CN110174050A - 基于机器视觉的立面检测装置和检测方法 - Google Patents
基于机器视觉的立面检测装置和检测方法 Download PDFInfo
- Publication number
- CN110174050A CN110174050A CN201910452377.3A CN201910452377A CN110174050A CN 110174050 A CN110174050 A CN 110174050A CN 201910452377 A CN201910452377 A CN 201910452377A CN 110174050 A CN110174050 A CN 110174050A
- Authority
- CN
- China
- Prior art keywords
- bridge
- pixel
- image
- gradient
- point
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 28
- 239000000725 suspension Substances 0.000 claims abstract description 15
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 230000001186 cumulative effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 3
- 238000003708 edge detection Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 2
- 238000003384 imaging method Methods 0.000 abstract description 2
- 230000000007 visual effect Effects 0.000 abstract description 2
- 238000000034 method Methods 0.000 description 2
- 238000009659 non-destructive testing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009500 colour coating Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000006247 magnetic powder Substances 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了基于机器视觉的立面检测装置和检测方法，包括支吊架、图像捕捉标志点、主蒸汽管道、高清双目摄像机、交换机、发射网桥、接收网桥和服务器，支吊架下部连接图像捕捉标志点，图像捕捉标志点下部连接主蒸汽管道，主蒸汽管道右侧设置有高清双目摄像机，高清双目摄像机连接交换机，交换机连接发射网桥，发射网桥连接接收网桥，接收网桥连接服务器，本发明采用了标志圆视觉检测算法，即先对图像进行灰度化及灰度直方图分析，接着进行图像去噪处理，之后对图像进行二值化，并通过边缘特征提取标志圆的轮廓，用Hough变换检测标志圆，获得标志圆圆心的像素坐标，最后根据针孔成像模型得到标志圆圆心的三维坐标。
Description
技术领域
本发明涉及机器视觉领域，具体涉及基于机器视觉的立面检测装置和检测方法。
背景技术
目前锅炉内部主要的检测方法有：目测、无损检测、超声波检测。目测对于一些有变形或变薄的管件无法观察到，且对于大型锅炉，高度相对较高，无法检测的部位，需要搭建脚手架，危害检测人员的安全；无损检测是在不破坏锅炉整体结构的情况下，通过磁粉原理，对锅炉进行检测，磁粉检测虽较为简便，但还需要对工件磁化情况进行检测，并且只能检查出水管渗漏现象，对过烧、变形现象无法检测到；超声波检测设备复杂，成本高。目前锅炉最主要的检测方式还是人工检测，需要消耗很大的劳动力，且效率低，工作人员的生命安全更是无法保障。由于锅炉空间结构的特殊性，许多自动行走装置都无法实施，且装置大都比较笨拙，或依靠人力去推，对于较高位置的检测更是不便，对于立体面的检测更是没有。
发明内容
本发明的目的是为解决上述不足，提供基于机器视觉的立面检测装置和检测方法。
本发明的目的是通过以下技术方案实现的：
基于机器视觉的立面检测装置，包括支吊架、图像捕捉标志点、主蒸汽管道、高清双目摄像机、交换机、发射网桥、接收网桥和服务器，支吊架下部连接图像捕捉标志点，图像捕捉标志点下部连接主蒸汽管道，主蒸汽管道右侧设置有高清双目摄像机，高清双目摄像机连接交换机，交换机连接发射网桥，发射网桥连接接收网桥，接收网桥连接服务器。
高清双目摄像机为600万像素高清摄像机，电源供应为AC24V或PoE，通讯接口为RJ4510M/100M/1000M自适应以太网口10M/100M/1000M自适应以太网口。
发射网桥和接收网桥均采用采用集成天线。
基于机器视觉的立面检测方法，计算机得到视频流图像，并对视频流中的每帧图像按前述图像处理方法进行处理，得到标志圆的像素坐标，进而得到标志圆圆心的空间三维坐标，以视频流中第一帧图像为基准图，之后每帧图像与第一帧图像比较，根据支吊架与管道交点坐标的变化量计算蒸汽管道某点处在 X、Y、Z三个方向的宏观位移,根据各个支吊架与管道交点之间的距离的变化情况计算管道某一段的位移，即该段处的蠕变情况；利用边缘像素点的局部梯度信息来减少计算量，并且可以提供较高的圆心位置估计精度，先对原始灰度图像进行边缘特征提取，获取像素点的灰度变化梯度，根据给定的梯度闽值对边缘检测所得的梯度图像进行二值化，若该点梯度幅值大于给定闽值就将该点像素值赋值为255并记录该点的梯度方向，若梯度幅值小于给定闽值，则给该像素点赋值为，最后遍历二值化后的图像，过每一个像素值为255的像素点并沿该点的梯度方向在相应的二维累加阵列各单元进累加1，对所有像素值为255的像素点进行上述处理后，累加数组中的局部最大值就代表了圆心的位置。
本发明具有如下有益的效果：
本发明采用了标志圆视觉检测算法，即先对图像进行灰度化及灰度直方图分析，接着进行图像去噪处理，之后对图像进行二值化，并通过边缘特征提取标志圆的轮廓，用 Hough变换检测标志圆，获得标志圆圆心的像素坐标，最后根据针孔成像模型得到标志圆圆心的三维坐标。
附图说明
图1为本发明的整体结构示意图；
图2为本发明的检测方法流程图。
具体实施方式
下面结合附图对本发明作进一步的说明：
如图1所示，基于机器视觉的立面检测装置，包括支吊架1、图像捕捉标志点2、主蒸汽管道3、高清双目摄像机4、交换机5、发射网桥6、接收网桥7和服务器8，支吊架1下部连接图像捕捉标志点2，图像捕捉标志点2下部连接主蒸汽管道3，主蒸汽管道3右侧设置有高清双目摄像机4，高清双目摄像机4连接交换机5，交换机5连接发射网桥6，发射网桥6连接接收网桥7，接收网桥7连接服务器8。
高清双目摄像机为600万像素高清摄像机，电源供应为AC24V或PoE，通讯接口为RJ4510M/100M/1000M自适应以太网口10M/100M/1000M自适应以太网口。
发射网桥和接收网桥均采用采用集成天线。
如图2所示，基于机器视觉的立面检测方法，计算机得到视频流图像，并对视频流中的每帧图像按前述图像处理方法进行处理，得到标志圆的像素坐标，进而得到标志圆圆心的空间三维坐标，以视频流中第一帧图像为基准图，之后每帧图像与第一帧图像比较，根据支吊架与管道交点坐标的变化量计算蒸汽管道某点处在 X、Y、Z三个方向的宏观位移,根据各个支吊架与管道交点之间的距离的变化情况计算管道某一段的位移，即该段处的蠕变情况；利用边缘像素点的局部梯度信息来减少计算量，并且可以提供较高的圆心位置估计精度，先对原始灰度图像进行边缘特征提取，获取像素点的灰度变化梯度，根据给定的梯度闽值对边缘检测所得的梯度图像进行二值化，若该点梯度幅值大于给定闽值就将该点像素值赋值为255并记录该点的梯度方向，若梯度幅值小于给定闽值，则给该像素点赋值为，最后遍历二值化后的图像，过每一个像素值为255的像素点并沿该点的梯度方向在相应的二维累加阵列各单元进累加1，对所有像素值为255的像素点进行上述处理后，累加数组中的局部最大值就代表了圆心的位置。
工作原理：采集部分的图像捕捉标志点安装在支吊架上，图像捕捉标志点采用圆柱体，表面涂层采用无反光防水彩色涂料。在支吊架附近选择适宜位置安装搞清双目摄像机，其中一个图像捕捉标志点和一台高清摄像机、一个电源控制箱为一套采集装置，每套采集装置配有一个发射网桥。
Claims (4)
1.基于机器视觉的立面检测装置，包括支吊架、图像捕捉标志点、主蒸汽管道、高清双目摄像机、交换机、发射网桥、接收网桥和服务器，其特征在于：支吊架下部连接图像捕捉标志点，图像捕捉标志点下部连接主蒸汽管道，主蒸汽管道右侧设置有高清双目摄像机，高清双目摄像机连接交换机，交换机连接发射网桥，发射网桥连接接收网桥，接收网桥连接服务器。
2.根据权利要求1所述的基于机器视觉的立面检测装置，其特征在于：所述的高清双目摄像机为600万像素高清摄像机，电源供应为AC24V或PoE，通讯接口为RJ4510M/100M/1000M自适应以太网口10M/100M/1000M自适应以太网口。
3.根据权利要求1所述的基于机器视觉的立面检测装置，其特征在于：所述的发射网桥和接收网桥均采用采用集成天线。
4.基于机器视觉的立面检测方法，其特征在于：计算机得到视频流图像，并对视频流中的每帧图像按前述图像处理方法进行处理，得到标志圆的像素坐标，进而得到标志圆圆心的空间三维坐标，以视频流中第一帧图像为基准图，之后每帧图像与第一帧图像比较，根据支吊架与管道交点坐标的变化量计算蒸汽管道某点处在 X、Y、Z三个方向的宏观位移,根据各个支吊架与管道交点之间的距离的变化情况计算管道某一段的位移，即该段处的蠕变情况；利用边缘像素点的局部梯度信息来减少计算量，并且可以提供较高的圆心位置估计精度，先对原始灰度图像进行边缘特征提取，获取像素点的灰度变化梯度，根据给定的梯度闽值对边缘检测所得的梯度图像进行二值化，若该点梯度幅值大于给定闽值就将该点像素值赋值为255并记录该点的梯度方向，若梯度幅值小于给定闽值，则给该像素点赋值为，最后遍历二值化后的图像，过每一个像素值为255的像素点并沿该点的梯度方向在相应的二维累加阵列各单元进累加1，对所有像素值为255的像素点进行上述处理后，累加数组中的局部最大值就代表了圆心的位置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910452377.3A CN110174050A (zh) | 2019-05-28 | 2019-05-28 | 基于机器视觉的立面检测装置和检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910452377.3A CN110174050A (zh) | 2019-05-28 | 2019-05-28 | 基于机器视觉的立面检测装置和检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110174050A true CN110174050A (zh) | 2019-08-27 |
Family
ID=67696406
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910452377.3A Pending CN110174050A (zh) | 2019-05-28 | 2019-05-28 | 基于机器视觉的立面检测装置和检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110174050A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112380908A (zh) * | 2020-10-21 | 2021-02-19 | 华能渑池热电有限责任公司 | 一种用于热电厂管道膨胀量的双目视觉测量方法及系统 |
| CN113640308A (zh) * | 2021-08-31 | 2021-11-12 | 郑州铁路职业技术学院 | 一种基于机器视觉的轨道异常监测系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH10137929A (ja) * | 1996-11-12 | 1998-05-26 | Hitachi Ltd | ろう付け方法、および、ろう付け装置 |
| CN104501725A (zh) * | 2014-12-30 | 2015-04-08 | 广东电网有限责任公司电力科学研究院 | 一种锅炉关键管道在线测量系统 |
| CN104990498A (zh) * | 2015-06-16 | 2015-10-21 | 广东电网有限责任公司电力科学研究院 | 基于ccd摄影的电站锅炉高温管系宏观位移测量装置及方法 |
| CN204788255U (zh) * | 2015-06-04 | 2015-11-18 | 广东电网有限责任公司电力科学研究院 | 一种锅炉主蒸汽管道宏观位移精确测量系统 |
-
2019
- 2019-05-28 CN CN201910452377.3A patent/CN110174050A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH10137929A (ja) * | 1996-11-12 | 1998-05-26 | Hitachi Ltd | ろう付け方法、および、ろう付け装置 |
| CN104501725A (zh) * | 2014-12-30 | 2015-04-08 | 广东电网有限责任公司电力科学研究院 | 一种锅炉关键管道在线测量系统 |
| CN204788255U (zh) * | 2015-06-04 | 2015-11-18 | 广东电网有限责任公司电力科学研究院 | 一种锅炉主蒸汽管道宏观位移精确测量系统 |
| CN104990498A (zh) * | 2015-06-16 | 2015-10-21 | 广东电网有限责任公司电力科学研究院 | 基于ccd摄影的电站锅炉高温管系宏观位移测量装置及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 宋继湘: "基于机器视觉的锅炉关键管道宏观位移检测方法研究及应用", 《中国优秀硕士学位论文全文数据库（信息科技辑）》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112380908A (zh) * | 2020-10-21 | 2021-02-19 | 华能渑池热电有限责任公司 | 一种用于热电厂管道膨胀量的双目视觉测量方法及系统 |
| CN112380908B (zh) * | 2020-10-21 | 2022-12-13 | 华能渑池热电有限责任公司 | 一种用于热电厂管道膨胀量的双目视觉测量方法及系统 |
| CN113640308A (zh) * | 2021-08-31 | 2021-11-12 | 郑州铁路职业技术学院 | 一种基于机器视觉的轨道异常监测系统 |
| CN113640308B (zh) * | 2021-08-31 | 2024-03-29 | 夏冰心 | 一种基于机器视觉的轨道异常监测系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111935412B (zh) | 一种巡检目标自动识别跟踪的方法、系统及机器人 | |
| CN110473260B (zh) | 一种波浪视频测量装置及方法 | |
| CN101625723B (zh) | 电力线轮廓的快速图像识别方法 | |
| WO2020093436A1 (zh) | 管道内壁的三维重建方法 | |
| WO2018028103A1 (zh) | 一种基于人眼视觉特性的电力线路无人机巡检方法 | |
| CN110580717A (zh) | 一种针对电力杆塔的无人机自主巡检航线生成方法 | |
| CN106679567A (zh) | 基于双目立体视觉的接触网及支柱几何参数检测测量系统 | |
| CN110246175A (zh) | 全景相机与云台相机结合的变电站巡检机器人图像检测系统及方法 | |
| CN104400265B (zh) | 一种激光视觉引导的焊接机器人角接焊缝特征的提取方法 | |
| CN110850723A (zh) | 一种基于变电站巡检机器人系统的故障诊断及定位方法 | |
| CN110766785B (zh) | 一种地下管道实时定位与三维重建装置及方法 | |
| CN107833203A (zh) | 一种基于图像处理的水平面识别及水位实时测量方法 | |
| WO2019051961A1 (zh) | 一种管道检测方法、装置以及存储介质 | |
| CN106996748A (zh) | 一种基于双目视觉的轮径测量方法 | |
| CN113240747B (zh) | 一种基于计算机视觉的户外结构振动位移自动化监测方法 | |
| CN104215795A (zh) | 基于昊控表面流场计算算法的大尺度粒子图像测速方法 | |
| CN110174050A (zh) | 基于机器视觉的立面检测装置和检测方法 | |
| CN110595433A (zh) | 一种基于双目视觉的输电杆塔倾斜的测量方法 | |
| CN108801134A (zh) | 一种基于亚像素边缘检测的受电弓滑板磨耗监测装置及方法 | |
| CN103310203A (zh) | 基于物联网和机器视觉的指针式仪表示值自动识别装置及方法 | |
| CN107221006A (zh) | 一种基于无人机成像平台的通信单管塔倾斜检测方法 | |
| CN107169951B (zh) | 一种基于图像的斜腕臂末端管帽的缺失检测方法及系统 | |
| CN105631852A (zh) | 基于深度图像等高线的室内人体检测方法 | |
| CN109556521A (zh) | 一种基于无人机的铁路钢轨位移检测装置和检测方法 | |
| CN107818563A (zh) | 一种输电线路分裂导线间距空间测量与定位方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190827 |