CN110717897A - 基于快速确定中线模型的对开式刀闸开合角度检测方法 - Google Patents

基于快速确定中线模型的对开式刀闸开合角度检测方法 Download PDF

Info

Publication number
CN110717897A
CN110717897A CN201910906101.8A CN201910906101A CN110717897A CN 110717897 A CN110717897 A CN 110717897A CN 201910906101 A CN201910906101 A CN 201910906101A CN 110717897 A CN110717897 A CN 110717897A
Authority
CN
China
Prior art keywords
line
switch arm
knife switch
edge line
edge
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
Application number
CN201910906101.8A
Other languages
English (en)
Other versions
CN110717897B (zh
Inventor
任昌
汪辉
任大明
刘晶
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Xinhehuitong Electron Technology Co ltd
Original Assignee
Nanjing Xinhehuitong Electron Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Xinhehuitong Electron Technology Co ltd filed Critical Nanjing Xinhehuitong Electron Technology Co ltd
Priority to CN201910906101.8A priority Critical patent/CN110717897B/zh
Publication of CN110717897A publication Critical patent/CN110717897A/zh
Application granted granted Critical
Publication of CN110717897B publication Critical patent/CN110717897B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • G01B11/26—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/327—Testing of circuit interrupters, switches or circuit-breakers
    • G01R31/3271—Testing of circuit interrupters, switches or circuit-breakers of high voltage or medium voltage devices
    • G01R31/3275—Fault detection or status indication
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • 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
    • G06T7/68—Analysis of geometric attributes of symmetry
    • 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
    • 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
    • G06T2207/10004—Still image; Photographic image
    • 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)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本发明提出一种基于快速确定中线模型的对开式刀闸开合角度检测方法，包括：采集模板图像并对其中的刀闸进行定位获取左绝缘子中心线、右绝缘子中心线、左中点和右中点，且根据其快速计算刀闸臂的中线；采集目标图像并进行边缘检测，获取边缘线集合；计算刀闸臂的左中点和右中点到边缘线集合中的每条边缘线的距离，将不在阈值范围内的距离所对应的边缘线剔除，获取更新边缘线集合；利用中线将更新边缘线集合左右区分，分别获取左刀闸臂边缘线集合和右刀闸臂边缘线集合并进行对称配对，确定最终的左右刀闸臂边缘线；计算左刀闸臂和右刀闸臂之间的夹角。本发明解决了对开式刀闸在实际使用中难以快速准确检测是否开合到位的问题，提高检测精度。

Description

基于快速确定中线模型的对开式刀闸开合角度检测方法
技术领域
本发明涉及图像识别技术领域，特别涉及一种基于快速确定中线模型的对开式刀闸开合角度检测方法。
背景技术
刀闸是高压开关电器中使用次数非常频繁的一种电器，在电路中起隔离作用。在实际应用中，由于刀闸的长期运转，会出现刀闸开合不到位的情形，该情形会导致刀闸的左右刀闸臂之间产生电弧。电弧是一种气体放电现象，电流通过某些绝缘介质产生的瞬间火花可能，会造成火灾或威胁人身安全；此外，电弧温度极高，容易把绝缘材料烧毁，造成漏电事件或造成刀闸设备损坏；因此，刀闸的闭合状态需要准确的检测。
检测对开式刀闸开合是否到位，实践中主要需要依靠人工观测；在现有技术中，也通过计算左右刀闸臂之间的角度，判断刀闸开合的程度。目前计算左右刀闸臂之间的角度，国内外出现了许多计算方案，一种是对电路内部进行改动，增加传感器或者信号灯；一种是基于数字图像处理的方法，通过监控图像对刀闸的开关状态进行判断，在基于数字图像处理的方法中，由于背景复杂，对于刀闸难以正确匹配，降低检测精度。此外，由于拍摄环境影响，图像中刀闸臂边缘模糊，影响检测效果，无法快速准确检测左右刀闸臂之间的角度。
发明内容
为了解决现有技术中难以快速准确检测对开式刀闸是否开合到位的问题，本发明提出一种基于快速确定中线模型的对开式刀闸开合角度检测方法。
本发明的技术方案是这样实现的：
一种基于快速确定中线模型的对开式刀闸开合角度检测方法，包括：
采集对开式刀闸的模板图像，对图像中刀闸进行定位获取其左绝缘子中心线、右绝缘子中心线、左刀闸臂的左中点和右刀闸臂的右中点，并根据其快速计算刀闸臂的中线；
在同样的位置利用同样的设备采集同一对开式刀闸的目标图像，对目标图像进行边缘检测，获取边缘线集合；
将根据模板图像计算的对开式刀闸的左中点和右中点对应到目标图像中，得到目标图像的刀闸臂的左中点和右中点，计算目标图像的刀闸臂的左中点和右中点到边缘线集合中的每条边缘线的距离，将不在阈值范围内的距离所对应的边缘线剔除，获取更新边缘线集合；
利用中线将更新边缘线集合左右区分，分别获取左刀闸臂边缘线集合和右刀闸臂边缘线集合并进行对称配对，确定左刀闸臂边缘线和右刀闸臂边缘线；
计算左刀闸臂和右刀闸臂之间的夹角。
优选的是，“对图像中刀闸进行定位获取其左绝缘子中心线、右绝缘子中心线、左刀闸臂的左中点和右刀闸臂的右中点”的具体方式为：
在计算机上设置一个程序，利用该程序打开模板图像，根据模板图像对刀闸臂上下边界线进行描边，画出左绝缘子中心线和右绝缘子中心线；
若模板图像中刀闸为闭合状态，对整体刀闸臂的上下边界进行描边，获取上下边界线延长线分别与左绝缘子中心线延长线、右绝缘子中心线延长线的两个交点，左侧两个交点的中点是左中点，右侧两个交点的中点是右中点；
若模板图像中刀闸为打开或虚合状态，根据实际左右刀闸臂的上下边界进行描边，获取左刀闸臂的上下边界线延长线和左绝缘子中心线延长线的两个交点，两个交点的中心点即为左中点，获取右刀闸臂的上下边界线延长线和右绝缘子中心线延长线的两个交点，两个交点的中点即为右中点。
优选的是，其特征在于，“对图像中刀闸进行定位获取其左绝缘子中心线、右绝缘子中心线、左刀闸臂的左中点和右刀闸臂的右中点”的另一种具体方式为：利用深度学习进行模型训练，获取标注刀闸臂和刀闸臂左右绝缘子的训练模型，根据训练模型对模板图像进行目标检测，获取模板图像中绝缘子的矩形区域和刀闸臂的矩形区域，左绝缘子的矩形区域的竖向平分线为左绝缘子中心线，右绝缘子的矩形区域的竖向平分线为右绝缘子中心线；若模板图像中刀闸为闭合或虚合状态，获取整体刀闸臂的矩形区域，左绝缘子中心线延长线和右绝缘子中心线延长线分别与整体刀闸臂的矩形区域的上下边界线延长线的两个交点的中点为左中点和右中点；若模板图像中刀闸为打开状态，分别获取左刀闸臂矩形区域和右刀闸臂矩形区域，左绝缘子中心线延长线与左刀闸臂的矩形区域的上下边界线延长线的两个交点的中点为左中点，右绝缘子中心线延长线与右刀闸臂的矩形区域的上下边界线延长线的两个交点的中点为右中点。
优选的是，“快速计算刀闸臂的中线”的方式为：在模板图像中，以其左顶点为坐标原点，向下和向右为正方向，连接左中点和右中点得到刀闸臂的中间线，中间线的中点为刀闸臂的中点；获取左中点和右中点的位置，若左中点和右中点的y坐标值具有偏移，选取y坐标值较小的点记作a，计算通过该点的绝缘子中心线与中间线的夹角r，计算通过该点的绝缘子中心线并与其成r角度的过刀闸臂的中点的线段b，在通过该点的绝缘子中心线上取一点c使其与该点的距离等于刀闸臂长度的一半，将刀闸臂的中点与点c连接的线段记做d，计算线段b的角度与线段d的角度的平均角度为刀闸臂的中线的角度，过刀闸臂的中点且角度为该平均角度的直线为刀闸臂的中线e。
优选的是，快速计算刀闸臂的中线后，对中线进行校正，具体方式为：
对采集的具有刀闸臂的侧截面的模板图像，根据深度学习模型获取侧截面的矩形区域，并对侧截面的矩形区域进行边缘检测，获取侧截面的所有边缘线，在所有的侧截面边缘线中获取与所述刀闸臂的中线角度差最小的边缘线，该边缘线的角度为刀闸臂的中线的角度，以该角度为基准并过刀闸臂的中点的直线为最终刀闸臂的中线。
优选的是，所述“计算目标图像的刀闸臂的左中点和右中点到边缘线集合中的每条边缘线的距离，将不在阈值范围内的距离所对应的边缘线剔除，获取更新边缘线集合”的方式为：计算左中点到每条边缘线的距离，计算右中点到每条边缘线的距离；给定左距离阈值和右距离阈值，获取到左中点的距离在左距离阈值内的边缘线，获取到右中点的距离在右距离阈值内的边缘线，在左距离阈值和右距离阈值内的边缘线为更新边缘线集合。
优选的是，“利用中线将更新边缘线集合左右区分，分别获取左刀闸臂边缘线集合和右刀闸臂边缘线集合”的具体方式为：
在目标图像上计算以中点为起点的垂直于中线且方向向右或方向向左的单位方向向量
Figure BDA0002213308050000041
遍历更新边缘线集合中的边缘线，对其中任一条边缘线的两个端点记作T1和T2，将T1与中点的向量记作
Figure BDA0002213308050000042
将T2与中点的向量记作
Figure BDA0002213308050000043
计算
Figure BDA0002213308050000044
和
Figure BDA0002213308050000045
对于方向向右的单位方向向量
Figure BDA0002213308050000046
若
Figure BDA0002213308050000047
则T1在中线右侧，否则在中线左侧，若
Figure BDA0002213308050000048
则T2在中线右侧，否则中线左侧；对于方向向左的单位方向向量
Figure BDA0002213308050000049
若
Figure BDA00022133080500000410
则T1在中线左侧，否则在中线右侧，若
Figure BDA00022133080500000411
则T2在中线左侧，否则中线右侧；若T1和T2均在中线左侧，则该边缘线为左刀闸臂边缘线，若T1和T2均在中线右侧，则该边缘线为右刀闸臂边缘线，若T1和T2分别在中线两侧，计算该边缘线以中线为分割线的左右线段长度，该边缘线为左右侧线段较长侧的边缘线；如此获取左刀闸臂边缘线集合和右刀闸臂边缘线集合。
优选的是，“将左刀闸臂边缘线集合和右刀闸臂边缘线集合进行对称配对，确定最终的左刀闸臂边缘线和右刀闸臂边缘线”的方式为：
给定角度阈值，对于左刀闸臂边缘线集合中的任一条边缘线相对于水平位置的角度记为Mh，h代表不同的左刀闸臂边缘线，将任两个左刀闸臂边缘线的角度差值位于角度阈值内的划分为同组，将同组内的左刀闸臂边缘线按照从长到短排序；对于右刀闸臂边缘线集合中的任一条边缘线相对于水平位置的角度记为Nm，m代表不同的右刀闸臂边缘线，将任两个右刀闸臂边缘线的角度差值位于角度阈值内的划分为同组，将同组内的右刀闸臂边缘线按照从长到短排序；
遍历左刀闸臂边缘线集合的所有同组和右刀闸臂边缘线集合的所有同组并进行一一配对，计算任两组的校正刀闸臂边缘线和配对分数，分数最高的组合对应的校正左刀闸臂边缘线和校正右刀闸臂边缘线即为最终的左刀闸臂边缘线和右刀闸臂边缘线。
优选的是，“遍历左刀闸臂边缘线集合的所有同组和右刀闸臂边缘线集合的所有同组并进行一一配对，计算任两组的校正刀闸臂边缘线和配对分数”的方式为：遍历左刀闸臂边缘线集合的所有同组和右刀闸臂边缘线集合的所有同组，计算每组的平均角度，左刀闸臂边缘线集合中的每组的平均角度结合左中点获取左刀闸臂边缘线集合的每组的校正左刀闸臂边缘线，校正左刀闸臂边缘线与中线的交点记作A点；右刀闸臂边缘线集合的每组的平均角度结合右中点获取右刀闸臂边缘线集合的每组的校正右刀闸臂边缘线，校正右刀闸臂边缘线与中线的交点记作B点，计算A点和B点之间的距离dAB；
刀闸臂左中点和右中点的距离为d0，若dAB/d0＞0.5则剔除A点所在的同组和B点所在的同组；
设定任两组配对分数的计算公式为
Figure BDA0002213308050000051
其中系数SL表示左刀闸臂边缘线集合的任一个同组内边缘线长度的平方和；SR表示右刀闸臂边缘线集合的任一个同组内边缘线长度的平方和；β为可调节的灵敏度参数。
本发明的有益效果为：本发明的基于快速确定中线模型的对开式刀闸开合角度检测方法，先采集模板图像，直接根据左绝缘子中心线、右绝缘子中心线、左中点和右中点计算刀闸臂的中线，快速确定刀闸臂的中线，加快处理速度；对于检测的目标图像利用同样的设备在同样的位置采集，目标图像和模板图像的图像大小以及相对采集设备的位置一样，因此，将模型文件中的中线对应到目标图像中作为参照。实际使用中，利用中点和中线能够有效帮助区分左右刀闸臂边缘线并用于左右刀闸臂边缘线的配对，有利于提高检测精度和检测速度。结合刀闸在实际使用中不同的状态，刀闸臂的中线保持不变，根据计算左右刀闸臂的角度检测刀闸臂是否开合到位，具有重要的实际应用价值。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的模板图像；
图2为本发明中快速计算刀闸臂中线的示意图；
图3为本发明中左右刀闸臂边缘线配对示意图；
图中：
1、左刀闸臂；2、右刀闸臂；3、左中点；4、右中点。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1：一种基于中线模型的对开式刀闸开合角度检测方法，包括：如图1所示，采集对开式刀闸的模板图像，对图像中刀闸进行定位获取其左绝缘子中心线、右绝缘子中心线、左刀闸臂的左中点和右刀闸臂的右中点，并根据其计算刀闸臂的中线；在同样的位置利用同样的设备采集同一对开式刀闸的目标图像，对目标图像进行边缘检测，获取边缘线集合；将根据模板图像计算的对开式刀闸的左中点和右中点对应到目标图像中，得到目标图像的刀闸臂的左中点和右中点，计算目标图像的刀闸臂的左中点和右中点到边缘线集合中的每条边缘线的距离，将不在阈值范围内的距离所对应的边缘线剔除，获取更新边缘线集合；将根据模板图像计算的刀闸臂的中线对应到目标图像中，利用中线将更新边缘线集合左右区分，分别获取左刀闸臂边缘线集合和右刀闸臂边缘线集合并进行对称配对，确定左刀闸臂边缘线和右刀闸臂边缘线；计算左刀闸臂和右刀闸臂之间的夹角；左中点3为左绝缘子中心线延长线和左刀闸臂1上下边界线延长线的两个交点的中心点，右中点4位右绝缘子中心线延长线和右刀闸臂2上下边界线延长线的两个交点的中心点。
实施例1中“对图像中刀闸进行定位获取其左绝缘子中心线、右绝缘子中心线、左刀闸臂的左中点和右刀闸臂的右中点”的具体方式为：在计算机上设置一个程序，利用该程序打开模板图像，根据模板图像对刀闸臂上下边界线进行描边，画出左绝缘子中心线和右绝缘子中心线；若模板图像中刀闸为闭合状态，对整体刀闸臂的上下边界进行描边，获取上下边界线延长线分别与左绝缘子中心线延长线、右绝缘子中心线延长线的两个交点，左侧两个交点的中点是左中点，右侧两个交点的中点是右中点；若模板图像中刀闸为打开状态，根据实际左右刀闸臂的上下边界进行描边，获取左刀闸臂的上下边界线延长线和左绝缘子中心线延长线的两个交点，两个交点的中心点即为左中点，获取右刀闸臂的上下边界线延长线和右绝缘子中心线延长线的两个交点，两个交点的中点即为右中点。此处，模板图像中刀闸的状态是人工识别。此处刀闸的闭合状态指的是左右刀闸臂在同一直线上，虚合状态指的是左右刀闸臂间存在接触但不在同一直线上，打开状态指的是左右刀闸臂间不存在接触。这里的刀闸状态是笼统的，不同于根据刀闸臂间的夹角获取的刀闸的状态，根据刀闸臂间夹角获取的刀闸的状态为目标图像中刀闸的最终状态。模板图像中刀闸的最终状态的识别跟目标图像中刀闸的最终状态的识别是一致的。
上述“对图像中刀闸进行定位获取其左绝缘子中心线、右绝缘子中心线、左刀闸臂的左中点和右刀闸臂的右中点”的另一种具体方式为：利用深度学习进行模型训练，获取标注刀闸臂和刀闸臂左右绝缘子的训练模型，根据训练模型对模板图像进行目标检测，获取模板图像中绝缘子的矩形区域和刀闸臂的矩形区域，左绝缘子的矩形区域的竖向平分线为左绝缘子中心线，右绝缘子的矩形区域的竖向平分线为右绝缘子中心线；若模板图像中刀闸为闭合或虚合状态，获取整体刀闸臂的矩形区域，左绝缘子中心线延长线和右绝缘子中心线延长线分别与整体刀闸臂的矩形区域的上下边界线延长线的两个交点的中点为左中点和右中点；若模板图像中刀闸为打开状态，分别获取左刀闸臂矩形区域和右刀闸臂矩形区域，左绝缘子中心线延长线与左刀闸臂的矩形区域的上下边界线延长线的两个交点的中点为左中点，右绝缘子中心线延长线与右刀闸臂的矩形区域的上下边界线延长线的两个交点的中点为右中点。模板图像和目标图像中刀闸臂的左中点和右中点是相同的，根据模板图像计算的左中点和右中点可以直接对应到目标图像中。
快速计算刀闸臂的中线的方式为，如图2所示，在模板图像中，以其左顶点为坐标原点，向下和向右为正方向，连接左中点3和右中点4得到刀闸臂的中间线，中间线的中点为刀闸臂的中点；获取左中点和右中点的位置，若左中点和右中点的y坐标值具有偏移，选取y坐标值较小的点记作a(左中点或右中点中的其中一个)，计算通过该点的绝缘子中心线与中间线的夹角r，计算通过该点的绝缘子中心线并与其成r角度的过刀闸臂的中点的线段b，在通过该点的绝缘子中心线上取一点c使其与该点的距离等于刀闸臂长度的一半，将刀闸臂的中点与点c连接的线段记做d，计算线段b的角度与线段d的角度的平均角度为刀闸臂的中线的角度，过刀闸臂的中点且角度为线段b的角度与线段d的角度的平均角度的线段为刀闸臂的中线e。线段b的角度为线段b与水平线之间的夹角，线段d的角度为线段d与水平线之间的夹角。图2中以右中点为点a为例进行说明。
快速计算刀闸臂的中线后，对中线进行校正，具体方式为：对采集的具有刀闸臂的侧截面的模板图像，根据深度学习模型获取侧截面的矩形区域，并对侧截面的矩形区域进行边缘检测，获取侧截面的所有边缘线，在所有的侧截面边缘线中获取与所述刀闸臂的中线角度差最小的边缘线，该边缘线的角度为刀闸臂的中线的角度，以该角度为基准并过刀闸臂的中点的直线为最终刀闸臂的中线。若没有具有刀闸臂的侧截面的模板图像，则不需要校正。
“对目标图像进行边缘检测，获取边缘线集合”的方式为：对目标图像进行边缘检测，此处使用的边缘检测方法为LSD边缘检测，输入待检测的对开式刀闸目标图像，便可获取目标图像所有的边缘线；同时可以使用任何可帮助进行刀闸臂边缘检测的方法，比如EDLines，Hough变换直线检测等，以此获取边缘线集合。
上述“计算目标图像的刀闸臂的左中点和右中点到边缘线集合中的每条边缘线的距离，将不在阈值范围内的距离所对应的边缘线剔除，获取更新边缘线集合”的方式为：根据模型文件计算左中点和右中点；计算左中点到每条边缘线的距离，计算右中点到每条边缘线的距离；给定左距离阈值和右距离阈值，获取到左中点的距离在左距离阈值内的边缘线，获取到右中点的距离在右距离阈值内的边缘线，在左距离阈值和右距离阈值内的边缘线为更新边缘线集合。左距离阈值可以取值为左刀闸臂侧边宽度的0.6倍，右距离阈值可以取值为右刀闸臂侧边宽度的0.6倍。左距离阈值和右距离阈值可视实际情况取值。
上述“利用中线将更新边缘线集合左右区分，分别获取左刀闸臂边缘线集合和右刀闸臂边缘线集合”的具体方式为：将模板图像中的刀闸臂的中线和中点对应到目标图像中，在目标图像上计算以中点为起点的垂直于中线且方向向右或方向向左的单位方向向量
Figure BDA0002213308050000091
遍历更新边缘线集合中的边缘线，对其中任一条边缘线的两个端点记作T1和T2，将T1与中点的向量记作
Figure BDA0002213308050000092
将T2与中点的向量记作
Figure BDA0002213308050000093
计算
Figure BDA0002213308050000094
和
Figure BDA0002213308050000095
对于方向向右的单位方向向量
Figure BDA0002213308050000096
若
Figure BDA0002213308050000097
则T1在中线右侧，否则在中线左侧，若则T2在中线右侧，否则中线左侧；对于方向向左的单位方向向量
Figure BDA0002213308050000101
若则T1在中线左侧，否则在中线右侧，若
Figure BDA0002213308050000103
则T2在中线左侧，否则中线右侧；若T1和T2均在中线左侧，则该边缘线为左刀闸臂边缘线，若T1和T2均在中线右侧，则该边缘线为右刀闸臂边缘线，若T1和T2分别在中线两侧，计算该边缘线以中线为分割线的左右线段长度，该边缘线为左右侧线段较长侧的边缘线；如此获取左刀闸臂边缘线集合和右刀闸臂边缘线集合。
单位方向向量
Figure BDA0002213308050000104
计算的具体方式为：设定目标图像上刀闸臂的中线为y＝kx+b，中点坐标为(Cx,Cy)，设定垂直于中线且过中点的垂线的直线方程为y＝cx+d，c＝-1/k，Cy＝-1/k*Cx+d，d＝Cy+1/k*Cx；根据垂线的直线方程计算以中点为起点且方向向右或方向向左的单位方向向量
Figure BDA0002213308050000105
设单位方向向量的终点坐标为(nx,ny)，则(ny-Cy)/(nx-Cx)＝-1/k,(ny-Cy)2+(nx-Cx)2＝1，求nx和ny，单位方向向量
Figure BDA0002213308050000106
“将左刀闸臂边缘线集合和右刀闸臂边缘线集合进行对称配对，确定最终的左刀闸臂边缘线和右刀闸臂边缘线”的方式为：给定角度阈值，对于左刀闸臂边缘线集合中的任一条边缘线相对于水平位置的角度记为Mh，h代表不同的左刀闸臂边缘线，将任两个左刀闸臂边缘线的角度差值位于角度阈值内的划分为同组，将同组内的左刀闸臂边缘线按照从长到短排序；对于右刀闸臂边缘线集合中的任一条边缘线相对于水平位置的角度记为Nm，m代表不同的右刀闸臂边缘线，将任两个右刀闸臂边缘线的角度差值位于角度阈值内的划分为同组，将同组内的右刀闸臂边缘线按照从长到短排序；遍历左刀闸臂边缘线集合的所有同组和右刀闸臂边缘线集合的所有同组，计算每组的平均角度，左刀闸臂边缘线集合中的每组的平均角度结合左中点获取左刀闸臂边缘线集合的每组的校正左刀闸臂边缘线，校正左刀闸臂边缘线与中线的交点记作A点；右刀闸臂边缘线集合的每组的平均角度结合右中点获取右刀闸臂边缘线集合的每组的校正右刀闸臂边缘线，校正右刀闸臂边缘线与中线的交点记作B点，计算A点和B点之间的距离dAB；
刀闸臂左中点和右中点的距离为d0，若dAB/d0＞0.5则剔除A点所在的同组和B点所在的同组；
设定任两组配对分数的计算公式为其中系数SL表示左刀闸臂边缘线集合的任一个同组内边缘线长度的平方和；SR表示右刀闸臂边缘线集合的任一个同组内边缘线长度的平方和；β为可调节的灵敏度参数；最高的配对分数S对应的A点所在的校正左刀闸臂边缘线和B点所在的校正右刀闸臂边缘线为最终的左刀闸臂边缘线和右刀闸臂边缘线。
假设左边缘线集合的任一同组内边缘线数目为K，每条边缘线可表示为Li，根据边缘线起点终点坐标计算其长度为LLengthi，其中i＝0,1,...K,，则SL＝LLength0 2+LLength1 2...+LLengthK 2；假设右边缘线集合的任一同组内边缘线数目为Q，每条边缘线可表示为Rj，根据边缘线起点终点坐标计算其长度为RLengthj，其中j＝0,1,...,Q，
则SR＝RLength0 2+RLength1 2...+RLengthQ 2；β为可调节的灵敏度参数，在实际使用中可通过取不同的β值获取不同的分数，根据不同的分数确定配对结果，选择配对结果最好的对应的β值为最终的β值，不同的用户也可根据实际情况自行确定。
如图3所示，“计算左刀闸臂和右刀闸臂之间的夹角”的方式为：若最终的左刀闸臂边缘线相对于闭合状态刀闸臂所在直线的角度为α1，最终的右刀闸臂边缘线相对于闭合状态刀闸臂所在直线的角度为α2，最终的左刀闸臂边缘线和右刀闸臂边缘线间的夹角为θ＝|α2-α1|，左刀闸臂和右刀闸臂间的夹角为θ＝|α2-α1|。
对开式刀闸指的是双柱中心断口式隔离开关，双柱指的是左右两侧竖直的绝缘子，中心断口指的是左右刀闸臂在虚合或闭合状态时的接触位置，该类隔离开关在开合过程中左右刀闸臂以绝缘子上端点为旋转点，左右刀闸臂同步对称开合。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，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 (9)

1.一种基于快速确定中线模型的对开式刀闸开合角度检测方法，其特征在于，包括：
采集对开式刀闸的模板图像，对图像中刀闸进行定位获取其左绝缘子中心线、右绝缘子中心线、左刀闸臂的左中点和右刀闸臂的右中点，并根据其快速计算刀闸臂的中线；
在同样的位置利用同样的设备采集同一对开式刀闸的目标图像，对目标图像进行边缘检测，获取边缘线集合；
将根据模板图像计算的对开式刀闸的左中点和右中点对应到目标图像中，得到目标图像的刀闸臂的左中点和右中点，计算目标图像的刀闸臂的左中点和右中点到边缘线集合中的每条边缘线的距离，将不在阈值范围内的距离所对应的边缘线剔除，获取更新边缘线集合；
利用中线将更新边缘线集合左右区分，分别获取左刀闸臂边缘线集合和右刀闸臂边缘线集合并进行对称配对，确定左刀闸臂边缘线和右刀闸臂边缘线；
计算左刀闸臂和右刀闸臂之间的夹角。
2.据权利要求1所述的基于快速确定中线模型的对开式刀闸开合角度检测方法，其特征在于，“对图像中刀闸进行定位获取其左绝缘子中心线、右绝缘子中心线、左刀闸臂的左中点和右刀闸臂的右中点”的具体方式为：
在计算机上设置一个程序，利用该程序打开模板图像，根据模板图像对刀闸臂上下边界线进行描边，画出左绝缘子中心线和右绝缘子中心线；
若模板图像中刀闸为闭合状态，对整体刀闸臂的上下边界进行描边，获取上下边界线延长线分别与左绝缘子中心线延长线、右绝缘子中心线延长线的两个交点，左侧两个交点的中点是左中点，右侧两个交点的中点是右中点；
若模板图像中刀闸为打开或虚合状态，根据实际左右刀闸臂的上下边界进行描边，获取左刀闸臂的上下边界线延长线和左绝缘子中心线延长线的两个交点，两个交点的中心点即为左中点，获取右刀闸臂的上下边界线延长线和右绝缘子中心线延长线的两个交点，两个交点的中点即为右中点。
3.据权利要求1所述的基于快速确定中线模型的对开式刀闸开合角度检测方法，其特征在于，“对图像中刀闸进行定位获取其左绝缘子中心线、右绝缘子中心线、左刀闸臂的左中点和右刀闸臂的右中点”的另一种具体方式为：利用深度学习进行模型训练，获取标注刀闸臂和刀闸臂左右绝缘子的训练模型，根据训练模型对模板图像进行目标检测，获取模板图像中绝缘子的矩形区域和刀闸臂的矩形区域，左绝缘子的矩形区域的竖向平分线为左绝缘子中心线，右绝缘子的矩形区域的竖向平分线为右绝缘子中心线；若模板图像中刀闸为闭合或虚合状态，获取整体刀闸臂的矩形区域，左绝缘子中心线延长线和右绝缘子中心线延长线分别与整体刀闸臂的矩形区域的上下边界线延长线的两个交点的中点为左中点和右中点；若模板图像中刀闸为打开状态，分别获取左刀闸臂矩形区域和右刀闸臂矩形区域，左绝缘子中心线延长线与左刀闸臂的矩形区域的上下边界线延长线的两个交点的中点为左中点，右绝缘子中心线延长线与右刀闸臂的矩形区域的上下边界线延长线的两个交点的中点为右中点。
4.根据权利要求1所述的基于中线模型的对开式刀闸开合角度检测方法，其特征在于，“快速计算刀闸臂的中线”的方式为：在模板图像中，以其左顶点为坐标原点，向下和向右为正方向，连接左中点和右中点得到刀闸臂的中间线，中间线的中点为刀闸臂的中点；获取左中点和右中点的位置，若左中点和右中点的y坐标值具有偏移，选取y坐标值较小的点记作a，计算通过该点的绝缘子中心线与中间线的夹角r，计算通过该点的绝缘子中心线并与其成r角度的过刀闸臂的中点的线段b，在通过该点的绝缘子中心线上取一点c使其与该点的距离等于刀闸臂长度的一半，将刀闸臂的中点与点c连接的线段记做d，计算线段b的角度与线段d的角度的平均角度为刀闸臂的中线的角度，过刀闸臂的中点且角度为该平均角度的直线为刀闸臂的中线e。
5.根据权利要求4所述的基于中线模型的对开式刀闸开合角度检测方法，其特征在于，快速计算刀闸臂的中线后，对中线进行校正，具体方式为：
对采集的具有刀闸臂的侧截面的模板图像，根据深度学习模型获取侧截面的矩形区域，并对侧截面的矩形区域进行边缘检测，获取侧截面的所有边缘线，在所有的侧截面边缘线中获取与所述刀闸臂的中线角度差最小的边缘线，该边缘线的角度为刀闸臂的中线的角度，以该角度为基准并过刀闸臂的中点的直线为最终刀闸臂的中线。
6.根据权利要求1所述的基于中线模型的对开式刀闸开合角度检测方法，其特征在于，所述“计算目标图像的刀闸臂的左中点和右中点到边缘线集合中的每条边缘线的距离，将不在阈值范围内的距离所对应的边缘线剔除，获取更新边缘线集合”的方式为：计算左中点到每条边缘线的距离，计算右中点到每条边缘线的距离；给定左距离阈值和右距离阈值，获取到左中点的距离在左距离阈值内的边缘线，获取到右中点的距离在右距离阈值内的边缘线，在左距离阈值和右距离阈值内的边缘线为更新边缘线集合。
7.根据权利要求4所述的基于中线模型的对开式刀闸开合角度检测方法，其特征在于，“利用中线将更新边缘线集合左右区分，分别获取左刀闸臂边缘线集合和右刀闸臂边缘线集合”的具体方式为：
在目标图像上计算以中点为起点的垂直于中线且方向向右或方向向左的单位方向向量
Figure FDA0002213308040000031
遍历更新边缘线集合中的边缘线，对其中任一条边缘线的两个端点记作T1和T2，将T1与中点的向量记作
Figure FDA0002213308040000032
将T2与中点的向量记作计算
Figure FDA0002213308040000034
和
Figure FDA0002213308040000035
对于方向向右的单位方向向量
Figure FDA0002213308040000036
若
Figure FDA0002213308040000037
则T1在中线右侧，否则在中线左侧，若
Figure FDA0002213308040000038
则T2在中线右侧，否则中线左侧；对于方向向左的单位方向向量
Figure FDA0002213308040000039
若
Figure FDA00022133080400000310
则T1在中线左侧，否则在中线右侧，若
Figure FDA00022133080400000311
则T2在中线左侧，否则中线右侧；若T1和T2均在中线左侧，则该边缘线为左刀闸臂边缘线，若T1和T2均在中线右侧，则该边缘线为右刀闸臂边缘线，若T1和T2分别在中线两侧，计算该边缘线以中线为分割线的左右线段长度，该边缘线为左右侧线段较长侧的边缘线；如此获取左刀闸臂边缘线集合和右刀闸臂边缘线集合。
8.根据权利要求1所述的基于中线模型的对开式刀闸开合角度检测方法，其特征在于，“将左刀闸臂边缘线集合和右刀闸臂边缘线集合进行对称配对，确定最终的左刀闸臂边缘线和右刀闸臂边缘线”的方式为：
给定角度阈值，对于左刀闸臂边缘线集合中的任一条边缘线相对于水平位置的角度记为Mh，h代表不同的左刀闸臂边缘线，将任两个左刀闸臂边缘线的角度差值位于角度阈值内的划分为同组，将同组内的左刀闸臂边缘线按照从长到短排序；对于右刀闸臂边缘线集合中的任一条边缘线相对于水平位置的角度记为Nm，m代表不同的右刀闸臂边缘线，将任两个右刀闸臂边缘线的角度差值位于角度阈值内的划分为同组，将同组内的右刀闸臂边缘线按照从长到短排序；
遍历左刀闸臂边缘线集合的所有同组和右刀闸臂边缘线集合的所有同组并进行一一配对，计算任两组的校正刀闸臂边缘线和配对分数，分数最高的组合对应的校正左刀闸臂边缘线和校正右刀闸臂边缘线即为最终的左刀闸臂边缘线和右刀闸臂边缘线。
9.根据权利要求8所述的基于中线模型的对开式刀闸开合角度检测方法，其特征在于，“遍历左刀闸臂边缘线集合的所有同组和右刀闸臂边缘线集合的所有同组并进行一一配对，计算任两组的校正刀闸臂边缘线和配对分数”的方式为：遍历左刀闸臂边缘线集合的所有同组和右刀闸臂边缘线集合的所有同组，计算每组的平均角度，左刀闸臂边缘线集合中的每组的平均角度结合左中点获取左刀闸臂边缘线集合的每组的校正左刀闸臂边缘线，校正左刀闸臂边缘线与中线的交点记作A点；右刀闸臂边缘线集合的每组的平均角度结合右中点获取右刀闸臂边缘线集合的每组的校正右刀闸臂边缘线，校正右刀闸臂边缘线与中线的交点记作B点，计算A点和B点之间的距离dAB；
刀闸臂左中点和右中点的距离为d0，若dAB/d0＞0.5则剔除A点所在的同组和B点所在的同组；
设定任两组配对分数的计算公式为
Figure FDA0002213308040000051
其中系数SL表示左刀闸臂边缘线集合的任一个同组内边缘线长度的平方和；SR表示右刀闸臂边缘线集合的任一个同组内边缘线长度的平方和；β为可调节的灵敏度参数。
CN201910906101.8A 2019-09-24 2019-09-24 基于快速确定中线模型的对开式刀闸开合角度检测方法 Active CN110717897B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910906101.8A CN110717897B (zh) 2019-09-24 2019-09-24 基于快速确定中线模型的对开式刀闸开合角度检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910906101.8A CN110717897B (zh) 2019-09-24 2019-09-24 基于快速确定中线模型的对开式刀闸开合角度检测方法

Publications (2)

Publication Number Publication Date
CN110717897A true CN110717897A (zh) 2020-01-21
CN110717897B CN110717897B (zh) 2024-08-02

Family

ID=69210819

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910906101.8A Active CN110717897B (zh) 2019-09-24 2019-09-24 基于快速确定中线模型的对开式刀闸开合角度检测方法

Country Status (1)

Country Link
CN (1) CN110717897B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113108920A (zh) * 2021-04-13 2021-07-13 广东省源天工程有限公司 基于DR成像技术的110kv电压GIS刀闸的检测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102509100A (zh) * 2011-10-26 2012-06-20 山东电力研究院 一种基于图像模式识别的刀闸分合可靠性识别方法
US20180033148A1 (en) * 2016-07-26 2018-02-01 Neusoft Corporation Method, apparatus and device for detecting lane boundary
CN109063764A (zh) * 2018-07-26 2018-12-21 福建和盛高科技产业有限公司 一种基于机器视觉的隔离开关合闸操作到位的判断方法
CN110264448A (zh) * 2019-06-06 2019-09-20 中南大学 一种基于机器视觉的绝缘子故障检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102509100A (zh) * 2011-10-26 2012-06-20 山东电力研究院 一种基于图像模式识别的刀闸分合可靠性识别方法
US20180033148A1 (en) * 2016-07-26 2018-02-01 Neusoft Corporation Method, apparatus and device for detecting lane boundary
CN109063764A (zh) * 2018-07-26 2018-12-21 福建和盛高科技产业有限公司 一种基于机器视觉的隔离开关合闸操作到位的判断方法
CN110264448A (zh) * 2019-06-06 2019-09-20 中南大学 一种基于机器视觉的绝缘子故障检测方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113108920A (zh) * 2021-04-13 2021-07-13 广东省源天工程有限公司 基于DR成像技术的110kv电压GIS刀闸的检测方法

Also Published As

Publication number Publication date
CN110717897B (zh) 2024-08-02

Similar Documents

Publication Publication Date Title
CN110705571A (zh) 一种剪刀式刀闸开合状态检测方法
CN110689528B (zh) 一种基于自动定位的对开式刀闸开合角度检测方法
CN112906694B (zh) 变电站倾斜式指针式仪表图像的读数矫正系统及方法
CN110942443A (zh) 一种对开式刀闸状态的实时检测方法
CN106446894B (zh) 一种基于轮廓识别球型目标物位置的方法
CN107843818B (zh) 基于异源图像温升与局部放电特征高压绝缘故障诊断方法
CN104899609B (zh) 一种基于图像配准的机械式表计识别方法
CN110688921A (zh) 一种基于人体动作识别技术的驾驶员抽烟行为检测方法
CN111191641B (zh) 一种对开式刀闸运动状态的精确检测方法
CN110689574B (zh) 一种对开式刀闸运动状态的检测方法
CN106595593B (zh) 基于椭圆特征拟合的悬垂绝缘子串风偏监测方法
CN110717897A (zh) 基于快速确定中线模型的对开式刀闸开合角度检测方法
CN110675452B (zh) 一种实时跟踪的对开式刀闸状态的检测方法
CN109447062A (zh) 基于巡检机器人的指针型仪表识别方法
CN114724042B (zh) 一种输电线路中零值绝缘子自动检测方法
CN110717932A (zh) 一种实时跟踪的剪刀式刀闸状态的检测方法
CN111008951B (zh) 一种基于定位识别的对开式刀闸开合角度的计算方法
CN111507186A (zh) 一种变电站指针式仪表读数识别方法
CN116740060B (zh) 基于点云几何特征提取的装配式预制构件尺寸检测方法
CN109117720B (zh) 一种基于机器视觉的指针式仪表读数识别方法
CN111127388A (zh) 一种基于中线模型的对开式刀闸开合角度检测方法
CN109372545A (zh) 圆形盾构通缝隧道管片底部接缝张开程度评价方法
CN111080570A (zh) 一种对开式刀闸的开合角度的精确检测方法
CN110689529A (zh) 一种上下边界不平行的对开式刀闸开合角度检测方法
CN115615992B (zh) 一种耐火砖尺寸测量及缺陷检测方法

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