CN111179423A - 基于二维红外图像的三维红外图像生成方法 - Google Patents

基于二维红外图像的三维红外图像生成方法 Download PDF

Info

Publication number
CN111179423A
CN111179423A CN202010001522.9A CN202010001522A CN111179423A CN 111179423 A CN111179423 A CN 111179423A CN 202010001522 A CN202010001522 A CN 202010001522A CN 111179423 A CN111179423 A CN 111179423A
Authority
CN
China
Prior art keywords
dimensional
infrared image
contour
image
infrared
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
CN202010001522.9A
Other languages
English (en)
Other versions
CN111179423B (zh
Inventor
黄志东
蔡梦洁
陈闽江
杨上苹
黄鹏祥
陈毅阳
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.)
State Grid Fujian Electric Power Co Ltd
Maintenance Branch of State Grid Fujian Electric Power Co Ltd
Original Assignee
State Grid Fujian Electric Power Co Ltd
Maintenance Branch of State Grid Fujian Electric Power 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 State Grid Fujian Electric Power Co Ltd, Maintenance Branch of State Grid Fujian Electric Power Co Ltd filed Critical State Grid Fujian Electric Power Co Ltd
Priority to CN202010001522.9A priority Critical patent/CN111179423B/zh
Publication of CN111179423A publication Critical patent/CN111179423A/zh
Application granted granted Critical
Publication of CN111179423B publication Critical patent/CN111179423B/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
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • 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
    • G06T2207/10048—Infrared image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/20—Indexing scheme for editing of 3D models
    • G06T2219/2012—Colour editing, changing, or manipulating; Use of colour codes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/20—Indexing scheme for editing of 3D models
    • G06T2219/2016—Rotation, translation, scaling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/20—Indexing scheme for editing of 3D models
    • G06T2219/2021—Shape modification

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Computer Graphics (AREA)
  • Architecture (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Image Analysis (AREA)
  • Radiation Pyrometers (AREA)

Abstract

本发明提出一种基于二维红外图像的三维红外图像生成方法，包括：步骤S1：导入待测设备的三维模型，对三维模型进行不同视角的轮廓生成；步骤S2：围绕待测设备拍摄多张红外图像；步骤S3：对拍摄的红外图像A进行轮廓识别；步骤S4：进行Hu矩轮廓匹配；步骤S5：将图像的RGB值赋予三维模型对应的表面元；步骤S6：对全部拍摄的红外图像执行步骤S3‑步骤S5，对相邻两张红外图像之间的重叠部分，采用两张图片RGB值的平均值对三维模型对应的表面元进行赋值。其实现了通过二维红外图像生成三维红外图像的转换，且仅通过常规的设备和技术条件即可以完成，具有很高的实用价值。

Description

基于二维红外图像的三维红外图像生成方法
技术领域
本发明涉及红外图像处理领域，尤其涉及一种基于二维红外图像的三维红外图像生成方法。
背景技术
现有技术当中，对设备，尤其是较为大型设备的红外测温结果一般以二维图像的形式存储、查看，每张二维红外图像只能反映设备某一被拍摄面的发热情况，如果要更全面地反映和查看设备的发热情况，现有技术尚存瓶颈。
发明内容
本发明针对现有技术存在的缺陷和不足，本发明提出的方案通过对多张不同角度拍摄的红外图像进行对比分析，基于特殊温度点分布的红外图像合成算法进行多图三维化融合，将所有色温信息对应到设备三维模型上，并实现按照统一色温标准进行精细调整，防止合成结果色温失真。
其具体采用以下技术方案：
一种基于二维红外图像的三维红外图像生成方法，其特征在于，包括以下步骤：
步骤S1：导入待测设备的三维模型，对三维模型进行不同视角的轮廓生成，获得m个轮廓文件：A1,A2,A3…Am，记录每个轮廓文件内每个像素点与三维模型表面元的对应关系；
步骤S2：以待测设备为圆心，固定半径R，围绕待测设备拍摄多张红外图像，每一所述红外图像均包含待测设备的完整轮廓，且相邻两张红外图像之间有重叠部分；
步骤S3：对拍摄的红外图像A进行轮廓识别，获得二维轮廓图像A0；
步骤S4：将所述二维轮廓图像A0与m个轮廓文件进行Hu矩轮廓匹配，以匹配值最高的轮廓文件An对二维轮廓图像A0的尺寸进行调整，使二者的重合度达到最高，并以同样的尺寸调整方式对红外图像A进行调整，获得图像Ap；
步骤S5：遍历An中轮廓内部每个像素点，并将同样坐标的图像Ap的像素点RGB值赋予三维模型对应的表面元；
步骤S6：对全部拍摄的红外图像执行步骤S3-步骤S5，对相邻两张红外图像之间的重叠部分，采用两张图片RGB值的平均值对三维模型对应的表面元进行赋值。
优选地，还包括步骤S7：根据上色完毕的三维模型R、G、B之和最大的最亮色彩和R、G、B之和最小的最暗色彩统一调色，并标注出最高温度、最低温度。
优选地，在步骤S1中，对三维模型进行不同视角的轮廓生成，获得m个轮廓文件的具体过程为：围绕三维模型中心轴以3度的间隔生成120个轮廓组，每个轮廓组包括从仰角0度到70度以2度的间隔生成的35个子轮廓，共计4200个轮廓文件：A1,A2,A3…A4200；记录每个轮廓文件对应的三维模型旋转角度、俯仰角度，以及轮廓文件内每个像素点与三维模型表面元的对应关系。
优选地，在步骤S2中，以待测设备中心轴上的一点为圆心，固定半径R，围绕待测设备拍摄多张红外图像。
优选地，在步骤S3当中，先将红外图像A转为灰度图，并绘制该灰度图的直方图，取直方图两个峰值中心点的灰度值作为阈值，将小于该阈值的像素点置为黑色，大于该阈值的像素点置为白色，得到二值图；对二值图进行Canny边缘检测，得到二维轮廓图像A0。
本发明及其优选方案实现了通过二维红外图像生成三维红外图像的转换，且仅通过常规的设备和技术条件即可以完成，具有很高的实用价值。且采用的算法复杂度低，实现效率高、稳定性和实时性强，有助于对设备的发热情况做出有效的整体性评估。
附图说明
下面结合附图和具体实施方式对本发明进一步详细的说明：
图1是本发明实施例整体流程示意图；
图2是本发明实施例拍摄方法示意图。
具体实施方式
为让本专利的特征和优点能更明显易懂，下文特举实施例，并配合附图，作详细说明如下：
如图1所示，本实施例方案包括以下步骤：
步骤S1：导入待测设备的三维模型文件。对三维模型进行不同视角的轮廓生成，一般围绕该模型中心轴每隔3度左右（角度）生成120个轮廓组，每个轮廓组包括了从仰角0度到70度每隔2度生成的35个子轮廓，一共有4200个轮廓A1,A2,A3…A4200，并存储每个轮廓对应的三维模型旋转角度、俯仰角度，以及轮廓内每个像素点与三维模型表面元的对应关系。
步骤S2：以待测设备为圆心（优选位于模型中心轴上，且与步骤S1当中轮廓生成时相同位置的点为圆心），固定半径R，围绕着待测设备拍摄多张红外图像，并使待测设备位于图像正中的框内，确保每一红外图像均包含待测设备的完整轮廓，并保证每张图像中的待测设备与上下张有重叠部分，红外图像按照拍摄顺序命名；
步骤S3：对拍摄的红外图像A进行待测设备轮廓识别，轮廓线置为白色，其余部分置为黑色，记该轮廓图像为A0；其具体过程包括：先将框内的图像转为灰度图，并绘制该灰度图的直方图，直方图中将有两个峰值，一个是天空背景色温灰度的峰值，一个是设备色温灰度的峰值，取两个峰值中心点灰度值作为阈值，将小于该阈值的像素点置为黑色，大于该阈值的像素点置为白色，即得到待测设备的二值图。对二值图进行Canny边缘检测，得到待测设备轮廓。
步骤S4：把A0与存储的A1,A2,A3…A4200进行Hu矩轮廓匹配，挑选出与A0中轮廓匹配值最高的轮廓An。调整图像A0的尺寸，使得A0与An能够接近完全重合（包括轮廓和黑色背景），按照同样方式调整图像A的尺寸，得到图像Ap。
其中，Hu矩轮廓匹配是利用几何不变矩对图像区域几何特征的表征，据此特征来对图像进行分类等操作，其具有旋转、平移、尺度等特性的不变特征，对于轮廓匹配具有很好的效果。
步骤S5：遍历An中轮廓内部每个像素点，并将同样坐标的图像Ap的像素点颜色值通过步骤S3得到的轮廓内每个像素点与三维模型表面元的对应关系赋予三维模型对应的表面元。
步骤S6：按照步骤S3至步骤S5操作下一张图片。与上一张图片拍摄重复部分表面元的色彩RGB值是两张图片中该表面元色彩RGB值的平均值。
如图2所示，旋转角度为θ、俯仰角度β处的表面元通过第N张图片上色，其色彩RGB值为
Figure DEST_PATH_IMAGE002
；处理第N+1张图片后，该表面元也被上色，其色彩RGB值为
Figure DEST_PATH_IMAGE004
，则该表面元色彩RGB值调整为：
Figure DEST_PATH_IMAGE006
。
步骤S7：根据上色完毕的三维模型的最亮色彩（R、G、B之和最大）和最暗色彩（R、G、B之和最小）统一调色，并标注出最高温度、最低温度。
本专利不局限于上述最佳实施方式，任何人在本专利的启示下都可以得出其它各种形式的基于二维红外图像的三维红外图像生成方法，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本专利的涵盖范围。

Claims (5)

1.一种基于二维红外图像的三维红外图像生成方法，其特征在于，包括以下步骤：
步骤S1：导入待测设备的三维模型，对三维模型进行不同视角的轮廓生成，获得m个轮廓文件：A1,A2,A3…Am，记录每个轮廓文件内每个像素点与三维模型表面元的对应关系；
步骤S2：以待测设备为圆心，固定半径R，围绕待测设备拍摄多张红外图像，每一所述红外图像均包含待测设备的完整轮廓，且相邻两张红外图像之间有重叠部分；
步骤S3：对拍摄的红外图像A进行轮廓识别，获得二维轮廓图像A0；
步骤S4：将所述二维轮廓图像A0与m个轮廓文件进行Hu矩轮廓匹配，以匹配值最高的轮廓文件An对二维轮廓图像A0的尺寸进行调整，使二者的重合度达到最高，并以同样的尺寸调整方式对红外图像A进行调整，获得图像Ap；
步骤S5：遍历An中轮廓内部每个像素点，并将同样坐标的图像Ap的像素点RGB值赋予三维模型对应的表面元；
步骤S6：对全部拍摄的红外图像执行步骤S3-步骤S5，对相邻两张红外图像之间的重叠部分，采用两张图片RGB值的平均值对三维模型对应的表面元进行赋值。
2.根据权利要求1所述的基于二维红外图像的三维红外图像生成方法，其特征在于，还包括步骤S7：根据上色完毕的三维模型R、G、B之和最大的最亮色彩和R、G、B之和最小的最暗色彩统一调色，并标注出最高温度、最低温度。
3.根据权利要求1所述的基于二维红外图像的三维红外图像生成方法，其特征在于：在步骤S1中，对三维模型进行不同视角的轮廓生成，获得m个轮廓文件的具体过程为：围绕三维模型中心轴以3度的间隔生成120个轮廓组，每个轮廓组包括从仰角0度到70度以2度的间隔生成的35个子轮廓，共计4200个轮廓文件：A1,A2,A3…A4200；记录每个轮廓文件对应的三维模型旋转角度、俯仰角度，以及轮廓文件内每个像素点与三维模型表面元的对应关系。
4.根据权利要求3所述的基于二维红外图像的三维红外图像生成方法，其特征在于：在步骤S2中，以待测设备中心轴上的一点为圆心，固定半径R，围绕待测设备拍摄多张红外图像。
5.根据权利要求1所述的基于二维红外图像的三维红外图像生成方法，其特征在于：在步骤S3当中，先将红外图像A转为灰度图，并绘制该灰度图的直方图，取直方图两个峰值中心点的灰度值作为阈值，将小于该阈值的像素点置为黑色，大于该阈值的像素点置为白色，得到二值图；对二值图进行Canny边缘检测，得到二维轮廓图像A0。
CN202010001522.9A 2020-01-02 2020-01-02 基于二维红外图像的三维红外图像生成方法 Active CN111179423B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010001522.9A CN111179423B (zh) 2020-01-02 2020-01-02 基于二维红外图像的三维红外图像生成方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010001522.9A CN111179423B (zh) 2020-01-02 2020-01-02 基于二维红外图像的三维红外图像生成方法

Publications (2)

Publication Number Publication Date
CN111179423A true CN111179423A (zh) 2020-05-19
CN111179423B CN111179423B (zh) 2023-04-07

Family

ID=70654392

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010001522.9A Active CN111179423B (zh) 2020-01-02 2020-01-02 基于二维红外图像的三维红外图像生成方法

Country Status (1)

Country Link
CN (1) CN111179423B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112102155A (zh) * 2020-09-09 2020-12-18 青岛黄海学院 一种平面设计至非平面设计的转换系统及方法
CN116129157A (zh) * 2023-04-13 2023-05-16 深圳市夜行人科技有限公司 一种基于极微光的警戒摄像机智能图像处理方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010002070A1 (en) * 2008-06-30 2010-01-07 Korea Institute Of Oriental Medicine Method for grouping 3d models to classify constitution
CN108230237A (zh) * 2017-12-15 2018-06-29 同济大学 一种用于电气设备在线检测的多光谱图像重构方法
CN110544300A (zh) * 2019-09-05 2019-12-06 佛山市玖章智能科技有限公司 一种基于二维手绘图像特征自动生成三维模型的方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010002070A1 (en) * 2008-06-30 2010-01-07 Korea Institute Of Oriental Medicine Method for grouping 3d models to classify constitution
CN108230237A (zh) * 2017-12-15 2018-06-29 同济大学 一种用于电气设备在线检测的多光谱图像重构方法
CN110544300A (zh) * 2019-09-05 2019-12-06 佛山市玖章智能科技有限公司 一种基于二维手绘图像特征自动生成三维模型的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张萼辉: "牵引变电所红外温度监测图像处理方法研究", 《上海铁道科技》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112102155A (zh) * 2020-09-09 2020-12-18 青岛黄海学院 一种平面设计至非平面设计的转换系统及方法
CN116129157A (zh) * 2023-04-13 2023-05-16 深圳市夜行人科技有限公司 一种基于极微光的警戒摄像机智能图像处理方法及系统
CN116129157B (zh) * 2023-04-13 2023-06-16 深圳市夜行人科技有限公司 一种基于极微光的警戒摄像机智能图像处理方法及系统

Also Published As

Publication number Publication date
CN111179423B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
CN108764257B (zh) 一种多视角的指针式仪表识别方法
CN110197466B (zh) 一种广角鱼眼图像矫正方法
US6768509B1 (en) Method and apparatus for determining points of interest on an image of a camera calibration object
CN111223133A (zh) 一种异源图像的配准方法
CN111507976B (zh) 基于多角度成像的缺陷检测方法及系统
CN112067233B (zh) 一种用于风洞模型六自由度运动捕获方法
CN110033407B (zh) 一种盾构隧道表面图像标定方法、拼接方法及拼接系统
CN111179423B (zh) 基于二维红外图像的三维红外图像生成方法
JP2009086926A (ja) 画像認識方法および装置
CN107507263B (zh) 一种基于图像的纹理生成方法及系统
CN110110131B (zh) 一种基于深度学习与双目立体视觉的飞机线缆支架识别与参数获取方法
CN109242787A (zh) 一种中小学艺术测评中绘画录入方法
CN111768452A (zh) 一种基于深度学习的非接触式自动贴图方法
CN113822844A (zh) 风电机组叶片无人机巡检缺陷检测方法、装置和存储介质
CN108665468B (zh) 一种提取直线塔绝缘子串的装置及方法
CN117036641A (zh) 一种基于双目视觉的公路场景三维重建与缺陷检测方法
CN113052110B (zh) 一种基于多视图投影和深度学习的三维兴趣点提取方法
CN112906689B (zh) 一种基于缺陷检测与分割深度卷积神经网络的图像检测方法
CN110263784A (zh) 智能的英语试卷成绩识别录入方法
CN113420776A (zh) 一种基于模型融合的多侧面联合检测物品分类方法
CN110717910B (zh) 基于卷积神经网络的ct图像目标检测方法及ct扫描仪
JP2002090308A (ja) 画像処理を用いた鋼材表面の劣化度評価システム
CN112907973A (zh) 机动车打刻编码的高精度完整信息采集与真实3d形貌复原比对系统及方法
CN112488207A (zh) 一种基于仿真图像的高相似度零件视觉识别方法及系统
CN110298347B (zh) 一种基于GrayWorld与PCA-CNN的汽车尾气分析仪屏幕的识别方法

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