CN112082530A - 基于标记的机器视觉的塔筒基础环倾斜测量方法、装置、设备 - Google Patents
基于标记的机器视觉的塔筒基础环倾斜测量方法、装置、设备 Download PDFInfo
- Publication number
- CN112082530A CN112082530A CN202010798890.0A CN202010798890A CN112082530A CN 112082530 A CN112082530 A CN 112082530A CN 202010798890 A CN202010798890 A CN 202010798890A CN 112082530 A CN112082530 A CN 112082530A
- Authority
- CN
- China
- Prior art keywords
- interest
- tower
- point
- panoramic image
- conversion
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C9/00—Measuring inclination, e.g. by clinometers, by levels
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开一种基于标记的机器视觉的塔筒基础环倾斜测量方法、装置、设备。其中,所述方法包括:将至少3个标尺固定在平行于塔筒法兰圈的同一平面或者能表示塔筒静止状态的平面的同一平面的内壁上,获取塔筒基础环内部的第一全景图像,识别该第一全景图像中的第一兴趣物和第一兴趣点,其中,兴趣物是塔筒内部的标尺,基于水平参考面,对该第一兴趣点或第一兴趣物进行第一特征标记,将该第一特征标记折算至等效为塔筒几何中心视角的第二全景图像中的第二特征标记,根据该第二特征标记,采用优化方式选择最优特征来表示第二兴趣物,根据该第二兴趣物和第二兴趣点,计算出描述塔筒倾斜程度的物理量,能够实现快速识别风机基础的异常部位、异常程度。
Description
技术领域
本发明涉及塔筒基础环技术领域,尤其涉及一种基于标记的机器视觉的塔筒基础环倾斜测量方法、装置、设备。
背景技术
风力发电机组在实际运行过程中,经常会因为振动超限而导致系统触发报警,影响了机组的正常运行,降低了机组的发电量。通过对现有大量类似案例的分析,振动报警很大一部分原因是塔架与基础主体的连接松动导致的,基础混凝土损伤,基础环与混凝土主体间出现明显间隙等是导致风机振动报警的影响因素。伴随着机组振动超限的基础,多出现明显的混凝土表面损伤,基础密封防水失效,塔架晃动异常等现象。机组若长期在该状态下运行,必然会对机组大部件及塔架带来严重影响,甚至会直接导致机组停机,影响发电量及机组部件的使用寿命。
然而,现有的塔筒基础环倾斜测量方案,对于塔基倾斜问题的检测大多数依赖专业人员带着水准仪等相关检测设备去风场进行现场检测,考虑到风场的运维管理,基础与塔架倾斜的相关问题并不能及时被发现,从而对机组的安全有效运行带来了很大的隐患;基础与塔架倾斜的现场检测需要配备专业的分析人员进行数据解读,针对机组出现问题的最终结论出具耗时较长,如上所述的种种原因往往导致机组长时间处于停机保护状况,机组发电量损失较大。
发明内容
有鉴于此,本发明的目的在于提出一种基于标记的机器视觉的塔筒基础环倾斜测量方法、装置、设备,能够实现快速识别风机基础的异常部位和异常程度,实现塔筒基础健康监测,降低由于检修导致的发电量损失,预防倒塔事故。
根据本发明的一个方面,提供一种基于标记的机器视觉的塔筒基础环倾斜测量方法,包括:将至少3个标尺固定在平行于塔筒法兰圈的同一平面或者能表示塔筒静止状态的平面的同一平面的内壁上,通过在将数字取景装置布置在塔筒基础环内部,获取塔筒基础环内部的第一全景图像;识别所述第一全景图像中的第一兴趣物和第一兴趣点;其中,兴趣物是塔筒内部的标尺,兴趣点是兴趣物上的点或者可视为点的标记物;基于所述水平参考面,对所述第一兴趣点或第一兴趣物进行第一特征标记;其中,所述第一特征标记由一组标记组成,且各个标记的位置各不相同;根据所述第一特征标记计算出的距离尺度,将所述第一全景图像转换至等效为塔筒几何中心等效视角的第二全景图像;将所述第一特征标记折算至等效为塔筒几何中心视角的所述第二全景图像中的第二特征标记;根据所述第二特征标记,采用优化方式选择最优特征来表示第二兴趣物;根据所述第二兴趣物和第二兴趣点,计算出描述塔筒倾斜程度的物理量。
其中,所述识别所述第一全景图像中的第一兴趣物和第一兴趣点,包括:采用激光水平仪作为参考水平面或者陀螺仪对所述数字取景装置进行校验,确定各个标尺较水平面的偏差,和采用球面成像、柱面成像或者多散点成像方式对塔筒基础环内部进行取景得到第一全景图像,和采用图像识别方式对所述第一全景图像中的标尺或者兴趣点进行识别,和对识别的标尺或者兴趣点的特征进行量化得到所述第一全景图像中的第一兴趣物;和从所述第一兴趣物中识别出刻画所述第一兴趣物的点或者可视为点的标记物得到第一兴趣点。
其中,所述根据所述第一特征标记,将所述第一全景图像转换至等效为塔筒几何中心等效视角的第二全景图像,包括:根据所述第一特征标记,采用定标转换方式或者定距转换方式,测量固有标记物相较于参照物的位置变化,计算视觉识别的中心相较于塔筒几何中心的转换程度,将所述第一全景图像转换至等效为塔筒几何中心等效视角的第二全景图像;其中,所述转换程度包括转换量和转换方向。
其中,所述根据所述第二特征标记,采用优化方式选择最优特征来表示第二兴趣物,包括:根据所述第二特征标记,提取所述第二全景图像的所有第二兴趣点,对所述所有第二兴趣点的特征进行量化区分,将所述经量化区分后的第二兴趣点的特征采用定标转换方式或定距转换方式进行参考物转换,将经所述转换后的兴趣点的特征作为输入,采用优化方式刻画最优特征来表示第二兴趣物;其中,所述量化区分包括异常兴趣点、正常兴趣点、最优特征表现兴趣点。
其中,所述根据所述第二兴趣物和第二兴趣点,计算出描述塔筒倾斜程度的物理量,包括:从所述第二兴趣点中选择出至少三个兴趣点,从所述至少三个兴趣点中提取兴趣点特征,根据所述提取的兴趣点特征,计算出描述塔筒倾斜程度的物理量;其中,所述塔筒倾斜程度的物理量包括塔筒倾斜度、垂直位移和塔筒倾斜方向。
根据本发明的另一个方面,提供一种基于标记的机器视觉的塔筒基础环倾斜测量装置,包括:固定模块、获取模块、识别模块、确定模块、标记模块、转换模块、折算模块、选择模块和计算模块;所述固定模块,用于将至少3个标尺固定在平行于塔筒法兰圈的同一平面或者能表示塔筒静止状态的平面的同一平面的内壁上;所述获取模块,用于通过在将数字取景装置布置在塔筒基础环内部,获取塔筒基础环内部的第一全景图像;所述识别模块,用于识别所述第一全景图像中的第一兴趣物和第一兴趣点;其中,兴趣物是塔筒内部的标尺,兴趣点是兴趣物上的点或者可视为点的标记物;所述确定模块,用于所述确定模块,用于以所述数字取景装置为视觉中心,确定水平参考面;所述标记模块,用于基于所述水平参考面,对所述第一兴趣点或第一兴趣物进行第一特征标记;其中,所述第一特征标记由一组标记组成,且各个标记的位置各不相同;所述转换模块,用于根据所述第一特征标记,将所述第一全景图像转换至等效为塔筒几何中心等效视角的第二全景图像;所述折算模块,用于将所述第一特征标记折算至等效为塔筒几何中心视角的所述第二全景图像中的第二特征标记;所述选择模块,用于根据所述第二特征标记,采用优化方式选择最优特征来表示第二兴趣物;所述计算模块,用于根据所述第二兴趣物和第二兴趣点,计算出描述塔筒倾斜程度的物理量。
其中,所述识别模块,具体用于:采用激光水平仪作为参考水平面或者陀螺仪对所述数字取景装置进行校验,确定各个标尺较水平面的偏差,和采用球面成像、柱面成像或者多散点成像方式对塔筒基础环内部进行取景得到第一全景图像,和采用图像识别方式对所述第一全景图像中的标尺或者兴趣点进行识别,和对识别的标尺或者兴趣点的特征进行量化得到所述第一全景图像中的第一兴趣物;和从所述第一兴趣物中识别出刻画所述第一兴趣物的点或者可视为点的标记物得到第一兴趣点。
其中,所述转换模块,具体用于:根据所述第一特征标记,采用定标转换方式或者定距转换方式,测量固有标记物相较于参照物的位置变化,计算视觉识别的中心相较于塔筒几何中心的转换程度,将所述第一全景图像转换至等效为塔筒几何中心等效视角的第二全景图像;其中,所述转换程度包括转换量和转换方向。
其中,所述选择模块,具体用于:根据所述第二特征标记,提取所述第二全景图像的所有第二兴趣点,对所述所有第二兴趣点的特征进行量化区分,将所述经量化区分后的第二兴趣点的特征采用定标转换方式或定距转换方式进行参考物转换,将经所述转换后的兴趣点的特征作为输入,采用优化方式刻画最优特征来表示第二兴趣物;其中,所述量化区分包括异常兴趣点、正常兴趣点、最优特征表现兴趣点。
其中,所述计算模块,具体用于:从所述第二兴趣点中选择出至少三个兴趣点,从所述至少三个兴趣点中提取兴趣点特征,根据所述提取的兴趣点特征,计算出描述塔筒倾斜程度的物理量;其中,所述塔筒倾斜程度的物理量包括塔筒倾斜度、垂直位移和塔筒倾斜方向。
根据本发明的又一个方面,提供一种计算机设备,包括:至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上述任一项所述的基于标记的机器视觉的塔筒基础环倾斜测量方法。
根据本发明的再一个方面,提供一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时实现如上述任一项所述的基于标记的机器视觉的塔筒基础环倾斜测量方法。
可以发现,以上方案,可以将至少3个标尺固定在平行于塔筒法兰圈的同一平面或者能表示塔筒静止状态的平面的同一平面的内壁上,和可以通过在将数字取景装置布置在塔筒基础环内部,获取塔筒基础环内部的第一全景图像,和可以识别该第一全景图像中的第一兴趣物和第一兴趣点,和可以以该数字取景装置为视觉中心,确定水平参考面,其中,兴趣物是塔筒内部的标尺,兴趣点是兴趣物上的点或者可视为点的标记物,和可以基于该水平参考面,对该第一兴趣点或第一兴趣物进行第一特征标记,其中,该第一特征标记由一组标记组成,且各个标记的位置各不相同,和可以根据该第一特征标记计算出的距离尺度,将该第一全景图像转换至等效为塔筒几何中心等效视角的第二全景图像,和可以将该第一全景图像上的第一兴趣点和第一兴趣物的第一特征标记折算至等效为塔筒几何中心位置为参考的该第二全景图像的第二特征标记,和可以根据该第二特征标记,采用优化方式选择最优特征来表示第二兴趣物,以及可以根据该第二兴趣物和第二兴趣点,计算出描述塔筒倾斜程度的物理量,能够实现快速识别风机基础的异常部位和异常程度,实现塔筒基础健康监测,降低由于检修导致的发电量损失,预防倒塔事故。
进一步的,以上方案,可以采用激光水平仪作为参考水平面或者陀螺仪对该数字取景装置进行校验,确定各个标尺较水平面的偏差,和采用球面成像、柱面成像或者多散点成像方式对塔筒基础环内部进行取景得到第一全景图像,和采用图像识别方式对该第一全景图像中的标尺或者兴趣点进行识别,和对识别的标尺或者兴趣点的特征进行量化得到该第一全景图像中的第一兴趣物;和从该第一兴趣物中识别出刻画该第一兴趣物的点或者可视为点的标记物得到第一兴趣点,这样的好处是能够实现自动进行塔筒成像及标记物的识别,能够提高该识别的该第一全景图像中的第一兴趣物和第一兴趣点的准确率。
进一步的,以上方案,可以根据该第一特征标记,采用定标转换方式或者定距转换方式,测量固有标记物相较于参照物的位置变化,计算视觉识别的中心相较于塔筒几何中心的转换程度,将该第一全景图像转换至等效为塔筒几何中心等效视角的第二全景图像;其中,该转换程度包括转换量和转换方向,这样的好处是能够实现将位于塔筒内部以任何视觉中心为参考提取的兴趣点或者兴趣物的特征,转换至以塔筒几何中心为参考的特征。
进一步的,以上方案,可以根据该第二特征标记,提取该第二全景图像的所有第二兴趣点,对该所有第二兴趣点的特征进行量化区分,将该经量化区分后的第二兴趣点的特征采用定标转换方式或定距转换方式进行参考物转换,将经该转换后的兴趣点的特征作为输入,采用优化方式刻画最优特征来表示第二兴趣物,其中,该量化区分包括异常兴趣点、正常兴趣点、最优特征表现兴趣点,这样的好处是能够实现通过塔筒面和固有标记物平面的特征优化方式,能够使用更多识别信息来优化兴趣点的特征,能够更加准确的得到实际平面。
进一步的,以上方案,可以从该第二兴趣点中选择出至少三个兴趣点,从该至少三个兴趣点中提取兴趣点特征,根据该提取的兴趣点特征,计算出描述塔筒倾斜程度的物理量等;其中,该塔筒倾斜程度的物理量包括塔筒倾斜度、垂直位移和塔筒倾斜方向,这样的好处是能够实现通过对塔筒的实际位置较水平位置的变化从塔筒倾斜度、垂直位移、塔筒倾斜方向等指标描述塔筒倾斜程度,能够提高该计算的塔筒倾斜程度的准确率。
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的前提下,还可以根据这些附图获得其他的附图。
图1是本发明基于标记的机器视觉的塔筒基础环倾斜测量方法一实施例的流程示意图;
图2是本发明定标转换方式一举例示意图;
图3是本发明定距转换方式一举例示意图;
图4是本发明以视觉中心为参考进行的视觉识别提取的特征转换至以塔筒几何中心为参考的兴趣点或兴趣物的特征的一举例示意图;
图5是本发明采用优化方式选择最优特征来表示第二兴趣物的一举例示意图;
图6是本发明计算出描述塔筒倾斜程度的物理量一举例示意图;
图7是本发明基于标记的机器视觉的塔筒基础环倾斜测量装置一实施例的结构示意图;
图8是本发明计算机设备一实施例的结构示意图。
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描述。特别指出的是,以下实施例仅用于说明本发明,但不对本发明的范围进行限定。同样的,以下实施例仅为本发明的部分实施例而非全部实施例,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它实施例,都属于本发明保护的范围。
本发明提供一种基于标记的机器视觉的塔筒基础环倾斜测量方法,能够实现快速识别风机基础的异常部位和异常程度,实现塔筒基础健康监测,降低由于检修导致的发电量损失,预防倒塔事故。
请参见图1,图1是本发明基于标记的机器视觉的塔筒基础环倾斜测量方法一实施例的流程示意图。需注意的是,若有实质上相同的结果,本发明的方法并不以图1所示的流程顺序为限。如图1所示,该方法包括如下步骤:
S101:将至少3个标尺固定在平行于塔筒法兰圈的同一平面或者能表示塔筒静止状态的平面的同一平面的内壁上。
在本实施例中,该至少3个标尺的类型可以包括有源标尺、无源标尺;其中,有源标尺自带电源,可以自己发光,有源标尺使加强了自身与塔筒内部其他物品的对比度,便于图像识别;其中,无源标尺没有电源,可以通过反光加强自身的亮度,无源标尺成本较低;不管是有源标尺,还是无源标尺,标尺本身可以包含标准刻度、可以粘贴在塔筒上、与塔筒内部的其他物品有较强的可识别性;该至少3个标尺的安装需要与塔筒壁紧贴,其目的是通过标尺,能够准确的刻画当前塔筒的状态。
在本实施例中,该至少3个标尺可以是相同的标尺类型,也可以是部分相同部分不相同的标尺类型,还可以是不相同的标尺类型等,本发明不加以限定。
S102:通过在将数字取景装置布置在塔筒基础环内部,获取塔筒基础环内部的第一全景图像。
在本实施例中,可以通过将将数字取景装置布置在塔筒基础环内部,该塔筒基础环内部可以是视觉中心(P)所在位置,例如塔筒基础环中心位置,可以采用该数字取景装置的360°全景相机和/或多相机环状拼接和/或多相机带状拼接和/或多相机多点观测的方式进行成像的方式,获取塔筒基础环内部的第一全景图像,也可以通过其它方式,获取塔筒基础环内部的第一全景图像等,本发明不加以限定。
S103:识别该第一全景图像中的第一兴趣物和第一兴趣点;其中,兴趣物是塔筒内部的标尺,兴趣点是兴趣物上的点或者可视为点的标记物。
其中,该识别该第一全景图像中的第一兴趣物和第一兴趣点,可以包括:
采用激光水平仪作为参考水平面或者陀螺仪对该数字取景装置进行校验,确定各个标尺较水平面的偏差,和采用球面成像、柱面成像或者多散点成像方式对塔筒基础环内部进行取景得到第一全景图像,和采用图像识别方式对该第一全景图像中的标尺或者兴趣点进行识别,和对识别的标尺或者兴趣点的特征进行量化得到该第一全景图像中的第一兴趣物;和从该第一兴趣物中识别出刻画该第一兴趣物的点或者可视为点的标记物得到第一兴趣点,这样的好处是能够实现自动进行塔筒成像及标记物的识别,能够提高该识别的该第一全景图像中的第一兴趣物和第一兴趣点的准确率。
在本实施例中,可以基于固有标记的测量,第一兴趣物可以是指通过第一全景图像进行识别的物体,比如法兰圈、激光圈等,第一兴趣点可以是指能够刻画第一兴趣物的点或者可视为点的标记物,比如法兰圈上的任意一点、标尺等,本发明不加以限定。
在本实施例中,该第一兴趣点可以是指在后续塔筒水平面即激光圈和塔筒倾斜面即法兰圈刻画中需要用到的点等。本发明不加以限定。
在本实施例中,该第一兴趣点特征的刻画可以采用方位角(θ)、像素(S)描述,可以首先确定图形的初始方位角,即为0°;可以以初始位置开始,逆时针旋转,刻画第一兴趣点所在的方位角;可以沿塔筒壁的方向上,识别该点到法兰圈的距离,即为该特征点的距离等,本发明不加以限定。
在本实施例中,该第一兴趣物的识别,可以是首先先识别该第一兴趣物上的第一兴趣点,采用以上方位角和距离进行第一特征标记;如果该第一兴趣物是法兰圈,则至少需要3个第一兴趣点对法兰圈所在的平面进行刻画,刻画平面的参数可以是平面方程中a,b,c,d四个参数,即为第一兴趣物法兰圈对应的特征等,本发明不加以限定。
S104:以该数字取景装置为视觉中心,确定水平参考面。
S105:基于该水平参考面,对该第一兴趣点或第一兴趣物进行第一特征标记;其中,该第一特征标记由一组标记组成,且各个标记的位置各不相同。
在本实施例中,该视觉中心(P)可以是该第一全景图像的成像中心,也即将塔筒基础环看做整体,该视觉中心(P)在塔筒几何中心所在的位置,该视觉中心(P)是相对于第一全景图像定义等,本发明不加以限定。
在本实施例中,在测量塔筒基础环倾斜的实际过程中,该视觉中心(P)不一定位于塔筒几何中心位置,导致基于视觉中心进行分析的固有标记物的实际情况会存在偏差,计算结果不准确或者偏差较大,因而会涉及到参考系转换或者特征转换的环节等,本发明不加以限定。
在本实施例中,该对该第一兴趣点或第一兴趣物进行的第一特征标记由一组标记组成,且各个标记的位置各不相同,使得各个第一兴趣点或第一兴趣物拥有唯一标志。
在本实施例中,可以基于固有标记的方式,该各个第一兴趣点或第一兴趣物的唯一标志可以是各个点基于视觉中心(P)和初始位置0°的方位角(θ)、像素(S),不同的第一兴趣点可以有不同的方位角(θ)、像素(S);基于第一兴趣点刻画的第一兴趣物,由于计算选择的第一兴趣点不同,则刻画同一第一兴趣物的特征会存在差异,因而需要异常点剔除和优化的步骤,可以选择最优面对法兰圈或者水平激光圈进行刻画等,本发明不加以限定。
S106:根据该第一特征标记计算出的距离尺度,将该第一全景图像转换至等效为塔筒几何中心(O)等效视角的第二全景图像。
其中,该根据该第一特征标记计算出的距离尺度,将该第一全景图像转换至等效为塔筒几何中心(O)等效视角的第二全景图像,可以包括:
根据该第一特征标记,采用定标转换方式或者定距转换方式,测量固有标记物相较于参照物的位置变化,计算视觉识别的中心(P)相较于塔筒几何中心(O)的转换程度,将该第一全景图像转换至等效为塔筒几何中心(O)等效视角的第二全景图像;其中,该转换程度包括转换量(l)和转换方向(θ),这样的好处是能够实现将位于塔筒内部以任何视觉中心(P)为参考提取的兴趣点或者兴趣物的特征,转换至以塔筒几何中心为参考的特征。
请参见图2,图2是本发明定标转换方式一举例示意图。如图2所示,定标转换是指通过成像,刻画兴趣点与固有标记物的特征关系来进行转换的测量,可以从以视觉中心(P)为参考的第一全景图像中选择出至少三个兴趣点A1、B1、C1等,从该至少三个兴趣点A1、B1、C1等中提取兴趣点A1的兴趣点特征a1、a2、a3等和提取兴趣点B1的兴趣点特征b1、b2、b3等和兴趣点C1的兴趣点特征c1、c2、c3等,根据该提取的兴趣点特征,通过兴趣点特征的参考系数转换函数f2,将从以视觉中心(P)为参考的第一全景图像的兴趣点的兴趣点特征转换成参考物为塔筒几何中心的第二全景图像的兴趣点的兴趣点特征,该第二全景图像的兴趣点和兴趣点特征如图2所示包括至少三个对应的兴趣点A、B、C等及对应的兴趣点特征,并通过转换程度计算函数f3计算得到视觉中心的偏移程度即转换程度,其中,该转移程序包括转换量(l)和转换方向(θ)。
请参见图3,图3是本发明定距转换方式一举例示意图。如图3所示,定距转换是指通过固定点与塔筒关系进行转换,可以根据固定点参考物,通过固定点与塔筒壁上兴趣点或者兴趣物的关系函数f4,固定以视觉中心(P)为参考的第一全景图像中的至少三个兴趣点D1、E1、F1等,从该至少三个兴趣点D1、E1、F1等中提取兴趣点D1的兴趣点特征d1、d2等和提取兴趣点E1的兴趣点特征e1、e2等和兴趣点F1的兴趣点特征f1、f2等,根据该提取的兴趣点特征,通过兴趣点特征的参考系数转换函数f5,将从以视觉中心(P)为参考的第一全景图像的兴趣点的兴趣点特征转换成参考物为塔筒几何中心的第二全景图像的兴趣点的兴趣点特征,该第二全景图像的兴趣点和兴趣点特征如图3所示包括至少三个对应的兴趣点D、E、F等及对应的兴趣点特征,并通过转换程度计算函数f6计算得到视觉中心的偏移程度即转换程度,其中,该转移程序包括转换量(l)和转换方向(θ)。
请参见图4,图4是本发明以视觉中心为参考进行的视觉识别提取的特征转换至以塔筒几何中心为参考的兴趣点或兴趣物的特征的一举例示意图。如图4所示,在实际测量过程中,视觉中心不一定位于塔筒几何中心位置,导致基于视觉中心进行分析的固有标记物的实际情况存在偏差,计算结果不准确或者偏差较大,因此,基于视觉识别的塔筒成像需要加入参考系转换的过程,将以视觉中心P为参考进行的视觉识别提取的特征,转换至以塔筒几何中心O为参考的兴趣点或者兴趣物的特征;其中,A和B为兴趣点,视觉中心为P,塔筒几何中心为O,转换前的左视图表示视觉中心P偏离塔筒几何中心O时得到的兴趣点的像素,转换后的右视图表示视觉中心P位于塔筒几何中心O时得到的兴趣点的像素,这样的好处是能够实现将位于塔筒内部以任何视觉中心为参考提取的兴趣点或者兴趣物的特征,转换至以塔筒几何中心为参考的特征。
S107:将该第一特征标记折算至等效为塔筒几何中心(O)视角的该第二全景图像中的第二特征标记。
在本实施例中,可以通过公式方式,将该第一特征
标记折算至等效为塔筒几何中心(O)视角的该第二全景图像中的第二特征标记,其中,D表
示距离,alpha为各个兴趣点的方位角,Px和Py表示中心点P在塔筒几何中心(O)坐标系中的
坐标,R为塔筒半径;也可以采用其它方式,将该第一全景图像上的第一兴趣点和第一兴趣
物的第一特征标记折算至等效为塔筒几何中心(O)位置为参考的该第二全景图像的第二特
征标记,本发明不加以限定。
S108:根据该第二特征标记,采用优化方式选择最优特征来表示第二兴趣物。
其中,请参见图5,图5是本发明采用优化方式选择最优特征来表示第二兴趣物的一举例示意图。如图5所述,该根据该第二特征标记,采用优化方式选择最优特征来表示第二兴趣物,可以包括:根据该第二特征标记,提取该第二全景图像的所有第二兴趣点,对该所有第二兴趣点的特征进行量化区分,将该经量化区分后的第二兴趣点的特征采用定标转换方式或定距转换方式进行参考物转换,将经该转换后的兴趣点的特征作为输入,采用优化方式刻画最优特征来表示第二兴趣物;其中,该量化区分包括异常兴趣点、正常兴趣点、最优特征表现兴趣点,这样的好处是能够实现通过塔筒面和固有标记物平面的特征优化方式,能够使用更多识别信息来优化兴趣点的特征,能够更加准确的得到实际平面。
S109:根据该第二兴趣物和第二兴趣点,计算出描述塔筒倾斜程度的物理量。
其中,该根据该第二兴趣物和第二兴趣点,计算出描述塔筒倾斜程度的物理量,可以包括:
从该第二兴趣点中选择出至少三个兴趣点,从该至少三个兴趣点中提取兴趣点特征,根据该提取的兴趣点特征,计算出描述塔筒倾斜程度的物理量等;其中,该塔筒倾斜程度的物理量包括塔筒倾斜度、垂直位移和塔筒倾斜方向,这样的好处是能够实现通过对塔筒的实际位置较水平位置的变化从塔筒倾斜度、垂直位移、塔筒倾斜方向等指标描述塔筒倾斜程度,能够提高该计算的塔筒倾斜程度的准确率。
在本实施例中,塔筒的基础灌浆不良、基座连接不牢固等问题会导致机组的基座刚度分布不均匀,塔筒运行过程中相对于水平面会存在一定的倾斜。
请参见图6,图6是本发明计算出描述塔筒倾斜程度的物理量一举例示意图。如图6所示,从该第二兴趣点中选择出至少三个兴趣点A、B、C等,从该至少三个兴趣点A、B、C等中提取兴趣点A的兴趣点特征a1、a2、a3等和提取兴趣点B的兴趣点特征b1、b2、b3等和兴趣点C的兴趣点特征c1、c2、c3等,根据该提取的兴趣点特征,通过f1计算过程计算出描述塔筒倾斜程度的物理量等;其中,该塔筒倾斜程度的物理量包括塔筒倾斜度(r)、垂直位移(d)和塔筒倾斜方向(α),这样的好处是能够实现通过对塔筒的实际位置较水平位置的变化从塔筒倾斜度、垂直位移、塔筒倾斜方向等指标描述塔筒倾斜程度,能够提高该计算的塔筒倾斜程度的准确率。
可以发现,在本实施例中,可以将至少3个标尺固定在平行于塔筒法兰圈的同一平面或者能表示塔筒静止状态的平面的同一平面的内壁上,和可以通过在将数字取景装置布置在塔筒基础环内部,获取塔筒基础环内部的第一全景图像,和可以识别该第一全景图像中的第一兴趣物和第一兴趣点,和可以以该数字取景装置为视觉中心,确定水平参考面,其中,兴趣物是塔筒内部的标尺,兴趣点是兴趣物上的点或者可视为点的标记物,和可以基于该水平参考面,对该第一兴趣点或第一兴趣物进行第一特征标记,其中,该第一特征标记由一组标记组成,且各个标记的位置各不相同,和可以根据该第一特征标记计算出的距离尺度,将该第一全景图像转换至等效为塔筒几何中心等效视角的第二全景图像,和可以将该第一全景图像上的第一兴趣点和第一兴趣物的第一特征标记折算至等效为塔筒几何中心位置为参考的该第二全景图像的第二特征标记,和可以根据该第二特征标记,采用优化方式选择最优特征来表示第二兴趣物,以及可以根据该第二兴趣物和第二兴趣点,计算出描述塔筒倾斜程度的物理量,能够实现快速识别风机基础的异常部位和异常程度,实现塔筒基础健康监测,降低由于检修导致的发电量损失,预防倒塔事故。
进一步的,在本实施例中,可以采用激光水平仪作为参考水平面或者陀螺仪对该数字取景装置进行校验,确定各个标尺较水平面的偏差,和采用球面成像、柱面成像或者多散点成像方式对塔筒基础环内部进行取景得到第一全景图像,和采用图像识别方式对该第一全景图像中的标尺或者兴趣点进行识别,和对识别的标尺或者兴趣点的特征进行量化得到该第一全景图像中的第一兴趣物;和从该第一兴趣物中识别出刻画该第一兴趣物的点或者可视为点的标记物得到第一兴趣点,这样的好处是能够实现自动进行塔筒成像及标记物的识别,能够提高该识别的该第一全景图像中的第一兴趣物和第一兴趣点的准确率。
进一步的,在本实施例中,可以根据该第一特征标记,采用定标转换方式或者定距转换方式,测量固有标记物相较于参照物的位置变化,计算视觉识别的中心相较于塔筒几何中心的转换程度,将该第一全景图像转换至等效为塔筒几何中心等效视角的第二全景图像;其中,该转换程度包括转换量和转换方向,这样的好处是能够实现将位于塔筒内部以任何视觉中心为参考提取的兴趣点或者兴趣物的特征,转换至以塔筒几何中心为参考的特征。
进一步的,在本实施例中,可以根据该第二特征标记,提取该第二全景图像的所有第二兴趣点,对该所有第二兴趣点的特征进行量化区分,将该经量化区分后的第二兴趣点的特征采用定标转换方式或定距转换方式进行参考物转换,将经该转换后的兴趣点的特征作为输入,采用优化方式刻画最优特征来表示第二兴趣物,其中,该量化区分包括异常兴趣点、正常兴趣点、最优特征表现兴趣点,这样的好处是能够实现通过塔筒面和固有标记物平面的特征优化方式,能够使用更多识别信息来优化兴趣点的特征,能够更加准确的得到实际平面。
进一步的,在本实施例中,可以从该第二兴趣点中选择出至少三个兴趣点,从该至少三个兴趣点中提取兴趣点特征,根据该提取的兴趣点特征,计算出描述塔筒倾斜程度的物理量等;其中,该塔筒倾斜程度的物理量包括塔筒倾斜度、垂直位移和塔筒倾斜方向,这样的好处是能够实现通过对塔筒的实际位置较水平位置的变化从塔筒倾斜度、垂直位移、塔筒倾斜方向等指标描述塔筒倾斜程度,能够提高该计算的塔筒倾斜程度的准确率。
本发明还提供一种基于标记的机器视觉的塔筒基础环倾斜测量装置,能够实现快速识别风机基础的异常部位和异常程度,实现塔筒基础健康监测,降低由于检修导致的发电量损失,预防倒塔事故。
请参见图7,图7是本发明基于标记的机器视觉的塔筒基础环倾斜测量装置一实施例的结构示意图。本实施例中,该基于标记的机器视觉的塔筒基础环倾斜测量装置70包括固定模块71、获取模块72、识别模块73、确定模块74、标记模块75、转换模块76、折算模块77、选择模块78和计算模块79。
该固定模块71,用于将至少3个标尺固定在平行于塔筒法兰圈的同一平面或者能表示塔筒静止状态的平面的同一平面的内壁上。
该获取模块72,用于通过在将数字取景装置布置在塔筒基础环内部,获取塔筒基础环内部的第一全景图像。
该识别模块73,用于识别该第一全景图像中的第一兴趣物和第一兴趣点。
该确定模块74,用于以该数字取景装置为视觉中心,确定水平参考面。
该标记模块75,用于基于该水平参考面,对该第一兴趣点或第一兴趣物进行第一特征标记;其中,该第一特征标记由一组标记组成,且各个标记的位置各不相同。
该转换模块76,用于根据该第一特征标记计算出的距离尺度,将该第一全景图像转换至等效为塔筒几何中心等效视角的第二全景图像。
该折算模块77,用于将该第一全景图像上的第一兴趣点和第一兴趣物的第一特征标记折算至等效为塔筒几何中心位置为参考的该第二全景图像的第二特征标记。
该选择模块78,用于根据该第二特征标记,采用优化方式选择最优特征来表示第二兴趣物。
该计算模块79,用于根据该第二兴趣物和第二兴趣点,计算出描述塔筒倾斜程度的物理量。
可选地,该识别模块73,可以具体用于:
采用激光水平仪作为参考水平面或者陀螺仪对该数字取景装置进行校验,确定各个标尺较水平面的偏差,和采用球面成像、柱面成像或者多散点成像方式对塔筒基础环内部进行取景得到第一全景图像,和采用图像识别方式对该第一全景图像中的标尺或者兴趣点进行识别,和对识别的标尺或者兴趣点的特征进行量化得到该第一全景图像中的第一兴趣物;和从该第一兴趣物中识别出刻画该第一兴趣物的点或者可视为点的标记物得到第一兴趣点。
可选地,该转换模块76,可以具体用于:
根据该第一特征标记,采用定标转换方式或者定距转换方式,测量固有标记物相较于参照物的位置变化,计算视觉识别的中心相较于塔筒几何中心的转换程度,将该第一全景图像转换至等效为塔筒几何中心等效视角的第二全景图像;其中,该转换程度包括转换量和转换方向。
可选地,该选择模块78,可以具体用于:
根据该第二特征标记,提取该第二全景图像的所有第二兴趣点,对该所有第二兴趣点的特征进行量化区分,将该经量化区分后的第二兴趣点的特征采用定标转换方式或定距转换方式进行参考物转换,将经该转换后的兴趣点的特征作为输入,采用优化方式刻画最优特征来表示第二兴趣物;其中,该量化区分包括异常兴趣点、正常兴趣点、最优特征表现兴趣点。
可选地,该计算模块79,可以具体用于:
从该第二兴趣点中选择出至少三个兴趣点,从该至少三个兴趣点中提取兴趣点特征,根据该提取的兴趣点特征,计算出描述塔筒倾斜程度的物理量等;其中,该塔筒倾斜程度的物理量包括塔筒倾斜度、垂直位移和塔筒倾斜方向。
该基于标记的机器视觉的塔筒基础环倾斜测量装置70的各个单元模块可分别执行上述方法实施例中对应步骤,故在此不对各单元模块进行赘述,详细请参见以上对应步骤的说明。
本发明又提供一种计算机设备,如图8所示,包括:至少一个处理器81;以及,与至少一个处理器81通信连接的存储器82;其中,存储器82存储有可被至少一个处理器81执行的指令,指令被至少一个处理器81执行,以使至少一个处理器81能够执行上述的基于标记的机器视觉的塔筒基础环倾斜测量方法。
其中,存储器82和处理器81采用总线方式连接,总线可以包括任意数量的互联的总线和桥,总线将一个或多个处理器81和存储器82的各种电路连接在一起。总线还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路连接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件,也可以是多个元件,比如多个接收器和发送器,提供用于在传输介质上与各种其他装置通信的单元。经处理器81处理的数据通过天线在无线介质上进行传输,进一步,天线还接收数据并将数据传送给处理器81。
处理器81负责管理总线和通常的处理,还可以提供各种功能,包括定时,外围接口,电压调节、电源管理以及其他控制功能。而存储器82可以被用于存储处理器81在执行操作时所使用的数据。
本发明再提供一种计算机可读存储介质,存储有计算机程序。计算机程序被处理器执行时实现上述方法实施例。
可以发现,以上方案,可以将至少3个标尺固定在平行于塔筒法兰圈的同一平面或者能表示塔筒静止状态的平面的同一平面的内壁上,和可以通过在将数字取景装置布置在塔筒基础环内部,获取塔筒基础环内部的第一全景图像,和可以识别该第一全景图像中的第一兴趣物和第一兴趣点,和可以以该数字取景装置为视觉中心,确定水平参考面,其中,兴趣物是塔筒内部的标尺,兴趣点是兴趣物上的点或者可视为点的标记物,和可以基于该水平参考面,对该第一兴趣点或第一兴趣物进行第一特征标记,其中,该第一特征标记由一组标记组成,且各个标记的位置各不相同,和可以根据该第一特征标记计算出的距离尺度,将该第一全景图像转换至等效为塔筒几何中心等效视角的第二全景图像,和可以将该第一全景图像上的第一兴趣点和第一兴趣物的第一特征标记折算至等效为塔筒几何中心位置为参考的该第二全景图像的第二特征标记,和可以根据该第二特征标记,采用优化方式选择最优特征来表示第二兴趣物,以及可以根据该第二兴趣物和第二兴趣点,计算出描述塔筒倾斜程度的物理量,能够实现快速识别风机基础的异常部位和异常程度,实现塔筒基础健康监测,降低由于检修导致的发电量损失,预防倒塔事故。
进一步的,以上方案,可以采用激光水平仪作为参考水平面或者陀螺仪对该数字取景装置进行校验,确定各个标尺较水平面的偏差,和采用球面成像、柱面成像或者多散点成像方式对塔筒基础环内部进行取景得到第一全景图像,和采用图像识别方式对该第一全景图像中的标尺或者兴趣点进行识别,和对识别的标尺或者兴趣点的特征进行量化得到该第一全景图像中的第一兴趣物;和从该第一兴趣物中识别出刻画该第一兴趣物的点或者可视为点的标记物得到第一兴趣点,这样的好处是能够实现自动进行塔筒成像及标记物的识别,能够提高该识别的该第一全景图像中的第一兴趣物和第一兴趣点的准确率。
进一步的,以上方案,可以根据该第一特征标记,采用定标转换方式或者定距转换方式,测量固有标记物相较于参照物的位置变化,计算视觉识别的中心相较于塔筒几何中心的转换程度,将该第一全景图像转换至等效为塔筒几何中心等效视角的第二全景图像;其中,该转换程度包括转换量和转换方向,这样的好处是能够实现将位于塔筒内部以任何视觉中心为参考提取的兴趣点或者兴趣物的特征,转换至以塔筒几何中心为参考的特征。
进一步的,以上方案,可以根据该第二特征标记,提取该第二全景图像的所有第二兴趣点,对该所有第二兴趣点的特征进行量化区分,将该经量化区分后的第二兴趣点的特征采用定标转换方式或定距转换方式进行参考物转换,将经该转换后的兴趣点的特征作为输入,采用优化方式刻画最优特征来表示第二兴趣物,其中,该量化区分包括异常兴趣点、正常兴趣点、最优特征表现兴趣点,这样的好处是能够实现通过塔筒面和固有标记物平面的特征优化方式,能够使用更多识别信息来优化兴趣点的特征,能够更加准确的得到实际平面。
进一步的,以上方案,可以从该第二兴趣点中选择出至少三个兴趣点,从该至少三个兴趣点中提取兴趣点特征,根据该提取的兴趣点特征,计算出描述塔筒倾斜程度的物理量等;其中,该塔筒倾斜程度的物理量包括塔筒倾斜度、垂直位移和塔筒倾斜方向,这样的好处是能够实现通过对塔筒的实际位置较水平位置的变化从塔筒倾斜度、垂直位移、塔筒倾斜方向等指标描述塔筒倾斜程度,能够提高该计算的塔筒倾斜程度的准确率。
在本发明所提供的几个实施方式中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施方式仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外,在本发明各个实施方式中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本发明各个实施方式方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的部分实施例,并非因此限制本发明的保护范围,凡是利用本发明说明书及附图内容所作的等效装置或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于标记的机器视觉的塔筒基础环倾斜测量方法,其特征在于,包括:
将至少3个标尺固定在平行于塔筒法兰圈的同一平面或者能表示塔筒静止状态的平面的同一平面的内壁上;
通过在将数字取景装置布置在塔筒基础环内部,获取塔筒基础环内部的第一全景图像;
识别所述第一全景图像中的第一兴趣物和第一兴趣点;其中,兴趣物是塔筒内部的标尺,兴趣点是兴趣物上的点或者可视为点的标记物;
以所述数字取景装置为视觉中心,确定水平参考面;
基于所述水平参考面,对所述第一兴趣点或第一兴趣物进行第一特征标记;其中,所述第一特征标记由一组标记组成,且各个标记的位置各不相同;
根据所述第一特征标记计算出的距离尺度,将所述第一全景图像转换至等效为塔筒几何中心等效视角的第二全景图像;
将所述第一特征标记折算至等效为塔筒几何中心视角的所述第二全景图像中的第二特征标记;
根据所述第二特征标记,采用优化方式选择最优特征来表示第二兴趣物;
根据所述第二兴趣物和第二兴趣点,计算出描述塔筒倾斜程度的物理量。
2.如权利要求1所述的基于标记的机器视觉的塔筒基础环倾斜测量方法,其特征在于,所述识别所述第一全景图像中的第一兴趣物和第一兴趣点,包括:
采用激光水平仪作为参考水平面或者陀螺仪对所述数字取景装置进行校验,确定各个标尺较水平面的偏差,和采用球面成像、柱面成像或者多散点成像方式对塔筒基础环内部进行取景得到第一全景图像,和采用图像识别方式对所述第一全景图像中的标尺或者兴趣点进行识别,和对识别的标尺或者兴趣点的特征进行量化得到所述第一全景图像中的第一兴趣物;和从所述第一兴趣物中识别出刻画所述第一兴趣物的点或者可视为点的标记物得到第一兴趣点。
3.如权利要求1所述的基于标记的机器视觉的塔筒基础环倾斜测量方法,其特征在于,所述根据所述第一特征标记,将所述第一全景图像转换至等效为塔筒几何中心等效视角的第二全景图像,包括:
根据所述第一特征标记,采用定标转换方式或者定距转换方式,测量固有标记物相较于参照物的位置变化,计算视觉识别的中心相较于塔筒几何中心的转换程度,将所述第一全景图像转换至等效为塔筒几何中心等效视角的第二全景图像;其中,所述转换程度包括转换量和转换方向。
4.如权利要求1所述的基于标记的机器视觉的塔筒基础环倾斜测量方法,其特征在于,所述根据所述第二特征标记,采用优化方式选择最优特征来表示第二兴趣物,包括:
根据所述第二特征标记,提取所述第二全景图像的所有第二兴趣点,对所述所有第二兴趣点的特征进行量化区分,将所述经量化区分后的第二兴趣点的特征采用定标转换方式或定距转换方式进行参考物转换,将经所述转换后的兴趣点的特征作为输入,采用优化方式刻画最优特征来表示第二兴趣物;其中,所述量化区分包括异常兴趣点、正常兴趣点、最优特征表现兴趣点。
5.如权利要求1所述的基于标记的机器视觉的塔筒基础环倾斜测量方法,其特征在于,所述根据所述第二兴趣物和第二兴趣点,计算出描述塔筒倾斜程度的物理量,包括:
从所述第二兴趣点中选择出至少三个兴趣点,从所述至少三个兴趣点中提取兴趣点特征,根据所述提取的兴趣点特征,计算出描述塔筒倾斜程度的物理量;其中,所述塔筒倾斜程度的物理量包括塔筒倾斜度、垂直位移和塔筒倾斜方向。
6.一种基于标记的机器视觉的塔筒基础环倾斜测量装置,其特征在于,包括:
固定模块、获取模块、识别模块、确定模块、标记模块、转换模块、折算模块、选择模块和计算模块;
所述固定模块,用于将至少3个标尺固定在平行于塔筒法兰圈的同一平面或者能表示塔筒静止状态的平面的同一平面的内壁上;
所述获取模块,用于通过在将数字取景装置布置在塔筒基础环内部,获取塔筒基础环内部的第一全景图像;
所述识别模块,用于识别所述第一全景图像中的第一兴趣物和第一兴趣点;其中,兴趣物是塔筒内部的标尺,兴趣点是兴趣物上的点或者可视为点的标记物;
所述确定模块,用于以所述数字取景装置为视觉中心,确定水平参考面;
所述标记模块,用于基于所述水平参考面,对所述第一兴趣点或第一兴趣物进行第一特征标记;其中,所述第一特征标记由一组标记组成,且各个标记的位置各不相同;
所述转换模块,用于根据所述第一特征标记,将所述第一全景图像转换至等效为塔筒几何中心等效视角的第二全景图像;
所述折算模块,用于将所述第一特征标记折算至等效为塔筒几何中心视角的所述第二全景图像中的第二特征标记;
所述选择模块,用于根据所述第二特征标记,采用优化方式选择最优特征来表示第二兴趣物;
所述计算模块,用于根据所述第二兴趣物和第二兴趣点,计算出描述塔筒倾斜程度的物理量。
7.如权利要求6所述的基于标记的机器视觉的塔筒基础环倾斜测量装置,其特征在于,所述识别模块,具体用于:
采用激光水平仪作为参考水平面或者陀螺仪对所述数字取景装置进行校验,确定各个标尺较水平面的偏差,和采用球面成像、柱面成像或者多散点成像方式对塔筒基础环内部进行取景得到第一全景图像,和采用图像识别方式对所述第一全景图像中的标尺或者兴趣点进行识别,和对识别的标尺或者兴趣点的特征进行量化得到所述第一全景图像中的第一兴趣物;和从所述第一兴趣物中识别出刻画所述第一兴趣物的点或者可视为点的标记物得到第一兴趣点。
8.如权利要求6所述的基于标记的机器视觉的塔筒基础环倾斜测量装置,其特征在于,所述转换模块,具体用于:
根据所述第一特征标记,采用定标转换方式或者定距转换方式,测量固有标记物相较于参照物的位置变化,计算视觉识别的中心相较于塔筒几何中心的转换程度,将所述第一全景图像转换至等效为塔筒几何中心等效视角的第二全景图像;其中,所述转换程度包括转换量和转换方向。
9.如权利要求6所述的基于标记的机器视觉的塔筒基础环倾斜测量装置,其特征在于,所述选择模块,具体用于:
根据所述第二特征标记,提取所述第二全景图像的所有第二兴趣点,对所述所有第二兴趣点的特征进行量化区分,将所述经量化区分后的第二兴趣点的特征采用定标转换方式或定距转换方式进行参考物转换,将经所述转换后的兴趣点的特征作为输入,采用优化方式刻画最优特征来表示第二兴趣物;其中,所述量化区分包括异常兴趣点、正常兴趣点、最优特征表现兴趣点。
10.如权利要求6所述的基于标记的机器视觉的塔筒基础环倾斜测量装置,其特征在于,所述计算模块,具体用于:
从所述第二兴趣点中选择出至少三个兴趣点,从所述至少三个兴趣点中提取兴趣点特征,根据所述提取的兴趣点特征,计算出描述塔筒倾斜程度的物理量;其中,所述塔筒倾斜程度的物理量包括塔筒倾斜度、垂直位移和塔筒倾斜方向。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010798890.0A CN112082530B (zh) | 2020-08-11 | 2020-08-11 | 基于标记的机器视觉的塔筒基础环倾斜测量方法、装置、设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010798890.0A CN112082530B (zh) | 2020-08-11 | 2020-08-11 | 基于标记的机器视觉的塔筒基础环倾斜测量方法、装置、设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112082530A true CN112082530A (zh) | 2020-12-15 |
CN112082530B CN112082530B (zh) | 2021-10-08 |
Family
ID=73734891
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010798890.0A Active CN112082530B (zh) | 2020-08-11 | 2020-08-11 | 基于标记的机器视觉的塔筒基础环倾斜测量方法、装置、设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112082530B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113033522A (zh) * | 2021-05-25 | 2021-06-25 | 风脉能源(武汉)股份有限公司 | 基于视觉检测塔筒晃动的标记物识别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120192442A1 (en) * | 2011-01-31 | 2012-08-02 | Sinovel Wind Group Co., Ltd. | Universal precise leveling measuring device and measurement method thereof |
CN103727923A (zh) * | 2014-02-08 | 2014-04-16 | 彭大维 | 一种风机塔筒倾斜角度图像自动识别系统 |
CN106296694A (zh) * | 2016-08-13 | 2017-01-04 | 哈尔滨理工大学 | 杆塔倾斜智能图像辨识测量方法 |
CN110186422A (zh) * | 2019-05-29 | 2019-08-30 | 中国长江三峡集团有限公司福建分公司 | 海上风机塔筒倾斜角度和基础沉降测量方法及终端 |
-
2020
- 2020-08-11 CN CN202010798890.0A patent/CN112082530B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120192442A1 (en) * | 2011-01-31 | 2012-08-02 | Sinovel Wind Group Co., Ltd. | Universal precise leveling measuring device and measurement method thereof |
CN103727923A (zh) * | 2014-02-08 | 2014-04-16 | 彭大维 | 一种风机塔筒倾斜角度图像自动识别系统 |
CN106296694A (zh) * | 2016-08-13 | 2017-01-04 | 哈尔滨理工大学 | 杆塔倾斜智能图像辨识测量方法 |
CN110186422A (zh) * | 2019-05-29 | 2019-08-30 | 中国长江三峡集团有限公司福建分公司 | 海上风机塔筒倾斜角度和基础沉降测量方法及终端 |
Non-Patent Citations (1)
Title |
---|
周斌: "《风电机组塔筒倾斜度测量方法探究》", 《机电信息》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113033522A (zh) * | 2021-05-25 | 2021-06-25 | 风脉能源(武汉)股份有限公司 | 基于视觉检测塔筒晃动的标记物识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112082530B (zh) | 2021-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9200889B2 (en) | Strain gauge, and system for spatially locating such gauges | |
CN100458359C (zh) | 远距离面内小位移测量系统 | |
CN100559131C (zh) | 一种指针式仪表自动检定方法 | |
US20140132723A1 (en) | Methods for calibrating a digital photographic image of utility structures | |
CN112102240B (zh) | 基于机器视觉测量塔筒基础环倾斜的方法、装置、计算机设备 | |
CN111947578A (zh) | 一种结构物位移测量系统及其测量方法 | |
US20130135463A1 (en) | Information processing apparatus, information processing method and computer-readable storage medium | |
CN108627104A (zh) | 一种零部件高度尺寸的点激光测量方法 | |
CN112082530B (zh) | 基于标记的机器视觉的塔筒基础环倾斜测量方法、装置、设备 | |
CN112825190A (zh) | 一种精度评估方法、系统、电子设备和存储介质 | |
CN105527656A (zh) | 塔架式机场跑道异物定位方法 | |
CN110675367A (zh) | 基于机器视觉标定二维码识别裂缝宽度的方法 | |
JP6325834B2 (ja) | 整備支援システムおよび整備支援方法 | |
CN110705540A (zh) | 基于rfid和深度学习的兽药生产指针式仪表图像识别方法和装置 | |
JP5775646B1 (ja) | 指示針式メータ用画像解析装置、指示針式メータ用画像解析方法及びプログラム | |
CN113837159A (zh) | 一种基于机器视觉的仪表示数识别方法和装置 | |
CN214199982U (zh) | 一种结构物位移测量系统 | |
CN106441251A (zh) | 一种基于bim的塔吊垂直度检测系统装置 | |
JP6803940B2 (ja) | 遠隔メータ読取コンピュータ、その方法及びプログラム | |
CN116756560A (zh) | 沙尘气溶胶识别方法、系统、模型训练方法、介质及设备 | |
CN116381726A (zh) | 基于数据自身的无人机激光点云精度自评估方法 | |
CN216081957U (zh) | 一种桥梁挠度测量装置 | |
CN114782852A (zh) | 指针式工业仪表的读数方法、读数装置与读数系统 | |
CN107796323A (zh) | 一种基于光斑视频信号智能分析的桥梁微变检测系统 | |
CN209946948U (zh) | 一种pc构件的智能复检设备 |
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 |