CN112102240A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN112102240A CN112102240A CN202010798752.2A CN202010798752A CN112102240A CN 112102240 A CN112102240 A CN 112102240A CN 202010798752 A CN202010798752 A CN 202010798752A CN 112102240 A CN112102240 A CN 112102240A
- Authority
- CN
- China
- Prior art keywords
- interest
- tower
- panoramic image
- point
- feature
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000000007 visual effect Effects 0.000 claims abstract description 55
- 238000005457 optimization Methods 0.000 claims abstract description 25
- 238000006243 chemical reaction Methods 0.000 claims description 92
- 238000003384 imaging method Methods 0.000 claims description 33
- 230000002159 abnormal effect Effects 0.000 claims description 22
- 239000003550 marker Substances 0.000 claims description 22
- 238000006073 displacement reaction Methods 0.000 claims description 16
- 230000008859 change Effects 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000009432 framing Methods 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 238000010248 power generation Methods 0.000 abstract description 8
- 238000012423 maintenance Methods 0.000 abstract description 2
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 45
- 235000017491 Bambusa tulda Nutrition 0.000 description 45
- 241001330002 Bambuseae Species 0.000 description 45
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 45
- 239000011425 bamboo Substances 0.000 description 45
- 230000008901 benefit Effects 0.000 description 24
- 230000009466 transformation Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011426 transformation method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000011435 rock Substances 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
-
- 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
- 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
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种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。其中,所述方法包括:通过在取景装置所在的视觉识别中心位置,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,以该视觉识别中心为参考,对该第一兴趣点或第一兴趣物进行第一特征标记,根据该第一特征标记,将该第一全景图像校正至等效为塔筒中心位置取景所得的第二全景图像,将该第一特征标记调整至等效为塔筒中心位置为参考的该第二全景图像的第二特征标记,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点,根据该第二兴趣点,计算塔筒倾斜程度。通过上述方式,能够实现降低由于检修导致的发电量损失。
Description
技术领域
本发明涉及塔筒基础环技术领域,尤其涉及一种基于机器视觉测量塔筒基础环倾斜的方法、装置、计算机设备。
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,现有的测量塔筒基础环倾斜的方案,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机器视觉测量塔筒基础环倾斜的方法、装置、计算机设备,能够实现当基础与塔架出现倾斜问题时,能够快速识别异常部位及异常状况,缩短人工查找的时间成本,大幅度缩减检修时间,降低由于检修导致的发电量损失,提高经济收益。
根据本发明的一个方面,提供一种基于机器视觉测量塔筒基础环倾斜的方法,包括:通过在取景装置所在的视觉识别中心位置,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;以该视觉识别中心为参考,对该第一兴趣点或第一兴趣物进行第一特征标记;其中,该第一特征标记各不相同;根据该第一特征标记,将该第一全景图像校正至等效为塔筒中心位置取景所得的第二全景图像;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调整至等效为塔筒中心位置为参考的该第二全景图像的第二特征标记;根据该第二特征标记,对于该第二全景图像的同一第二兴趣点的确定,采用优化方式选择最优特征来表示第二兴趣点;根据该第二兴趣点,计算塔筒倾斜程度。
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取景装置进行校验,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固有标记物和激光圈进行识别,和对识别的物体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校正至效为塔筒中心位置取景所得的第二全景图像,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中心的转换程度,将所述第一全景图像校正至效为塔筒中心位置取景所得的第二全景图像;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,对于所述第二全景图像的同一第二兴趣点的确定,采用优化方式选择最优特征来表示第二兴趣点,包括:根据所述第二特征标记,对于所述第二全景图像的同一第二兴趣点的确定,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点;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点,计算塔筒倾斜程度,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,计算塔筒倾斜程度;其中,所述塔筒倾斜程度包括塔筒倾斜度、垂直位移和塔筒倾斜方向。
根据本发明的另一个方面,提供一种基于机器视觉测量塔筒基础环倾斜的装置,包括:获取模块、识别模块、标记模块、校正模块、调整模块、选择模块和计算模块;所述获取模块,用于通过在取景装置所在的视觉识别中心位置,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;所述标记模块,用于以所述视觉识别中心为参考,对所述第一兴趣点或第一兴趣物进行第一特征标记;其中,所述第一特征标记各不相同;所述校正模块,用于根据所述第一特征标记,将所述第一全景图像校正至效为塔筒中心位置取景所得的第二全景图像;所述调整模块,用于将所述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调整至效为塔筒中心位置为参考的所述第二全景图像的第二特征标记;所述选择模块,用于根据所述第二特征标记,对于所述第二全景图像的同一第二兴趣点的确定,采用优化方式选择最优特征来表示第二兴趣点;所述计算模块,用于根据所述第二兴趣点,计算塔筒倾斜程度。
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取景装置进行校验,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固有标记物和激光圈进行识别,和对识别的物体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,所述校正模块,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中心的转换程度,将所述第一全景图像校正至效为塔筒中心位置取景所得的第二全景图像;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,对于所述第二全景图像的同一第二兴趣点的确定,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点;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,计算塔筒倾斜程度;其中,所述塔筒倾斜程度包括塔筒倾斜度、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机器视觉测量塔筒基础环倾斜的方法。
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拼接语音的识别方法。
可以发现,以上方案,可以通过在取景装置所在的视觉识别中心位置,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,和可以以该视觉识别中心为参考,对该第一兴趣点或第一兴趣物进行第一特征标记,其中,该第一特征标记各不相同,和可以根据该第一特征标记,将该第一全景图像校正至等效为塔筒中心位置取景所得的第二全景图像,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调整至等效为塔筒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,对于该第二全景图像的同一第二兴趣点的确定,采用优化方式选择最优特征来表示第二兴趣点,以及可以根据该第二兴趣点,计算塔筒倾斜程度,能够实现当基础与塔架出现倾斜问题时,能够快速识别异常部位及异常状况,缩短人工查找的时间成本,大幅度缩减检修时间,降低由于检修导致的发电量损失,提高经济收益。
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取景装置进行校验,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固有标记物和激光圈进行识别,和对识别的物体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固有标记物的识别,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中心的转换程度,将该第一全景图像校正至等效为塔筒中心位置取景所得的第二全景图像;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识别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,对于该第二全景图像的同一第二兴趣点的确定,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点,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,计算塔筒倾斜程度等;其中,该塔筒倾斜程度包括塔筒倾斜度、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是本发明基于机器视觉测量塔筒基础环倾斜的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是本发明以视觉识别中心为参考进行的视觉识别提取的特征转换至以塔筒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点的一举例示意图;
图6是本发明计算塔筒倾斜程度一举例示意图;
图7是本发明基于机器视觉测量塔筒基础环倾斜的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机器视觉测量塔筒基础环倾斜的方法,能够实现当基础与塔架出现倾斜问题时,能够快速识别异常部位及异常状况,缩短人工查找的时间成本,大幅度缩减检修时间,降低由于检修导致的发电量损失,提高经济收益。
请参见图1,图1是本发明基于机器视觉测量塔筒基础环倾斜的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:通过在取景装置所在的视觉识别中心(P)位置,获取塔筒基础环内部的第一全景图像。
在本实施例中,可以通过将取景装置放置在塔筒基础环内部位置,该内部位置即是视觉识别中心(P)所在位置,例如塔筒基础环中心位置,可以采用该取景装置的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。
S102:识别该第一全景图像中的第一兴趣物和第一兴趣点。
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(β)或者陀螺仪对取景装置进行校验,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固有标记物和激光圈(β)进行识别,和对识别的物体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固有标记物的识别,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平面的进行刻画,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面对应的特征等,本发明不加以限定。
S103:以该视觉识别中心(P)为参考,对该第一兴趣点或第一兴趣物进行第一特征标记;其中,该第一特征标记各不相同。
在本实施例中,该视觉识别中心(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,该视觉识别中心(P)在塔筒中心所在的位置,该视觉识别中心(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,该视觉识别中心(P)不一定位于塔筒中心位置,导致基于视觉识别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识别中心(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。
S104:根据该第一特征标记,将该第一全景图像校正至等效为塔筒中心(O)位置取景所得的第二全景图像。
其中,该根据该第一特征标记,将该第一全景图像校正至等效为塔筒中心(O)位置取景所得的第二全景图像,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)相较于塔筒中心(O)的转换程度,将该第一全景图像校正至等效为塔筒中心(O)位置取景所得的第二全景图像;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识别中心(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,可以从以视觉识别中心(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,将从以视觉识别中心(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计算得到视觉识别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,固定以视觉识别中心(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,将从以视觉识别中心(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计算得到视觉识别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是本发明以视觉识别中心为参考进行的视觉识别提取的特征转换至以塔筒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,视觉识别中心不一定位于塔筒中心位置,导致基于视觉识别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,将以视觉识别中心P为参考进行的视觉识别提取的特征,转换至以塔筒中心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,视觉识别中心为P,塔筒中心为O,转换前的左视图表示视觉识别中心P偏离塔筒中心O时得到的兴趣点的像素,转换后的右视图表示视觉识别中心P位于塔筒中心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识别中心为参考提取的兴趣点或者兴趣物的特征,转换至以塔筒中心为参考的特征。
S105: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调整至等效为塔筒中心(O)位置为参考的该第二全景图像的第二特征标记。
在本实施例中,可以通过公式方式,将该第一全景图像上的第一兴趣点和第一兴趣物的第一特征标记调整至等效为塔筒中心(O)位置为参考的该第二全景图像的第二特征标记,其中,D表示距离,al(P)ha为各个兴趣点的方位角,(P)x和(P)y表示中心点(P)在塔筒中心(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调整至等效为塔筒中心(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。
S106:根据该第二特征标记,对于该第二全景图像的同一第二兴趣点的确定,采用优化方式选择最优特征来表示第二兴趣点。
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点的一举例示意图。如图5所述,该根据该第二特征标记,对于该第二全景图像的同一第二兴趣点的确定,采用优化方式选择最优特征来表示第二兴趣点,可以包括:根据该第二特征标记,对于该第二全景图像的同一第二兴趣点的确定,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点;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。
S107:根据该第二兴趣点,计算塔筒倾斜程度。
其中,该根据该第二兴趣点,计算塔筒倾斜程度,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,计算塔筒倾斜程度等;其中,该塔筒倾斜程度包括塔筒倾斜度、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是本发明计算塔筒倾斜程度一举例示意图。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计算过程计算塔筒倾斜程度等;其中,该塔筒倾斜程度包括塔筒倾斜度(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,可以通过在取景装置所在的视觉识别中心位置,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,和可以以该视觉识别中心为参考,对该第一兴趣点或第一兴趣物进行第一特征标记,其中,该第一特征标记各不相同,和可以根据该第一特征标记,将该第一全景图像校正至等效为塔筒中心位置取景所得的第二全景图像,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调整至等效为塔筒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,对于该第二全景图像的同一第二兴趣点的确定,采用优化方式选择最优特征来表示第二兴趣点,以及可以根据该第二兴趣点,计算塔筒倾斜程度,能够实现当基础与塔架出现倾斜问题时,能够快速识别异常部位及异常状况,缩短人工查找的时间成本,大幅度缩减检修时间,降低由于检修导致的发电量损失,提高经济收益。
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取景装置进行校验,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固有标记物和激光圈进行识别,和对识别的物体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固有标记物的识别,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中心的转换程度,将该第一全景图像校正至等效为塔筒中心位置取景所得的第二全景图像;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识别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,对于该第二全景图像的同一第二兴趣点的确定,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点,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,计算塔筒倾斜程度等;其中,该塔筒倾斜程度包括塔筒倾斜度、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机器视觉测量塔筒基础环倾斜的装置,能够实现当基础与塔架出现倾斜问题时,能够快速识别异常部位及异常状况,缩短人工查找的时间成本,大幅度缩减检修时间,降低由于检修导致的发电量损失,提高经济收益。
请参见图7,图7是本发明基于机器视觉测量塔筒基础环倾斜的装置一实施例的结构示意图。本实施例中,该基于机器视觉测量塔筒基础环倾斜的装置70包括获取模块71、识别模块72、标记模块73、校正模块74、调整模块75、选择模块76和计算模块77。
该获取模块71,用于通过在取景装置所在的视觉识别中心位置,获取塔筒基础环内部的第一全景图像。
该识别模块72,用于识别该第一全景图像中的第一兴趣物和第一兴趣点。
该标记模块73,用于以该视觉识别中心为参考,对该第一兴趣点或第一兴趣物进行第一特征标记;其中,该第一特征标记各不相同。
该校正模块74,用于根据该第一特征标记,将该第一全景图像校正至等效为塔筒中心位置取景所得的第二全景图像。
该调整模块75,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调整至等效为塔筒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76,用于根据该第二特征标记,对于该第二全景图像的同一第二兴趣点的确定,采用优化方式选择最优特征来表示第二兴趣点。
该计算模块77,用于根据该第二兴趣点,计算塔筒倾斜程度。
可选地,该识别模块72,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取景装置进行校验,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固有标记物和激光圈进行识别,和对识别的物体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,该校正模块74,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中心的转换程度,将该第一全景图像校正至等效为塔筒中心位置取景所得的第二全景图像;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76,可以具体用于:
根据该第二特征标记,对于该第二全景图像的同一第二兴趣点的确定,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点;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77,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,计算塔筒倾斜程度等;其中,该塔筒倾斜程度包括塔筒倾斜度、垂直位移和塔筒倾斜方向。
该基于机器视觉测量塔筒基础环倾斜的装置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机器视觉测量塔筒基础环倾斜的方法。
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,可以通过在取景装置所在的视觉识别中心位置,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,和可以以该视觉识别中心为参考,对该第一兴趣点或第一兴趣物进行第一特征标记,其中,该第一特征标记各不相同,和可以根据该第一特征标记,将该第一全景图像校正至等效为塔筒中心位置取景所得的第二全景图像,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调整至等效为塔筒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,对于该第二全景图像的同一第二兴趣点的确定,采用优化方式选择最优特征来表示第二兴趣点,以及可以根据该第二兴趣点,计算塔筒倾斜程度,能够实现当基础与塔架出现倾斜问题时,能够快速识别异常部位及异常状况,缩短人工查找的时间成本,大幅度缩减检修时间,降低由于检修导致的发电量损失,提高经济收益。
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取景装置进行校验,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固有标记物和激光圈进行识别,和对识别的物体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固有标记物的识别,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中心的转换程度,将该第一全景图像校正至等效为塔筒中心位置取景所得的第二全景图像;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识别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,对于该第二全景图像的同一第二兴趣点的确定,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点,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,计算塔筒倾斜程度等;其中,该塔筒倾斜程度包括塔筒倾斜度、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)
1.一种基于机器视觉测量塔筒基础环倾斜的方法,其特征在于,包括:
通过在取景装置所在的视觉识别中心位置,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;
以该视觉识别中心为参考,对该第一兴趣点或第一兴趣物进行第一特征标记;其中,该第一特征标记各不相同;
根据该第一特征标记,将该第一全景图像校正至等效为塔筒中心位置取景所得的第二全景图像;
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调整至等效为塔筒中心位置为参考的该第二全景图像的第二特征标记;
根据该第二特征标记,对于该第二全景图像的同一第二兴趣点的确定,采用优化方式选择最优特征来表示第二兴趣点;
根据该第二兴趣点,计算塔筒倾斜程度。
2.如权利要求1所述的基于机器视觉测量塔筒基础环倾斜的方法,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取景装置进行校验,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固有标记物和激光圈进行识别,和对识别的物体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所述的基于机器视觉测量塔筒基础环倾斜的方法,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校正至效为塔筒中心位置取景所得的第二全景图像,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中心的转换程度,将所述第一全景图像校正至效为塔筒中心位置取景所得的第二全景图像;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所述的基于机器视觉测量塔筒基础环倾斜的方法,其特征在于,所述根据所述第二特征标记,对于所述第二全景图像的同一第二兴趣点的确定,采用优化方式选择最优特征来表示第二兴趣点,包括:
根据所述第二特征标记,对于所述第二全景图像的同一第二兴趣点的确定,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点;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所述的基于机器视觉测量塔筒基础环倾斜的方法,其特征在于,所述根据所述第二兴趣点,计算塔筒倾斜程度,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,计算塔筒倾斜程度;其中,所述塔筒倾斜程度包括塔筒倾斜度、垂直位移和塔筒倾斜方向。
6.一种基于机器视觉测量塔筒基础环倾斜的装置,其特征在于,包括:
获取模块、识别模块、标记模块、校正模块、调整模块、选择模块和计算模块;
所述获取模块,用于通过在取景装置所在的视觉识别中心位置,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;
所述标记模块,用于以所述视觉识别中心为参考,对所述第一兴趣点或第一兴趣物进行第一特征标记;其中,所述第一特征标记各不相同;
所述校正模块,用于根据所述第一特征标记,将所述第一全景图像校正至效为塔筒中心位置取景所得的第二全景图像;
所述调整模块,用于将所述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调整至效为塔筒中心位置为参考的所述第二全景图像的第二特征标记;
所述选择模块,用于根据所述第二特征标记,对于所述第二全景图像的同一第二兴趣点的确定,采用优化方式选择最优特征来表示第二兴趣点;
所述计算模块,用于根据所述第二兴趣点,计算塔筒倾斜程度。
7.如权利要求6所述的基于机器视觉测量塔筒基础环倾斜的装置,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取景装置进行校验,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固有标记物和激光圈进行识别,和对识别的物体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所述的基于机器视觉测量塔筒基础环倾斜的装置,其特征在于,所述校正模块,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中心的转换程度,将所述第一全景图像校正至效为塔筒中心位置取景所得的第二全景图像;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所述的基于机器视觉测量塔筒基础环倾斜的装置,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,对于所述第二全景图像的同一第二兴趣点的确定,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点;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所述的基于机器视觉测量塔筒基础环倾斜的装置,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,计算塔筒倾斜程度;其中,所述塔筒倾斜程度包括塔筒倾斜度、垂直位移和塔筒倾斜方向。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010798752.2A CN112102240B (zh) | 2020-08-11 | 2020-08-11 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010798752.2A CN112102240B (zh) | 2020-08-11 | 2020-08-11 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112102240A true CN112102240A (zh) | 2020-12-18 |
CN112102240B CN112102240B (zh) | 2021-11-23 |
Family
ID=73752724
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010798752.2A Active CN112102240B (zh) | 2020-08-11 | 2020-08-11 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112102240B (zh) |
Cited By (2)
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 |
CN114061738A (zh) * | 2022-01-17 | 2022-02-18 | 风脉能源(武汉)股份有限公司 | 一种基于标定板位姿计算的风机塔筒基础环振动监测方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0495710A (ja) * | 1990-08-06 | 1992-03-27 | Hotsukou Denshiya:Kk | 鉄塔傾斜検出装置 |
CN102679952A (zh) * | 2011-08-25 | 2012-09-19 | 新疆天风发电股份有限公司 | 风力机组塔架倾斜度测量方法 |
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 |
CN103759708A (zh) * | 2013-12-31 | 2014-04-30 | 北京金风科创风电设备有限公司 | 塔架的倾斜度的测量方法 |
CN104807444A (zh) * | 2015-04-09 | 2015-07-29 | 中国大唐集团新能源股份有限公司 | 风机塔筒倾斜测量方法 |
CN106248049A (zh) * | 2016-08-31 | 2016-12-21 | 上海应谱科技有限公司 | 风电机组塔筒基础不均匀沉降离线检测方法及在线监测方法 |
CN107044389A (zh) * | 2017-04-26 | 2017-08-15 | 北京唐浩电力工程技术研究有限公司 | 一种风机组塔筒倾斜测量方法及系统 |
CN107121122A (zh) * | 2017-05-31 | 2017-09-01 | 上海应谱科技有限公司 | 一种风电机组塔筒动态刚度圆分析方法 |
CN108534756A (zh) * | 2018-04-14 | 2018-09-14 | 杭州职业技术学院 | 风电机组塔筒倾斜度检测方法 |
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 |
CN210104822U (zh) * | 2019-05-29 | 2020-02-21 | 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装置 |
-
2020
- 2020-08-11 CN CN202010798752.2A patent/CN112102240B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0495710A (ja) * | 1990-08-06 | 1992-03-27 | Hotsukou Denshiya:Kk | 鉄塔傾斜検出装置 |
CN102679952A (zh) * | 2011-08-25 | 2012-09-19 | 新疆天风发电股份有限公司 | 风力机组塔架倾斜度测量方法 |
CN103759708A (zh) * | 2013-12-31 | 2014-04-30 | 北京金风科创风电设备有限公司 | 塔架的倾斜度的测量方法 |
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 |
CN104807444A (zh) * | 2015-04-09 | 2015-07-29 | 中国大唐集团新能源股份有限公司 | 风机塔筒倾斜测量方法 |
CN106248049A (zh) * | 2016-08-31 | 2016-12-21 | 上海应谱科技有限公司 | 风电机组塔筒基础不均匀沉降离线检测方法及在线监测方法 |
CN107044389A (zh) * | 2017-04-26 | 2017-08-15 | 北京唐浩电力工程技术研究有限公司 | 一种风机组塔筒倾斜测量方法及系统 |
CN107121122A (zh) * | 2017-05-31 | 2017-09-01 | 上海应谱科技有限公司 | 一种风电机组塔筒动态刚度圆分析方法 |
CN108534756A (zh) * | 2018-04-14 | 2018-09-14 | 杭州职业技术学院 | 风电机组塔筒倾斜度检测方法 |
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 |
CN210104822U (zh) * | 2019-05-29 | 2020-02-21 | 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装置 |
Non-Patent Citations (2)
Title |
---|
王榆夫等: "基于无人机图像的电力杆塔倾斜检测", 《计算机仿真》 * |
邬春明等: "基于ZigBee的风电杆塔状态及机组振动监测系统研究", 《电子技术应用》 * |
Cited By (3)
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 |
CN114061738A (zh) * | 2022-01-17 | 2022-02-18 | 风脉能源(武汉)股份有限公司 | 一种基于标定板位姿计算的风机塔筒基础环振动监测方法 |
CN114061738B (zh) * | 2022-01-17 | 2022-05-17 | 风脉能源(武汉)股份有限公司 | 一种基于标定板位姿计算的风机塔筒基础环振动监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112102240B (zh) | 2021-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112818988B (zh) | 一种指针式仪表自动识别读数方法及系统 | |
CN108921925B (zh) | 基于激光雷达和视觉融合的语义点云生成方法和装置 | |
CN102135417B (zh) | 一种全自动三维特征提取方法 | |
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 | |
CN100458359C (zh) | 远距离面内小位移测量系统 | |
CN109211207B (zh) | 一种基于机器视觉的螺钉识别与定位装置 | |
US20140132723A1 (en) | Methods for calibrating a digital photographic image of utility structures | |
CN110533649B (zh) | 一种无人机通用结构裂缝识别检测装置及方法 | |
US20210342620A1 (en) | Geographic object detection apparatus and geographic object detection method | |
CN101324452A (zh) | 一种指针式仪表自动检定方法 | |
CN111310753B (zh) | 一种表计对准方法及装置 | |
US20130135463A1 (en) | Information processing apparatus, information processing method and computer-readable storage medium | |
CN111913169A (zh) | 激光雷达内参、点云数据的修正方法、设备及存储介质 | |
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 | |
CN112819902A (zh) | 一种校靶镜轴线一致性校准方法及装置 | |
CN117541825A (zh) | 基于三维点云匹配算法的相似杆塔识别与匹配方法及系统 | |
CN117877011A (zh) | 一种基于神经网络的仪表动态追踪与识别方法和系统 | |
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 | |
CN111145247B (zh) | 基于视觉的位置度检测方法及机器人、计算机存储介质 | |
CN113050022B (zh) | 一种基于旋转天线的图像定位方法、装置及终端设备 | |
CN117434568A (zh) | 一种基于遥感卫星的智能定位系统 | |
KR102642691B1 (ko) | 계기판 이미지 왜곡 및 촬영 장치 왜곡을 보정하는 계측값 인식 장치 | |
CN116823715A (zh) | 基于机器视觉的钢筋单元件检测方法 | |
CN115930879A (zh) | 工件的轮廓检测装置、方法、服务器及存储介质 | |
CN114782852A (zh) | 指针式工业仪表的读数方法、读数装置与读数系统 |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Method, device, and computer equipment for measuring the inclination of tower foundation ring based on machine vision Granted publication date: 20211123 Pledgee: Guanggu Branch of Wuhan Rural Commercial Bank Co.,Ltd. Pledgor: WINDMAGICS (WUHAN) CO.,LTD. Registration number: Y2024980009864 |