CN109931229B - 用于风力发电机组的涡激振动的监测方法和设备 - Google Patents
用于风力发电机组的涡激振动的监测方法和设备 Download PDFInfo
- Publication number
- CN109931229B CN109931229B CN201711364848.2A CN201711364848A CN109931229B CN 109931229 B CN109931229 B CN 109931229B CN 201711364848 A CN201711364848 A CN 201711364848A CN 109931229 B CN109931229 B CN 109931229B
- Authority
- CN
- China
- Prior art keywords
- data
- image
- edge
- marker
- image data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000012544 monitoring process Methods 0.000 title claims abstract description 51
- 238000006073 displacement reaction Methods 0.000 claims abstract description 90
- 239000003550 marker Substances 0.000 claims abstract description 59
- 238000012545 processing Methods 0.000 claims description 36
- 238000003708 edge detection Methods 0.000 claims description 35
- 230000001629 suppression Effects 0.000 claims description 28
- 238000001914 filtration Methods 0.000 claims description 22
- 238000012806 monitoring device Methods 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 238000001454 recorded image Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 7
- 239000013598 vector Substances 0.000 description 5
- 230000000452 restraining effect Effects 0.000 description 4
- 230000002401 inhibitory effect Effects 0.000 description 3
- 230000002146 bilateral effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000005764 inhibitory process Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 125000004432 carbon atom Chemical group C* 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2270/00—Control
- F05B2270/30—Control parameters, e.g. input parameters
- F05B2270/334—Vibration measurements
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2270/00—Control
- F05B2270/80—Devices generating input signals, e.g. transducers, sensors, cameras or strain gauges
- F05B2270/804—Optical devices
- F05B2270/8041—Cameras
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种用于风力发电机组的涡激振动的监测方法和设备,所述监测方法包括以下步骤:采集风力发电机的塔筒的图像数据;从图像数据识别设置在塔筒预定位置处的标记的图像,并对识别的标记的图像进行追踪以获取标记的位移数据;根据标记的位移数据对涡激振动进行监测。本发明实现了对风力发电机组的涡激振动的监测,有效避免了经济损失和安全事故发生,提高了风力发电机组吊装的效率。
Description
技术领域
本发明涉及风电技术领域,具体地讲,涉及一种用于风力发电机组的涡激振动的监测方法和设备。
背景技术
风电技术现在已经成为全球日益增长的清洁电力市场的主要贡献。风力发电机在吊装过程中会出现很多严重的问题,涡激振动则是其中问题之一。涡激振动的发生会导致机组吊装时间的延长因而造成经济损失,并且涡激振动的发生也可能会造成安全事故发生。
现有技术中,对于涡激振动的抑制装置的开发,比较突出和广泛使用的是扰流装置,扰流装置的核心功能部件为扰流块或者扰流条,扰流块或者扰流条通过自身的几何特征依附在塔筒表面,有效的控制涡流的分离位置,从而达到将整个原始的规律流场破坏的效果。根据现有的塔架吊装工艺,在吊装过程中需要对其上1/3的位置缠绕扰流条,根据现有技术的限制,目前没有较好的方法可以对涡激振动进行监测,也无法对抑制涡激振动的装置进行效果监测。
发明内容
本发明提供了一种用于风力发电机组的涡激振动的监测方法和设备,通过采集风力发电机的塔筒位置的图像数据以及对图像数据进行处理,实现对涡激振动的监测。
本发明的一方面提供了一种用于风力发电机组的涡激振动的监测方法,所述监测方法包括以下步骤:获取风力发电机的塔筒的图像数据;从图像数据识别设置在塔筒预定位置处的标记的图像,并对识别的标记的图像进行追踪以获取标记的位移数据;根据标记的位移数据对涡激振动进行监测。
优选地,所述从图像数据识别设置在塔筒预定位置处的标记的图像,并对识别的标记的图像进行追踪以获取标记的位移数据的步骤包括:通过对采集的图像数据进行模板匹配处理来识别标记的敏感区图像;通过对识别的敏感区图像进行边缘检测处理来获取标记的边缘轮廓数据;基于标记的边缘轮廓数据来计算标记的位移数据。
优选地,所述通过对采集的图像数据进行模板匹配处理来识别标记的敏感区图像的步骤包括:读取一定时间长度内的每一帧图像数据;将标记的模板分别叠放在所述每一帧图像数据上进行模板匹配;通过相关系数匹配法判断模板匹配程度,并根据模板匹配程度来识别敏感区图像。
优选地,所述通过对识别的敏感区图像进行边缘检测处理来获取标记的边缘轮廓数据的步骤包括:对识别的敏感区图像进行滤波处理;求取滤波处理后的敏感区图像的梯度,并根据求取的梯度进行非极大值抑制来对敏感区图像进行边缘增强;通过阈值算法对边缘增强后的敏感区图像进行边缘检测以获取标记的边缘轮廓数据。
优选地,所述基于标记的边缘轮廓数据来计算标记的位移数据的步骤包括:将标记的边缘轮廓数据放入坐标系中,读取边缘轮廓的像素点的像素值,在像素值非零时读取下一行像素点的像素值,由此得到标记的边缘坐标;对标记的边缘坐标求取坐标平均值并记录坐标平均值的纵坐标数据,对记录的每一帧图像数据的所述纵坐标数据进行差值计算得出标记的边缘坐标的位移数据。
优选地,如上述任意一个所述的监测方法,其特征在于,所述图像数据包括对呈90度夹角的两处标记进行拍摄获取的两组图像数据,所述图像数据通过呈90度夹角放置的两个图像采集器采集获取。
优选地,所述基于标记的边缘轮廓数据来计算标记的位移数据的步骤还包括:将得出的两个左侧或右侧边缘坐标的位移数据进行合位移计算求取标记的位移数据。
优选地,所述监测方法还包括:根据标记的位移数据和采集图像数据时的风速数据确定发生涡激振动的风速条件。
优选地,所述监测方法还包括:根据标记的位移数据和采集图像数据时的风速数据判断增设有抑制装置的风力发电机是否发生涡激振动,并对抑制装置进行性能评估。
本发明的另一方面提供了一种用于风力发电机组的涡激振动的监测设备,所述监测设备包括:数据采集模块,被配置用于获取风力发电机的塔筒的图像数据;数据处理模块,被配置用于从图像数据识别设置在塔筒预定位置处的标记的图像,并对识别的标记的图像进行追踪以获取标记的位移数据;涡激振动监测模块,被配置用于根据标记的位移数据对涡激振动进行监测。
优选地,所述数据处理模块包括:模板匹配单元,通过对采集的图像数据进行模板匹配处理来识别标记的敏感区图像;边缘检测单元,通过对识别的敏感区图像进行边缘检测处理来获取标记的边缘轮廓数据;位移求取单元,基于标记的边缘轮廓数据来计算标记的位移数据。
优选地,所述模板匹配单元被配置为:读取一定时间长度内的每一帧图像数据;将标记的模板分别叠放在所述每一帧图像数据上进行模板匹配;通过相关系数匹配法判断模板匹配程度,并根据模板匹配程度来识别敏感区图像。
优选地,所述边缘检测单元被配置为:对识别的敏感区图像进行滤波处理;求取滤波处理后的敏感区图像的梯度,并根据求取的梯度进行非极大值抑制来对敏感区图像进行边缘增强;通过阈值算法对边缘增强后的敏感区图像进行边缘检测以获取标记的边缘轮廓数据。
优选地,所述位移求取单元被配置为:将标记的边缘轮廓数据放入坐标系中,读取边缘轮廓的像素点的像素值,在像素值非零时读取下一行像素点的像素值,由此得到标记的边缘坐标;对标记的边缘坐标求取坐标平均值并记录坐标平均值的纵坐标数据,对记录的每一帧图像数据的所述纵坐标数据进行差值计算得出标记的边缘坐标的位移数据。
优选地,所述图像数据包括对呈90度夹角的两处标记进行拍摄获取的两组图像数据,所述图像数据通过呈90度夹角放置的两个图像采集器采集获取。
优选地,所述位移求取单元还被配置为:将得出的两个左侧或右侧边缘坐标的位移数据进行合位移计算求取标记的位移数据。
优选地,所述监测设备还包括:评估模块,被配置用于根据标记的位移数据和采集图像数据时的风速数据确定发生涡激振动的风速条件以及根据标记的位移数据和采集图像数据时的风速数据判断增设有抑制装置的风力发电机是否发生涡激振动,并对抑制装置进行性能评估。
本发明的另一方面还提供了一种用于风力发电机组的涡激振动的监测系统,所述监测系统包括如上所述的用于风力发电机组的涡激振动的监测设备和采集设备,其中,采集设备包括图像采集器和保护装置。
优选地,所述保护装置呈梯形对图像采集器进行三面保护。
本发明的另一方面提供了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器运行时,处理器执行如上所述用于风力发电机组的涡激振动的监测方法。
本发明的另一方面提供了一种计算机设备,包括处理器和存储计算机程序的存储器,所述计算机程序被处理器运行时,处理器执行如上所述用于风力发电机组的涡激振动的监测方法。
在本发明中,通过图像监测的方式和对图像数据进行模板匹配处理和边缘检测处理,实现了对风力发电机组的涡激振动的监测,使风力发电机组在进行吊装时,通过更改风力发电机组的吊装时间或者增设相应的抑制装置避免涡激振动的发生,有效的避免了经济损失和安全事故发生,提高了风力发电机组吊装的效率。
附图说明
通过以下结合附图进行的描述,本发明的示例性实施例的以上和其他方面、特点和优点将会更加清楚,在附图中:
图1示出根据本发明的实施例的用于风力发电机组的涡激振动的监测方法的流程图;
图2示出根据本发明的示例性的实施例的图像采集器的安装方式的示意图;
图3示出根据本发明的实施例的对采集的图像数据进行数据处理的流程图;
图4示出根据本发明的示例性的实施例的计算标记1的坐标数据的流程图;
图5示出根据本发明的实施例的用于风力发电机组的涡激振动的监测设备的框图;
图6示出根据本发明的实施例的数据处理装置的框图;
图7是示出根据本发明的实施例的用于风力发电机组的涡激振动的监测系统的框图;
图8示出根据本发明的示例性的实施例的保护装置的示意图。
在附图中,相同的标号将被理解为表示相同的元件、特征和结构。
具体实施方式
提供以下参照附图的描述以帮助全面理解由权利要求及其等同物限定的本发明的示例性实施例。以下参照附图的描述包括各种特定细节以帮助理解,但是所述特定细节将仅被视为示例性的。因此,本领域普通技术人员将意识到,在不脱离本发明的范围和精神的情况下,可对这里描述的实施例进行各种改变和修改。此外,为了清晰和简要,可省略公知功能和结构的描述。
图1是示出根据本发明的实施例的用于风力发电机组的涡激振动的监测方法的流程图。
如图1所示,首先,在步骤S100,采集风力发电机的塔筒的图像数据。具体地,在距离风力发电机一定距离处部署图像采集器,例如相机,对风力发电机的塔筒进行拍摄。拍摄所得的图像数据包括对呈90度夹角的两处标记进行拍摄获取的两组图像数据,拍摄所得的图像数据通过呈90度夹角放置的两个图像采集器采集获取。根据本发明的实施例,可预先在风力发电机的最后一节塔筒位置的四个方向上各刷一个红色矩形标记,选择这四个红色矩形标记中的任意两个相邻的红色矩形标记1和2进行拍摄,且标记1和标记2呈90度夹角。例如,如图2中所示的图像采集器的安装方式,在距离风力发电机200米处位置分别部署与标记1和标记2相对应的两台相机,则这两台相机呈90度夹角放置且各自拍摄对应标记位置的塔筒的图像。应理解,上述将相机作为图像采集器仅是示例性举例,本发明可采用的图像采集器不限于此。另外,标记的形状、颜色也仅是示例性举例,可采用其它形状和/或颜色的标记。
接下来,在步骤S200,从图像数据识别设置在塔筒预定位置处的标记的图像,并对识别的标记的图像进行追踪以获取标记的位移数据。具体地,对采集的图像数据进行模板匹配处理来识别标记的敏感区图像,然后,对识别的敏感区图像进行边缘检测处理以获取标记的边缘轮廓数据,并基于标记的边缘轮廓数据来计算标记的位移数据。下面将参照图3来详细说明根据本发明实施例的从图像数据识别设置在塔筒预定位置处的标记的图像,并对识别的标记的图像进行追踪以获取标记的位移数据的步骤。
图3是示出根据本发明的实施例的对采集的图像数据进行数据处理的流程图。
由图3可知,在步骤S201,通过对采集的图像数据进行模板匹配处理来识别标记的敏感区图像。具体地,读取一定时间长度内的每一帧图像数据,然后,将标记的模板分别叠放在每一帧图像数据上进行模板匹配,并通过相关系数匹配法判断模板匹配程度,根据模板匹配程度来识别敏感区图像。其中,读取一定时间长度内的图像数据可通过离线方式和/或在线方式进行读取。模板匹配就是把不同传感器或同一传感器在不同时间、不同成像条件下对同一景物进行采集获取的两幅或多幅图像在空间上对准,或者根据已知模式到另一幅图中寻找相应模式的处理方法。简而言之,模板匹配就是在一幅大图像中搜寻目标,已知该图中有要找的目标,且该目标同模板有相同的尺寸、方向和图像,通过一定的算法可以在图中找到目标,确定其坐标位置。根据上述举例,分别读取采集的标记1和标记2的一定时间长度内的每一帧视频图像数据。以采集的标记1的图像数据为例,通过在线方式读取标记1的图像数据并选取该图像数据在t1-t2时间长度内的每一帧图像数据得到一系列的图像Sh,其中,h为大于0的正整数,h表示标记1的图像数据在t1-t2时间内的帧数。例如,h等于100,则表示在t1-t2时间长度内的读取标记1的图像数据得到100个图像数据。然后,将标记的模板分别叠放在图像Sh上进行模板匹配。假设标记的模板为模板T(m×n个像素),截取的图像Sh即是模板匹配处理的被搜索图,任意选取一张截取的图像Sh(W×H个像素)作为被搜索图,将模板T叠放在Sh上进行平移,模板覆盖被搜索图的区域子图为Zij,其中,i、j为区域子图Zij左上角在被搜索图上的坐标,由此可知,模板匹配的搜索范围是1≤i≤W-m,1≤j≤H-n,通过比较T和Zij的相似性,完成模板匹配过程。最后,采用相关系数匹配法对模板匹配程度进行衡量。相关系数(r)是一种数学距离,可以用来衡量两个向量的相似程度,它起源于余弦定理cos(A)=b2+c2-a2/2bc,如果两个向量的夹角为0度(对应r=1),说明它们完全相似,如果夹角为90度(r=0),则它们完全不相似,如果夹角为180度(r=-1),则它们完全相反。把余弦定理写成向量的形式为:
cos(A)=<b,c)/(|b|*|c|)
即:
其中,分子表示两个向量的乘积,分母表示两个向量的模相乘。根据上式得出相关系数的求取公式如下:
上式中,表示xj的平均值,表示yi的平均值。如果r=1,则模板T和区域子图Zij匹配结果完全相似,如果r=0,则模板T和区域子图Zij匹配结果完全不相似,由此判断出标记1的大致区域作为识别的敏感区图像。分别对上述截取得到的h个图像进行模板匹配处理,得出h个敏感区图像。模板匹配程度的算法还包括平方差匹配法、相关匹配法、相关系数匹配法和归一化匹配法等,应理解,上述相关系数法仅是示例性举例,本发明可采用的模板匹配程度的算法不限于此。
在步骤S202,通过对识别的敏感区图像进行边缘检测处理来获取标记的边缘轮廓数据。具体地,对识别的敏感区图像进行滤波处理,求取滤波处理后的敏感区图像的梯度,并根据求取的梯度进行非极大值抑制来对敏感区图像进行边缘增强,然后,通过阈值算法对边缘增强后的敏感区图像进行边缘检测以获取标记的边缘轮廓数据。根据上述举例,任意选取一个敏感区图像c对其进行边缘检测处理。由于对图像进行边缘检测的算法主要是基于图像强度的一阶和二阶导数,且导数通常对噪声很敏感,因此需要采用滤波器来改善与噪声有关的边缘检测器的性能。常见的滤波方法主要有均值滤波法、中值滤波法、双边滤波法、高斯滤波法、维纳滤波法等。在本实施例中可采用高斯滤波法对敏感区图像c进行滤波处理,即采用离散化的高斯函数产生一组归一化的高斯核,然后基于高斯核函数对图像灰度矩阵的每一点进行加权求和。然后,通过计算梯度和非极大值抑制对滤波处理后的敏感区图像c进行边缘增强,其中,计算梯度的辐值和方向的公式如下:
上式中,Gx、Gy分别表示图像上不同像素位置的梯度大小。根据梯度方向近似到四个可能角度之一(一般为0度、45度、90度、135度),通过非极大值抑制寻找像素点最大值,即判断某点像素值在8值领域内是否为最大,将非最大值点对应的灰度值设置为0,这样就排除了非边缘像素点,实现了边缘增强。最后,通过阈值算法对边缘增强后的敏感区图像c进行边缘检测。边缘检测的方法有很多种,例如Canny边缘检测、Sobel边缘检测、Roberts边缘检测、Prewitt边缘检测、Log边缘检测等,其中,Canny算法采用滞后阈值,也就是双阈值法(高阈值和低阈值)。采用阈值算法进行边缘检测时,当某一像素点位置的幅值超过高阈值时,则保留该像素点为边缘像素点,当某一像素点位置的幅值小于低阈值时,则排除该像素点,当某一像素点位置的幅值在高阈值和低阈值之间时,则该像素点仅仅在连接到一个高于高阈值的像素时被保留,把保留的像素点进行连接直到整个轮廓边缘闭合。步骤S202分别对h个敏感区图像进行边缘检测处理后得出关于标记1的h个边缘轮廓数据。
在步骤S203,基于标记的边缘轮廓数据来计算标记的位移数据。具体地,将标记的边缘轮廓数据放入坐标系中,读取边缘轮廓的像素点的像素值,在像素值非零时读取下一行像素点的像素值,由此得到标记的边缘坐标,然后对标记的边缘坐标求取坐标平均值并记录坐标平均值的纵坐标数据,对记录的每一帧图像数据的所述纵坐标数据进行差值计算得出标记的边缘坐标的位移数据。根据上述举例,在步骤S202得到的h个边缘轮廓数据中任意选取一个边缘轮廓数据,读取该边缘轮廓的各个像素点的像素值,并记录像素值非零时读取下一行像素点的像素值得出标记1的边缘坐标。下面将参照图3来详细说明根据本发明实施例的基于获取的h个边缘轮廓数据来计算标记a的坐标数据。
图4是示出根据本发明的示例性的实施例的计算标记1的坐标数据的流程图。
由图4可知,在步骤S301中,读取第M行第N列像素点的像素值。假设任意选择标记1的一个边缘轮廓数据f并将其放入直角坐标系中,从边缘轮廓数据f的第1行第1列处的像素点x11开始,读取f中各个像素点xmn的像素值。在步骤S1中,判断像素值是否为零。当像素值非零时,执行步骤S302,当像素值为0时,执行步骤S304。在步骤S302中,记录第M行第N列像素点的坐标数据,假设边缘轮廓数据f的像素点x11的像素值非零,则记录下该像素点的坐标数据(x1、y1),然后,执行步骤S303。
在步骤S303中,读取第M+1行第N列像素点的像素值。例如,读取第2行第1列像素点x21的像素值,对像素值进行读取、判断。
在步骤S304中,读取第M行第N+1列像素点的像素值。例如,像素点x11的像素值为零,则读取像素点x12的像素值并判断。
重复执行上述读取、判断像素点的像素值和记录像素点的坐标数据的操作,记录像素值非零时的像素点的坐标数据,即得出标记a的边缘坐标数据。分别对步骤S202中得到的h个边缘轮廓数据进行上述计算,则得到h组标记a的边缘坐标数据。
返回图3,在骤S203中,根据得到的标记1的边缘坐标数据,提取标记1左侧边缘坐标数据或者右侧边缘坐标数据来计算坐标平均值,并记录下计算得到的坐标平均值的纵坐标数据。假设提取的标记1的左侧边缘坐标数据{(x1、y1)、(x1、y2)、(x1、y3)…(x1、yn)},得出坐标平均值为其中,根据得到的h组标记1的边缘坐标数据计算得到h个坐标平均值的纵坐标数据然后,对h个纵坐标数据进行差值计算,得出标记1的左侧边缘坐标的位移数据。
根据本发明的实施例,分别对步骤S100中采集的图像数据进行上述步骤S201到S203步骤的计算,得出的左侧或右侧边缘坐标的位移数据并将得出的左侧或右侧边缘坐标的位移数据进行合位移计算求取标记的位移数据。根据上述举例,分别对采集的标记1的图像数据和标记2的图像数据进行计算,假设求出的两个标记的左侧边缘坐标的位移数据为和则将位移数据和进行合位移计算求取标记的位移数据
返回图1,在步骤S300,根据标记的位移数据对涡激振动进行监测。根据本发明的实施例,具体地,根据标记的位移数据和采集图像数据时的风速数据确定发生涡激振动的风速条件,根据标记的位移数据和采集图像数据时的风速数据判断增设有抑制装置的风力发电机是否发生涡激振动,并对抑制装置进行性能评估。根据上述举例,假设该风力发电机没有采用涡激振动的抑制装置,则当标记的位移数据过大或者位移方向发生快速变化时,认为该风力发电机发生了涡激振动,再根据采集图像数据时的风速数据来确定发生涡激振动的风速条件。这样,在进行该风力发电机的吊装作业时,如果风速条件达到涡激振动的风速条件,则更改吊装作业的时间或者在该风速下加装相应的涡激振动的抑制装置进行吊装。假设该风力发电机增设有涡激振动的抑制装置,如果标记的位移数据过大或者位移方向发生快速变化,则该风力发电机增设的抑制装置的性能不佳,需要对抑制装置进行排检或者更换抑制装置。
图5是示出根据本发明的实施例的用于风力发电机组的涡激振动的监测设备的框图。
如图5所示,用于风力发电机组的涡激振动的监测设备400可包括数据采集模块401、数据处理模块402、涡激振动监测模块403和评估模块404。根据本发明的实施例,用于风力发电机的对涡激振动的监测设备400可通过各种计算装置(例如,计算机、服务器、工作站等)来实现。具体的讲,数据采集模块401被配置用于获取风力发电机的塔筒的图像数据,数据处理模块402被配置用于从图像数据识别设置在塔筒预定位置处的标记的图像,并对识别的标记的图像进行追踪以获取标记的位移数据,涡激振动监测模块403被配置用于根据标记的位移数据对涡激振动进行监测。评估模块404被配置用于根据标记的位移数据和采集图像数据时的风速数据确定发生涡激振动的风速条件。此外,评估模块404还根据标记的位移数据和采集图像数据时的风速数据判断增设有抑制装置的风力发电机是否发生涡激振动,并对抑制装置进行性能评估。
下面将参照图6来详细说明根据本发明实施例的数据处理模块402。
图6示出根据本发明的实施例的数据处理模块的框图。
如图6所示,数据处理模块402包括模板匹配单元501、边缘检测单元502和位移求取单元503。其中,模板匹配单元501通过对获取的图像数据进行模板匹配处理来识别标记的敏感区图像,边缘检测单元502根据模板匹配单元501识别出的敏感区图像进行边缘检测处理,并获取标记的边缘轮廓数据,位移求取单元503基于标记的边缘轮廓数据来计算标记的位移数据。
模板匹配单元501读取采集的图像数据并截取一定时间长度内的每一帧图像数据,然后,将标记的模板分别叠放在每一帧图像数据上进行模板匹配,并通过相关系数匹配法判断模板匹配程度,根据模板匹配程度来识别敏感区图像。根据本发明的实施例,模板匹配程度的算法由多种,例如平方差匹配法、相关匹配法、相关系数匹配法和归一化匹配法等,本发明采用的相关系数法中,当求取的相关系数r=1时,标记的模板和所叠放的每一帧图像数据上重叠的区域几乎相似匹配,当r=0时,标记的模板和所叠放的每一帧图像数据上重叠的区域完全不相似匹配,由此判断识别出标记的大致区域作为敏感区图像。
边缘检测单元502对识别的敏感区图像进行滤波处理,求取滤波处理后的敏感区图像的梯度,并根据求取的梯度进行非极大值抑制来对敏感区图像进行边缘增强,然后,通过阈值算法对边缘增强后的敏感区图像进行边缘检测以获取标记的边缘轮廓数据。根据本发明的实施例,常见的滤波方法主要有均值滤波法、中值滤波法、双边滤波法、高斯滤波法、维纳滤波法等,本发明采用高斯滤波法对敏感区图像进行滤波处理。然后,滤波处理后对滤波处理得到的敏感区图像的梯度辐值和方向进行计算,再根据梯度方向通过非极大值抑制寻找像素点最大值,即判断某点像素值在8值领域内是否为最大,由此排除非边缘像素点,实现敏感区图像的边缘增强。最后,通过阈值算法检测边缘增强后的敏感区图像,并将通过阈值判断保留的像素点进行连接直到整个轮廓边缘闭合,得出标记的边缘轮廓数据。
位移求取单元503将标记的边缘轮廓数据放入坐标系中,读取边缘轮廓的像素点的像素值,在像素值非零时读取下一行像素点的像素值,由此得到标记的边缘坐标,然后对标记的边缘坐标求取坐标平均值并记录坐标平均值的纵坐标数据,对记录的每一帧图像数据的所述纵坐标数据进行差值计算得出标记的边缘坐标的位移数据。根据本发明的实施例,采集的图像数据是对呈90度夹角的两处标记进行拍摄获取的两组图像数据,因此,分别求取两组图像数据的标记的边缘坐标,并提取标记的左侧或者右侧边缘坐标数据来计算得出坐标平均值的纵坐标数据,然后,通过对纵坐标数据进行差值计算得出的两个左侧或右侧边缘坐标的位移数据,并将得出的两个左侧或右侧边缘坐标的位移数据进行合位移计算求取标记的位移数据。
返回图5,评估模块404被配置用于根据标记的位移数据和采集图像数据时的风速数据确定发生涡激振动的风速条件,根据标记的位移数据和采集图像数据时的风速数据判断增设有抑制装置的风力发电机是否发生涡激振动,并对抑制装置进行性能评估。根据本发的实施例,例如,在风力发电机没有增设抑制装置时,根据标记的位移数据和采集图像数据时的风速数据来确定发生涡激振动的风速条件,并在该风速条件下对实施吊装作业的时间进行更改或者在该风速条件下加装相应的涡激振动的抑制装置进行吊装。或者假设在风力发电机增设有抑制装置时,根据标记的位移数据和采集图像数据时的风速数据判断风力发电机是否发生涡激振动,并以此对抑制装置进行性能评估。例如,当标记的位移数据过大或者位移方向发生快速变化,则判断该风力发电机发生涡激振动,以及判断该风力发电机增设的抑制装置的性能不佳,并以此对抑制装置实施排检或者更换。
图7是示出根据本发明的实施例的用于风力发电机组的涡激振动的监测系统的框图。
如图7所示,用于风力发电机组的涡激振动的监测系统600包括用于风力发电机组的涡激振动的监测设备400和采集设备601,所述采集设备601被配置用于采集风力发电机的塔筒的图像数据。采集设备601包括图像采集器和用于保护图像采集器的保护装置,其中,保护装置可采用呈梯形的挡板对图像采集器进行三面保护,例如,如图8所示的保护装置。应理解,上述呈梯形的挡板仅是示例性举例,本发明可采用的保护装置不限于此。
根据本发明的实施例的用于风力发电机组的涡激振动的监测方法和设备,该预测方法通过图像监测的方式和对图像数据进行模板匹配处理和边缘检测处理,实现了对风力发电机组的涡激振动的监测,使风力发电机组在进行吊装时,通过更改风力发电机组的吊装时间或者增设相应的抑制装置避免涡激振动的发生,有效的避免了经济损失和安全事故发生,提高了风力发电机组吊装的效率。
根据本发明的实施例的用于风力发电机组的涡激振动的监测方法可实现为计算机可读记录介质上的计算机可读代码,或者可通过传输介质被发送。计算机可读记录介质是可存储此后可由计算机系统读取的数据的任意数据存储装置。计算机可读存储介质存储有计算机程序,该计算机程序被处理器运行时,处理器执行图1所示的用于风力发电机组的涡激振动的监测方法。计算机可读记录介质的示例包括只读存储器(ROM)、随机存取存储器(RAM)、光盘(CD)-ROM、数字多功能盘(DVD)、磁带、软盘、光学数据存储装置,但不限于此。传输介质可包括通过网络或各种类型的通信通道发送的载波。计算机可读记录介质也可分布于连接网络的计算机系统,从而计算机可读代码以分布方式被存储和执行。
本发明的另一实施例提供了一种计算机设备,包括处理器和存储计算机程序的存储器,所述计算机程序被处理器运行时,处理器执行图1所示的用于风力发电机组的涡激振动的监测方法。
尽管已经参照本发明的特定示例性实施例显示和描述了本发明,但是本领域技术人员将理解,在不脱离由权利要求及其等同物限定的本发明的精神和范围的情况下,可进行各种形式和细节上的各种改变。
Claims (17)
1.一种用于风力发电机组的涡激振动的监测方法,其特征在于,所述监测方法包括以下步骤:
获取风力发电机的塔筒的图像数据;
从图像数据识别设置在塔筒预定位置处的标记的图像,并对识别的标记的图像进行追踪以获取标记的位移数据;
根据标记的位移数据对涡激振动进行监测,
其中,所述从图像数据识别设置在塔筒预定位置处的标记的图像,并对识别的标记的图像进行追踪以获取标记的位移数据的步骤包括:
通过对采集的图像数据进行模板匹配处理来识别标记的敏感区图像;
通过对识别的敏感区图像进行边缘检测处理来获取标记的边缘轮廓数据;
基于标记的边缘轮廓数据来计算标记的位移数据,
其中,所述基于标记的边缘轮廓数据来计算标记的位移数据的步骤包括:
读取一定时间长度内的每一帧图像数据;
将标记的边缘轮廓数据放入坐标系中,读取边缘轮廓的像素点的像素值,在像素值非零读取下一行像素点的像素值,由此得到标记的边缘坐标;
对标记的边缘坐标求取坐标平均值并记录坐标平均值的纵坐标数据,对记录的每一帧图像数据的所述纵坐标数据进行差值计算得出标记的边缘坐标的位移数据。
2.如权利要求1所述的监测方法,其特征在于,所述通过对采集的图像数据进行模板匹配处理来识别标记的敏感区图像的步骤包括:
将标记的模板分别叠放在所述每一帧图像数据上进行模板匹配;
通过相关系数匹配法判断模板匹配程度,并根据模板匹配程度来识别敏感区图像。
3.如权利要求1所述的监测方法,其特征在于,所述通过对识别的敏感区图像进行边缘检测处理来获取标记的边缘轮廓数据的步骤包括:
对识别的敏感区图像进行滤波处理;
求取滤波处理后的敏感区图像的梯度,并根据求取的梯度进行非极大值抑制来对敏感区图像进行边缘增强;
通过阈值算法对边缘增强后的敏感区图像进行边缘检测以获取标记的边缘轮廓数据。
4.如权利要求1-3中的任意一个所述的监测方法,其特征在于,所述图像数据包括对呈90度夹角的两处标记进行拍摄获取的两组图像数据,所述图像数据通过呈90度夹角放置的两个图像采集器采集获取。
5.如权利要求4所述的监测方法,其特征在于,所述基于标记的边缘轮廓数据来计算标记的位移数据的步骤还包括:将得出的两个左侧或右侧边缘坐标的位移数据进行合位移计算求取标记的位移数据。
6.如权利要求1所述的监测方法,其特征在于,所述监测方法还包括:
根据标记的位移数据和采集图像数据时的风速数据确定发生涡激振动的风速条件。
7.如权利要求1所述的监测方法,其特征在于,所述监测方法还包括:根据标记的位移数据和采集图像数据时的风速数据判断增设有抑制装置的风力发电机是否发生涡激振动,并对抑制装置进行性能评估。
8.一种用于风力发电机组的涡激振动的监测设备,其特征在于,所述监测设备包括:
数据采集模块,被配置用于获取风力发电机的塔筒的图像数据;
数据处理模块,被配置用于从图像数据识别设置在塔筒预定位置处的标记的图像,并对识别的标记的图像进行追踪以获取标记的位移数据;
涡激振动监测模块,被配置用于根据标记的位移数据对涡激振动进行监测;
其中,所述数据处理模块包括:模板匹配单元,用于通过对采集的图像数据进行模板匹配处理来识别标记的敏感区图像;边缘检测单元,用于通过对识别的敏感区图像进行边缘检测处理来获取标记的边缘轮廓数据;位移求取单元,用于基于标记的边缘轮廓数据来计算标记的位移数据,
其中,所述位移求取单元被配置为:
读取一定时间长度内的每一帧图像数据;
将标记的边缘轮廓数据放入坐标系中,读取边缘轮廓的像素点的像素值,在像素值非零时读取下一行像素点的像素值,由此得到标记的边缘坐标;
对标记的边缘坐标求取坐标平均值并记录坐标平均值的纵坐标数据,对记录的每一帧图像数据的所述纵坐标数据进行差值计算得出标记的边缘坐标的位移数据。
9.如权利要求8所述的监测设备,其特征在于,所述模板匹配单元被配置为:
将标记的模板分别叠放在所述每一帧图像数据上进行模板匹配;
通过相关系数匹配法判断模板匹配程度,并根据模板匹配程度来识别敏感区图像。
10.如权利要求8所述的监测设备,其特征在于,所述边缘检测单元被配置为:
对识别的敏感区图像进行滤波处理;
求取滤波处理后的敏感区图像的梯度,并根据求取的梯度进行非极大值抑制来对敏感区图像进行边缘增强;
通过阈值算法对边缘增强后的敏感区图像进行边缘检测以获取标记的边缘轮廓数据。
11.如权利要求8-10中的任意一个所述的监测设备,其特征在于,所述图像数据包括对呈90度夹角的两处标记进行拍摄获取的两组图像数据,所述图像数据通过呈90度夹角放置的两个图像采集器采集获取。
12.如权利要求11所述的监测设备,其特征在于,所述位移求取单元还被配置为:将得出的两个左侧或右侧边缘坐标的位移数据进行合位移计算求取标记的位移数据。
13.如权利要求8所述的监测设备,其特征在于,所述监测设备还包括:
评估模块,被配置用于根据标记的位移数据和采集图像数据时的风速数据确定发生涡激振动的风速条件以及根据标记的位移数据和采集图像数据时的风速数据判断增设有抑制装置的风力发电机是否发生涡激振动,并对抑制装置进行性能评估。
14.一种用于风力发电机组的涡激振动的监测系统,其特征在于,所述监测系统包括如权利要求8-13所述的用于风力发电机组的涡激振动的监测设备和采集设备,其中,采集设备包括图像采集器和保护装置。
15.如权利要求14所述的监测系统,其特征在于,所述保护装置呈梯形对图像采集器进行三面保护。
16.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器运行时,处理器执行权利要求1-7中任一项所述的监测方法。
17.一种计算机设备,包括处理器和存储计算机程序的存储器,其特征在于,所述计算机程序被处理器运行时,处理器执行如权利要求1-7中任一项所述的监测方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711364848.2A CN109931229B (zh) | 2017-12-18 | 2017-12-18 | 用于风力发电机组的涡激振动的监测方法和设备 |
EP18811125.6A EP3530935B1 (en) | 2017-12-18 | 2018-03-20 | Method and equipment for monitoring vortex-induced vibration for wind turbine generator set |
PCT/CN2018/079570 WO2019119659A1 (zh) | 2017-12-18 | 2018-03-20 | 用于风力发电机组的涡激振动的监测方法和设备 |
AU2018282347A AU2018282347B2 (en) | 2017-12-18 | 2018-03-20 | Method and apparatus for monitoring vortex-induced vibration of wind turbine |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711364848.2A CN109931229B (zh) | 2017-12-18 | 2017-12-18 | 用于风力发电机组的涡激振动的监测方法和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109931229A CN109931229A (zh) | 2019-06-25 |
CN109931229B true CN109931229B (zh) | 2020-10-30 |
Family
ID=66982620
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711364848.2A Active CN109931229B (zh) | 2017-12-18 | 2017-12-18 | 用于风力发电机组的涡激振动的监测方法和设备 |
Country Status (4)
Country | Link |
---|---|
EP (1) | EP3530935B1 (zh) |
CN (1) | CN109931229B (zh) |
AU (1) | AU2018282347B2 (zh) |
WO (1) | WO2019119659A1 (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110296855B (zh) * | 2019-07-05 | 2020-11-24 | 上海中认尚科新能源技术有限公司 | 一种评估风力发电机组高柔塔架抗涡激性能的检测方法 |
CN110486236B (zh) * | 2019-08-08 | 2021-01-12 | 北京汉能华科技股份有限公司 | 一种风力发电机的故障检测方法和系统 |
CN110688906B (zh) * | 2019-08-31 | 2023-07-18 | 深圳市广宁股份有限公司 | 风电设备的智能检测方法及相关产品 |
CN113390376B (zh) * | 2020-03-13 | 2023-04-07 | 新疆金风科技股份有限公司 | 确定风力发电机组的机舱位移的方法、装置和系统 |
CN111735502B (zh) * | 2020-07-16 | 2021-11-19 | 扬州大学 | 一种基于风场监测的涡振变流防护装置 |
CN111829747A (zh) * | 2020-07-18 | 2020-10-27 | 扬州大学 | 一种基于固定翼无人机的沿海大桥涡激共振风场监控系统 |
CN112484649A (zh) * | 2020-11-23 | 2021-03-12 | 北京汉风测控技术有限公司 | 一种基于图像识别的塔筒位移监测方法 |
CN113027701A (zh) * | 2021-02-26 | 2021-06-25 | 中国电建集团华东勘测设计研究院有限公司 | 一种用于海上风机振动及冲刷试验的非接触式动态量测系统 |
CN113464380B (zh) * | 2021-08-09 | 2022-09-27 | 观为监测技术无锡股份有限公司 | 一种塔筒安全性能确定方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103400379A (zh) * | 2013-07-25 | 2013-11-20 | 江西省电力公司检修分公司 | 一种基于图像的覆冰检测和厚度估计方法 |
CN106949936A (zh) * | 2017-04-27 | 2017-07-14 | 武汉大学 | 利用双目视觉位移监测系统分析输电塔结构模态的方法 |
CN107314807A (zh) * | 2017-07-07 | 2017-11-03 | 河南科技大学 | 一种钢丝绳横向空间振动测量的方法 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020189376A1 (en) * | 2000-07-24 | 2002-12-19 | Markus Kalkum | Procedure and device for the motion detection of microparticles |
FR2852700B1 (fr) * | 2003-03-19 | 2005-09-23 | Centre Nat Rech Scient | Procede et installation d'imagerie acousto-optique. |
JP2006138862A (ja) * | 2005-12-01 | 2006-06-01 | Electron & Photon Laboratory Inc | レーザ振動計 |
CN101196390A (zh) * | 2007-12-19 | 2008-06-11 | 哈尔滨工业大学 | 基于视觉分辨的非接触式应变测量方法 |
CN101458119B (zh) * | 2008-12-26 | 2010-08-11 | 常熟理工学院 | 图像分析实时检测轴瓦振动的方法 |
CN102134636A (zh) * | 2010-01-26 | 2011-07-27 | 宝钢新日铁汽车板有限公司 | 监控退火炉内钢带跑偏的方法 |
CN102915545A (zh) * | 2012-09-20 | 2013-02-06 | 华东师范大学 | 一种基于OpenCV的视频目标跟踪算法 |
CN103837084B (zh) * | 2014-02-18 | 2017-01-04 | 浙江华东工程安全技术有限公司 | 基于激光光斑成像技术的三向位移量测方法 |
KR101437920B1 (ko) * | 2014-07-04 | 2014-11-04 | 세안기술 주식회사 | 카메라 이미지를 이용한 진동변위 측정 시 카메라 흔들림 보정방법 |
DE102014014386A1 (de) * | 2014-10-02 | 2016-04-07 | Rwe Innogy Gmbh | Verfahren und Vorrichtung zum Bestimmen von Betriebsparametern einer Windkraftanlage |
CN105352591A (zh) * | 2015-12-04 | 2016-02-24 | 东华大学 | 一种纺纱锭子的振动特性测试方法 |
CN205352313U (zh) * | 2016-01-08 | 2016-06-29 | 中铁第四勘察设计院集团有限公司 | 铁路构件位移监测系统 |
CN105736252A (zh) * | 2016-02-02 | 2016-07-06 | 华中科技大学 | 一种风电机组便携式点检记录仪 |
US10337495B2 (en) * | 2016-05-19 | 2019-07-02 | General Electric Company | System and method for reducing vortex-induced tower vibrations of a wind turbine |
CN106677996B (zh) * | 2016-12-29 | 2019-05-14 | 科诺伟业风能设备(北京)有限公司 | 一种风力发电机组塔筒振动异常检测方法 |
CN106895792A (zh) * | 2017-04-27 | 2017-06-27 | 武汉大学 | 基于双目视觉测量系统的输电塔构件形变及内力监测方法 |
CN106989812B (zh) * | 2017-05-03 | 2020-11-03 | 湖南科技大学 | 基于摄影测量技术的大型风机叶片模态测试方法 |
-
2017
- 2017-12-18 CN CN201711364848.2A patent/CN109931229B/zh active Active
-
2018
- 2018-03-20 EP EP18811125.6A patent/EP3530935B1/en active Active
- 2018-03-20 AU AU2018282347A patent/AU2018282347B2/en active Active
- 2018-03-20 WO PCT/CN2018/079570 patent/WO2019119659A1/zh unknown
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103400379A (zh) * | 2013-07-25 | 2013-11-20 | 江西省电力公司检修分公司 | 一种基于图像的覆冰检测和厚度估计方法 |
CN106949936A (zh) * | 2017-04-27 | 2017-07-14 | 武汉大学 | 利用双目视觉位移监测系统分析输电塔结构模态的方法 |
CN107314807A (zh) * | 2017-07-07 | 2017-11-03 | 河南科技大学 | 一种钢丝绳横向空间振动测量的方法 |
Non-Patent Citations (2)
Title |
---|
基于单目视觉的振动测量研究;薛磊;《中国优秀硕士学位论文全文数据库 科技信息辑》;20160315;第6-44页 * |
薛磊.基于单目视觉的振动测量研究.《中国优秀硕士学位论文全文数据库 科技信息辑》.2016,第6-44页. * |
Also Published As
Publication number | Publication date |
---|---|
AU2018282347A1 (en) | 2019-07-04 |
EP3530935A4 (en) | 2019-12-18 |
EP3530935B1 (en) | 2022-08-10 |
AU2018282347B2 (en) | 2020-07-09 |
EP3530935A1 (en) | 2019-08-28 |
WO2019119659A1 (zh) | 2019-06-27 |
CN109931229A (zh) | 2019-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109931229B (zh) | 用于风力发电机组的涡激振动的监测方法和设备 | |
CN109958583B (zh) | 一种测量风力发电机组的塔架净空的方法和设备 | |
Xu et al. | 2D Barcode localization and motion deblurring using a flutter shutter camera | |
KR101988384B1 (ko) | 이미지 매칭 장치, 이미지 매칭 시스템 및 이미지 매칭 방법 | |
Klippenstein et al. | Quantitative evaluation of feature extractors for visual slam | |
Li et al. | Road lane detection with gabor filters | |
EP3346445A1 (en) | Methods and devices for extracting an object from a video sequence | |
CN106897655A (zh) | 停车位的检测装置、方法以及图像处理设备 | |
CN109426277B (zh) | 移动轨迹规划的方法及装置 | |
CN106683040B (zh) | 一种基于ncc算法的红外全景图像拼接方法 | |
CN108256445A (zh) | 车道线检测方法及系统 | |
Zhan et al. | Effective waterline detection for unmanned surface vehicles in inland water | |
Shang et al. | PolSAR land classification by using quaternion-valued neural networks | |
CN104715250A (zh) | 十字激光检测方法和装置 | |
CN113869163B (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
JP6080424B2 (ja) | 対応点探索装置、そのプログラムおよびカメラパラメータ推定装置 | |
CN113469970A (zh) | 一种涡激振动监测方法、系统、设备及存储介质 | |
KR20160082453A (ko) | 영상 처리를 통한 쇄파지역 연안류 측정 장치 및 방법 | |
JP6055307B2 (ja) | 対応点探索装置およびカメラ姿勢推定装置ならびにこれらのプログラム | |
Manonmani et al. | Underwater Mine Detection Using Histogram of oriented gradients and Canny Edge Detector | |
JP2011203853A (ja) | 画像処理装置及びプログラム | |
CN111723610A (zh) | 图像识别方法、装置及设备 | |
KR101777948B1 (ko) | 엔트로피와 배경변화율 차이점을 이용한 주요 객체 자동 검출 장치 | |
Yuan et al. | Image driven GPS trace analysis for road map inference | |
Narayanan Ramakrishnan | Detection and estimation of image blur |
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 |