CN107231521A - 一种仪表读数识别用相机自动定位方法 - Google Patents
一种仪表读数识别用相机自动定位方法 Download PDFInfo
- Publication number
- CN107231521A CN107231521A CN201710298064.8A CN201710298064A CN107231521A CN 107231521 A CN107231521 A CN 107231521A CN 201710298064 A CN201710298064 A CN 201710298064A CN 107231521 A CN107231521 A CN 107231521A
- Authority
- CN
- China
- Prior art keywords
- background
- image
- camera
- present image
- profile
- 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/67—Focus control based on electronic image sensor signals
-
- 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
- G06V10/443—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 by matching or filtering
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明属于仪表检测技术领域,具体涉及一种仪表读数识别用相机自动定位方法,包括以下步骤:1)、背景图获取存储;2)、处理当前图像;3)、当前图像和背景图像的通过连通区域轮廓匹配;4)、根据匹配结果控制相机自动定位。本发明通过采用当前图像和背景图像的匹配比较实现相机的自动定位调整,方便快捷,准确度高;在当前图像和背景图像的匹配时采用了相应的轮廓匹配方法,提高了图像匹配的速度;再者,针对影响匹配结果的异常因素仪表盘通电异常和相机曝光异常,也提供了图像匹配处理办法,进一步提高了匹配的准确性,可以进一步实现相机自动定位的精准性。
Description
技术领域
本发明属于仪表检测技术领域,具体涉及一种仪表读数识别用相机自动定位方法。
背景技术
随着近年来经济的飞速发展,我国目前已经成为汽车大国,每年的汽车销量逐步递增。在汽车的零部件出厂用于整体集成安装之前,必须对它们进行全面的仔细的测试,否则就会留下安全隐患。
利用自动化系统对汽车仪表的性能进行检测,是提高汽车行业相关企业工作效率,降低成本,提高利润的关键手段。汽车仪表的性能进行检测用的自动化系统包括相机,检测结果的准确性受仪表自身状态的稳定性以及相机位置角度焦距等影响,实现相机位置和视野范围的自动调节定位对提高仪表的自动化检测效率具有重要的作用。
发明内容
本发明针对仪表的自动化检测的需求,提供一种仪表读数识别用相机自动定位方法。
本发明采用的技术方案如下:
一种仪表读数识别用相机自动定位方法,其特征在于,包括以下步骤:
1)、将相机视野、焦距调整到仪表前方正确的位置拍摄仪表图像,将拍摄到的图像进行处理,得到用于后续形状匹配和位置定位的背景图存储;
在刻度读数检测之前,需要提前将摄像机视野、焦距调整到正确的位置,然后拍摄图片,作为背景图存储下来,用于后期进行形状匹配和位置定位;
由于仪表在实际工作过程中,会呈现出各种不同的内容,不利于后期的形状分析和位置匹配;因此采用如下的方法,提取稳定的背景内容,作为背景;
拍摄背景图像过程中,需要保证曝光时间的正确,以及视野位置和尺寸的正确性;具体背景图像获得过程如下:
11)、确定仪表使用过程中会发生变动的参数;
经常发生变动的参数,一般包括:圆形刻度表指针的角度、燃油表刻度数目、水温表刻度数目;
12)、依次改变各种参数,每变动一次,拍摄一副图像;
13)、对所有的图像进行逐像素分析,记录每个像素位置,在所有图像中,最低的亮度值,得到背景图;
14)、对背景图进行二值化;
二值化阈值的确定方法:同时设定多个候选阈值,直接比较这些阈值对应的二值化结果;然后由人工来挑选最合适的二值化结果对应的二值化阈值;
提取连通域的轮廓;
15)、计算轮廓的外接矩形,并且按照矩形面积进行排序,将每一个轮廓存储下来;
2)、处理当前图像:将当前图像进行二值化,对当前图像连通域分析提取获得当前图像的连通区域轮廓;
对当前图像进行二值化,并且进行连通域分析和轮廓提取;
在得到所有的连通域及其轮廓之后,就需要对当前图的所有轮廓进行定位,以确定其在背景图中的位置,从而实现相机定位;
3)、当前图像和背景图像的通过连通区域轮廓进行匹配;
4)、根据匹配结果控制相机自动定位,具体包括:
a)、以当前图像中圆形刻度盘中心坐标与背景图刻度盘中心坐标完全匹配为标准进行相机的上下左右位置的调整;
b)、以前图像中圆形刻度盘的半径与背景图刻度盘半径完全匹配为标准进行相机的视野的调整;
c)、以当前图像中圆形刻度盘的底部直线的角度与背景图刻度盘底部直线的角度完全匹配为标准进行相机的角度的调整;
d)、以当前图像中的圆形刻度盘的边界过渡区间宽度为依据来对相机焦距的自动调整,过渡区间宽度大于5个像素,则需要调整相机焦距,直到区间宽度小于5个像素为止。
进一步的,所述当前图像和背景图像的匹配是通过当前图像和背景图像的轮廓匹配实现的,采用如下的策略,提高轮廓匹配的速度:
a)、根据轮廓对应的外界矩形的面积,对当前图像中的所有轮廓进行排序;
b)、找到最大面积矩形对应轮廓的外轮廓,将轮廓点序列中的直线段部分分离出来;如果直线段长度小于10个像素,匹配失败;比较直线段的长度与背景图中直线段长度之差;差值超过20个像素,则匹配失败;比较直线段方向与背景图直线段方向之差,差值超过20度,匹配失败;
c)、将轮廓点序列剩下的点拟合成圆形,与背景图中的圆盘外轮廓圆形半径进行比较;如果半径相差大于10个像素,则匹配失败;
d)、旋转当前图像,使得中心圆盘的角度与背景图一致;
e)、缩放当前图像,使得中心圆盘半径与背景图一致;
f)、在旋转和缩放之后的图像中,重新提取轮廓;
g)、遍历背景图的每一条轮廓,在当前图中对应位置,验证轮廓匹配度;
h)、全图匹配的轮廓数目超过20条,匹配成功;
系统在使用之前,需要调整相机的位置,保证视野能够将基本的检测要素囊括在视野范围之内,并且需要保证当前画面内容和大小与背景图比较接近;人工调整相机需要耗费很长的时间,降低了工作效率;通常情形下,相机拍摄的图像中,边缘部分的亮度从最亮到最暗,并不是规则的阶跃模型,而是存在一定的过渡区间和缓慢变化的过程;相机焦距调节得越精准,这个过渡区间的宽度越小;而当相机焦距不准确时,这个过渡区间的宽度将迅速变大;本发明以图像中的圆形刻度盘的边界过渡宽度为依据来实现对相机焦距的自动调整;具体过程如下:
●提取圆形刻度盘上轮廓点;
●计算每个轮廓点位置的梯度方向;
●沿着梯度方向,以轮廓点为中心提取长度为11的亮度曲线;
●对该亮度曲线,利用反正切曲线进行拟合;
●计算亮度曲线上从最亮到最暗的过渡区间的长度;
●过渡区间长度大于5个像素,则需要调整相机焦距,直到区间长度小于5个像素为止;
进一步的,在使用系统的过程中,由于柜门是关闭的,很可能没有给仪表供电,或者供电停止了;此时算法将无法得出正确的结果;为了降低错误排查的时间,提高匹配的准确性,需要对仪表通电情况进行检测,本发明还公开了通过当前图像和背景图的匹配比较进行仪表通电检测的方法,具体如下:
●利用背景图像二值化阈值,对当前图进行二值化操作;
●对当前图进行连通域检测;
●针对当前图所有连通域,都找到其在背景图中的位置;
●匹配正确的连通域数目小于10,预警提醒;
●提取当前图像的亮度直方图,以及背景图的亮度直方图;
●对直方图进行匹配,计算总的匹配误差;
●匹配误差大于阈值300,则预警提醒;
进一步优化技术方案,相机的曝光时间,是系统需要设置的参数之一;相机曝光时间设置不对,包括两种情况:a)、曝光过度:相机曝光的默认时间,一般为400毫秒;如果该时间值设置的太大,则拍摄的图像很容易出现运动的指针出现运动模糊、变动的数字变成2个相邻字符的叠加无法识别、仪表上的暗区域变得高亮等现象,影响后期检测:b)、曝光曝光不足:曝光不足是指曝光时间过小,比如设置为100毫秒;此时拍摄的图像中,绝大部分的像素亮度不足,算法无法进行正常检测;为了降低排查错误所消耗的时间,本发明还提供了通过当前图像和背景图像在二值化阈值基础上的亮度直方图的比较进行相机曝光过度和不足进行检测的方法,具体包括以下步骤:
●获取背景图像的二值化阈值;
●针对背景图像,高于二值化阈值的像素上,提取直方图;
●针对当前图像,高于二值化阈值的像素上,提取直方图;
●将当前直方图,与背景直方图做对比,计算每个亮度级上的差异;
●设定每个亮度级上的差异阈值为50,如果差异数超过阈值的亮度级数目超过5个,则报警。
本发明通过采用当前图像和背景图像的匹配比较实现相机的自动定位调整,方便快捷,准确度高;在当前图像和背景图像的匹配时采用了相应的轮廓匹配方法,提高了图像匹配的速度;再者,针对影响匹配结果的异常因素仪表盘通电异常和相机曝光异常,也提供了图像匹配处理办法,进一步提高了匹配的准确性,可以进一步实现相机自动定位的精准性。
附图说明
图1为本发明流程图;
图2位本发明背景图存储流程图;
图3位本发明轮廓匹配流程图;
图4为本发明仪表通电检测判断图;
图5本发明相机异常检测流程图;
图6本发明相机焦距调整流程图。
具体实施方式
一种仪表读数识别用相机自动定位方法,其特征在于,包括以下步骤:
1)、将相机视野、焦距调整到仪表前方正确的位置拍摄仪表图像,将拍摄到的图像进行处理,得到用于后续形状匹配和位置定位的背景图存储;
在刻度读数检测、之前,需要提前将摄像机视野、焦距调整到正确的位置,然后拍摄图片,作为背景图存储下来,用于后期进行形状匹配和位置定位;
由于仪表在实际工作过程中,会呈现出各种不同的内容,不利于后期的形状分析和位置匹配;因此采用如下的方法,提取稳定的背景内容,作为背景;
拍摄背景图像过程中,需要保证曝光时间的正确,以及视野位置和尺寸的正确性;具体背景图像获得过程如下:
11)、确定仪表使用过程中会发生变动的参数;
经常发生变动的参数,一般包括:圆形刻度表指针的角度、燃油表刻度数目、水温表刻度数目;
12)、依次改变各种参数,每变动一次,拍摄一副图像;
13)、对所有的图像进行逐像素分析,记录每个像素位置,在所有图像中,最低的亮度值,得到背景图;
14)、对背景图进行二值化;
二值化阈值的确定方法:同时设定多个候选阈值,直接比较这些阈值对应的二值化结果;然后由人工来挑选最合适的二值化结果对应的二值化阈值;
提取连通域的轮廓;
15)、计算轮廓的外接矩形,并且按照矩形面积进行排序;
16)、将每一个轮廓存储下来;
2)、处理当前图像:将当前图像进行二值化,对当前图像连通域分析提取获得当前图像的连通区域轮廓;
对当前图像进行二值化,并且进行连通域分析和轮廓提取;
在得到所有的连通域及其轮廓之后,就需要对当前图的所有轮廓进行定位,以确定其在背景图中的位置,从而实现相机定位;
3)、当前图像和背景图像的通过连通区域轮廓进行匹配;
对当前图像进行二值化,并且进行连通域分析和轮廓提取;
在得到所有的连通域及其轮廓之后,就需要对当前图的所有轮廓进行定位,以确定其在背景图中的位置,从而实现相机定位;
采用如下的策略,提高轮廓匹配的速度:
a)、根据轮廓对应的外界矩形的面积,对当前图像中的所有轮廓进行排序;
b)、找到最大面积矩形对应轮廓的外轮廓,将轮廓点序列中的直线段部分分离出来;如果直线段长度小于10个像素,匹配失败;比较直线段的长度与背景图中直线段长度之差;差值超过20个像素,则匹配失败;比较直线段方向与背景图直线段方向之差,差值超过20度,匹配失败;
c)、将轮廓点序列剩下的点拟合成圆形,与背景图中的圆盘外轮廓圆形半径进行比较;如果半径相差大于10个像素,则匹配失败;
d、旋转当前图像,使得中心圆盘的角度与背景图一致;
e)、缩放当前图像,使得中心圆盘半径与背景图一致;
f)、在旋转和缩放之后的图像中,重新提取轮廓;
g)、遍历背景图的每一条轮廓,在当前图中对应位置,验证轮廓匹配度;
h)、全图匹配的轮廓数目超过20条,匹配成功;
4)、根据匹配结果控制相机自动定位,具体包括:
a)、以当前图像中圆形刻度盘中心坐标与背景图刻度盘中心坐标完全匹配为标准进行相机的上下左右位置的调整;
b)、以前图像中圆形刻度盘的半径与背景图刻度盘半径完全匹配为标准进行相机的视野的调整;
c)、以当前图像中圆形刻度盘的底部直线的角度与背景图刻度盘底部直线的角度完全匹配为标准进行相机的角度的调整;
d)、以当前图像中的圆形刻度盘的边界过渡区间宽度为依据来对相机焦距的自动调整,过渡区间宽度大于5个像素,则需要调整相机焦距,直到区间宽度小于5个像素为止。
所述的图像中的圆形刻度盘的边界的过渡宽度为依据来实现对相机焦距的自动调整过程如下:
系统在使用之前,需要调整相机的位置,保证视野能够将基本的检测要素囊括在视野范围之内,并且需要保证当前画面内容和大小与背景图比较接近;人工调整相机需要耗费很长的时间,降低了工作效率;
本专利以图像中的圆形刻度盘的边界的过渡宽度为依据来实现对相机焦距的自动调整;
通常情形下,相机拍摄的图像中,边缘部分的亮度从最亮到最暗,并不是规则的阶跃模型,而是存在一定的过渡区间和缓慢变化的过程;相机焦距调节得越精准,这个过渡区间的宽度越小;而当相机焦距不准确时,这个过渡区间的宽度将迅速变大;
边界过渡宽度的检测方法如下:
●提取圆形刻度盘上轮廓点;
●计算每个轮廓点位置的梯度方向;
●沿着梯度方向,以轮廓点为中心提取长度为11的亮度曲线;
●对该亮度曲线,利用反正切曲线进行拟合;
●计算亮度曲线上从最亮到最暗的过渡区间的长度;
●过渡区间长度大于5个像素,则需要调整相机焦距,直到区间长度小于5个像素为止;
在使用系统的过程中,由于柜门是关闭的,很可能没有给仪表供电,或者供电停止了;此时算法将无法得出正确的结果;为了降低错误排查的时间,需要进行仪表通电检测;
按照如下方法进行通电检测:
●利用背景图像二值化阈值,对当前图进行二值化操作;
●对当前图进行连通域检测;
●针对当前图所有连通域,都找到其在背景图中的位置;
●匹配正确的连通域数目小于10,预警提醒;
●提取当前图像的亮度直方图,以及背景图的亮度直方图;
●对直方图进行匹配,计算总的匹配误差;
●匹配误差大于阈值300,则预警提醒;
相机的曝光时间,是系统需要设置的参数之一;相机曝光时间设置不对,包括两种情况:a)、曝光过度:相机曝光的默认时间,一般为400毫秒;如果该时间值设置的太大,则拍摄的图像很容易出现运动的指针出现运动模糊、变动的数字变成2个相邻字符的叠加无法识别、仪表上的暗区域变得高亮等现象,影响后期检测;b)、曝光曝光不足:曝光不足是指曝光时间过小,比如设置为100毫秒;此时拍摄的图像中,绝大部分的像素亮度不足,算法无法进行正常检测;为了降低排查错误所消耗的时间,需要对相机曝光的正确性进行检测,方法如下:
●获取背景图像的二值化阈值;
●针对背景图像,高于二值化阈值的像素上,提取直方图;
●针对当前图像,高于二值化阈值的像素上,提取直方图;
●将当前直方图,与背景直方图做对比,计算每个亮度级上的差异;
●设定每个亮度级上的差异阈值为50,如果差异数超过阈值的亮度级数目超过5个,则报警;
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,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;凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种仪表读数识别用相机自动定位方法,通过相机实时拍摄的仪表当前图像和背景图像的匹配自动定位相机,其特征在于,包括以下步骤:
1)、背景图获取存储:将相机视野、焦距调整到仪表前方正确的位置拍摄仪表图像,将拍摄到的图像进行处理得背景图,对背景图进行二值化处理,提取连通区域轮廓并存储,得到用于后续形状匹配和位置定位的背景图连通区域轮廓;
2)、处理当前图像:将当前图像进行二值化,对当前图像连通域分析提取获得当前图像的连通区域轮廓;
3)、当前图像和背景图像的通过连通区域轮廓匹配;
4)、根据匹配结果控制相机自动定位,具体包括:
a)、以当前图像中圆形刻度盘中心坐标与背景图刻度盘中心坐标完全匹配为标准进行相机的上下左右位置的调整;
b)、以前图像中圆形刻度盘的半径与背景图刻度盘半径完全匹配为标准进行相机的视野的调整;
c)、以当前图像中圆形刻度盘的底部直线的角度与背景图刻度盘底部直线的角度完全匹配为标准进行相机的角度的调整;
d)、以当前图像中的圆形刻度盘的边界过渡区间宽度为依据来对相机焦距的自动调整,过渡区间宽度大于5个像素,则需要调整相机焦距,直到区间宽度小于5个像素为止。
2.根据权利要求1任一项所述的一种仪表读数识别用相机自动定位方法,其特征在于,所述背景图的获取存储过程如下:
a)、确定仪表使用过程中会发生变动的参数;
b)、依次改变各种参数,每变动一次,拍摄一副图像;
c)、对所有的图像进行逐像素分析,记录每个像素位置以及亮度,在所有图像中,将对应像素位置像素最低的亮度值作为背景图中该像素位置的亮度,得到背景图;
d)、对背景图进行二值化,并根据设定的二值化阈值提取连通域的轮廓;
e)、计算轮廓的外接矩形,并且按照矩形面积进行排序,将每一个轮廓存储下来。
3.根据权利要求1所述的一种仪表读数识别用相机自动定位方法,其特征在于,所述当前图像和背景图像的匹配是通过当前图像和背景图像的轮廓匹配实现的,其方法包括以下步骤:
a)、根据轮廓对应的外界矩形的面积,对当前图像中的所有轮廓进行排序;
b)、找到最大面积矩形对应轮廓的外轮廓,将轮廓点序列中的直线段部分分离出来,进行当前图像和背景图像中的直线部分轮廓匹配,包括直线部分长度和方向匹配比较;
c)、将轮廓点序列剩下的点拟合成圆形,将该圆形的半径与背景图中的圆盘外轮廓圆形半径进行匹配比较;
d)、旋转当前图像,使得当前图中心圆盘的角度与背景图一致;
e)、缩放当前图像,使得中心圆盘半径与背景图一致;
f)、针对旋转和缩放之后的当前图像,重新提取轮廓;
g)、遍历背景图的每一轮廓,在旋转和缩放之后的当前图像中对应位置,验证轮廓匹配度;
h)、全图匹配的轮廓数目超过20条,匹配成功。
4.根据权利要求1所述的一种仪表读数识别用相机自动定位方法,其特征在于,所述的当前图像中的圆形刻度盘的边界过渡区间宽度的检测方法如下:
a)、提取圆形刻度盘上轮廓点;
b)、计算每个轮廓点位置的梯度方向;
c)、沿着梯度方向,以轮廓点为中心提取亮度曲线;
d)、对该亮度曲线,利用反正切曲线进行拟合;
e)、计算亮度曲线上从最亮到最暗的过渡区间的长度。
5.根据权利要求1-4任一项所述的一种仪表读数识别用相机自动定位方法,其特征在于,所述当前图像和背景图像的通过连通区域轮廓进行匹配还包括用于检测仪表通电异常的当前图像和背景图像匹配比较过程,具体如下:
a)、利用背景图像二值化阈值,对当前图进行二值化操作;
b)、对当前图进行连通域检测;
c)、针对当前图所有连通域,找到其在背景图中的位置;
d)、匹配正确的连通域数目小于10,预警提醒;
e)、提取当前图像的亮度直方图,以及背景图的亮度直方图;
f)、对直方图进行匹配,计算总的匹配误差;
g)、匹配误差大于阈值300,则预警提醒。
6.根据权利要求5所述的一种仪表读数识别用相机自动定位方法,其特征在于,所述当前图像和背景图像的通过连通区域轮廓进行匹配还包括用于检测仪表相机曝光异常的当前图像和背景图像匹配比较,具体如下:
a)、获取背景图像的二值化阈值;
b)、针对背景图像,高于二值化阈值的像素上,提取直方图得背景图像直方图;
c)、针对当前图像,高于二值化阈值的像素上,提取直方图地当前图像直方图;
d)、将当前图像直方图与背景图像直方图做对比,计算每个亮度级上的差异;
e)、设定每个亮度级上的差异阈值为50,如果差异数超过阈值的亮度级数目超过5个,则报警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710298064.8A CN107231521B (zh) | 2017-04-29 | 2017-04-29 | 一种仪表读数识别用相机自动定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710298064.8A CN107231521B (zh) | 2017-04-29 | 2017-04-29 | 一种仪表读数识别用相机自动定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107231521A true CN107231521A (zh) | 2017-10-03 |
CN107231521B CN107231521B (zh) | 2019-07-19 |
Family
ID=59933100
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710298064.8A Active CN107231521B (zh) | 2017-04-29 | 2017-04-29 | 一种仪表读数识别用相机自动定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107231521B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109709843A (zh) * | 2018-12-13 | 2019-05-03 | 西安电子科技大学 | 一种列车注水口检测定位方法 |
CN109991215A (zh) * | 2019-03-08 | 2019-07-09 | 深圳市象形字科技股份有限公司 | 一种用于尿液检测仪的异常情形预警方法 |
CN111193860A (zh) * | 2019-09-09 | 2020-05-22 | 浙江国自机器人技术有限公司 | 巡检机器人工作点位的一框标定方法 |
CN111950553A (zh) * | 2020-08-17 | 2020-11-17 | 广东电科院能源技术有限责任公司 | 一种指针式仪表自动对准方法及装置 |
CN112700440A (zh) * | 2021-01-18 | 2021-04-23 | 上海闻泰信息技术有限公司 | 物体缺陷检测方法、装置、计算机设备及存储介质 |
CN113761970A (zh) * | 2020-06-02 | 2021-12-07 | 苏州科瓴精密机械科技有限公司 | 基于图像识别工作位置的方法、系统,机器人及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5991409A (en) * | 1993-12-21 | 1999-11-23 | Francotyp-Postalia Ag & Co. | Method and arrangement for generating and checking a security imprint |
US20010055425A1 (en) * | 2000-02-01 | 2001-12-27 | Ming-Yee Chiu | Method and apparatus for monitoring an analog meter |
CN102521560A (zh) * | 2011-11-14 | 2012-06-27 | 上海交通大学 | 高鲁棒仪表指针图像识别方法 |
CN103528617A (zh) * | 2013-09-27 | 2014-01-22 | 中国人民解放军空军工程大学 | 一种座舱仪表自动识别和检测方法及装置 |
US8786706B2 (en) * | 2011-08-31 | 2014-07-22 | Next Future, LLC | Analog utility meter reading |
CN105262994A (zh) * | 2015-10-14 | 2016-01-20 | 南京第五十五所技术开发有限公司 | 一种基于智能轨道摄像机的仪表识别装置和方法 |
CN105303168A (zh) * | 2015-10-14 | 2016-02-03 | 南京第五十五所技术开发有限公司 | 一种多视角的指针式仪表识别方法和装置 |
CN106339707A (zh) * | 2016-08-19 | 2017-01-18 | 亿嘉和科技股份有限公司 | 一种基于对称性特征的仪表指针图像识别方法 |
-
2017
- 2017-04-29 CN CN201710298064.8A patent/CN107231521B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5991409A (en) * | 1993-12-21 | 1999-11-23 | Francotyp-Postalia Ag & Co. | Method and arrangement for generating and checking a security imprint |
US20010055425A1 (en) * | 2000-02-01 | 2001-12-27 | Ming-Yee Chiu | Method and apparatus for monitoring an analog meter |
US8786706B2 (en) * | 2011-08-31 | 2014-07-22 | Next Future, LLC | Analog utility meter reading |
CN102521560A (zh) * | 2011-11-14 | 2012-06-27 | 上海交通大学 | 高鲁棒仪表指针图像识别方法 |
CN103528617A (zh) * | 2013-09-27 | 2014-01-22 | 中国人民解放军空军工程大学 | 一种座舱仪表自动识别和检测方法及装置 |
CN105262994A (zh) * | 2015-10-14 | 2016-01-20 | 南京第五十五所技术开发有限公司 | 一种基于智能轨道摄像机的仪表识别装置和方法 |
CN105303168A (zh) * | 2015-10-14 | 2016-02-03 | 南京第五十五所技术开发有限公司 | 一种多视角的指针式仪表识别方法和装置 |
CN106339707A (zh) * | 2016-08-19 | 2017-01-18 | 亿嘉和科技股份有限公司 | 一种基于对称性特征的仪表指针图像识别方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109709843A (zh) * | 2018-12-13 | 2019-05-03 | 西安电子科技大学 | 一种列车注水口检测定位方法 |
CN109991215A (zh) * | 2019-03-08 | 2019-07-09 | 深圳市象形字科技股份有限公司 | 一种用于尿液检测仪的异常情形预警方法 |
CN109991215B (zh) * | 2019-03-08 | 2021-09-24 | 深圳市象形字科技股份有限公司 | 一种用于尿液检测仪的异常情形预警方法 |
CN111193860A (zh) * | 2019-09-09 | 2020-05-22 | 浙江国自机器人技术有限公司 | 巡检机器人工作点位的一框标定方法 |
CN111193860B (zh) * | 2019-09-09 | 2021-05-11 | 浙江国自机器人技术有限公司 | 巡检机器人工作点位的一框标定方法 |
CN113761970A (zh) * | 2020-06-02 | 2021-12-07 | 苏州科瓴精密机械科技有限公司 | 基于图像识别工作位置的方法、系统,机器人及存储介质 |
CN113761970B (zh) * | 2020-06-02 | 2023-12-26 | 苏州科瓴精密机械科技有限公司 | 基于图像识别工作位置的方法、系统,机器人及存储介质 |
CN111950553A (zh) * | 2020-08-17 | 2020-11-17 | 广东电科院能源技术有限责任公司 | 一种指针式仪表自动对准方法及装置 |
CN112700440A (zh) * | 2021-01-18 | 2021-04-23 | 上海闻泰信息技术有限公司 | 物体缺陷检测方法、装置、计算机设备及存储介质 |
CN112700440B (zh) * | 2021-01-18 | 2022-11-04 | 上海闻泰信息技术有限公司 | 物体缺陷检测方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN107231521B (zh) | 2019-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107231521A (zh) | 一种仪表读数识别用相机自动定位方法 | |
US10032088B2 (en) | Method and system for classifying painted road markings in an automotive driver-vehicle-assistance device | |
US9053537B2 (en) | Classifier for use in generating a diffuse image | |
US8483480B2 (en) | Method and system for factoring an illumination image | |
US9396411B2 (en) | Method and system for generating intrinsic images using a single reflectance technique | |
US20190019049A1 (en) | Character/graphics recognition device, character/graphics recognition method, and character/graphics recognition program | |
CN108629378A (zh) | 图像识别方法和设备 | |
US20160314361A1 (en) | Method and system for classifying painted road markings in an automotive driver-vehicle-asistance device | |
JP2018152081A (ja) | 取得された画像内のクラッタを決定するためのシステム及び方法 | |
CN104574312A (zh) | 标靶图像求圆心的方法和装置 | |
US11113490B2 (en) | System and method for evaluating symbols | |
CN108510477A (zh) | 试纸色块的定位方法及装置 | |
KR20130090615A (ko) | 이미지 자동 보정을 위한 구도 기반 노출 측정 방법 및 장치 | |
CN116030453A (zh) | 一种数字电气表计的识别方法、装置及设备 | |
US9361527B1 (en) | Method and system for classifying painted road markings in an automotive driver vehicle-assistance device | |
US9754155B2 (en) | Method and system for generating intrinsic images using a single reflectance technique | |
CN111161251B (zh) | 一种人脸图像清晰度的计算方法和装置 | |
CN108830174A (zh) | 虹膜图像全局增强方法、装置、设备及存储介质 | |
CN109658452B (zh) | 一种轨距检测方法及装置 | |
JP2014232971A (ja) | 画像処理装置、画像処理方法、及びプログラム | |
CN113920068A (zh) | 一种基于人工智能的身体部位检测方法、装置及电子设备 | |
KR102257998B1 (ko) | 세포 계수 장치 및 방법 | |
JP2015501968A (ja) | 固有画像の生成を改良するための後処理 | |
CN113155247A (zh) | 物体称重方法、状态评估方法、称重系统及状态评估系统 | |
CN110766671A (zh) | 一种基于机器视觉软件的图像处理方法 |
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 | ||
CP02 | Change in the address of a patent holder | ||
CP02 | Change in the address of a patent holder |
Address after: 230000 Yafu Park, Juchao Economic Development Zone, Chaohu City, Hefei City, Anhui Province Patentee after: ANHUI HUISHI JINTONG TECHNOLOGY Co.,Ltd. Address before: 102, room 602, C District, Hefei National University, Mount Huangshan Road, 230000 Hefei Road, Anhui, China Patentee before: ANHUI HUISHI JINTONG TECHNOLOGY Co.,Ltd. |