CN112037193A - 一种电力线路特征标记方法及装置 - Google Patents
一种电力线路特征标记方法及装置 Download PDFInfo
- Publication number
- CN112037193A CN112037193A CN202010889835.2A CN202010889835A CN112037193A CN 112037193 A CN112037193 A CN 112037193A CN 202010889835 A CN202010889835 A CN 202010889835A CN 112037193 A CN112037193 A CN 112037193A
- Authority
- CN
- China
- Prior art keywords
- feature
- feature points
- power line
- image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 239000013598 vector Substances 0.000 claims abstract description 16
- 238000007781 pre-processing Methods 0.000 claims abstract description 15
- 238000000605 extraction Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 5
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 230000008447 perception Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 10
- 238000002474 experimental method Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06T7/001—Industrial image inspection using an image reference approach
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种电力线路特征标记方法及装置,通过对电力线路样本图像进行预处理后提取特征点,将提取的特征点与该特征点的邻域范围作为一个像素块,求取该像素块的质心;再将特征点与其对应像素块质心进行连线,求出该连线与横坐标轴的夹角θ,基于二进制向量描述的特征点,采用基于汉明距离比值准则匹配连续两幅图像的特征点即可得到最终的特征点匹配对,本发明匹配经过标记的电力线路图像特征点,能够快速基于电力线路特征标记实现电力线路匹配,在不同加噪类型下,对图像特征点的优越的标记能力,本发明对电力线路图像中的一些常见特征的匹配迅速而高效,并且具有较好的旋转不变性和噪声不变性。
Description
技术领域
本发明属于电路特征识别领域,具体涉及一种电力线路特征标记方法及装置。
背景技术
随着科学技术的发展,图像匹配已经成为近代信息处理领域中一项极为重要的技术。所谓图像匹配:在实际的拍摄过程中,针对同一对象的多幅图像往往来自不同传感器或不同时间或者不同视角,图像匹配的任务是指把一个图像区域从另一个有相应景象区域图像中确定出来或找到它们之间的对应关系。
电气设备自身故障是造成电网大面积停电事故的重要原因之一,每年导致的事故都约占所有电网事故的一半。因此,尽量减少电网的事故,对于电气设备的状态检测和故障诊断十分重要。随着大量图像传感器在输变电中的广泛应用,为了有效、准确地获得设备的状态特征信息,必须对图像进行处。近几年来,输变电线路以及变电站已安装了相当数量的在线监视系统或图像巡视系统,但这些系统主要依靠从业人员进行监视,受到人为因素影响较大。另外,这些系统都采集了庞大数量的图片信息,如果这些信息由工作人员进行分析而不依靠计算机分析的话,易发生检测误判和漏判的情况,难以排查电气设备存在的安全隐患,无法实现对电力线路进行有效的特征识别。
发明内容
本发明的目的在于提供一种电力线路特征标记方法及装置,以克服现有技术的不足。
为达到上述目的,本发明采用如下技术方案:
一种电力线路特征标记方法,包括以下步骤:
步骤1)、对电力线路样本图像进行预处理,然后采用oFAST方法在连续两幅图像上检测并提取特征点;
步骤2)、将提取的特征点与该特征点的邻域范围作为一个像素块,求取该像素块的质心;
步骤3)、将特征点与其对应像素块质心进行连线,求出该连线与横坐标轴的夹角θ,即为该特征点的方向;
步骤4)、对获取方向的特征点利用rBRIEF方法进行二进制向量描述;
步骤5)、基于二进制向量描述的特征点,采用基于汉明距离比值准则匹配连续两幅图像的特征点即可得到最终的特征点匹配对。
进一步的,预处理包括对电力线路样本图像灰度化、滤波去噪、阈值分割、小区域去除,得到质量较高的电力线路图像。
进一步的,首先对电力线路样本图像向灰度图像的转换,然后采用中值滤波降低图像在传输过程中产生的各种噪音;最后用直方图均衡化增强图像的对比度。
进一步的,特征点的方向获取具体如下步骤:
采用强度重心方法获取该直线与横坐标轴的夹角θ,特征点的局部区域矩为:
可以找到特征点的质心为:
构造一个矢量,从角的圆心O到质心OC,那么局部区域矩的方向就是:
θ=atan2(m01,m10)
其中atan2是arctan的平方感知;取r作为patch的大小,使得x,y的范围保持在[-r,r]之间,r为该特征点邻域的半径。
进一步的,1).取目标像素点一定范围内的领域;
2).对该领域进行高斯模糊处理,
3).以满足高斯分布的方式在该领域内随机选取N组像素点对,比较这两个像素点的灰度值大小,p(x),p(y)分别为两个像素点灰度值,若p(x)>=p(y)则返回1,p(x)<p(y)则返回0;
4).将像素点对灰度值比较结果组合成一个N位的二进制编码,即为目标像素点的特征值。
进一步的,邻域范围大小为9*9。
进一步的,选核参数σ=2。
进一步的,步骤5)中,在连续两幅图像中,首先在第一幅图像选取一个特征点,然后将该特征点依次与第二个图像中的所有特征点进行描述子汉明距离计算,之后将得到的汉明距离的值进行排序,最后返回汉明距离最近的特征点匹配对。
一种电力线路特征标记装置,包括图像预处理模块、特征提取模块和特征标记匹配模块;
图像预处理模块用于对电力线路样本图像进行预处理,然后将预处理后的电力线路样本图像传输至特征提取模块,特征提取模块用于在连续两幅图像上检测并提取特征点,并将提取的特征点传输至特征标记匹配模块,特征标记匹配模块根据提取的特征点与该特征点的邻域范围作为一个像素块,求取该像素块的质心,并将特征点与其对应像素块质心进行连线,获取该特征点的方向,然后、对获取方向的特征点利用rBRIEF方法进行二进制向量描述,基于二进制向量描述的特征点,采用基于汉明距离比值准则匹配连续两幅图像的特征点即可得到最终的特征点匹配对。
与现有技术相比,本发明具有以下有益的技术效果:
本发明给出了一种电力线路特征标记方法,通过对电力线路样本图像进行预处理,然后采用oFAST方法在连续两幅图像上检测并提取特征点,将提取的特征点与该特征点的邻域范围作为一个像素块,求取该像素块的质心;再将特征点与其对应像素块质心进行连线,求出该连线与横坐标轴的夹角θ,即为该特征点的方向;对获取方向的特征点利用rBRIEF方法进行二进制向量描述;基于二进制向量描述的特征点,采用基于汉明距离比值准则匹配连续两幅图像的特征点即可得到最终的特征点匹配对,本发明基于汉明距离,匹配经过标记的电力线路图像特征点,能够快速基于电力线路特征标记实现电力线路匹配,通过实验验证了本发明的旋转不变性和尺度不变性,同时还验证了在不同加噪类型下,对图像特征点的优越的标记能力,本发明对电力线路图像中的一些常见特征的匹配迅速而高效,并且具有较好的旋转不变性和噪声不变性。
本发明给出了一种电力线路特征标记装置,结构简单,对电力线路图像中的一些常见特征的匹配迅速而高效,可以大大提高故障诊断效率和准确率,同时满足了智能电网建设的需要。
附图说明
图1为本发明实施例中系统流程图。
图2为本发明实施例中特征提取处理示意图。
图3为本发明是实施例中图像标记示意图。
图4为本发明是实施例中图像特征点匹配示意图。
图5为本发明是实施例中图像特征点同角度匹配示意图。
图6为本发明是实施例中图像特征点相差90°特征点匹配示意图。
图7为本发明是实施例中图像特征点相差180°特征点匹配示意图。
图8为本发明是实施例中图像特征点相同尺度特征点匹配示意图。
图9为本发明是实施例中图像特征点缩小一倍后特征点匹配示意图。
图10为本发明是实施例中图像特征点扩大一倍后特征点匹配示意图。
具体实施方式
下面结合附图对本发明做进一步详细描述:
一种电力线路特征标记方法,包括以下步骤:
步骤1)、电力线路样本图像进行预处理,然后采用oFAST方法(Oriented FAST)在连续两幅图像上检测并提取特征点;
具体的,预处理包括对电力线路样本图像灰度化、滤波去噪、阈值分割、小区域去除,得到质量较高的电力线路图像。首先对采集到的电力系统视觉图像完成对预处理工作,完成了对电力线路样本图像向灰度图像的转换,以减小图像的大小;采用中值滤波降低图像在传输过程中产生的各种噪音;最后用直方图均衡化增强图像的对比度。
步骤2)、将提取的特征点与该特征点的邻域范围作为一个像素块,求取该像素块的质心;
步骤3)、将特征点与其对应像素块质心进行连线,求出该连线与横坐标轴的夹角θ,即为该特征点的方向;
求出该直线与横坐标轴的夹角θ,即为该特征点的方向,θ的得来具体如下:
采用强度重心方法获取该直线与横坐标轴的夹角θ;强度质心即设一个角的强度与它的中心偏移,这个矢量可以用来计算方向;局部区域矩为:
式中,I(x,y)为点(x,y)处的灰度值,x,y∈[-r,r],r为该局部区域矩的半径。
据局部区域矩,可以找到质心为:
式中,m00为零阶矩;m01,m10为一阶矩。
构造一个矢量,从角的圆心O到质心OC。那么局部区域矩的方向就是
θ=atan2(m01,m10)
其中atan2是arctan的平方感知;为了改善旋转不变性的措施,我们确保局部区域矩与坐标上x和y留在半径的圆形区域内计算。r为该局部区域的半径,使得x,y的范围保持在[-r,r]之间。
步骤4)、对获取方向的特征点利用rBRIEF方法(Rotated BRIEF)进行二进制向量描述;
具体包括以下步骤:
1).取目标像素点一定范围内的领域,具体邻域范围大小为9*9。
2).对该领域进行高斯模糊处理,选核参数σ=2
3).以满足高斯分布的方式在该领域内随机选取N组像素点对,比较每个像素点对中两个像素点的灰度值大小,p(x),p(y)分别为两个像素点灰度值,若p(x)>=p(y)则返回1,p(x)<p(y)则返回0;
4).将像素点对灰度值比较结果组合成一个N位的二进制编码,即为目标像素点的特征值,实现特征点的二进制向量描述。根据精度和速度要求,本申请N取256和32.
步骤5)、基于二进制向量描述的特征点,采用基于汉明距离比值准则(暴力匹配)匹配连续两幅图像的特征点即可得到最终的特征点匹配对,从而实现电力线路特征标记。
汉明距离即求解两个等长字符串在对应位置上不同字符的数目,由于字符串都由1和0构成,那么汉明距离就是两个字符串相异或得到的1的数目。对应到图像的特征点上,由BRIEF算法得到的特征点描述子均为一串二进制字符串,那么汉明距离就是反映不同的两幅图上特征点描述子的相似度。
以本发明方法标记的特征点作为标签,可促进基于监督学习的BOW模型和SVM分类器对电力线路图像进行有效分类;根据特征标记结果能够快速实现电力线路、杆塔、线缆等相关画面的综合判断,分类结果准确,可大大提高检测效率,提高电力线路及周边系统环境的响应速度,维护了安全生产。首先在第一幅图像选取一个特征点,然后将该特征点依次与第二个图像中的所有特征点进行描述子汉明距离计算,之后将得到的汉明距离的值进行排序,最后返回汉明距离最近的特征点匹配对。
实施例:
步骤1:对电力线路图像进行特征点的标记,如图3所示,设定标记的参数个数为50,增加比较的样本,使得对比实验结果更加具有说服力,各个参数性能指标如图4所示。这是电力线路图像特征点匹配和后续的电力线路图像分类的基础。在本次实验中,由于选取特征点比较密集,匹配后很难用人眼判断匹配点对,以及这些匹配是否准确,这对后续的实验结果整理、量化和分析造成困扰。为了使本次实验更精确,让实验结论更严谨,在记录过程中,添加了特征点匹配对记录的功能,在程序运行界面显示匹配结果。
步骤2:给两幅电力线路图像分别记录50个特征点,对于每一个特征点的匹配进行记录,可以发现,所有50个特征点均正确匹配。若出现被过滤的错误匹配,记录的匹配对会少于50个;若出现未被过滤的错误匹配,那么特征点的序号将出现不一一对应的情况。在opencv(Open Source Computer Vision Library)中,通过调用函数库,将任意一张具有特征点的电力图进行三次操作,分别是将其中一张进行保持不变、90°旋转和180°旋转操作,另一张则保持原始形状,然后对两者进行特征点匹配,该步骤的实验结果如图5,图6,图7所示;
步骤3:对电力线路图像进行大小变换之后的特征点匹配的实验。首先,在opencv中,调用调整图形形状的函数库,对两幅电力线路图像中的其中之一进行三次形状的操作,分别是保持形状不变,缩小一倍,扩大一倍。另一张电力线路图象保持原始大小。接着,对两部分电力线路图像(经过形状操作和未经形状操作)进行50个特征点的记录,然后对两部分的电力线路图进行特征点匹配。实验结果如图8,图9,图10所示。
表1 ORB旋转不变性实验结果
表2 ORB旋转不变性实验结果
由图5至图10,表1和表2可得,本发明可以很好的实现电力图像的特征点匹配。
Claims (9)
1.一种电力线路特征标记方法,其特征在于,包括以下步骤:
步骤1)、对电力线路样本图像进行预处理,然后采用oFAST方法在连续两幅图像上检测并提取特征点;
步骤2)、将提取的特征点与该特征点的邻域范围作为一个像素块,求取该像素块的质心;
步骤3)、将特征点与其对应像素块质心进行连线,求出该连线与横坐标轴的夹角θ,即为该特征点的方向;
步骤4)、对获取方向的特征点利用rBRIEF方法进行二进制向量描述;
步骤5)、基于二进制向量描述的特征点,采用基于汉明距离比值准则匹配连续两幅图像的特征点即可得到最终的特征点匹配对。
2.根据权利要求1所述的一种电力线路特征标记方法,其特征在于,预处理包括对电力线路样本图像灰度化、滤波去噪、阈值分割、小区域去除,得到质量较高的电力线路图像。
3.根据权利要求2所述的一种电力线路特征标记方法,其特征在于,首先对电力线路样本图像向灰度图像的转换,然后采用中值滤波降低图像在传输过程中产生的各种噪音;最后用直方图均衡化增强图像的对比度。
5.根据权利要求1所述的一种电力线路特征标记方法,其特征在于,
1).取目标像素点一定范围内的领域;
2).对该领域进行高斯模糊处理,
3).以满足高斯分布的方式在该领域内随机选取N组像素点对,比较这两个像素点的灰度值大小,p(x),p(y)分别为两个像素点灰度值,若p(x)>=p(y)则返回1,p(x)<p(y)则返回0;
4).将像素点对灰度值比较结果组合成一个N位的二进制编码,即为目标像素点的特征值。
6.根据权利要求5所述的一种电力线路特征标记方法,其特征在于,邻域范围大小为9*9。
7.根据权利要求5所述的一种电力线路特征标记方法,其特征在于,选核参数σ=2。
8.根据权利要求1所述的一种电力线路特征标记方法,其特征在于,步骤5)中,在连续两幅图像中,首先在第一幅图像选取一个特征点,然后将该特征点依次与第二个图像中的所有特征点进行描述子汉明距离计算,之后将得到的汉明距离的值进行排序,最后返回汉明距离最近的特征点匹配对。
9.一种电力线路特征标记装置,其特征在于,包括图像预处理模块、特征提取模块和特征标记匹配模块;
图像预处理模块用于对电力线路样本图像进行预处理,然后将预处理后的电力线路样本图像传输至特征提取模块,特征提取模块用于在连续两幅图像上检测并提取特征点,并将提取的特征点传输至特征标记匹配模块,特征标记匹配模块根据提取的特征点与该特征点的邻域范围作为一个像素块,求取该像素块的质心,并将特征点与其对应像素块质心进行连线,获取该特征点的方向,然后、对获取方向的特征点利用rBRIEF方法进行二进制向量描述,基于二进制向量描述的特征点,采用基于汉明距离比值准则匹配连续两幅图像的特征点即可得到最终的特征点匹配对。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010889835.2A CN112037193A (zh) | 2020-08-28 | 2020-08-28 | 一种电力线路特征标记方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010889835.2A CN112037193A (zh) | 2020-08-28 | 2020-08-28 | 一种电力线路特征标记方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112037193A true CN112037193A (zh) | 2020-12-04 |
Family
ID=73587133
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010889835.2A Pending CN112037193A (zh) | 2020-08-28 | 2020-08-28 | 一种电力线路特征标记方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112037193A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113645443A (zh) * | 2021-07-16 | 2021-11-12 | 南京理工大学 | 基于fpga的环绕视频拼接显示方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104167003A (zh) * | 2014-08-29 | 2014-11-26 | 福州大学 | 一种遥感影像的快速配准方法 |
CN105844663A (zh) * | 2016-03-21 | 2016-08-10 | 中国地质大学(武汉) | 一种自适应orb目标跟踪方法 |
CN108010045A (zh) * | 2017-12-08 | 2018-05-08 | 福州大学 | 基于orb的视觉图像特征点误匹配提纯方法 |
CN109859225A (zh) * | 2018-12-24 | 2019-06-07 | 中国电子科技集团公司第二十研究所 | 一种基于改进orb特征点匹配的无人机景象匹配定位方法 |
CN110414533A (zh) * | 2019-06-24 | 2019-11-05 | 东南大学 | 一种改进orb的特征提取与匹配方法 |
CN110675437A (zh) * | 2019-09-24 | 2020-01-10 | 重庆邮电大学 | 一种基于改进gms-orb特征的图像匹配方法及存储介质 |
-
2020
- 2020-08-28 CN CN202010889835.2A patent/CN112037193A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104167003A (zh) * | 2014-08-29 | 2014-11-26 | 福州大学 | 一种遥感影像的快速配准方法 |
CN105844663A (zh) * | 2016-03-21 | 2016-08-10 | 中国地质大学(武汉) | 一种自适应orb目标跟踪方法 |
CN108010045A (zh) * | 2017-12-08 | 2018-05-08 | 福州大学 | 基于orb的视觉图像特征点误匹配提纯方法 |
CN109859225A (zh) * | 2018-12-24 | 2019-06-07 | 中国电子科技集团公司第二十研究所 | 一种基于改进orb特征点匹配的无人机景象匹配定位方法 |
CN110414533A (zh) * | 2019-06-24 | 2019-11-05 | 东南大学 | 一种改进orb的特征提取与匹配方法 |
CN110675437A (zh) * | 2019-09-24 | 2020-01-10 | 重庆邮电大学 | 一种基于改进gms-orb特征的图像匹配方法及存储介质 |
Non-Patent Citations (1)
Title |
---|
潘肖楠: "全景跟踪车的目标跟踪方法研究与应用", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113645443A (zh) * | 2021-07-16 | 2021-11-12 | 南京理工大学 | 基于fpga的环绕视频拼接显示方法及系统 |
CN113645443B (zh) * | 2021-07-16 | 2022-05-13 | 南京理工大学 | 基于fpga的环绕视频拼接显示方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110580480B (zh) | 基于图像处理的表计读数识别方法 | |
CN106355577B (zh) | 基于特征状态与全局一致性的快速图像匹配方法及系统 | |
CN110838112A (zh) | 一种基于霍夫变换和YOLOv3网络的绝缘子缺损检测方法 | |
CN103729631B (zh) | 一种基于视觉的连接器表面特征自动识别方法 | |
CN110222661B (zh) | 一种用于运动目标识别及跟踪的特征提取方法 | |
CN108573231B (zh) | 基于运动历史点云生成的深度运动图的人体行为识别方法 | |
CN111667470B (zh) | 一种基于数字图像的工业管道探伤内壁检测方法 | |
CN111563896B (zh) | 一种用于接触网异常检测的图像处理方法 | |
CN108537170A (zh) | 一种电力设备固件无人机巡检销钉缺失检测方法 | |
CN115841488B (zh) | 一种基于计算机视觉的pcb板的检孔方法 | |
CN105740844A (zh) | 基于图像识别技术的绝缘子炸裂故障检测方法 | |
CN115775246A (zh) | 一种pcb元器件缺陷检测的方法 | |
CN110321890B (zh) | 一种电力巡检机器人的数字仪表识别方法 | |
CN109544608B (zh) | 一种无人机图像采集特征配准方法 | |
CN112037193A (zh) | 一种电力线路特征标记方法及装置 | |
CN112085117B (zh) | 一种基于MTLBP-Li-KAZE-R-RANSAC的机器人运动监测视觉信息融合方法 | |
CN113705564A (zh) | 一种指针式仪表识别读数方法 | |
CN112418226A (zh) | 一种鱼眼分合闸状态识别的方法及装置 | |
Ding et al. | Detection and recognition method for pointer-type meter based on deep learning | |
CN117197700A (zh) | 智能化无人巡检接触网缺陷识别系统 | |
Singh et al. | Vidaq: A framework for monitoring human machine interfaces | |
CN110766035A (zh) | 一种轴承单一故障智能检测方法 | |
CN110197184A (zh) | 一种基于傅里叶变换的快速图像sift提取方法 | |
Khaleel et al. | License plate detection based on Speeded Up Robust Features and Bag of Words model | |
CN108830281B (zh) | 一种基于局部变化检测和空间加权的重复图像匹配方法 |
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 |
Application publication date: 20201204 |
|
RJ01 | Rejection of invention patent application after publication |