CN110852954B - 指针式仪表的图像倾斜校正方法及系统 - Google Patents
指针式仪表的图像倾斜校正方法及系统 Download PDFInfo
- Publication number
- CN110852954B CN110852954B CN201911132110.2A CN201911132110A CN110852954B CN 110852954 B CN110852954 B CN 110852954B CN 201911132110 A CN201911132110 A CN 201911132110A CN 110852954 B CN110852954 B CN 110852954B
- Authority
- CN
- China
- Prior art keywords
- image
- instrument
- coordinates
- mark number
- region
- 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
- 238000012937 correction Methods 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000002372 labelling Methods 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Images
Classifications
-
- 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
- G06T3/60—Rotation of whole images or parts thereof
- G06T3/608—Rotation of whole images or parts thereof by skew deformation, e.g. two-pass or three-pass rotation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种指针式仪表的图像倾斜校正方法及系统，该方法包括：将待校正的仪表图像输入深度网络模型中从而得到该仪表的第一刻度线数字的坐标、第二刻度线数字的坐标以及该仪表表盘圆心的坐标，其中，第一刻度线数字的坐标点和第二刻度线数字的坐标点相对于第一直线而对称，该第一直线位于仪表表盘的表面且经过仪表表盘圆心，并且当仪表正直放置的时候，该第一直线垂直于水平线；根据所述第一刻度线数字的坐标以及所述第二刻度线数字的坐标计算该待校正的仪表图像的倾斜角度θ。该指针式仪表的图像倾斜校正方法及系统基于深度网络模型对仪表的图像进行倾斜校正，校正速度更快且准确度更高。
Description
技术领域
本发明是关于仪器仪表智能识别技术领域，特别是关于一种指针式仪表的图像倾斜校正方法及系统。
背景技术
仪表可分为数字仪表和指针式仪表，相比于数字仪表，指针式仪表具有结构简单、价格低廉、防尘防水、抗电磁干扰能力强等特点，被广泛应用于电力系统、石油化工、航天航空等领域。但是同时，指针式仪表因其结构因素的自动读数相较于数字仪表也更加困难，除了要准确定位刻度盘和指针的位置，仪表盘上的刻度数字也需要进行识别，而由于仪表自身倾斜或由于拍摄因素而倾斜的表盘，在进行识别时将会对刻度数字的识别带来具有困难，首先倾斜的数字增加了对数字串定位的困难，其次倾斜的数字串不利于进行数字串的字符分割，并且倾斜的数字在识别中也增加了难度。
目前对于圆形指针式仪表的倾斜校正较为困难，并没有一个较好的方法，有部分研究者通过对待识别的圆形仪表在采集图像前人为添加一个参考物来进行后续的倾斜校正，这种校正方法操作复杂，不具有灵活性，需要人为添加先验信息，不具有实时性，因此不能应用到实际识别过程中。
另外，还有部分研究者通过观察仪表盘信息，发现仪表盘上有记录仪表信息的字符串信息，如压力表，通过对这部分字符串的提取处理，再经过直线拟合计算出字符串的倾斜角度即为仪表的倾斜角度，最后通过该角度校正仪表图像，这种方法在不需要先验信息的情况下可以实现仪表的倾斜校正，但是这种方法在字符串的提取过程较为困难，每一步的图像处理过程都会影响最后计算直线的角度，并且如果部分仪表没有这种可供参考的字符串文字，则该方法不可行，并且也无法保证字符串扶正就是正的，因此适用范围较小。
公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
发明内容
本发明的目的在于提供一种指针式仪表的图像倾斜校正方法及系统，其基于深度网络模型对仪表的图像进行倾斜校正，校正速度更快且准确度更高。
为实现上述目的，本发明提供了一种指针式仪表的图像倾斜校正方法，其包括：将待校正的仪表图像输入深度网络模型中从而得到该仪表的第一刻度线数字的坐标、第二刻度线数字的坐标以及该仪表表盘圆心的坐标，其中，第一刻度线数字的坐标点和第二刻度线数字的坐标点相对于第一直线而对称，该第一直线位于仪表表盘的表面且经过仪表表盘圆心，并且当仪表正直放置的时候，该第一直线垂直于水平线；根据所述第一刻度线数字的坐标以及所述第二刻度线数字的坐标计算该待校正的仪表图像的倾斜角度θ。
在本发明的一实施方式中，所述指针式仪表的图像倾斜校正方法还包括：在计算出待校正的仪表图像的倾斜角度θ之后，以该仪表表盘圆心的坐标为旋转中心，对该待校正的仪表图像旋转θ度。在本发明的一实施方式中，所述指针式仪表的图像倾斜校正方法还包括：在进行图像倾斜校正之前构建所述深度网络模型，所述构建所述深度网络模型包括：采集所述指针式仪表的图像集，其中，该图像集包括多个角度下拍摄的各个图像；标注所述图像集中的每个图像中的第一刻度线数字所在的区域、第二刻度线数字所在的区域和仪表表盘圆心所在的区域，其中，每个图像中的第一刻度线数字所在的区域的中心点和第二刻度线数字所在的区域的中心点相对于仪表的所述第一直线而对称；对所述图像集中标注的所述第一刻度线数字所在的区域、所述第二刻度线数字所在的区域和所述仪表表盘圆心所在的区域采用K均值算法确定各个区域最佳的标注尺寸；通过目标检测网络模型对最终标注后的图像集进行训练，得到所述深度网络模型。
在本发明的一实施方式中，根据所述第一刻度线数字的坐标以及所述第二刻度线数字的坐标计算该待校正的仪表图像的倾斜角度θ包括：将所述第一刻度线数字的坐标和所述第二刻度线数字的坐标之间进行连线得到第二直线，获得该第二直线的方程(Zx-Fx)y-(Zy-Fy)x+ZyFx-ZxFy＝0，其中，(Zx，Zy)表示所述第一刻度线数字在图像坐标系下的坐标、(Fx，Fy)表示所述第二刻度线数字在所述图像坐标系下的坐标，(x，y)是所述图像坐标系下某点的坐标；计算所述第二直线的斜率k，其中，
计算所述第二直线相对于水平线的倾斜角度θ，其中θ＝arctank。
在本发明的一实施方式中，以该仪表表盘圆心的坐标为旋转中心，对该待校正的仪表图像旋转θ度包括：根据第一式子将仪表的图像坐标系转换为笛卡尔坐标系，其中，第一式子为
其中，所述图像坐标系的原点在仪表图像的左上角，所述笛卡尔坐标系的原点为仪表图像的表盘圆心，(x’，y’)是所述笛卡尔坐标系下某点的坐标，(x，y)是所述图像坐标系下某点的坐标，(Cx，Cy)是所述原点在所述图像坐标系下的坐标；以表盘圆心为旋转中心旋转该待校正的仪表图像，根据第二式子确定图像旋转后的坐标，其中，所述第二式子为/>
本发明还提供了一种指针式仪表的图像倾斜校正系统，其包括：关键点坐标获取模块和倾斜角度计算模块。
关键点坐标获取模块用于将待校正的仪表图像输入深度网络模型中从而得到该仪表的第一刻度线数字的坐标、第二刻度线数字的坐标以及该仪表表盘圆心的坐标，其中，第一刻度线数字的坐标点和第二刻度线数字的坐标点相对于第一直线而对称，该第一直线位于仪表表盘的表面且经过仪表表盘圆心，并且当仪表正直放置的时候，该第一直线垂直于水平线。倾斜角度计算模块与所述关键点坐标获取模块相耦合，用于根据所述第一刻度线数字的坐标以及所述第二刻度线数字的坐标计算该待校正的仪表图像的倾斜角度θ。
在本发明的一实施方式中，所述指针式仪表的图像倾斜校正系统还包括：旋转模块。旋转模块与所述倾斜角度计算模块相耦合，用于以该仪表表盘圆心的坐标为旋转中心，对该待校正的仪表图像旋转θ度。
在本发明的一实施方式中，所述指针式仪表的图像倾斜校正系统还包括：深度网络模型构建模块，所述深度网络模型构建模块包括：图像集采集模块、关键点区域标注模块、标注尺寸确定模块以及训练模块。
图像集采集模块用于采集所述指针式仪表的图像集，其中，该图像集包括多个角度下拍摄的各个图像。关键点区域标注模块与所述图像集采集模块相耦合，用于标注所述图像集中每个图像中的第一刻度线数字所在的区域、第二刻度线数字所在的区域和仪表表盘圆心所在的区域，其中，每个图像中的第一刻度线数字所在的区域的中心点和第二刻度线数字所在的区域的中心点相对于仪表的所述第一直线而对称。标注尺寸确定模块与所述关键点区域标注模块相耦合，用于对所述图像集中标注的所述第一刻度线数字所在的区域、所述第二刻度线数字所在的区域和所述仪表表盘圆心所在的区域采用K均值算法确定各个区域最佳的标注尺寸。训练模块与所述标注尺寸确定模块相耦合，用于通过目标检测网络模型对最终标注后的图像集进行训练，得到所述深度网络模型。
在本发明的一实施方式中，所述倾斜角度计算模块用于将所述第一刻度线数字的坐标和所述第二刻度线数字的坐标之间进行连线得到第二直线，获得该第二直线的方程(Zx-Fx)y-(Zy-Fy)x+ZyFx-ZxFy＝0，其中，(Zx，Zy)表示所述第一刻度线数字在图像坐标系下的坐标、(Fx，Fy)表示所述第二刻度线数字在所述图像坐标系下的坐标，(x，y)是所述图像坐标系下某点的坐标；所述倾斜角度计算模块还用于计算所述第二直线的斜率k，其中，
所述倾斜角度计算模块还用于计算所述第二直线相对于水平线的倾斜角度θ，其中θ＝arctank。
在本发明的一实施方式中，所述旋转模块用于根据第一式子将仪表的图像坐标系转换为笛卡尔坐标系，其中，第一式子为
其中，所述图像坐标系的原点在仪表图像的左上角，所述笛卡尔坐标系的原点为仪表图像的表盘圆心，(x’，y’)是所述笛卡尔坐标系下某点的坐标，(x，y)是所述图像坐标系下某点的坐标，(Cx，Cy)是所述原点在所述图像坐标系下的坐标；所述旋转模块还用于以表盘圆心为旋转中心旋转图像，根据第二式子确定图像旋转后的坐标，其中，所述第二式子为
与现有技术相比，根据本发明的指针式仪表的图像倾斜校正方法及系统，根据构建的深度网络模型快速确定图像中的关键特征点的位置，关键特征点包括圆心以及具有对称特征的两个点，根据关键特征点的位置关系来确定图像的倾斜角，处理速度更快，校正准确度更高，操作起来更简单，普遍适应于表盘数字具有对称特征的仪表的图像倾斜校正。并且基于该方法能够在仪表读数识别前对倾斜的仪表进行校正，将会大大提高仪表后续识别以及读数的准确度。
附图说明
图1是根据本发明一实施方式的指针式仪表的图像倾斜校正方法的步骤组成；
图2是根据本发明一实施方式的仪表的第一直线Y的示意图；
图3是根据本发明一实施方式的待校正的仪表图像示意图；
图4是根据本发明一实施方式的构建深度网络模型的步骤组成；
图5是根据本发明一实施方式的各区域的标注示意图；
图6是根据本发明一实施方式的指针式仪表的图像倾斜校正系统的模块组成；
图7是根据本发明一实施方式的深度网络模型构建模块的模块组成。
具体实施方式
下面结合附图，对本发明的具体实施方式进行详细描述，但应当理解本发明的保护范围并不受具体实施方式的限制。
除非另有其它明确表示，否则在整个说明书和权利要求书中，术语“包括”或其变换如“包含”或“包括有”等等将被理解为包括所陈述的元件或组成部分，而并未排除其它元件或其它组成部分。
为了解决现有技术的问题，本发明提出了一种指针式仪表的图像倾斜校正方法及系统，根据构建的深度网络模型快速确定图像中的关键特征点的位置，关键特征点包括圆心以及具有对称特征的两个点，根据关键特征点的位置关系来确定图像的倾斜角，处理速度更快，倾斜校正准确度更高，操作起来更简单，普遍适应于表盘数字具有对称特征的仪表的图像倾斜校正。并且基于该方法能够在仪表读数识别前对倾斜的仪表进行校正，将会大大提高仪表后续识别以及读数的准确度。
图1是根据本发明一实施方式的指针式仪表的图像倾斜校正方法的流程图。该图像倾斜校正方法包括：步骤S1～步骤S3。
在步骤S1中将待校正的仪表图像输入深度网络模型中确定关键点坐标。具体地，将待校正的仪表图像输入深度网络模型中从而得到该仪表的第一刻度线数字的坐标、第二刻度线数字的坐标以及该仪表表盘圆心的坐标，其中，第一刻度线数字的坐标点和第二刻度线数字的坐标点相对于经过该仪表表盘圆心的第一直线Y而对称。如图2所示，在摆正状态下，经过指针式仪表表盘圆心的第一直线Y垂直于水平线。图3是根据本实施方式的待校正的仪表图像示意图，第一刻度线数字和第二刻度线数字分别是20和40。
在步骤S2中根据第一刻度线数字20的坐标以及第二刻度线数字40的坐标计算该待校正的仪表图像的倾斜角度θ。
具体而言，根据第一刻度线数字20的坐标以及第二刻度线数字40的坐标计算该待校正的仪表图像的倾斜角度θ包括：将第一刻度线数字20的坐标和第二刻度线数字40的坐标之间进行连线得到第二直线L，获得该第二直线L的方程(Zx-Fx)y-(Zy-Fy)x+ZyFx-ZxFy＝0，其中，(Zx，Zy)表示第一刻度线数字20在图像坐标系下的坐标、(Fx，Fy)表示第二刻度线数字40在图像坐标系下的坐标，(x，y)是图像坐标系下某点的坐标；计算第二直线的斜率k，其中，
计算第二直线相对与水平线M的倾斜角度θ，其中θ＝arctank。
在步骤S3中以该仪表表盘圆心的坐标为旋转中心，对该待校正的仪表图像旋转θ度。
对该待校正的仪表图像旋转θ度包括：根据第一式子将仪表的图像坐标系转换为笛卡尔坐标系，其中，第一式子为
其中，图像坐标系的原点在仪表图像的左上角，笛卡尔坐标系的原点为仪表图像的表盘圆心，(x’，y’)是笛卡尔坐标系下某点的坐标，(x，y)是图像坐标系下某点的坐标，(Cx，Cy)是原点在图像坐标系下的坐标；以表盘圆心为旋转中心旋转图像，根据第二式子确定图像旋转后的坐标，其中，第二式子为/>
在一实施方式中，指针式仪表的图像倾斜校正方法还包括：构建深度网络模型。如图4所示，构建深度网络模型包括：步骤S11～步骤S14。
在步骤S11中采集指针式仪表的图像集。其中，该图像集包括多个指针旋转角度下拍摄的各个图像。
在步骤S12中标注图像集中每个图像中的第一刻度线数字20所在的区域、第二刻度线数字40所在的区域和仪表表盘圆心所在的区域。其中，每个图像中的第一刻度线数字20所在的区域的中心点和第二刻度线数字40的标注区域的中心点相对于经过该仪表表盘圆心的第一直线Y而对称。
在步骤S13中对图像集中标注的第一刻度线数字20所在的区域、第二刻度线数字40所在的区域和仪表表盘圆心区域采用K均值算法确定最佳的标注尺寸。如图5所示，某张图像中的最终标注区域为A、B、C区域。
在步骤S14中通过目标检测网络模型对最终标注后的图像集进行训练，得到深度网络模型。
在上述实施方式中，还需说明一点的是，实际应用中，若因图像质量，指针遮挡等原因识别不出20或40，则可以将第一刻度线数字和第二刻度线数字分别设为10和50来重新建立深度网络模型并识别待校正图像的数字10和50的坐标，或者将第一刻度线数字和第二刻度线数字分别设为0和60来重新建立深度网络模型并识别待校正图像的数字0和60的坐标。第一刻度线数字和第二刻度线数字的选择原则就是两个数字点关于第一直线Y而对称。
基于同样的发明构思，本发明还提供了一种指针式仪表的图像倾斜校正系统。图6是根据本发明一实施方式的指针式仪表的图像倾斜校正系统，该图像倾斜校正系统包括：关键点坐标获取模块11、倾斜角度计算模块12以及旋转模块13。
关键点坐标获取模块11用于将待校正的仪表图像输入深度网络模型中从而得到该仪表的第一刻度线数字的坐标、第二刻度线数字的坐标以及该仪表表盘圆心的坐标，其中，第一刻度线数字的坐标点和第二刻度线数字的坐标点相对于经过该仪表表盘圆心的第一直线Y而对称。
倾斜角度计算模块12与关键点坐标获取模块11相耦合，用于根据第一刻度线数字的坐标以及第二刻度线数字的坐标计算该待校正的仪表图像的倾斜角度θ。具体而言，倾斜角度计算模块12用于将第一刻度线数字的坐标和第二刻度线数字的坐标之间进行连线得到第二直线，获得该第二直线的方程(Zx-Fx)y-(Zy-Fy)x+ZyFx-ZxFy＝0，其中，(Zx，Zy)表示第一刻度线数字在图像坐标系下的坐标、(Fx，Fy)表示第二刻度线数字在图像坐标系下的坐标，(x，y)是图像坐标系下某点的坐标；倾斜角度计算模块12还用于计算第二直线的斜率k，其中，
倾斜角度计算模块12还用于计算第二直线相对与水平线的倾斜角度θ，其中θ＝arctank。
旋转模块13与倾斜角度计算模块12相耦合，用于以该仪表表盘圆心的坐标为旋转中心，对该待校正的仪表图像旋转θ度。具体而言，旋转模块13用于根据第一式子将仪表的图像坐标系转换为笛卡尔坐标系，其中，第一式子为
其中，图像坐标系的原点在仪表图像的左上角，笛卡尔坐标系的原点为仪表图像的表盘圆心，(x’，y’)是笛卡尔坐标系下某点的坐标，(x，y)是图像坐标系下某点的坐标，(Cx，Cy)是原点在图像坐标系下的坐标；旋转模块13还用于以表盘圆心为旋转中心旋转图像，根据第二式子确定图像旋转后的坐标，其中，第二式子为
如图7所示，在一实施方式中，指针式仪表的图像倾斜校正系统还包括：深度网络模型构建模块10，该深度网络模型构建模块10包括：图像集采集模块10a、关键点区域标注模块10b、标注尺寸确定模块10c以及训练模块10d。
图像集采集模块10a用于采集指针式仪表的图像集，其中，该图像集包括多个指针旋转角度下拍摄的各个图像。
关键点区域标注模块10b与图像集采集模块10a相耦合，用于标注图像集中每个图像中的第一刻度线数字所在的区域、第二刻度线数字所在的区域和仪表表盘圆心所在的区域。其中，每个图像中的第一刻度线数字所在的区域的中心点和第二刻度线数字所在区域的中心点相对于第一直线Y而对称。
标注尺寸确定模块10c与关键点区域标注模块10b相耦合，用于对图像集中标注的第一刻度线数字所在的区域、第二刻度线数字所在的区域和仪表表盘圆心区域根据K均值算法确定最佳的标注尺寸。
训练模块10d与标注尺寸确定模块10c相耦合，用于通过目标检测网络模型对标注后的图像集进行训练，得到深度网络模型。
综上，根据本实施方式的指针式仪表的图像倾斜校正方法及系统，根据构建的深度网络模型快速确定图像中的关键特征点的位置，关键特征点包括圆心以及具有对称特征的两个点，根据关键特征点的位置关系来确定图像的倾斜角，处理速度更快，校正准确度更高，操作起来更简单，普遍适应于表盘数字具有对称特征的仪表的图像倾斜校正。并且基于该方法能够在仪表读数识别前对倾斜的仪表进行校正，将会大大提高仪表后续识别以及读数的准确度。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式，并且很显然，根据上述教导，可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用，从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变。本发明的范围意在由权利要求书及其等同形式所限定。
Claims (8)
1.一种指针式仪表的图像倾斜校正方法，其特征在于，包括：
将待校正的仪表图像输入深度网络模型中从而得到该仪表的第一刻度线数字的坐标、第二刻度线数字的坐标以及该仪表表盘圆心的坐标，其中，第一刻度线数字的坐标点和第二刻度线数字的坐标点相对于第一直线而对称，该第一直线位于仪表表盘的表面且经过仪表表盘圆心，并且当仪表正直放置的时候，该第一直线垂直于水平线；以及
根据所述第一刻度线数字的坐标以及所述第二刻度线数字的坐标计算该待校正的仪表图像的倾斜角度θ；
所述指针式仪表的图像倾斜校正方法还包括：在进行图像倾斜校正之前构建所述深度网络模型，所述构建所述深度网络模型包括：
采集所述指针式仪表的图像集，其中，该图像集包括多个角度下拍摄的各个图像；
标注所述图像集中的每个图像中的第一刻度线数字所在的区域、第二刻度线数字所在的区域和仪表表盘圆心所在的区域，其中，每个图像中的第一刻度线数字所在的区域的中心点和第二刻度线数字所在的区域的中心点相对于仪表的所述第一直线而对称；
对所述图像集中标注的所述第一刻度线数字所在的区域、所述第二刻度线数字所在的区域和所述仪表表盘圆心所在的区域采用K均值算法确定各个区域最佳的标注尺寸；以及
通过目标检测网络模型对最终标注后的图像集进行训练，得到所述深度网络模型。
2.如权利要求1所述的指针式仪表的图像倾斜校正方法，其特征在于，所述指针式仪表的图像倾斜校正方法还包括：
在计算出待校正的仪表图像的倾斜角度θ之后，以该仪表表盘圆心的坐标为旋转中心，对该待校正的仪表图像旋转θ度。
3.如权利要求1所述的指针式仪表的图像倾斜校正方法，其特征在于，根据所述第一刻度线数字的坐标以及所述第二刻度线数字的坐标计算该待校正的仪表图像的倾斜角度θ包括：
将所述第一刻度线数字的坐标和所述第二刻度线数字的坐标之间进行连线得到第二直线，获得该第二直线的方程(Zx-Fx)y-(Zy-Fy)x+ZyFx-ZxFy＝0，其中，(Zx,Zy)表示所述第一刻度线数字在图像坐标系下的坐标、(Fx,Fy)表示所述第二刻度线数字在所述图像坐标系下的坐标，(x，y)是所述图像坐标系下某点的坐标；
计算所述第二直线的斜率k，其中，
计算所述第二直线相对于水平线的倾斜角度θ，其中θ＝arctank。
4.如权利要求2所述的指针式仪表的图像倾斜校正方法，其特征在于，以该仪表表盘圆心的坐标为旋转中心，对该待校正的仪表图像旋转θ度包括：
根据第一式子将仪表的图像坐标系转换为笛卡尔坐标系，其中，第一式子为
其中，所述图像坐标系的原点在仪表图像的左上角，所述笛卡尔坐标系的原点为仪表图像的表盘圆心，(x’,y’)是所述笛卡尔坐标系下某点的坐标，(x，y)是所述图像坐标系下某点的坐标，(Cx，Cy)是所述原点在所述图像坐标系下的坐标；以及
以表盘圆心为旋转中心旋转该待校正的仪表图像，根据第二式子确定图像旋转后的坐标，其中，所述第二式子为
5.一种指针式仪表的图像倾斜校正系统，其特征在于，包括：
关键点坐标获取模块，用于将待校正的仪表图像输入深度网络模型中从而得到该仪表的第一刻度线数字的坐标、第二刻度线数字的坐标以及该仪表表盘圆心的坐标，其中，第一刻度线数字的坐标点和第二刻度线数字的坐标点相对于第一直线而对称，该第一直线位于仪表表盘的表面且经过仪表表盘圆心，并且当仪表正直放置的时候，该第一直线垂直于水平线；以及
倾斜角度计算模块，与所述关键点坐标获取模块相耦合，用于根据所述第一刻度线数字的坐标以及所述第二刻度线数字的坐标计算该待校正的仪表图像的倾斜角度θ；
所述指针式仪表的图像倾斜校正系统还包括：深度网络模型构建模块，所述深度网络模型构建模块包括：
图像集采集模块，用于采集所述指针式仪表的图像集，其中，该图像集包括多个角度下拍摄的各个图像；
关键点区域标注模块，与所述图像集采集模块相耦合，用于标注所述图像集中每个图像中的第一刻度线数字所在的区域、第二刻度线数字所在的区域和仪表表盘圆心所在的区域，其中，每个图像中的第一刻度线数字所在的区域的中心点和第二刻度线数字所在的区域的中心点相对于仪表的所述第一直线而对称；
标注尺寸确定模块，与所述关键点区域标注模块相耦合，用于对所述图像集中标注的所述第一刻度线数字所在的区域、所述第二刻度线数字所在的区域和所述仪表表盘圆心所在的区域采用K均值算法确定各个区域最佳的标注尺寸；以及
训练模块，与所述标注尺寸确定模块相耦合，用于通过目标检测网络模型对最终标注后的图像集进行训练，得到所述深度网络模型。
6.如权利要求5所述的指针式仪表的图像倾斜校正系统，其特征在于，所述指针式仪表的图像倾斜校正系统还包括：
旋转模块，与所述倾斜角度计算模块相耦合，用于以该仪表表盘圆心的坐标为旋转中心，对该待校正的仪表图像旋转θ度。
7.如权利要求5所述的指针式仪表的图像倾斜校正系统，其特征在于，所述倾斜角度计算模块用于将所述第一刻度线数字的坐标和所述第二刻度线数字的坐标之间进行连线得到第二直线，获得该第二直线的方程(Zx-Fx)y-(Zy-Fy)x+ZyFx-ZxFy＝0，其中，(Zx,Zy)表示所述第一刻度线数字在图像坐标系下的坐标、(Fx,Fy)表示所述第二刻度线数字在所述图像坐标系下的坐标，(x，y)是所述图像坐标系下某点的坐标；所述倾斜角度计算模块还用于计算所述第二直线的斜率k，其中，
所述倾斜角度计算模块还用于计算所述第二直线相对于水平线的倾斜角度θ，其中θ＝arctank。
8.如权利要求6所述的指针式仪表的图像倾斜校正系统，其特征在于，所述旋转模块用于根据第一式子将仪表的图像坐标系转换为笛卡尔坐标系，其中，第一式子为
其中，所述图像坐标系的原点在仪表图像的左上角，所述笛卡尔坐标系的原点为仪表图像的表盘圆心，(x’,y’)是所述笛卡尔坐标系下某点的坐标，(x，y)是所述图像坐标系下某点的坐标，(Cx，Cy)是所述原点在所述图像坐标系下的坐标；所述旋转模块还用于以表盘圆心为旋转中心旋转图像，根据第二式子确定图像旋转后的坐标，其中，所述第二式子为/>
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911132110.2A CN110852954B (zh) | 2019-11-19 | 2019-11-19 | 指针式仪表的图像倾斜校正方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911132110.2A CN110852954B (zh) | 2019-11-19 | 2019-11-19 | 指针式仪表的图像倾斜校正方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110852954A CN110852954A (zh) | 2020-02-28 |
| CN110852954B true CN110852954B (zh) | 2023-06-23 |
Family
ID=69602446
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911132110.2A Active CN110852954B (zh) | 2019-11-19 | 2019-11-19 | 指针式仪表的图像倾斜校正方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110852954B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112801094B (zh) * | 2021-02-02 | 2022-08-30 | 中国长江三峡集团有限公司 | 一种指针式仪表图像倾斜校正方法 |
| CN112906694B (zh) * | 2021-03-25 | 2022-10-04 | 中国长江三峡集团有限公司 | 变电站倾斜式指针式仪表图像的读数矫正系统及方法 |
| CN113888741B (zh) * | 2021-12-06 | 2022-03-18 | 智洋创新科技股份有限公司 | 一种配电室内仪表旋转图像校正方法 |
| CN114494684B (zh) * | 2022-04-01 | 2022-08-05 | 深圳市海清视讯科技有限公司 | 指针式表盘的读数识别方法、装置、设备、存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009300366A (ja) * | 2008-06-17 | 2009-12-24 | Sokkia Topcon Co Ltd | ロータリエンコーダと角度補正方法 |
| CN107038444A (zh) * | 2016-02-03 | 2017-08-11 | 上海慕荣电气有限公司 | 一种指针式表盘的图像识别方法 |
| CN108304842A (zh) * | 2018-02-01 | 2018-07-20 | 重庆中陆承大科技有限公司 | 水表读数识别方法、装置及电子设备 |
| CN108960237A (zh) * | 2018-06-29 | 2018-12-07 | 上海海事大学 | 一种指针式油位计读数识别方法 |
| CN110193697A (zh) * | 2019-07-01 | 2019-09-03 | 浙江畅尔智能装备股份有限公司 | 一种对称工件的校正装置 |
| CN110414510A (zh) * | 2019-07-26 | 2019-11-05 | 华中科技大学 | 一种指针式仪表读数校正方法 |
-
2019
- 2019-11-19 CN CN201911132110.2A patent/CN110852954B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009300366A (ja) * | 2008-06-17 | 2009-12-24 | Sokkia Topcon Co Ltd | ロータリエンコーダと角度補正方法 |
| CN107038444A (zh) * | 2016-02-03 | 2017-08-11 | 上海慕荣电气有限公司 | 一种指针式表盘的图像识别方法 |
| CN108304842A (zh) * | 2018-02-01 | 2018-07-20 | 重庆中陆承大科技有限公司 | 水表读数识别方法、装置及电子设备 |
| CN108960237A (zh) * | 2018-06-29 | 2018-12-07 | 上海海事大学 | 一种指针式油位计读数识别方法 |
| CN110193697A (zh) * | 2019-07-01 | 2019-09-03 | 浙江畅尔智能装备股份有限公司 | 一种对称工件的校正装置 |
| CN110414510A (zh) * | 2019-07-26 | 2019-11-05 | 华中科技大学 | 一种指针式仪表读数校正方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于计算机视觉的指针式仪表智能判读方法;温和;滕召胜;杨圣洁;刘淑荣;;仪器仪表学报(第07期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110852954A (zh) | 2020-02-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110852954B (zh) | 指针式仪表的图像倾斜校正方法及系统 | |
| CN110659636B (zh) | 基于深度学习的指针式仪表读数识别方法 | |
| CN112257676B (zh) | 一种指针式仪表读数方法、系统以及巡检机器人 | |
| CN112818988B (zh) | 一种指针式仪表自动识别读数方法及系统 | |
| Chi et al. | Machine vision based automatic detection method of indicating values of a pointer gauge | |
| CN111950330A (zh) | 一种基于目标检测的指针式仪表示数检测方法 | |
| CN104657711B (zh) | 一种鲁棒的指针式仪表读数自动识别方法 | |
| CN107145890B (zh) | 一种远距离多视角环境下的指针式仪表盘自动读数方法 | |
| CN111444781B (zh) | 一种水表读数识别方法、设备及存储介质 | |
| CN111368906B (zh) | 一种基于深度学习的指针式油位计读数识别方法 | |
| CN105894002B (zh) | 一种基于机器视觉的仪表示数识别方法 | |
| CN109508709B (zh) | 一种基于机器视觉的单指针仪表读数方法 | |
| CN110223355B (zh) | 一种基于双重极线约束的特征标志点匹配方法 | |
| CN112966711A (zh) | 基于卷积神经网络的指针式仪表示数识别方法及系统 | |
| CN111046881A (zh) | 基于计算机视觉和深度学习的指针式仪表读数识别方法 | |
| CN113050022B (zh) | 一种基于旋转天线的图像定位方法、装置及终端设备 | |
| CN112560839A (zh) | 指针式仪表读数的自动识别方法及系统 | |
| CN107945228B (zh) | 一种基于单幅卫星图像提取油罐高度的方法 | |
| CN114882487A (zh) | 一种指针仪表示数读取方法及其系统 | |
| CN115588196A (zh) | 基于机器视觉的指针型仪表读数方法和装置 | |
| CN114972714A (zh) | 表盘读取方法、设备、系统和计算机可读存储介质 | |
| CN114509049B (zh) | 基于图像处理的云台重复定位精度测量方法及其系统 | |
| CN115512343A (zh) | 一种圆形指针式仪表校正和读数识别方法 | |
| CN111209890B (zh) | 指针角度的智能读取方法及存储介质 | |
| CN108985160B (zh) | 一种确定指针式仪表读数的方法和装置 |
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 |