CN111381579A - 一种云台故障检测方法、装置、计算机设备及存储介质 - Google Patents

一种云台故障检测方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN111381579A
CN111381579A CN201811648588.6A CN201811648588A CN111381579A CN 111381579 A CN111381579 A CN 111381579A CN 201811648588 A CN201811648588 A CN 201811648588A CN 111381579 A CN111381579 A CN 111381579A
Authority
CN
China
Prior art keywords
scene image
rotation
current
reference position
rotation control
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
CN201811648588.6A
Other languages
English (en)
Other versions
CN111381579B (zh
Inventor
王玉波
楼先濠
赵捷珍
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.)
Zhejiang Uniview Technologies Co Ltd
Original Assignee
Zhejiang Uniview Technologies 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 Zhejiang Uniview Technologies Co Ltd filed Critical Zhejiang Uniview Technologies Co Ltd
Priority to CN201811648588.6A priority Critical patent/CN111381579B/zh
Publication of CN111381579A publication Critical patent/CN111381579A/zh
Application granted granted Critical
Publication of CN111381579B publication Critical patent/CN111381579B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/24—Pc safety
    • G05B2219/24065—Real time diagnostics

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Studio Devices (AREA)

Abstract

本发明实施例公开了一种云台故障检测方法、装置、计算机设备及存储介质，所述方法包括：向待测的云台发送至少一组转动控制指令，其中，所述云台上设置有跟随所述云台进行转动的摄像头；接收所述摄像头位于与所述转动控制指令匹配的转动位置处拍摄的当前位置场景图像，并将所述当前位置场景图像与标准基准位置场景图像进行比对；根据比对结果计算与所述至少一组转动控制指令匹配的当前转动数据，并根据与所述至少一组转动控制指令匹配的当前转动数据对所述云台进行故障检测。本发明实施例的技术方案能够在无人干预的情况下自动对云台的工作状态进行评估诊断，从而提高云台故障检测的效率和精确率。

Description

一种云台故障检测方法、装置、计算机设备及存储介质
技术领域
本发明实施例涉及云台技术领域，尤其涉及一种云台故障检测方法、装置、计算机设备及存储介质。
背景技术
在监控领域中，摄像机是获取监控信息的主要设备，摄像机获取的视频资料质量好坏直接关系到监控品质。在实际的监控环境中，有些摄像机被安装在离监控中心比较偏远的地方，因此会缺少日常维护。日积月累，可能导致摄像机出现各种故障。常常出现的一种情况是某区域发生了安全事故需要调取该区域的监控视频时才发现该区域视频信息缺失，从而严重阻碍事故的排查时间，同时造成资源浪费。
云台是一种用于安装和固定摄像机的支撑设备，通常，云台上可以安装有摄像机，如常见的可以多角度转动的球型摄像机。云台摄像机通过水平及垂直转动可以覆盖很大的监控范围。随着人工智能在监控领域的大规模落地，当前涌现了一大批智能监控设备，比如枪球联动及跟踪球等，都依赖云台转动摄像机对目标进行跟踪拍摄。智能摄像机对云台转动精度要求较高，在初始化设备时需要进行精准的坐标系映射。在云台摄像机的运行过程中，一旦云台电机精度发生变化，相同转动指令驱动镜头转动角度就会不一致，从而导致跟踪失败。
发明人在实现本发明的过程中，发现现有技术存在如下缺陷：由于各类云台摄像机数量与日俱增，因此通过人工对搭载摄像机的所有云台进行及时检查是不现实的，且人工检查效率极低，导致无法及时发现出现故障的云台。另外，云台电机故障通常是由于机械疲劳等原因逐渐积累的，仅依靠人工肉眼显然无法做出准确判断，直到故障明显时才得以发现。同时，现有检测云台故障的手段只能简单判断云台是否可以转动以及转动方向是否正确，但是不能精确判断云台的转动幅度是否正常，难以满足智能摄像机对云台转动精度的需求。
发明内容
本发明实施例提供一种云台故障检测方法、装置、计算机设备及存储介质，实现在无人干预的情况下自动对云台的工作状态进行评估诊断，从而提高云台故障检测的效率和精确率。
第一方面，本发明实施例提供了一种云台故障检测方法，包括：
向待测的云台发送至少一组转动控制指令，其中，所述云台上设置有跟随所述云台进行转动的摄像头；
接收所述摄像头位于与所述转动控制指令匹配的转动位置处拍摄的当前位置场景图像，并将所述当前位置场景图像与标准基准位置场景图像进行比对；
根据比对结果计算与所述至少一组转动控制指令匹配的当前转动数据，并根据与所述至少一组转动控制指令匹配的当前转动数据对所述云台进行故障检测。
第二方面，本发明实施例还提供了一种云台故障检测装置，包括：
转动控制指令发送模块，用于向待测的云台发送至少一组转动控制指令，其中，所述云台上设置有跟随所述云台进行转动的摄像头；
场景图像对比模块，用于接收所述摄像头位于与所述转动控制指令匹配的转动位置处拍摄的当前位置场景图像，并将所述当前位置场景图像与标准基准位置场景图像进行比对；
故障检测模块，用于根据比对结果计算与所述至少一组转动控制指令匹配的当前转动数据，并根据与所述至少一组转动控制指令匹配的当前转动数据对所述云台进行故障检测。
第三方面，本发明实施例还提供了一种计算机设备，所述计算机设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明任意实施例所提供的云台故障检测方法。
第四方面，本发明实施例还提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明任意实施例所提供的云台故障检测方法。
本发明实施例通过向设置有跟随云台转动的摄像头的云台发送至少一组转动控制指令，以接收摄像头位于与转动控制指令匹配的转动位置处拍摄的当前位置场景图像，并将当前位置场景图像与标准基准位置场景图像进行比对计算与至少一组转动控制指令匹配的当前转动数据，从而根据与至少一组转动控制指令匹配的当前转动数据对云台进行故障检测，解决了现有云台故障检测技术存在的效率及精确率较低等问题，实现在无人干预的情况下自动对云台的工作状态进行评估诊断，从而提高云台故障检测的效率和精确率。
附图说明
图1是本发明实施例一提供的一种云台故障检测方法的流程图；
图2a是本发明实施例二提供的一种云台故障检测方法的流程图；
图2b是本发明实施例二提供的一种计算转动控制指令匹配的当前转动数据的流程图；
图2c是本发明实施例二提供的一种Hessian矩阵行列式响应阈值的计算流程图；
图2d是本发明实施例二提供的一种同一个场景不同时间点特征匹配效果示意图；
图2e是本发明实施例二提供的一种距离直方图统计结果示意图；
图2f是本发明实施例二提供的一种距离直方图滤波前后效果对比示意图；
图2g是本发明实施例二提供的一种云台转动时摄像头获取的场景图像中场景变化示意图；
图3是本发明实施例三提供的一种云台故障检测装置的示意图；
图4为本发明实施例四提供的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。
另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1是本发明实施例一提供的一种云台故障检测方法的流程图，本实施例可适用于精确检测云台故障的情况，该方法可以由云台故障检测装置来执行，该装置可以由软件和/或硬件的方式来实现，并一般可集成在计算机设备中。相应的，如图1所示，该方法包括如下操作：
S110、向待测的云台发送至少一组转动控制指令，其中，所述云台上设置有跟随所述云台进行转动的摄像头。
其中，转动控制指令可以是控制云台进行转动的指令，如向右转10°等，具体可以根据实际需求设置，本发明实施例并不对转动控制指令的具体内容进行限定。
在本发明实施例中，在对待测的云台进行故障检测时，可以通过相机管理平台向待测的云台发送至少一组转动控制指令。其中，相机管理平台可以是对云台和相机进行远程管理和维护的平台，能够根据摄像头获取的图像计算云台的转动数据，并可通过数据库对云台相关的转动数据进行记录。待测的云台上设置有跟随云台同步转动的摄像头，用于获取图像。当待测的云台接收到相机管理平台转动控制指令后，可以按照转动控制指令同步携带摄像头进行转动。可选的，在通过转动控制指令控制云台进行转动时，可以先控制云台转动至预先设定的基准位置后，再按照设定的角度进行转动；或者，也还可以直接控制云台在当前位置处按照设定的角度进行转动，本发明实施例并不对转动控制指令的具体控制方式进行限定。
在本发明的一个可选实施例中，所述转动控制指令可以包括：由基准位置转动至设定位置的指令集合；相应的，向待测的云台发送转动控制指令，可以包括：在向所述云台发送转动至基准位置的第一转动控制子指令后，向所述云台发送转动至设定位置的第二转动控制子指令。
其中，基准位置可以是预先设定的参考位置，如云台在初始状态下未进行转动时所处的位置，即坐标原点。或者，基准位置还可以是云台上相应装置指定的位置，如光电开关定位所得的位置等。基准位置同样可以根据实际需求进行设定，本发明实施例对此并不进行限制。设定位置可以是根据实际需求所设定的云台转动位置，如水平方向往左转动5°或水平方向往左转动15°后竖直方向向上转动5°等，本发明实施例并不对设定位置的具体内容进行限定。第一转动控制子指令可以是用于控制云台转动至基准位置的转动控制指令；第二转动控制子指令可以是用于控制云台由基准位置按照设定位置进行转动的转动控制指令。
在本发明实施例中，可选的，在检测云台故障的过程中，每次按照转动控制指令控制云台进行转动时，可以首先根据第一转动控制子指令控制云台转回至基准位置处，然后再根据设定位置的第二转动控制子指令控制云台由基准位置处按照设定位置进行转动。
这样设置的好处是：每次转动时，云台由基准位置处按照转动控制指令进行转动，都以基准位置作为统一的参考标准，能够更为精确地获取云台的转动数据，从而保证故障检测结果的准确性。
S120、接收所述摄像头位于与所述转动控制指令匹配的转动位置处拍摄的当前位置场景图像，并将所述当前位置场景图像与标准基准位置场景图像进行比对。
其中，当前位置场景图像可以是摄像头跟随云台根据转动控制指令完成转动后，在当前位置处获取的场景图像。标准基准位置场景图像可以是云台处于基准位置处时摄像头获取的场景图像。
相应的，当云台及摄像头按照转动控制指令完成转动后，摄像头即可在转动位置处拍摄当前位置场景图像并发送至相机管理平台。相机管理平台接收到摄像头发送的当前位置场景图像后，可以将当前位置场景图像与标准基准位置场景图像进行比对。
在本发明的一个可选实施例中，在向所述云台发送转动至基准位置的第一转动控制子指令后，还可以包括：
接收所述摄像头位于与所述第一转动控制子指令匹配的待测基准位置处拍摄的待测基准位置场景图像；
将所述待测基准位置场景图像与所述标准基准位置场景图像进行对比，获取所述待测基准位置场景图像的回归位置误差；
如果所述回归位置误差满足预设阈值条件，则使用所述待测基准位置场景图像更新所述标准基准位置场景图像；
如果所述回归位置误差不满足所述预设阈值条件，则生成与所述回归位置误差匹配的补偿转动指令，并向所述云台发送所述补偿转动指令进行补偿转动；
接收所述摄像头在位于所述补偿转动指令匹配的新的待测基准位置处拍摄的新的待测基准位置场景图像；
返回执行将所述待测基准位置场景图像与所述标准基准位置场景图像进行对比的操作，直至确定所述回归位置误差满足所述预设阈值条件。
其中，待测基准位置可以是云台在运行过程中，根据第一转动控制子指令完成转动后所处的位置。当云台没有出现故障时，待测基准位置与基准位置相同，或误差在可控范围内；当云台出现故障时，待测基准位置与基准位置的误差较大。相应的，待测基准位置场景图像即为云台处于待测基准位置时摄像头所获取的场景图像。回归位置误差则可以是待测基准位置与基准位置之间的误差。预设阈值条件可以是根据实际需求为回归位置误差所设定的限定条件，如回归位置误差中距离误差小于1mm，方向误差小于1°或2°等，本发明实施例并不对预设阈值条件的具体内容进行限定。可以理解的是，针对回归位置误差所设定的预设阈值条件要求越苛刻，则云台故障检测越精确。
需要说明的是，如果每次按照转动控制指令控制云台进行转动时，首先根据第一转动控制子指令控制云台转回至基准位置处，然后再根据设定位置的第二转动控制子指令控制云台由基准位置处按照设定位置进行转动，则需要保证云台根据第一转动控制子指令能够精确地至基准位置处，或者按照第一转动控制指令完成转动时，云台当前所处位置与基准位置的误差小于预设的阈值，这样才能保证故障检测的精确性。
具体的，相机管理平台向云台发送转动至基准位置的第一转动控制子指令后，可以接收摄像头位于与第一转动控制子指令匹配的待测基准位置处拍摄的待测基准位置场景图像，然后将待测基准位置场景图像与标准基准位置场景图像进行对比从而获取待测基准位置场景图像的回归位置误差。如果回归位置误差满足预设阈值条件，如回归位置误差中距离误差小于1mm，方向误差小于1°，则认为云台的回归位置正常，并使用待测基准位置场景图像更新标准基准位置场景图像，同时还可以在数据库中记录此次回归位置误差数据。如果回归位置误差不满足预设阈值条件，如回归位置误差中距离误差大于1mm，和/或，方向误差大于1°，则认为云台的回归位置异常，此时可以在数据库中记录回归位置误差数据，但不需要使用待测基准位置场景图像更新标准基准位置场景图像，因为此时的待测基准位置场景图像精确度并不满足需求。进一步的，可以根据回归位置误差生成对应的补偿转动指令并发送至云台，以使云台根据补偿转动指令进行补偿转动。其中，补偿转动指令可以是朝着减小回归位置误差的方向转动一定的距离和方向。云台在每次进行补偿转动后，相机管理平台可以接收摄像头在位于补偿转动指令匹配的新的待测基准位置处拍摄的新的待测基准位置场景图像，并根据新的待测基准位置场景图像重复执行将待测基准位置场景图像与标准基准位置场景图像进行对比的操作，直至确定回归位置误差满足预设阈值条件。
S130、根据比对结果计算与所述至少一组转动控制指令匹配的当前转动数据，并根据与所述至少一组转动控制指令匹配的当前转动数据对所述云台进行故障检测。
其中，当前转动数据可以是云台按照转动控制指令完成转动后所对应的一些数据，包括云台的转动距离和/或云台的转动方向等。需要说明的是，本发明实施例中云台的转动距离(或当前转动距离)可以是当前位置场景图像中目标物体相对于标准基准位置场景图像中同一目标物体的偏移距离。
相应的，相机管理平台接收到摄像头发送的当前位置场景图像后，将当前位置场景图像与标准基准位置场景图像进行比对可以获取比对结果，进而根据比对结果计算与至少一组转动控制指令匹配的当前转动数据。相机管理平台获取到云台对应的当前转动数据后，可以根据当前转动数据对云台进行故障检测。具体的，相机管理平台可以根据当前转动数据掌握云台具体的转动情况，例如云台具体的转动距离和转动方向等数据。相机管理平台根据获取的当前转动数据可以精确地计算云台的转动误差，从而根据计算的转动误差来判断云台是否出现故障。
可选的，在本发明实施例中，在利用当前转动数据对云台进行故障检测时，可以依据转动控制指令与匹配的当前转动数据判断云台是否出现故障。示例性的，假设转动控制指令为在基准位置处按水平方向往左转动10°。当云台按照转动控制指令完成转动后，相机管理平台根据接收的当前位置场景图像与标准基准位置场景图像进行比对，计算得到与该转动控制指令匹配的当前转动数据为在基准位置处按水平方向往左转动10°，则可以确定云台没有出现故障。或者，也可以依据当前转动数据与转动控制指令所匹配的预存的历史转动数据(以历史转动数据不存在误差为前提)进行对比判断云台是否出现故障。示例性的，假设转动控制指令为在基准位置处按水平方向往左转动10°。当云台按照转动控制指令完成转动后，相机管理平台根据接收的当前位置场景图像与标准基准位置场景图像进行比对，计算得到与该转动控制指令匹配的当前转动数据为在基准位置处按水平方向往左转动10°。相机管理平台根据该转动控制指令获取预存的历史转动数据为在基准位置处按水平方向往左转动10°，则可以确定云台没有出现故障。
在本发明的一个可选实施例中，所述云台故障检测方法可以由相机管理平台根据用户输入的检测指令定期自动执行；或，所述云台故障检测方法可以由所述相机管理平台根据大数据统计结果所确定的执行时间定期执行。
在本发明实施例中，可选的，用户可以利用相机管理平台实时输入检测指令，相机管理平台可以根据用户输入的检测指令定期自动对云台进行故障检测。或者，相机管理平台还可以利用云台及摄像头的大数据进行统计分析，得到云台及摄像头的空闲时段(即未处于监控等工作状态的时段)，从而在统计分析的空闲时段内自行对云台进行故障检测。
本发明实施例通过向设置有跟随云台转动的摄像头的云台发送至少一组转动控制指令，以接收摄像头位于与转动控制指令匹配的转动位置处拍摄的当前位置场景图像，并将当前位置场景图像与标准基准位置场景图像进行比对计算与至少一组转动控制指令匹配的当前转动数据，从而根据与至少一组转动控制指令匹配的当前转动数据对云台进行故障检测，解决了现有云台故障检测技术存在的效率及精确率较低等问题，实现在无人干预的情况下自动对云台的工作状态进行评估诊断，从而提高云台故障检测的效率和精确率。
实施例二
图2a是本发明实施例二提供的一种云台故障检测方法的流程图，本实施例以上述实施例为基础进行具体化，在本实施例中，给出了根据比对结果计算与所述至少一组转动控制指令匹配的当前转动数据，并根据与所述至少一组转动控制指令匹配的当前转动数据对所述云台进行故障检测的具体实现方式。相应的，如图2a所示，本实施例的方法可以包括：
S210、向待测的云台发送至少一组转动控制指令，其中，所述云台上设置有跟随所述云台进行转动的摄像头。
在本发明的一个可选实施例中，在向待测的云台发送至少一组由基准位置转动至设定位置的转动控制指令之前，还可以包括：
在检测到所述云台为新接入设备时，向所述云台发送所述至少一组由基准位置转动至设定位置的转动控制指令；
接收所述摄像头位于与所述转动控制指令匹配的转动位置处拍摄的当前位置场景图像，并将所述当前位置场景图像与标准基准位置场景图像进行比对；
根据比对结果计算所述云台与所述至少一组转动控制指令匹配的历史转动数据。
其中，历史转动数据可以是云台首次接入系统时，根据多组由基准位置转动至设定位置的转动控制指令完成转动操作时所获取的转动数据，包括云台的转动距离和/或云台的转动方向等。
可以理解的是，当云台作为新接入设备首次接入系统时，其故障率极低。因此，将云台首次接入系统时按照至少一组由基准位置转动至设定位置的转动控制指令进行转动，并在相机管理平台的数据库中记录每组转动控制指令对应的历史转动数据。
具体的，当云台根据每组由基准位置转动至设定位置的转动控制指令完成转动时，相机管理平台可以接收摄像头位于与转动控制指令匹配的转动位置处拍摄的当前位置场景图像，并将当前位置场景图像与标准基准位置场景图像进行比对，从而根据比对结果计算云台与至少一组转动控制指令匹配的历史转动数据。可选的，可以获取并记录存储所有角度对应的转动控制指令匹配的历史转动数据，从而以历史转动数据为基准对云台进行故障检测。
也即，当对云台进行故障检测时，如果依据历史转动数据与云台获取的当前转动数据进行对比判断云台是否出现故障，则当前转动数据所对应的转动控制指令需与历史转动数据对应的转动控制指令要保持一致。
S220、接收所述摄像头位于与所述转动控制指令匹配的转动位置处拍摄的当前位置场景图像，并将所述当前位置场景图像与标准基准位置场景图像进行比对。
S230、根据比对结果计算与所述至少一组转动控制指令匹配的当前转动数据，并根据与所述至少一组转动控制指令匹配的当前转动数据对所述云台进行故障检测。
其中，所述当前转动数据可以包括当前转动距离和/或当前转动方向，当前转动距离可以是云台根据转动控制指令进行转动后获取的当前位置场景图像中目标物体相对于标准基准位置场景图像中同一目标物体的偏移距离；当前转动方向可以是云台根据转动控制指令进行转动后对应的转动方向。
在一个具体的例子中，图2b是本发明实施例二提供的一种计算转动控制指令匹配的当前转动数据的流程图，如图2b所示，相机管理平台可以包括云台转动与图像接收模块、图像处理模块、特征匹配模块结果处理模块以及结果判断模块。其中，云台转动与图像接收模块主要负责控制云台转动以及图像接收等，即向云台发送转动控制命令，云台根据转动控制指令可以转动至基准位置后，再按照设定位置进行转动，完成转动后接收摄像头获取的当前位置场景图像。在对云台进行转动控制之前，还可以预先控制云台转回至基准位置以对标准基准位置场景图像进行更新。图像处理模块主要负责对获取的当前位置场景图像与标准基准位置场景图像进行图像预处理操作，包括但不限于图像缩放和图像增强等，对两组图像进行缩放和图像增强，以便下一步进行检测。特征匹配模块可以实现响应阈值计算特征提取以及特征点匹配等功能。结果处理模块可以实现特征点对偏移距离计算、距离直方图统计以及直方图滤波等功能。结果判断模块则可以实现云台转动距离和转动方向的计算，以根据计算结果综合评判云台转动是否正常，并上报结果。
相应的，S230具体可以包括下述操作：
S231、对所述当前位置场景图像与所述标准基准位置场景图像进行特征点匹配。
相应的，在本发明实施例中，根据比对结果计算与所述至少一组转动控制指令匹配的当前转动数据时，可以首先根据当前位置场景图像与标准基准位置场景图像进行特征点匹配。
在本发明的一个可选实施例中，在对所述当前位置场景图像与所述标准基准位置场景图像进行特征点匹配之前，还可以包括：
对所述当前位置场景图像与所述标准基准位置场景图像进行图像预处理操作；其中，所述图像预处理操作包括图像缩放和/或图像增强。
在本发明实施例中，根据当前位置场景图像与标准基准位置场景图像进行特征点匹配之前，可以先对当前位置场景图像与标准基准位置场景图像进行图像预处理操作，其中，图像预处理操作包括但不限于图像缩放和/或图像增强等操作。图像缩放技术(线性缩放)可以减少两种场景图像的整体计算量。利用图像增强技术，如CLAHE(Contrast LimitedAdaptive Histogram Equalization，对比度受限直方图均衡)，可以增强图像对比度以降低环境光照变化(如图像过暗、过亮或明暗不均)等因素引起的误差，利于提取处于过暗或过亮区域的特征点，从而提高特征点的显著性，有效增加特征点数量。
在本发明的一个可选实施例中，对所述当前位置场景图像与所述标准基准位置场景图像进行特征点匹配，可以包括：
根据所述当前位置场景图像与所述标准基准位置场景图像的纹理特征自适应计算Hessian矩阵行列式响应阈值；
根据所述Hessian矩阵行列式响应阈值计算所述当前位置场景图像与所述标准基准位置场景图像的SURF(Speeded-Up Robust Features，加速稳健特征)特征点并进行匹配。
在本发明实施例中，对处理后的当前位置场景图像与标准基准位置场景图像进行SURF特征点匹配时，可以先根据处理后的两种图像的纹理特征情况确定Hessian矩阵行列式响应阈值，再按照Hessian矩阵响应阈值对两幅图像进行SURF特征提取和匹配。在本发明实施例中，可以采用SURF算法来提取SURF特征点。当然，在提取图像特征点时，也可以采用其他的特征提取方法，如Harr特征或SIFT(Scale-invariant feature transform，尺度不变特征变换)特征等进行特征提取。如果采用其他特征提取方法，则无需对当前位置场景图像与标准基准位置场景图像计算Hessian矩阵行列式响应阈值。在本发明实施例中，可选的，可以采用BF(Brute Force，暴风)算法对特征点进行暴力匹配，牺牲部分计算性能来确保所有匹配的特征点都是最佳的匹配，从而提高算法准确性。
具体的，考虑到在实际应用中各类场景情况的复杂性，比如数据库中存储的标准基准位置场景图像和当前位置场景图像因为相差时间较久，白天摄像头转动时场景光照可能会变化很大，甚至同一个场景不同时间段的特征点匹配度都是有强有弱。因此，在本发明实施例中对各类不同的场景(包括同一场景的不同时间段)采用自适应的响应参数。
相应的，如果采用SURF算法，则在SURF算法中，通过像素点亮度的Hessian矩阵行列式值来判断当前点是否为特征点。图像中的某一像素点p(x,y)尺度为σ的Hessian矩阵行列式H(p,σ)可以表示为下述公式：
Figure BDA0001932504990000121
其中，Cxx(p,σ)是高斯二阶微分
Figure BDA0001932504990000122
在点P(x,y)处与图像的卷积，Cxy(p,σ)和Cyy(p,σ)同理。p表示图像中的某一像素点，σ表示点p的尺度，x和y分别为点p的横坐标和纵坐标。
在实际应用中，式(2.1)可以通过盒型滤波器加速卷积操作，因此H(p,σ)的近似值可以表示为：
det(H)＝DxxDyy-(w*Dxy)2 (式2.2)
其中det(H)表示H(p,σ)的近似值，Dxx，Dyy，Dxy分别是Cxx(p,σ)，Cyy(p,σ)，Cxy(p,σ)的近似，w是一个用于平衡Hessian行列式表达式的调节参数，具体赋值情况可以根据实际需求设定，本发明实施例并不对w的具体数值进行限制。
当满足以下两个条件时，当前像素点可以确定为特征点：
1、Hessian矩阵行列式值必须是三维邻域的内的极大值，如使用3*3*3模板时，当前点的响应值det(H)必须大于相邻的26个点的响应值。
2、Hessian矩阵行列式值必须大于预设的Hessian矩阵行列式响应阈值Ht，即det(H)＞Ht。
由以上条件可知SURF算法最终提取到某幅图像的特征点个数N和Hessian行列式响应阈值Ht之间存在如下关系：
1、当Ht越大，N越小时，Hessian矩阵行列式响应阈值越高，提取的特征点辨识率也越高，其对光照以及尺度变化等抗干扰能力也越强，最终提取到的特征点相对较少。容易造成同一场景下的两幅图像因为最强特征点响应不一致而匹配不上。如点A在前一幅图像中被当做特征点提取出来，但是在后一幅图像中因为像素点亮度变化导致低于Hessian矩阵行列式响应阈值而无法提取，造成两幅图像虽然提取的特征点都是自己图像中的最强响应，但是却无法正确匹配的局面。
2、当Ht越小，N越大时，Hessian矩阵行列式响应阈值越低，提取到的特征点也相对较多，提取的特征识别率就会越低，抗干扰能力越弱，两幅图像进行特征匹配时会造成过多的点匹配错误，最终影响检测结果。
因此，需要取得一个适当的Hessian矩阵行列式响应阈值，在保证匹配结果有效的前提下尽可能多的进行特征点匹配。本发明实施例通过设计一个自适应改变Ht值的方法来自动调节SURF算法匹配，从而达到提高准确率的目的。
具体的，通过比较待匹配的当前位置场景图像与标准基准位置场景图像，以两幅图像的锐利程度来确定Hessian矩阵行列式响应阈值。因为图像越锐利，越易得到特征点，因此可以适当提高Ht值，以减少特征点数量，而模糊图像较不易提取到特征点，因此需要降低Ht值以提取更多的特征点。图2c是本发明实施例二提供的一种Hessian矩阵行列式响应阈值的计算流程图，如图2c所示，其具体的实现过程包括以下操作：
利用拉普拉斯算子对预处理后的图像进行卷积操作，可以得到反映像素点之间变化幅度的值，记为Lp(i,j)，p(i,j)表示图像中的所有像素点，i和j分别表示各像素点的坐标。对Lp(i,j)进行从大到小排序，分别求得两幅图像中前K个Lp(i,j)的均值，记为L1和L2，取其中较小的一个记为Lblur，Lblur＝Min[L1,L2]。其中，K的具体赋值情况可以根据实际需求设定，本发明实施例并不对K的具体数值进行限制。
根据下述公式计算Hessian矩阵行列式响应阈值：
Ht＝K1+K2*exp(ln(Lblur)) 式(2.3)
其中，K1为基础响应阈值，是根据像素点取值范围确定的经验值，K2为调整系数，用于调节图像锐利程度对阈值的影响程度，K1和K2的具体赋值情况可以根据实际需求设定，本发明实施例并不对K1和K2的具体数值进行限制。对于处理8位的图像(计算机处理时1个像素点用8个比特来表示颜色变化，其像素点变化范围为0-255)。
S232、根据特征点匹配结果计算所述当前转动距离以及所述当前转动方向。
相应的，在本发明实施例中，对处理后的当前位置场景图像与标准基准位置场景图像进行特征点匹配后，即可根据特征点匹配结果计算云台的当前转动距离以及当前转动方向。
在本发明的一个可选实施例中，根据特征点匹配结果计算所述当前转动距离以及所述当前转动方向，可以包括：
获取所述当前位置场景图像与所述标准基准位置场景图像中匹配特征点的相对偏移距离，并根据所述相对偏移距离构建距离直方图；
对所述距离直方图进行滤波处理，并根据滤波处理后的所述距离直方图计算所述当前转动距离；
根据所述当前位置场景图像与所述标准基准位置场景图像中匹配特征点的坐标值以及所述当前转动距离，计算所述当前转动方向。
图2d是本发明实施例二提供的一种同一个场景不同时间点特征匹配效果示意图。在一个具体的例子中，如图2d所示，道路场景的特点是汽车行人等前景不断发生变化，但背景中依旧有很多标志物如路牌等可以提供特征点匹配依据。如图2d所示，部分因为前景变化引起的错误匹配点显得杂乱无章，但背景路牌上的匹配点则显得整齐划一。在本发明实施例中，通过统计匹配特征点之间的相对偏移距离构建距离直方图以计算云台的当前转动距离和当前转动方向。
具体的，云台的当前转动距离和当前转动方向的计算过程如下：
1、计算当前位置场景图像与标准基准位置场景图像匹配后的特征点的相对偏移距离，并统计距离直方图。
假设一对匹配成功的特征点在两幅图像中的坐标分别为I1(x1,y1),I2(x2,y2)，该匹配成功的特征点在同一坐标系中的欧氏距离为
Figure BDA0001932504990000151
本发明实施例中距离的计算方法并不局限于欧氏距离，即不对距离的计算方法进行限制。统计相同偏移距离的特征点对的数量，得到“相对偏移距离—特征点对”的距离直方图。图2e是本发明实施例二提供的一种距离直方图统计结果示意图，如图2e所示，横坐标表示匹配成功后的特征点对两个特征点之间的相对偏移距离，纵坐标代表当前距离下特征点对的数量。如图2e所示，距离直方图能够直观地展示当前场景下云台的当前转动距离，和背景匹配上的特征点对会随着云台的移动产生平移现象，而和前景匹配的点则会因为前景的不断变化显得杂乱无章。图2e中(a)对应的距离直方图在距离0处聚集了大量的特征点对，表明有大量的特征点对匹配后在两幅图像中所处的位置是一致的，这说明云台并未发生转动。图2e中(b)对应的距离直方图大量特征点聚集在相对偏移距离5处，这说明云台发生了轻微的转动。图2e中(c)对应的距离直方图大量特征点聚集在相对偏移距离60处，这说明云台发生了较大幅度的转动。
2、距离直方图滤波
需要说明的是，虽然距离直方图直观的反映了云台的转动距离情况，但仍存在大量的无效特征点对。为了突出有效特征点对的分布特征，可以对无效的特征点对进行过滤。图2f是本发明实施例二提供的一种距离直方图滤波前后效果对比示意图，具体的，如图2f所示，可以对距离直方图中相对偏移距离特征点对数量少于设定阈值的特征点对进行过滤，其中，设定阈值的具体赋值情况可以根据实际需求设定，本发明实施例并不对设定阈值的具体数值进行限制。
3、针对距离直方图滤波结果计算云台的当前转动距离
假设当前转动距离d对应的特征点对数为Fd，考虑到摄像头轻微抖动以及画面成像畸变引起的误差，统计距离d±e范围内的特征点对数C占总特征点对数Ftotal的比率p，找到使得占比p最大的距离d，若p超过设定阈值Tp则认为确实转动了距离d。其中，F＝Fd-e+...+Fd-1+Fd+Fd+1+...+Fd+e,d∈[0,dmax]。示例性的，取误差e＝1，Tp＝0.3，Fmax＝max[F]＝max[Fd-1+Fd+Fd+1]，p＝Fmax/Ftotal。计算最多特征点对数Fmax对应的比率，若p＞0.3，则说明云台的当前转动距离为d。
特殊情况下，如云台的当前转动距离过大，导致移动范围超出整个画面，即两幅图像完全匹配不上，此时特征点对数量Ftotal或Fmax经过过滤后将接近于0。因此可以对Fmax设置一个下限Tmin，若Fmax＜Tmin则判断云台的当前转动距离超出最大可计算范围。其中，Tmin的具体赋值情况可以根据实际需求设定，本发明实施例并不对Tmin的具体数值进行限制。
需要说明的是，除了可以利用距离直方图计算云台的当前转动距离，还可以利用其他方法，如运动矢量估计等方法计算云台的当前转动距离。
4、计算云台的当前转动方向
在本发明实施例中，通过特征点对在两幅图像中的对应坐标，可以计算出云台的当前转动方向。图2g是本发明实施例二提供的一种云台转动时摄像头获取的场景图像中场景变化示意图。如图2g所示，当云台往右下方转动了一些距离，反映在图像中的物体是相对往左上角转动了一段距离。对于云台的当前转动距离d＞0，
Figure BDA0001932504990000161
其中，θ为云台的转动角度，即云台的当前转动方向。
S233、获取所述云台与每组转动控制指令分别匹配的历史转动数据。
相应的，在计算得到云台的当前转动距离以及当前转动方向后，可选的，可以获取云台与每组转动控制指令分别匹配的历史转动数据，从而将当前转动距离以及当前转动方向等数据与相机管理平台数据库中对应存储的历史转动数据进行对比。
S234、将与所述至少一组转动控制指令匹配的当前转动数据与对应的历史转动数据进行匹配，并根据所述匹配结果对所述云台进行故障检测。
具体的，可以将与至少一组转动控制指令匹配的当前转动数据与对应的历史转动数据进行匹配，并根据匹配结果对云台进行故障检测。例如，一组转动控制指令为在基准位置处按水平方向往左转动10°，则可以将该转动控制指令对应的当前转动距离与当前转动方向，与该转动控制指令对应的历史转动距离与历史转动方向进行对比匹配，以根据匹配结果对云台进行故障检测。
在本发明的一个可选实施例中，将与所述至少一组转动控制指令匹配的当前转动数据与对应的历史转动数据进行匹配，并根据所述匹配结果对所述云台进行故障检测，可以包括：
如果一组所述转动控制指令匹配的当前转动数据与对应的历史转动数据之间的误差超过第一阈值，则确定所述云台的状态为异常状态；和/或
获取多组所述转动控制指令匹配的当前转动数据与对应的历史转动数据之间的累计误差，如果所述累计误差超过第二阈值，则确定所述云台的状态为异常状态；
其中，所述异常状态根据误差大小包括不同等级。
其中，第一阈值和第二阈值可以是根据实际需求所设定的数值，如1％或0.5％等，本发明实施例并不对第一阈值和第二阈值的具体数值进行限定。
相应的，在根据至少一组转动控制指令匹配的当前转动数据与对应的历史转动数据的匹配结果对云台进行故障检测时，可以依据一组或多组转动控制指令匹配的当前转动数据与对应的历史转动数据的匹配结果。具体的，如果一组转动控制指令匹配的当前转动数据与对应的历史转动数据之间的误差超过第一阈值，则确定云台的状态为异常状态，并可以上报异常状态的检测结果，通过一组转动控制指令确定的异常状态可以检测出明显故障。还可以获取多组转动控制指令匹配的当前转动数据与对应的历史转动数据之间的累计误差，如果累计误差超过第二阈值，则确定云台的状态为异常状态，并可以上报异常状态的检测结果，通过多组转动控制指令对应的累积误差确定的异常状态可以检测出细微故障。另外还需说明的是，在本发明实施例中，异常状态还可以根据误差的大小细化为不同等级，包括但不限于一般、提醒和严重等多种等级。如果检测的误差在允许范围内，则可以上报正常状态的检测结果。监控人员可以根据相机管理平台上报的结果直观地获知不正常工作的云台和摄像头并加以处理。
采用上述技术方案，通过接收摄像头位于与转动控制指令匹配的转动位置处拍摄的当前位置场景图像，并将当前位置场景图像与标准基准位置场景图像进行比对，以根据对比结果计算与至少一组转动控制指令匹配的当前转动距离和当前转动方向，进而根据计算所得的当前转动距离和当前转动方向对云台进行故障检测，解决了现有云台故障检测技术存在的效率及精确率较低等问题，实现在无人干预的情况下自动对云台的工作状态进行评估诊断，从而提高云台故障检测的效率和精确率。
需要说明的是，以上各实施例中各技术特征之间的任意排列组合也属于本发明的保护范围。
实施例三
图3是本发明实施例三提供的一种云台故障检测装置的示意图，如图3所示，所述装置包括：转动控制指令发送模块310、场景图像对比模块320以及故障检测模块330，其中：
转动控制指令发送模块310，用于向待测的云台发送至少一组转动控制指令，其中，所述云台上设置有跟随所述云台进行转动的摄像头；
场景图像对比模块320，用于接收所述摄像头位于与所述转动控制指令匹配的转动位置处拍摄的当前位置场景图像，并将所述当前位置场景图像与标准基准位置场景图像进行比对；
故障检测模块330，用于根据比对结果计算与所述至少一组转动控制指令匹配的当前转动数据，并根据与所述至少一组转动控制指令匹配的当前转动数据对所述云台进行故障检测。
本发明实施例通过向设置有跟随云台转动的摄像头的云台发送至少一组转动控制指令，以接收摄像头位于与转动控制指令匹配的转动位置处拍摄的当前位置场景图像，并将当前位置场景图像与标准基准位置场景图像进行比对计算与至少一组转动控制指令匹配的当前转动数据，从而根据与至少一组转动控制指令匹配的当前转动数据对云台进行故障检测，解决了现有云台故障检测技术存在的效率及精确率较低等问题，实现在无人干预的情况下自动对云台的工作状态进行评估诊断，从而提高云台故障检测的效率和精确率。
可选的，所述转动控制指令包括：由基准位置转动至设定位置的指令集合；转动控制指令发送模块310，具体用于：在向所述云台发送转动至基准位置的第一转动控制子指令后，向所述云台发送转动至设定位置的第二转动控制子指令。
可选的，所述装置还包括：标准基准位置场景图像更新模块，用于：
接收所述摄像头位于与所述第一转动控制子指令匹配的待测基准位置处拍摄的待测基准位置场景图像；
将所述待测基准位置场景图像与所述标准基准位置场景图像进行对比，获取所述待测基准位置场景图像的回归位置误差；
如果所述回归位置误差满足预设阈值条件，则使用所述待测基准位置场景图像更新所述标准基准位置场景图像；
如果所述回归位置误差不满足所述预设阈值条件，则生成与所述回归位置误差匹配的补偿转动指令，并向所述云台发送所述补偿转动指令进行补偿转动；
接收所述摄像头在位于所述补偿转动指令匹配的新的待测基准位置处拍摄的新的待测基准位置场景图像；
返回执行将所述待测基准位置场景图像与所述标准基准位置场景图像进行对比的操作，直至确定所述回归位置误差满足所述预设阈值条件。
可选的，故障检测模块330，包括：
历史转动数据获取单元，用于获取所述云台与每组转动控制指令分别匹配的历史转动数据；
故障检测单元，用于将与所述至少一组转动控制指令匹配的当前转动数据与对应的历史转动数据进行匹配，并根据所述匹配结果对所述云台进行故障检测。
可选的，所述装置还包括：历史转动数据计算模块，用于：
在检测到所述云台为新接入设备时，向所述云台发送所述至少一组由基准位置转动至设定位置的转动控制指令；
接收所述摄像头位于与所述转动控制指令匹配的转动位置处拍摄的当前位置场景图像，并将所述当前位置场景图像与标准基准位置场景图像进行比对；
根据比对结果计算所述云台与所述至少一组转动控制指令匹配的历史转动数据。
可选的，故障检测单元，具体用于：
如果一组所述转动控制指令匹配的当前转动数据与对应的历史转动数据之间的误差超过第一阈值，则确定所述云台的状态为异常状态；和/或
获取多组所述转动控制指令匹配的当前转动数据与对应的历史转动数据之间的累计误差，如果所述累计误差超过第二阈值，则确定所述云台的状态为异常状态；
其中，所述异常状态根据误差大小包括不同等级。
可选的，所述当前转动数据包括当前转动距离和/或当前转动方向；
故障检测模块330，还包括：
特征点匹配单元，用于对所述当前位置场景图像与所述标准基准位置场景图像进行特征点匹配；
当前转动数据计算单元，用于根据特征点匹配结果计算所述当前转动距离以及所述当前转动方向。
可选的，故障检测模块330还包括：图像预处理单元，用于对所述当前位置场景图像与所述标准基准位置场景图像进行图像预处理操作；其中，所述图像预处理操作包括图像缩放和/或图像增强。
可选的，特征点匹配单元，具体用于：
根据所述当前位置场景图像与所述标准基准位置场景图像的纹理特征自适应计算Hessian矩阵行列式响应阈值；
根据所述Hessian矩阵行列式响应阈值计算所述当前位置场景图像与所述标准基准位置场景图像的SURF特征点并进行匹配；
当前转动数据计算单元，具体用于：
获取所述当前位置场景图像与所述标准基准位置场景图像中匹配特征点的相对偏移距离，并根据所述相对偏移距离构建距离直方图；
对所述距离直方图进行滤波处理，并根据滤波处理后的所述距离直方图计算所述当前转动距离；
根据所述当前位置场景图像与所述标准基准位置场景图像中匹配特征点的坐标值以及所述当前转动距离，计算所述当前转动方向。
上述云台故障检测装置可执行本发明任意实施例所提供的云台故障检测方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明任意实施例提供的云台故障检测方法。
由于上述所介绍的云台故障检测装置为可以执行本发明实施例中的云台故障检测方法的装置，故而基于本发明实施例中所介绍的云台故障检测方法，本领域所属技术人员能够了解本实施例的云台故障检测装置的具体实施方式以及其各种变化形式，所以在此对于该云台故障检测装置如何实现本发明实施例中的云台故障检测方法不再详细介绍。只要本领域所属技术人员实施本发明实施例中云台故障检测方法所采用的装置，都属于本申请所欲保护的范围。
实施例四
图4为本发明实施例四提供的一种计算机设备的结构示意图。图4示出了适于用来实现本发明实施方式的计算机设备412的框图。图4显示的计算机设备412仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。设备412典型的是承担相机管理平台功能的计算设备。
如图4所示，计算机设备412以通用计算设备的形式表现。计算机设备412的组件可以包括但不限于：一个或者多个处理器416，存储装置428，连接不同系统组件(包括存储装置428和处理器416)的总线418。
总线418表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture，ISA)总线，微通道体系结构(Micro Channel Architecture，MCA)总线，增强型ISA总线、视频电子标准协会(Video Electronics Standards Association，VESA)局域总线以及外围组件互连(Peripheral Component Interconnect，PCI)总线。
计算机设备412典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备412访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储装置428可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory，RAM)430和/或高速缓存存储器432。计算机设备412可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统434可以用于读写不可移动的、非易失性磁介质(图4未显示，通常称为“硬盘驱动器”)。尽管图4中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如只读光盘(Compact Disc-Read Only Memory，CD-ROM)、数字视盘(Digital Video Disc-Read Only Memory，DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线418相连。存储装置428可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块426的程序436，可以存储在例如存储装置428中，这样的程序模块426包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块426通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备412也可以与一个或多个外部设备414(例如键盘、指向设备、摄像头、显示器424等)通信，还可与一个或者多个使得用户能与该计算机设备412交互的设备通信，和/或与使得该计算机设备412能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(Input/Output，I/O)接口422进行。并且，计算机设备412还可以通过网络适配器420与一个或者多个网络(例如局域网(Local Area Network，LAN)，广域网Wide Area Network，WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器420通过总线418与计算机设备412的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备412使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、磁盘阵列(Redundant Arraysof Independent Disks，RAID)系统、磁带驱动器以及数据备份存储系统等。
处理器416通过运行存储在存储装置428中的程序，从而执行各种功能应用以及数据处理，例如实现本发明上述实施例所提供的云台故障检测方法。
也即，所述处理单元执行所述程序时实现：向待测的云台发送至少一组转动控制指令，其中，所述云台上设置有跟随所述云台进行转动的摄像头；接收所述摄像头位于与所述转动控制指令匹配的转动位置处拍摄的当前位置场景图像，并将所述当前位置场景图像与标准基准位置场景图像进行比对；根据比对结果计算与所述至少一组转动控制指令匹配的当前转动数据，并根据与所述至少一组转动控制指令匹配的当前转动数据对所述云台进行故障检测。
实施例五
本发明实施例五还提供一种存储计算机程序的计算机存储介质，所述计算机程序在由计算机处理器执行时用于执行本发明上述实施例任一所述的云台故障检测方法：向待测的云台发送至少一组转动控制指令，其中，所述云台上设置有跟随所述云台进行转动的摄像头；接收所述摄像头位于与所述转动控制指令匹配的转动位置处拍摄的当前位置场景图像，并将所述当前位置场景图像与标准基准位置场景图像进行比对；根据比对结果计算与所述至少一组转动控制指令匹配的当前转动数据，并根据与所述至少一组转动控制指令匹配的当前转动数据对所述云台进行故障检测。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(Read Only Memory，ROM)、可擦式可编程只读存储器((Erasable Programmable ReadOnly Memory，EPROM)或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、射频(Radio Frequency，RF)等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (12)

1.一种云台故障检测方法，其特征在于，包括：
向待测的云台发送至少一组转动控制指令，其中，所述云台上设置有跟随所述云台进行转动的摄像头；
接收所述摄像头位于与所述转动控制指令匹配的转动位置处拍摄的当前位置场景图像，并将所述当前位置场景图像与标准基准位置场景图像进行比对；
根据比对结果计算与所述至少一组转动控制指令匹配的当前转动数据，并根据与所述至少一组转动控制指令匹配的当前转动数据对所述云台进行故障检测。
2.根据权利要求1所述的方法，其特征在于，所述转动控制指令包括：由基准位置转动至设定位置的指令集合；
向待测的云台发送转动控制指令，包括：
在向所述云台发送转动至基准位置的第一转动控制子指令后，向所述云台发送转动至设定位置的第二转动控制子指令。
3.根据权利要求2所述的方法，其特征在于，在向所述云台发送转动至基准位置的第一转动控制子指令后，还包括：
接收所述摄像头位于与所述第一转动控制子指令匹配的待测基准位置处拍摄的待测基准位置场景图像；
将所述待测基准位置场景图像与所述标准基准位置场景图像进行对比，获取所述待测基准位置场景图像的回归位置误差；
如果所述回归位置误差满足预设阈值条件，则使用所述待测基准位置场景图像更新所述标准基准位置场景图像；
如果所述回归位置误差不满足所述预设阈值条件，则生成与所述回归位置误差匹配的补偿转动指令，并向所述云台发送所述补偿转动指令进行补偿转动；
接收所述摄像头在位于所述补偿转动指令匹配的新的待测基准位置处拍摄的新的待测基准位置场景图像；
返回执行将所述待测基准位置场景图像与所述标准基准位置场景图像进行对比的操作，直至确定所述回归位置误差满足所述预设阈值条件。
4.根据权利要求1-3任一项所述的方法，其特征在于，根据与所述至少一组转动控制指令匹配的当前转动数据对所述云台进行故障检测，包括：
获取所述云台与每组转动控制指令分别匹配的历史转动数据；
将与所述至少一组转动控制指令匹配的当前转动数据与对应的历史转动数据进行匹配，并根据所述匹配结果对所述云台进行故障检测。
5.根据权利要求4所述的方法，其特征在于，在向待测的云台发送至少一组转动控制指令之前，还包括：
在检测到所述云台为新接入设备时，向所述云台发送所述至少一组由基准位置转动至设定位置的转动控制指令；
接收所述摄像头位于与所述转动控制指令匹配的转动位置处拍摄的当前位置场景图像，并将所述当前位置场景图像与标准基准位置场景图像进行比对；
根据比对结果计算所述云台与所述至少一组转动控制指令匹配的历史转动数据。
6.根据权利要求5所述的方法，其特征在于，将与所述至少一组转动控制指令匹配的当前转动数据与对应的历史转动数据进行匹配，并根据所述匹配结果对所述云台进行故障检测，包括：
如果一组所述转动控制指令匹配的当前转动数据与对应的历史转动数据之间的误差超过第一阈值，则确定所述云台的状态为异常状态；和/或
获取多组所述转动控制指令匹配的当前转动数据与对应的历史转动数据之间的累计误差，如果所述累计误差超过第二阈值，则确定所述云台的状态为异常状态；
其中，所述异常状态根据误差大小包括不同等级。
7.根据权利要求1所述的方法，其特征在于，所述当前转动数据包括当前转动距离和/或当前转动方向；
根据比对结果计算与所述至少一组转动控制指令匹配的当前转动数据，包括：
对所述当前位置场景图像与所述标准基准位置场景图像进行特征点匹配；
根据特征点匹配结果计算所述当前转动距离以及所述当前转动方向。
8.根据权利要求7所述的方法，其特征在于，在对所述当前位置场景图像与所述标准基准位置场景图像进行特征点匹配之前，还包括：
对所述当前位置场景图像与所述标准基准位置场景图像进行图像预处理操作；其中，所述图像预处理操作包括图像缩放和/或图像增强。
9.根据权利要求7所述的方法，其特征在于，对所述当前位置场景图像与所述标准基准位置场景图像进行特征点匹配，包括：
根据所述当前位置场景图像与所述标准基准位置场景图像的纹理特征自适应计算Hessian矩阵行列式响应阈值；
根据所述Hessian矩阵行列式响应阈值计算所述当前位置场景图像与所述标准基准位置场景图像的加速稳健特征SURF特征点并进行匹配；
根据特征点匹配结果计算所述当前转动距离以及所述当前转动方向，包括：
获取所述当前位置场景图像与所述标准基准位置场景图像中匹配特征点的相对偏移距离，并根据所述相对偏移距离构建距离直方图；
对所述距离直方图进行滤波处理，并根据滤波处理后的所述距离直方图计算所述当前转动距离；
根据所述当前位置场景图像与所述标准基准位置场景图像中匹配特征点的坐标值以及所述当前转动距离，计算所述当前转动方向。
10.一种云台故障检测装置，其特征在于，包括：
转动控制指令发送模块，用于向待测的云台发送至少一组转动控制指令，其中，所述云台上设置有跟随所述云台进行转动的摄像头；
场景图像对比模块，用于接收所述摄像头位于与所述转动控制指令匹配的转动位置处拍摄的当前位置场景图像，并将所述当前位置场景图像与标准基准位置场景图像进行比对；
故障检测模块，用于根据比对结果计算与所述至少一组转动控制指令匹配的当前转动数据，并根据与所述至少一组转动控制指令匹配的当前转动数据对所述云台进行故障检测。
11.一种计算机设备，其特征在于，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-9中任一所述的云台故障检测方法。
12.一种计算机存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-9中任一所述的云台故障检测方法。
CN201811648588.6A 2018-12-30 2018-12-30 一种云台故障检测方法、装置、计算机设备及存储介质 Active CN111381579B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811648588.6A CN111381579B (zh) 2018-12-30 2018-12-30 一种云台故障检测方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811648588.6A CN111381579B (zh) 2018-12-30 2018-12-30 一种云台故障检测方法、装置、计算机设备及存储介质

Publications (2)

Publication Number Publication Date
CN111381579A true CN111381579A (zh) 2020-07-07
CN111381579B CN111381579B (zh) 2022-06-14

Family

ID=71218396

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811648588.6A Active CN111381579B (zh) 2018-12-30 2018-12-30 一种云台故障检测方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN111381579B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111399476A (zh) * 2020-03-13 2020-07-10 江西憶源多媒体科技有限公司 一种基于图像对齐的监控云台失控实时检测方法
CN112773291A (zh) * 2021-01-07 2021-05-11 佛山市顺德区美的洗涤电器制造有限公司 用于洗碗机的控制方法、处理器、控制装置和洗碗机
CN113610788A (zh) * 2021-07-27 2021-11-05 上海众壹云计算科技有限公司 图像采集装置的故障监测方法、装置、电子设备及存储介质
US20210358160A1 (en) * 2020-05-18 2021-11-18 Zhejiang University Method and system for determining plant leaf surface roughness
CN113808050A (zh) * 2021-09-26 2021-12-17 北京有竹居网络技术有限公司 3d点云的去噪方法、装置、设备及存储介质
CN113835028A (zh) * 2021-09-15 2021-12-24 深圳创维－Rgb电子有限公司 一种云台电机自动检测方法、终端及计算机可读存储介质
CN113923352A (zh) * 2021-09-15 2022-01-11 浙江大华技术股份有限公司 云台控制方法、装置、电子设备和存储介质
CN115150548A (zh) * 2022-06-09 2022-10-04 山东信通电子股份有限公司 一种基于云台输出输电线路全景图像的方法、设备及介质
CN117319640A (zh) * 2023-11-28 2023-12-29 重庆华悦生态环境工程研究院有限公司深圳分公司 监控设备的检测方法及装置
CN117557167A (zh) * 2024-01-03 2024-02-13 微网优联科技(成都)有限公司 一种云台机的生产质量管理方法及系统

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040239756A1 (en) * 2003-05-30 2004-12-02 Aliaga Daniel G. Method and apparatus for computing error-bounded position and orientation of panoramic cameras in real-world environments
US20090312629A1 (en) * 2008-06-13 2009-12-17 Inneroptic Technology Inc. Correction of relative tracking errors based on a fiducial
CN101917599A (zh) * 2010-07-23 2010-12-15 深圳中兴力维技术有限公司 一种云台故障检测方法及装置
CN102937816A (zh) * 2012-11-22 2013-02-20 四川华雁信息产业股份有限公司 摄像机预置位偏差校准方法及装置
CN104104902A (zh) * 2013-04-02 2014-10-15 深圳中兴力维技术有限公司 云台方向故障检测方法及装置
CN104200466A (zh) * 2014-08-20 2014-12-10 深圳市中控生物识别技术有限公司 一种预警方法及摄像机
CN104967827A (zh) * 2015-07-03 2015-10-07 北京旷视科技有限公司 一种摄像装置及其控制方法
CN105352604A (zh) * 2015-11-02 2016-02-24 上海电力学院 基于可见光图像配准的红外测温系统云台位置校准方法
JP2016082557A (ja) * 2014-10-14 2016-05-16 深▲せん▼市維森軟件股▲ふん▼有限公司 全視野図に基づくパンチルトカメラの制御方法及びその装置
CN205353783U (zh) * 2016-01-11 2016-06-29 国家电网公司 摄像头云台位置自动校正装置
CN105763868A (zh) * 2014-12-15 2016-07-13 北京文安科技发展有限公司 云台故障的检测方法及装置
US20170163878A1 (en) * 2015-12-08 2017-06-08 Le Holdings Beijing Co Ltd Method and electronic device for adjusting shooting parameters of camera
CN108496137A (zh) * 2017-04-21 2018-09-04 深圳市大疆灵眸科技有限公司 遥控器、云台及云台控制方法、装置、系统

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040239756A1 (en) * 2003-05-30 2004-12-02 Aliaga Daniel G. Method and apparatus for computing error-bounded position and orientation of panoramic cameras in real-world environments
US20090312629A1 (en) * 2008-06-13 2009-12-17 Inneroptic Technology Inc. Correction of relative tracking errors based on a fiducial
CN101917599A (zh) * 2010-07-23 2010-12-15 深圳中兴力维技术有限公司 一种云台故障检测方法及装置
CN102937816A (zh) * 2012-11-22 2013-02-20 四川华雁信息产业股份有限公司 摄像机预置位偏差校准方法及装置
CN104104902A (zh) * 2013-04-02 2014-10-15 深圳中兴力维技术有限公司 云台方向故障检测方法及装置
CN104200466A (zh) * 2014-08-20 2014-12-10 深圳市中控生物识别技术有限公司 一种预警方法及摄像机
JP2016082557A (ja) * 2014-10-14 2016-05-16 深▲せん▼市維森軟件股▲ふん▼有限公司 全視野図に基づくパンチルトカメラの制御方法及びその装置
CN105763868A (zh) * 2014-12-15 2016-07-13 北京文安科技发展有限公司 云台故障的检测方法及装置
CN104967827A (zh) * 2015-07-03 2015-10-07 北京旷视科技有限公司 一种摄像装置及其控制方法
CN105352604A (zh) * 2015-11-02 2016-02-24 上海电力学院 基于可见光图像配准的红外测温系统云台位置校准方法
US20170163878A1 (en) * 2015-12-08 2017-06-08 Le Holdings Beijing Co Ltd Method and electronic device for adjusting shooting parameters of camera
CN205353783U (zh) * 2016-01-11 2016-06-29 国家电网公司 摄像头云台位置自动校正装置
CN108496137A (zh) * 2017-04-21 2018-09-04 深圳市大疆灵眸科技有限公司 遥控器、云台及云台控制方法、装置、系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
华磊等: "一种基于图像的摄像机云台快速定位方法", 《仪器仪表与分析监测》 *

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111399476A (zh) * 2020-03-13 2020-07-10 江西憶源多媒体科技有限公司 一种基于图像对齐的监控云台失控实时检测方法
CN111399476B (zh) * 2020-03-13 2023-01-10 江西憶源多媒体科技有限公司 一种基于图像对齐的监控云台失控实时检测方法
US20210358160A1 (en) * 2020-05-18 2021-11-18 Zhejiang University Method and system for determining plant leaf surface roughness
US11880994B2 (en) * 2020-05-18 2024-01-23 Zhejiang University Method and system for determining plant leaf surface roughness
CN112773291A (zh) * 2021-01-07 2021-05-11 佛山市顺德区美的洗涤电器制造有限公司 用于洗碗机的控制方法、处理器、控制装置和洗碗机
CN113610788B (zh) * 2021-07-27 2023-03-07 上海众壹云计算科技有限公司 图像采集装置的故障监测方法、装置、电子设备及存储介质
CN113610788A (zh) * 2021-07-27 2021-11-05 上海众壹云计算科技有限公司 图像采集装置的故障监测方法、装置、电子设备及存储介质
CN113835028A (zh) * 2021-09-15 2021-12-24 深圳创维－Rgb电子有限公司 一种云台电机自动检测方法、终端及计算机可读存储介质
CN113923352A (zh) * 2021-09-15 2022-01-11 浙江大华技术股份有限公司 云台控制方法、装置、电子设备和存储介质
CN113808050A (zh) * 2021-09-26 2021-12-17 北京有竹居网络技术有限公司 3d点云的去噪方法、装置、设备及存储介质
CN113808050B (zh) * 2021-09-26 2024-02-20 北京有竹居网络技术有限公司 3d点云的去噪方法、装置、设备及存储介质
CN115150548A (zh) * 2022-06-09 2022-10-04 山东信通电子股份有限公司 一种基于云台输出输电线路全景图像的方法、设备及介质
CN115150548B (zh) * 2022-06-09 2024-04-12 山东信通电子股份有限公司 一种基于云台输出输电线路全景图像的方法、设备及介质
CN117319640A (zh) * 2023-11-28 2023-12-29 重庆华悦生态环境工程研究院有限公司深圳分公司 监控设备的检测方法及装置
CN117319640B (zh) * 2023-11-28 2024-03-29 重庆华悦生态环境工程研究院有限公司深圳分公司 监控设备的检测方法及装置
CN117557167A (zh) * 2024-01-03 2024-02-13 微网优联科技(成都)有限公司 一种云台机的生产质量管理方法及系统
CN117557167B (zh) * 2024-01-03 2024-03-19 微网优联科技(成都)有限公司 一种云台机的生产质量管理方法及系统

Also Published As

Publication number Publication date
CN111381579B (zh) 2022-06-14

Similar Documents

Publication Publication Date Title
CN111381579B (zh) 一种云台故障检测方法、装置、计算机设备及存储介质
US11380232B2 (en) Display screen quality detection method, apparatus, electronic device and storage medium
CN111008961B (zh) 一种输电线路设备缺陷检测方法及其系统、设备、介质
CN112714287B (zh) 一种云台目标转换控制方法、装置、设备及存储介质
US11206376B2 (en) Systems and methods for image processing
CN116665080B (zh) 基于目标识别的无人机劣化绝缘子检测方法及系统
CN113688817A (zh) 一种自动巡检的仪表识别方法及识别系统
CN114463389B (zh) 一种运动目标检测方法以及检测系统
CN117392127B (zh) 一种显示面板边框的检测方法、装置和电子设备
CN118038332A (zh) 一种基于视频智能识别的区域警示方法及系统
CN113055657A (zh) 基于电网线路巡检的图像采集方法和系统
CN117934897A (zh) 一种设备异常检测方法、装置、设备以及存储介质
CN116442393A (zh) 基于视频识别的搅拌站智能卸料方法、系统及控制设备
CN116452976A (zh) 一种煤矿井下安全检测方法
CN115880365A (zh) 一种双工位自动螺丝拧装检测方法、系统及装置
CN112837343B (zh) 基于相机阵列的低空无人机防控光电预警识别方法及系统
CN113033551B (zh) 对象检测的方法、装置、设备和存储介质
CN115035168A (zh) 基于多约束的光伏面板多源图像配准方法、装置及系统
CN115803610A (zh) 图像获取方法及装置、存储介质
CN110781758A (zh) 一种受电弓结构异常动态视频监测方法及装置
CN117809255B (zh) 一种报修方法及报修系统
CN116489317B (zh) 基于摄像装置的物体侦测方法、系统以及存储介质
CN114926528A (zh) 用于图像传感器的调平方法、装置、系统及存储介质
CN117011288B (zh) 视频质量诊断方法及系统
CN118379049B (zh) 一种基于智能ai协同的通信管线维护系统

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