,对吹灰器的运作加以优化,实现合理地吹灰,以避免欠吹和过吹现象发生是我们需要解决的重要问题。
发明内容
本发明的目的是为了解决上述现有技术的缺点和不足,提供一种基于图像三维重建的积灰结渣在线监测方法及系统,通过在线实时监测锅炉整体受热面的积灰结渣情况,以为吹灰器的吹灰操作和控制提供基础,实现吹灰器的合理吹灰,避免欠吹和过吹现象发生,为优化吹灰时长、降低吹灰功耗、提高吹灰合理化和提高锅炉整体热效率奠定重要的基础。
为解决上述技术问题,本发明提供了一种基于图像三维重建的积灰结渣在线监测方法,其特征在于:包括以下步骤:
通过相机获取受热面的若干二维图像;
标定相机,并得到相机坐标系与世界坐标系之间的转换关系;
对每一二维图像进行图像预处理和特征提取;
提取每一二维图像的特征点,将提取得到的特征点与受热面上所有物理点对应起来,并根据相机坐标系与世界坐标系之间的转化关系计算得到所有特征点的三维坐标;
根据受热面上所有物理点分别对应的特征点的三维坐标建立受热面积灰结渣的三维轮廓模型,并计算得到灰渣层厚度。
进一步,所述步骤通过相机获取受热面的若干二维图像中,是通过拍摄角度不同的两个或两个以上的相机获取若干不同角度的受热面的二维图像。
进一步,所述的标定相机包括以下步骤:
分别对每一相机单独进行标定,获取每一相机的内参数;
对所有相机同时进行标定,获取所有相机的外参数。
具体地,所述内参数包括畸变系数和内参矩阵;所述外参数包括平移向量和旋转矩阵。
具体地,所述图像处理包括随机噪声的去除、图像对比度的增强、滤波和图像的增强;所述特征提取包括点状特征、线状·特征和区域特征的提取。
进一步,所述步骤提取每一二维图像的特征点,将提取得到的特征点与受热面上所有物理点对应起来,具体包括以下步骤:
提取每一二维图像的特征点;
根据对极几何约束关系对提取得到的所有特征点进行立体匹配;
实现所有特征点与受热面上所有物理点的对应。
进一步,所述步骤根据对极几何约束关系对提取得到的所有特征点进行立体匹配,具体包括以下步骤:
根据对极几何约束关系将提取得到的所有特征点在每一相机中的X轴和Y轴坐标代入,实现同名点匹配;
根据所述内参数和所述外参数计算得到所有特征点所在的X轴、Y轴和Z轴坐标;
实现对所有特征点的立体匹配。
进一步,所述步骤根据受热面上所有物理点分别对应的特征点的三维坐标建立受热面积灰结渣的三维轮廓模型,并计算得到灰渣层厚度中,还对受热面积灰结渣的三维轮廓模型进行显示。
相应地,本发明还提供了一种基于图像三维重建的积灰结渣在线监测系统,其包括
图像获取模块,用于获取受热面的若干二维图像;
标定模块,用于标定所述图像获取模块并得到所述图像获取模块的相机坐标系与世界坐标系之间的转换关系;
图像处理模块,用于对所述图像获取模块获得的每一二维图像进行图像预处理和特征提取;
特征点提取模块,用于对所述图像处理模块处理后的二维图像进行特征点的提取;
计算模块,用于将所述特征点提取模块提取到的特征点与受热面上所有物理点对应起来,并根据标定模块中的相机坐标系与世界坐标系之间的转换关系计算得到所有特征点的三维坐标;
以及三维重建模块,用于根据所述计算模块计算得到的所有特征点的三维坐标建立受热面积灰结渣的三维轮廓模型,并计算得到受热面的灰渣层厚度。
进一步,基于图像三维重建的积灰结渣在线监测系统还包括显示模块;所述显示模块用于显示所述三维重建模块所建立的三维轮廓模型。
通过上述技术方案,本发明产生了以下有益技术效果:
本发明通过将在不同角度拍摄得到的二维图像进行三维重建,获得积灰结渣的三维轮廓模型和灰渣层厚度,实现对锅炉受热面积灰结渣的实时在线监测,并且通过显示实现对积灰结渣的视频图像监测,直观地获得了受热面积灰结渣的情况,为针对性地智能吹灰、按需吹灰、优化吹灰时长、降低吹灰功耗、提高吹灰合理化和提高锅炉整体热效率奠定了重要的基础,有效避免过吹灰和欠吹灰现象的发生。
为了更好地理解和实施,下面结合附图详细说明本发明。
附图说明
图1是本发明基于图像三维重建的积灰结渣在线监测方法的方法流程示意图;
图2是图1中步骤S2中“标定相机”的具体方法步骤示意图;
图3是图1中步骤S4中“提取每一二维图像的特征点,将提取得到的特征点与受热面上所有物理点对应起来”的具体方法步骤示意图;
图4是图3中步骤S42的具体方法步骤示意图;
图5是本发明基于图像三维重建的积灰结渣在线监测系统的结构框图;
图6是图5中的系统进一步优化后的结构框图。
具体实施方式
请参阅图1,本发明基于图像三维重建的积灰结渣在线监测方法包括以下步骤:
步骤S1:通过相机获取受热面的若干二维图像;具体地,在所述步骤S1中,是通过拍摄角度不同的两个或两个以上的相机获取若干不同角度的受热面的二维图像。在本实施例中,是通过分别设置在受热面左右两侧的两相机获取得到受热面不同角度的若干二维图像。
步骤S2:标定相机,并得到相机坐标系与世界坐标系之间的转换关系;
步骤S3:对每一二维图像进行图像预处理和特征提取;在本实施例中,所述图像处理包括随机噪声的去除、图像对比度的增强、滤波和图像的增强;所述特征提取包括点状特征、线状特征和区域特征的提取。
步骤S4:提取每一二维图像的特征点,将提取得到的特征点与受热面上所有物理点对应起来,并根据相机坐标系与世界坐标系之间的转化关系计算得到所有特征点的三维坐标;
步骤S5:根据受热面上所有物理点分别对应的特征点的三维坐标建立受热面积灰结渣的三维轮廓模型,并计算得到灰渣层厚度。
请参阅图2,具体地,在所述步骤S2中,所述的标定相机包括以下步骤:
步骤S21::分别对每一相机单独进行标定,获取每一相机的内参数;在本实施例中,所述内参数包括畸变系数和内参矩阵;
步骤S22:对所有相机同时进行标定,获取所有相机的外参数;在本实施例中,所述外参数包括平移向量和旋转矩阵。
请参阅图3,具体地,在所述步骤S4中,提取每一二维图像的特征点,将提取得到的特征点与受热面上所有物理点对应起来,具体包括以下步骤:
步骤S41:提取每一二维图像的特征点;
步骤S42:根据对极几何约束关系对提取得到的所有特征点进行立体匹配;
步骤S43:实现所有特征点与受热面上所有物理点的对应。
请参阅图4,进一步,所述步骤S42具体包括以下步骤:
步骤S421:根据对极几何约束关系将提取得到的所有特征点在每一相机中的X轴和Y轴坐标代入,实现同名点匹配;
步骤S422:根据所述内参数和所述外参数计算得到所有特征点所在的X轴、Y轴和Z轴坐标;
步骤S423:实现对所有特征点的立体匹配。
为方便对受热面积灰结渣的及时监测和明确得知,使受热面积灰结渣的情况能够一目了然,作为一种更优的技术方案,在所述步骤S5中,还对受热面积灰结渣的三维轮廓模型进行显示。
以下,简单说明一下应用本发明基于图像三维重建的积灰结渣在线监测方法的过程:
首先在不同角度拍摄同一受热面并拍摄得到的二维图像导入。其次,单独对每一相机进行标定,确定每一相机的内参数,随后对两相机同时进行标定,获取两相机的外参数。相机的内参数和外参数获取后即可确定相机坐标系与世界坐标系之间的转换关系,接着,对导入的二维图像进行预处理,包括但不限于随机噪声的去除、图像对比度的增强、滤波和图像的增强;并对预处理后的二维图像进行特征提取,包括点状特征、线状特征和区域特征的提取。然后,根据对极几何约束关系对特征点进行立体匹配,将提取到的特征点在左右成像平面(也即相机成像平面)坐标系中的X轴和Y轴坐标代入,实现同名点匹配。并根据之前已经标定好的内参数和外参数计算出所有特征点的X轴、Y轴和Z轴的坐标。最后,代入每一特征点的X轴、Y轴和Z轴坐标,建立灰渣图像的三维轮廓模型并实时显示在计算机上,也可以显示在显示器或其他具有显示器的设备上,并计算得到灰渣层厚度。
请参阅图5,相应地,本发明还提供了一种可以实现上述方法的基于图像三维重建的积灰结渣在线监测系统,其包括图像获取模块1、标定模块2、图像处理模块3、特征点提取模块4、计算模块5和三维重建模块6。
具体地,所述图像获取模块1,用于获取并存储受热面的若干二维图像。在本实施例中,所述图像获取模块1包括分别设置在受热面左右两侧的两部相机。所述两相机分别设置于受热面相对两侧,并位于同一水平面和同一直线上,实现从不同角度拍摄同一受热面,由此实现获得的若干二维图像为受热面不同角度的图像。
进一步,为了防止在监测过程中锅炉内因正压时火焰的喷出,并防止飞灰玷污光学镜头,也能有效地对摄像机进行冷却,作为一种更优的技术方案,所述图像获取模块1除了包括两摄像机外,还包括摄像保护气路部分。所述摄像保护气路部分包括三个吹风机;其中一吹风机设置于两相机的同一侧,实现于两相机的镜头前端形成压力风帘;另外两吹风机分别与所述两相机相邻设置,实现对两相机及两相机的镜头直接施加冷风。
具体地,所述标定模块2,用于标定所述图像获取模块1并得到所述图像获取模块1的相机坐标系与世界坐标系之间的转换关系。
具体地,所述图像处理模块3,用于对所述图像获取模块1获得的每一二维图像进行图像预处理和特征提取。
具体地,所述特征点提取模块4,用于对所述图像处理模块3处理后的二维图像进行特征点的提取。
具体地,所述计算模块5,用于将所述特征点提取模块4提取到的特征点与受热面上所有物理点对应起来,并根据标定模块2中的相机坐标系与世界坐标系之间的转换关系计算得到所有特征点的三维坐标。
具体地,所述三维重建模块6,用于根据所述计算模块5计算得到的所有特征点的三维坐标建立受热面积灰结渣的三维轮廓模型,并计算得到受热面的灰渣层厚度。
请参阅图6,为方便对受热面积灰结渣的及时监测和明确得知,使受热面积灰结渣的情况能够一目了然,作为一种更优的技术方案,本发明基于图像三维重建的积灰结渣在线监测系统还包括显示模块7;所述显示模块7用于显示所述三维重建模块6所建立的三维轮廓模型。
另外,本发明基于图像三维重建的积灰结渣在线监测系统中各个模块的功能及工作情况可结合本发明基于图像三维重建的积灰结渣在线监测方法进行理解,例如:以下简述一下本发明基于图像三维重建的积灰结渣在线监测系统的工作过程:
首先所述两相机在不同角度拍摄同一受热面并将拍摄得到的二维图像存储和导入。其次,所述标定模块2单独对每一相机进行标定,确定每一相机的内参数,随后对两相机同时进行标定,获取两相机的外参数。且所述标定模块2获取相机的内参数和外参数后即可确定相机坐标系与世界坐标系之间的转换关系。接着,所述图像处理模块3对由所述两相机导入的二维图像进行预处理,包括但不限于随机噪声的去除、图像对比度的增强、滤波和图像的增强;并对预处理后的二维图像进行特征提取,包括点状特征、线状特征和区域特征的提取。随后特征点提取模块4对图像处理模块3处理后的二维图像进行特征点的提取。之后,所述计算模块5根据对极几何约束关系对由特征点提取模块4提取到的特征点进行立体匹配,所述计算模块5将提取到的特征点在左右成像平面(也即相机成像平面)坐标系中的X轴和Y轴坐标代入,实现同名点匹配;并根据之前已经标定好的内参数和外参数计算出所有特征点的X轴、Y轴和Z轴的坐标。最后,所述三维重建模块6代入每一特征点的X轴、Y轴和Z轴坐标,建立灰渣图像的三维轮廓模型并实时显示显示模块7中,并计算得到灰渣层厚度。其中,所述显示模块7可以为计算机的显示屏,也可以为显示器或具有显示器的其它设备。
在其它实施例中,还可将图像获取模块1、标定模块2、图像处理模块3、特征点提取模块4、计算模块5和三维重建模块6集成于同一计算机中。
相对于现有技术,本发明基于图像三维重建的积灰结渣在线监测方法及系统通过将在不同角度拍摄得到的二维图像进行三维重建,获得积灰结渣的三维轮廓模型和灰渣层厚度,实现对锅炉受热面积灰结渣的实时在线监测,并且通过显示实现对积灰结渣的视频图像监测,直观地获得了受热面积灰结渣的情况,为针对性地智能吹灰、按需吹灰、优化吹灰时长、降低吹灰功耗、提高吹灰合理化和提高锅炉整体热效率奠定了重要的基础,有效避免过吹灰和欠吹灰现象的发生。
本发明并不局限于上述实施方式,如果对本发明的各种改动或变形不脱离本发明的精神和范围,倘若这些改动和变形属于本发明的权利要求和等同技术范围之内,则本发明也意图包含这些改动和变形。
Claims (10)
1.一种基于图像三维重建的积灰结渣在线监测方法,其特征在于:包括以下步骤:
通过相机获取受热面的若干二维图像;
标定相机,并得到相机坐标系与世界坐标系之间的转换关系;
对每一二维图像进行图像预处理和特征提取;
提取每一二维图像的特征点,将提取得到的特征点与受热面上所有物理点对应起来,并根据相机坐标系与世界坐标系之间的转化关系计算得到所有特征点的三维坐标;
根据受热面上所有物理点分别对应的特征点的三维坐标建立受热面积灰结渣的三维轮廓模型,并计算得到灰渣层厚度。
2.根据权利要求1所述的基于图像三维重建的积灰结渣在线监测方法,其特征在于:所述步骤通过相机获取受热面的若干二维图像中,是通过拍摄角度不同的两个或两个以上的相机获取若干不同角度的受热面的二维图像。
3.根据权利要求2所述的基于图像三维重建的积灰结渣在线监测方法,其特征在于:所述的标定相机包括以下步骤:
分别对每一相机单独进行标定,获取每一相机的内参数;
对所有相机同时进行标定,获取所有相机的外参数。
4.根据权利要求3所述的基于图像三维重建的积灰结渣在线监测方法,其特征在于:所述内参数包括畸变系数和内参矩阵;所述外参数包括平移向量和旋转矩阵。
5.根据权利要求1所述的基于图像三维重建的积灰结渣在线监测方法,其特征在于:所述图像处理包括随机噪声的去除、图像对比度的增强、滤波和图像的增强;所述特征提取包括点状特征、线状·特征和区域特征的提取。
6.根据权利要求3所述的基于图像三维重建的积灰结渣在线监测方法,其特征在于:所述步骤提取每一二维图像的特征点,将提取得到的特征点与受热面上所有物理点对应起来,具体包括以下步骤:
提取每一二维图像的特征点;
根据对极几何约束关系对提取得到的所有特征点进行立体匹配;
实现所有特征点与受热面上所有物理点的对应。
7.根据权利要求6所述的基于图像三维重建的积灰结渣在线监测方法,其特征在于:所述步骤根据对极几何约束关系对提取得到的所有特征点进行立体匹配,具体包括以下步骤:
根据对极几何约束关系将提取得到的所有特征点在每一相机中的X轴和Y轴坐标代入,实现同名点匹配;
根据所述内参数和所述外参数计算得到所有特征点所在的X轴、Y轴和Z轴坐标;
实现对所有特征点的立体匹配。
8.根据权利要求1所述的基于图像三维重建的积灰结渣在线监测方法,其特征在于:所述步骤根据受热面上所有物理点分别对应的特征点的三维坐标建立受热面积灰结渣的三维轮廓模型,并计算得到灰渣层厚度中,还对受热面积灰结渣的三维轮廓模型进行显示。
9.一种基于图像三维重建的积灰结渣在线监测系统,其特征在于:包括
图像获取模块,用于获取受热面的若干二维图像;
标定模块,用于标定所述图像获取模块并得到所述图像获取模块的相机坐标系与世界坐标系之间的转换关系;
图像处理模块,用于对所述图像获取模块获得的每一二维图像进行图像预处理和特征提取;
特征点提取模块,用于对所述图像处理模块处理后的二维图像进行特征点的提取;
计算模块,用于将所述特征点提取模块提取到的特征点与受热面上所有物理点对应起来,并根据标定模块中的相机坐标系与世界坐标系之间的转换关系计算得到所有特征点的三维坐标;
以及三维重建模块,用于根据所述计算模块计算得到的所有特征点的三维坐标建立受热面积灰结渣的三维轮廓模型,并计算得到受热面的灰渣层厚度。
10.根据权利要求9所述的基于图像三维重建的积灰结渣在线监测系统,其特征在于:还包括显示模块;所述显示模块用于显示所述三维重建模块所建立的三维轮廓模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610354993.1A CN106023318A (zh) | 2016-05-24 | 2016-05-24 | 基于图像三维重建的积灰结渣在线监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610354993.1A CN106023318A (zh) | 2016-05-24 | 2016-05-24 | 基于图像三维重建的积灰结渣在线监测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106023318A true CN106023318A (zh) | 2016-10-12 |
Family
ID=57093945
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610354993.1A Pending CN106023318A (zh) | 2016-05-24 | 2016-05-24 | 基于图像三维重建的积灰结渣在线监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106023318A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107506288A (zh) * | 2017-03-02 | 2017-12-22 | 东南大学 | 一种省煤器换热管磨损的监控方法及系统 |
CN108459524A (zh) * | 2018-03-23 | 2018-08-28 | 李泓 | 一种污水处理监控系统以及处理单元 |
CN109140471A (zh) * | 2018-04-10 | 2019-01-04 | 刘惠敏 | 锅炉煤渣清理报警方法 |
CN111383270A (zh) * | 2018-12-27 | 2020-07-07 | 深圳市优必选科技有限公司 | 物体定位方法、装置、计算机设备及存储介质 |
CN111508058A (zh) * | 2020-02-24 | 2020-08-07 | 当家移动绿色互联网技术集团有限公司 | 图像三维重建的方法、装置、存储介质及电子设备 |
CN112884036A (zh) * | 2021-02-09 | 2021-06-01 | 北京京能能源技术研究有限责任公司 | 一种锅炉受热面异常图像识别方法、标记方法及系统 |
-
2016
- 2016-05-24 CN CN201610354993.1A patent/CN106023318A/zh active Pending
Non-Patent Citations (4)
Title |
---|
吴畏: "三维重建技术在电力设备图像监测中的应用", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
大唐国际发电股份有限公司: "《大型火电机组经济运行及节能优化》", 31 January 2012 * |
杨浩 等: "基于三维重建的绝缘子覆冰图像监测", 《电力自动化设备》 * |
杨浩 等: "基于三维重建的输电线路覆冰在线监测方法", 《电力系统自动化》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107506288A (zh) * | 2017-03-02 | 2017-12-22 | 东南大学 | 一种省煤器换热管磨损的监控方法及系统 |
CN108459524A (zh) * | 2018-03-23 | 2018-08-28 | 李泓 | 一种污水处理监控系统以及处理单元 |
CN109140471A (zh) * | 2018-04-10 | 2019-01-04 | 刘惠敏 | 锅炉煤渣清理报警方法 |
CN111383270A (zh) * | 2018-12-27 | 2020-07-07 | 深圳市优必选科技有限公司 | 物体定位方法、装置、计算机设备及存储介质 |
CN111383270B (zh) * | 2018-12-27 | 2023-12-29 | 深圳市优必选科技有限公司 | 物体定位方法、装置、计算机设备及存储介质 |
CN111508058A (zh) * | 2020-02-24 | 2020-08-07 | 当家移动绿色互联网技术集团有限公司 | 图像三维重建的方法、装置、存储介质及电子设备 |
CN112884036A (zh) * | 2021-02-09 | 2021-06-01 | 北京京能能源技术研究有限责任公司 | 一种锅炉受热面异常图像识别方法、标记方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106023318A (zh) | 基于图像三维重建的积灰结渣在线监测方法及系统 | |
CN106093062B (zh) | 一种基于ccd的锅炉受热面积灰结渣智能吹灰系统 | |
CN107833253A (zh) | 一种面向rgbd三维重建纹理生成的相机姿态优化方法 | |
CN108961390A (zh) | 基于深度图的实时三维重建方法 | |
Liu et al. | Learning to warp for style transfer | |
CN111784778B (zh) | 基于线性求解非线性优化的双目相机外参标定方法和系统 | |
CN107314819A (zh) | 一种基于红外图像的光伏电站热斑检测与定位方法 | |
CN104715479A (zh) | 基于增强虚拟的场景复现检测方法 | |
CN105720917B (zh) | 基于红外图像处理的光伏阵列热斑快速检测系统及方法 | |
CN103136750B (zh) | 双目视觉系统的立体匹配优化方法 | |
CN112258521B (zh) | 基于单张椭圆成像射线照片的管道焊缝三维重建方法 | |
CN111862193A (zh) | 一种基于形状描述子的电焊焊点双目视觉定位方法及装置 | |
Gilabert et al. | Three dimensional visualisation and reconstruction of the luminosity distribution of a flame using digital imaging techniques | |
CN105927996B (zh) | 基于图像三维重建的智能吹灰方法及系统 | |
CN205783000U (zh) | 智能吹灰装置 | |
Ng et al. | Acquisition of 3D surface temperature distribution of a car body | |
CN105378573A (zh) | 信息处理装置、检查范围的计算方法以及程序 | |
CN103413170B (zh) | 用于点钞机纸币边缘的实时定位方法 | |
Johnson et al. | Prediction of combustion phasing using deep convolutional neural networks | |
Lu et al. | Binocular stereo vision based on OpenCV | |
CN106918313B (zh) | 一种碟式Stirling太阳能聚光镜面质量检测方法 | |
Son et al. | Automated 3D model reconstruction to support energy-efficiency | |
CN109598791A (zh) | 一种高炉料面成像三维模型重建方法及系统 | |
CN108566545A (zh) | 通过移动终端和球幕相机对大场景进行三维建模的方法 | |
CN109934837A (zh) | 一种3d植物叶片轮廓的提取方法、装置及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161012 |