CN112380908B - 一种用于热电厂管道膨胀量的双目视觉测量方法及系统 - Google Patents

一种用于热电厂管道膨胀量的双目视觉测量方法及系统 Download PDF

Info

Publication number
CN112380908B
CN112380908B CN202011128193.0A CN202011128193A CN112380908B CN 112380908 B CN112380908 B CN 112380908B CN 202011128193 A CN202011128193 A CN 202011128193A CN 112380908 B CN112380908 B CN 112380908B
Authority
CN
China
Prior art keywords
image
marker
pipeline
camera
roi
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.)
Active
Application number
CN202011128193.0A
Other languages
English (en)
Other versions
CN112380908A (zh
Inventor
朱磊
郝乐
王兴俊
张秀成
王长海
荆海东
王鹏
闫爱军
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.)
Huaneng Mianchi Thermoelectricity Co ltd
Original Assignee
Huaneng Mianchi Thermoelectricity 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 Huaneng Mianchi Thermoelectricity Co ltd filed Critical Huaneng Mianchi Thermoelectricity Co ltd
Priority to CN202011128193.0A priority Critical patent/CN112380908B/zh
Publication of CN112380908A publication Critical patent/CN112380908A/zh
Application granted granted Critical
Publication of CN112380908B publication Critical patent/CN112380908B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • 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]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20228—Disparity calculation for image-based rendering

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Image Analysis (AREA)

Abstract

本发明介绍了一用于热电厂管道膨胀量双目视觉测量方法及系统，针对电厂管道视频图像干扰多、检测目标大，要求精度高等问题，通过ROI敏感区提高图像检测精度；利用边沿保留滤波增强与设置检测霍夫圆阈值，提高霍夫圆检测精度，排除图像中误识别的可能性；通过视频实时处理图像信息，能够实时获取现场视频，无需操作人员进入现场；通过对图像进行去雾或图像增强，去除图像中水蒸气等干扰信息，降低原图中产生的干扰，提高图像检测精度。

Description

一种用于热电厂管道膨胀量的双目视觉测量方法及系统
技术领域
本发明涉及热电厂管道测量技术领域，具体涉及一种用于热电厂管道膨胀量的双目视觉测量方法及系统。
背景技术
热电厂管道图像相比于其他图像，水蒸气等干扰量较多。管道膨胀测量拥有环境复杂、待测目标大、精度要求高等特点。使得现有的通过图像处理代替传统电子传感器进行测距的方法不能在此环境和条件下应用，管道膨胀量测量仍然采用传统机械结果，工作人员需到现场观察并记录管道膨胀偏移信息。这种方法仅能完成管道膨胀信息的记录，实时性不高；受大风天气影响，容易产生误差；并且易被他人修改。针对热电厂管道膨胀量信息实时性提高以及工作人员操作的便捷化，有必要提出对管道膨胀量信息采集的进一步增强改善。
发明内容
为克服背景技术中的不足，本发明所要解决的技术问题是提供一种用于热电厂管道膨胀量的双目视觉测量方法及系统，准确率高、实时性强、观察数据方便、工作人员操作快捷。
本发明创造解决其技术问题所采用的技术方案为：
一种用于热电厂管道膨胀量的双目视觉测量方法，包括以下步骤：
步骤一：设置双目摄像头采集系统：在待测管道前固定位置安装主摄像头支架与辅摄像头支架，在主摄像头支架的水平杆上安装用于拍摄待测管道左标志物的主摄像头，在辅摄像头支架的水平杆上安装用于拍摄待测管道右标志物的辅摄像头，主摄像头与辅摄像头均与监控终端连接；左标志物、右标志物采用平行同心圆反光漆标识，中心标志物采用矩形反光漆标识；
步骤二：获取管道图像的视频流并设置ROI敏感检测区:通过双目摄像头采集系统，沿待测管道长度方向，从其轴线两侧分别实时采集待测管道的主、辅原始视频图像，传递至监控终端；获取实时视频并暂停获取视频流的第一帧，其大小为(w,h)，在主摄像头采集到的原始视频图像中标记单个矩形ROI敏感区，其四个顶点位置为(i,j)；辅摄像头图像大小与主摄像头图像大小一致，其矩形 ROI敏感区四个顶点位置为(w-i,j)，与主摄像头矩形ROI敏感区呈水平翻转关系；裁剪视频流，完成矩形ROI敏感区标注；敏感区中包含左标志物、右标志物、中心标志物与水平完整管道；
步骤三：对标记图像进行处理：将设置好ROI敏感区图像以每30秒一帧速率截取视频图像；若截取图像为白天彩色模式，提取经过ROI敏感区标注的彩色图像，将彩色图像进行去雾，得到去雾图像；若截取图像为非白天模式，截取红外灰度模式图像，提取经过ROI敏感区标注的灰度图像，将灰度图像进行图像增强，得到增强图像；
步骤四：对管道膨胀量监测计算：过程如下：
步骤1、提取主摄像头处理的图像放置于集合Zi中，提取辅摄像头处理的图像放置于集合Fi中；
步骤2、将集合Zi、Fi同一时刻图像进行特征点检测，以中心标识物为参考拼接点拼接为输出图像Si；
步骤3、提取输出图像Si进行灰度化增强图像处理速度，对灰度化图像进行边沿保留滤波，获得增强标志物边沿信息的滤波图像；
步骤4、对滤波图像进行霍夫圆检测，设置检测最大圆直径R与最小圆直径 r，去除由于摄像头抖动或高空坠物造成的误识别，对检测到的圆形物体进行轮廓标注，得到可视化圆形检测图像；
步骤5、选中圆形检测图像的圆形轮廓，计算圆形质心点，并在图像中标注，得到左标志物和右标志物的质心点坐标为(xc1,yc1)、(xc2,yc2)；
步骤6、提取图像坐标系中中心标志物的质心点坐标(xu1,yu1)，经过物理坐标系、摄像机坐标系转化为世界坐标系，得到管道膨胀后左标志物、右标志物与中心标志物由于膨胀所产生的偏移距离；
步骤五：更新膨胀量并上传数据库：将每分钟运算质心点距离取平均值，更新上传至监控终端的数据库，上传的数据信息由时间先后由高向低排列，当信息已全部上传，执行步骤三。
具体的，所述的图像去雾应用暗通道去雾，首先保存每个像素RGB分量中的最小值灰度图，其次在全球大气光成分为常数的条件下对透射率进行估算，可得其去雾方程为：
I(x)＝J(x)t(x)+A[1-t(x)]，
其中I(x)为现有图像，J(x)为系统所需去雾图像，A为全球大气光成分参数， t(x)为透射率；
A为给定量全球大气光成分，将暗通道先验理论即
Figure BDA0002734256600000031
带入原方程可得恢复图像式
Figure BDA0002734256600000032
其中r、g、b为图像基本组成颜色红、绿、蓝，t0是为了防止分母为0所设置的公式下限。
具体的，所述的图像增强应用Retinex提取反射分量，可得增强方程为：
I(x,y)＝L(x,y)R(x,y)，
其中I(x,y)为输入ROI灰度图像，R(x,y)为ROI灰度图像的反射分量，L(x,y) 为ROI灰度图像的照度分量；
通过估计照度分量，可得反射分量
Figure BDA0002734256600000041
具体的，所述的质心点标注以图像像素点为背景，图像左上角起为x、y原点，通过一组质心点坐标得出距离公式如下：
Figure BDA0002734256600000042
Figure BDA0002734256600000043
Figure BDA0002734256600000044
其中x、y为图像中像素位置，I(x,y)是(x,y)中的像素值，(xc,yc)为质心坐标， d为质心点之间的距离；
待测管道处于冷却状态时，左标志物与右标志物质心点距离d1、左标志物与中心标志物质心点距离d2、右标志物与中心标志物质心点距离d3这三种质心距离为未膨胀距离；
当管道受热膨胀后，Δ|d|为相对冷却状态下d的增长距离，管道膨胀可拆分为横向与纵向膨胀，横向膨胀距离近似为dh＝δΔ|d1|，纵向膨胀距离近似为
Figure BDA0002734256600000045
其中δ近似为图像坐标系转为世界坐标系数，得到管道膨胀的横纵偏移实际距离。
一种用于热电厂管道膨胀量的双目视觉测量系统，包括：双目摄像头采集系统和监控终端；
所述双目摄像头采集系统包括主摄像头和辅摄像头；主摄像头设置在主摄像头支架的水平杆上，用于拍摄管道左标志物；辅摄像头设置在辅摄像头支架的水平杆上，用于拍摄管道右标志物；左标志物、右标志物采用平行同心圆反光漆标识，中心标志物采用矩形反光漆标识；主摄像头与辅摄像头均监控终端连接，监控终端用于接收、处理主、辅原始视频图像信息；
所述监控终端包括：ROI敏感区标记模块、图像输出模块、图像滤波模块、图像检测模块、质心标记模块和坐标转化计算模块；ROI敏感区标记模块接收双目摄像头采集系统采集到的原始视频图像，在原始视频图像中对应标记ROI 敏感区，并按照设定帧数截取得到ROI敏感区图像，得到主、辅ROI敏感区图像；ROI敏感区图像内包含有热电厂管道的左标志物、右标志物和中心标志物；
图像输出模块；将同一时刻的主、辅ROI敏感区图像进行特征点检测，以选定的中心标志物为参考拼接点拼接为输出图像，将输出图像发送至图像滤波模块；
图像滤波模块；对输出图像进行图像增强处理，得到增强标志物边沿信息的滤波图像发送至图像检测模块；
图像检测模块将滤波图像进行霍夫圆检测，对检测到的左标志物、右标志物进行轮廓标注，得到可视化圆形检测图像发送至质心标记模块；
质心标记模块将选中圆形检测图像的圆形轮廓，计算圆形轮廓的质心点，并标注在圆形检测图像中，得到质心点在圆形检测图像坐标系中的图像坐标；
坐标转化计算模块；将经过质心标记模块得到的图像坐标经过物理坐标系和摄像机坐标系转化到世界坐标系中，与原标志物的世界坐标对比后，得到热电厂管道膨胀后标志物由于膨胀所产生的偏移距离，既热电厂管道膨胀量。
具体的，所述的主摄像头与辅摄像头间距小于管道直径；主摄像头与辅摄像头与水平位置夹角大于0°，小于等于15°。
具体的，所述的左标志物和右标志物对称设置在中心标志物两侧；中心标志物与左标志物、右标志物构成等腰三角形，且互相不重合。
由于采用上述技术方案，本发明创造具备如下有益效果：
本发明针对电厂管道视频图像干扰多、检测目标大，要求精度高等问题，通过ROI敏感区提高图像检测精度；利用边沿保留滤波增强与设置检测霍夫圆阈值，提高霍夫圆检测精度，排除图像中误识别的可能性；通过视频实时处理图像信息，能够实时获取现场视频，无需操作人员进入现场；通过对图像进行去雾或图像增强，去除图像中水蒸气等干扰信息，降低原图中产生的干扰，提高图像检测精度。
附图说明
图1为本发明的处理流程图。
图2为本发明的膨胀距离监测计算的流程图。
图3为本发明的主摄像头与辅摄像头在待测管道处的设置位置示意图。
图中：1-主摄像头，2-辅摄像头，3-左标志物，4-右标志物，5-管道，6-中心标志物，7-辅摄像头支架，8-主摄像头支架。
具体实施方式
下面结合附图及实施例对本发明作进一步解释说明，不能以此限定本发明的保护范围，公开本发明的目的旨在保护本发明范围内的一切技术改进。
实施例
结合附图1-3所示，一种用于热电厂管道膨胀量的双目视觉测量方法，包括以下步骤：
步骤一：设置双目摄像头采集系统：在待测管道5前固定位置安装主摄像头支架8与辅摄像头支架7，在主摄像头支架8的水平杆上安装用于拍摄左标志物3的主摄像头1，在辅摄像头支架7的水平杆上安装用于拍摄右标志物4的辅摄像头2，主摄像头1与辅摄像头2均与监控终端连接；左标志物3、右标志物 4采用平行同心圆反光漆标识，中心标志物6采用矩形反光漆标识。
在步骤一中，左标志物3处于主摄像头1拍摄视频图像中心附近，主摄像头1视野范围同样含有右标志物4与中心标志物6，右标志物4处于辅摄像头2 拍摄视频图像中心附近，辅摄像头2视野范围同样含有左标志物3与中心标志物6，相互验证检测结果，避免检测中存在的误检测，减少检测过程中产生的误差。
左标志物3、右标志物4采用平行同心圆，外圆涂上不易受雨水污染的反光漆，反光漆颜色需要与管道5颜色有明显的区分，标志物外圆直径小于10cm，圆周中不得出现明显的凹凸与残缺；中心标志物6采用矩形反光漆标识，长、宽均小于10cm，与左标志物3、右标志物4构成等腰三角形，且不相互重合。
主摄像头支架8与辅摄像头支架7水平间距为0.5m～1m，小于管道5直径；主摄像头1与辅摄像头2均采用像素不小于200万，焦距6mm的红外摄像头，支持白天彩色模式与夜晚红外模式；主摄像头1与辅摄像头2与待测管道5水平最佳距离3m～8m，与水平位置夹角大于0°,小于等于15°，主摄像头1与辅摄像头2水平间距为0.3m～0.8m，主摄像头1与辅摄像头2采用双绞线与相同交换机连接，交换机通过网线连接监控终端。
步骤二：获取管道5图像的视频流并设置ROI敏感检测区：通过双目摄像头采集系统，沿待测管道5长度方向，从其轴线两侧分别实时采集待测管道5 的主、辅原始视频图像，传递至监控终端；获取实时视频并暂停获取视频流的第一帧，其大小为(w,h)，在主摄像头1采集到的原始视频图像中标记单个矩形 ROI敏感区，其四个顶点位置为(i,j)；辅摄像头2图像大小与主摄像头1图像大小一致，其矩形ROI敏感区四个顶点位置为(w-i,j)，与主摄像头1矩形ROI敏感区呈水平翻转关系；裁剪视频流，完成矩形ROI敏感区标注；敏感区中包含左标志物3、右标志物4、中心标志物6与水平完整管道5。
在步骤二中，矩形ROI敏感区覆盖左标志物3、右标志物4、中心标志物6 与水平完整管道5，避免了由于图像输入过大对计算资源造成的损失，消除其他区域可能出现的干扰可能；中心标志物6与左标志物3中心点距离大于50cm，中心标志物6离左标志物3中心点距离与右标志物4中心点距离相等；鼠标画出主摄像头1矩形ROI敏感区，点击矩形ROI敏感区左上顶点，点住鼠标左键至鼠标移动至ROI敏感区右下定点，松开鼠标左键，水平翻转主摄像头ROI敏感区坐标至辅摄像头ROI敏感区坐标，裁剪原视频流，完成矩形ROI敏感区标注过程。
步骤三：对标记图像进行处理：将设置好ROI敏感区图像以每30秒一帧速率截取视频图像；若截取图像为白天彩色模式，提取经过ROI敏感区标注的彩色图像，将彩色图像进行去雾，得到去雾图像；若截取图像为非白天模式，截取红外灰度模式图像，提取经过ROI敏感区标注的灰度图像，将灰度图像进行图像增强，得到增强图像。
在步骤三中，利用主摄像头1与辅摄像头2上光敏电阻进行判断，若外界管线照射强度不足，则转化为夜间红外模式，反之，则转化为白天彩色模式；以30s/帧～60s/帧的速率读取实时图像，避免对运算资源造成的浪费。
图像去雾应用暗通道去雾，首先保存每个像素RGB分量中的最小值灰度图，其次在全球大气光成分为常数的条件下对透射率进行估算，可得其去雾方程为：
I(x)＝J(x)t(x)+A[1-t(x)]，
其中I(x)为现有图像，J(x)为系统所需去雾图像，A为全球大气光成分参数， t(x)为透射率；
A为给定量全球大气光成分，将暗通道先验理论即
Figure BDA0002734256600000091
带入原方程可得恢复图像式
Figure BDA0002734256600000092
其中r、g、b为图像基本组成颜色红、绿、蓝，t0是为了防止分母为0所设置的公式下限。
图像增强应用Retinex提取反射分量，可得增强方程为：
I(x,y)＝L(x,y)R(x,y)，
其中I(x,y)为输入ROI灰度图像，R(x,y)为ROI灰度图像的反射分量，L(x,y) 为ROI灰度图像的照度分量；
通过估计照度分量，可得反射分量
Figure BDA0002734256600000093
步骤四：对管道膨胀量监测计算：过程如下：
步骤1、提取主摄像头1讲过处理后的图像放置于集合Zi中，提取辅摄像头 2处理后的图像放置于集合Fi中；
步骤2、将集合Zi、Fi同一时刻图像进行特征点检测，以中心标识物为参考拼接点拼接为输出图像Si；
步骤3、提取输出图像Si进行灰度化增强图像处理速度，对灰度化图像进行边沿保留滤波，获得增强标志物边沿信息的滤波图像；
步骤4、对滤波图像进行霍夫圆检测，设置检测最大圆直径R与最小圆直径 r，去除由于摄像头抖动或高空坠物造成的误识别，对检测到的圆形物体进行轮廓标注，得到可视化圆形检测图像；
步骤5、选中圆形检测图像的圆形轮廓，计算圆形质心点，并在图像中标注，得到左标志物3和右标志物4的质心点坐标为(xc1,yc1)、(xc2,yc2)；
步骤6、提取图像坐标系中中心标志物6的质心点坐标(xu1,yu1)，经过物理坐标系、摄像机坐标系转化为世界坐标系，得到管道5膨胀后左标志物3、右标志物4与中心标志物6由于膨胀所产生的偏移距离。
在步骤四中，质心点标注以图像像素点为背景，图像左上角起为x、y原点，通过一组质心点坐标得出距离公式如下：
Figure BDA0002734256600000101
Figure BDA0002734256600000102
Figure BDA0002734256600000103
其中x、y为图像中像素位置，I(x,y)是(x,y)中的像素值，(xc,yc)为质心坐标， d为质心点之间的距离；
待测管道5处于冷却状态时，左标志物3与右标志物4质心点距离d1、左标志物3与中心标志物6质心点距离d2、右标志物4与中心标志物6质心点距离d3这三种质心距离为未膨胀距离；
当管道5受热膨胀后，Δ|d|为相对冷却状态下d的增长距离，管道5膨胀可拆分为横向与纵向膨胀，横向膨胀距离近似为dh＝δΔ|d1|，纵向膨胀距离近似为
Figure BDA0002734256600000111
其中δ近似为图像坐标系转为世界坐标系数，得到管道5膨胀的横纵偏移实际距离。
步骤五：更新膨胀量并上传数据库：将每分钟运算质心点距离取平均值，更新上传至监控终端的数据库，上传的数据信息由时间先后由高向低排列，当信息已全部上传，执行步骤三。
在步骤五中，更新数据库信息中，将数据库更新数据表设置为每天0点，新建数据表用于储存当天所有管道5膨胀距离信。
一种用于热电厂管道膨胀量的双目视觉测量系统，包括：双目摄像头采集系统和监控终端；
双目摄像头采集系统包括主摄像头1和辅摄像头2；主摄像头1设置在主摄像头支架8的水平杆上，用于拍摄管道5左标志物3；辅摄像头2设置在辅摄像头支架7的水平杆上，用于拍摄管道右标志物4；主摄像头1与辅摄像头2沿热电厂管道5沿长度方向，从其轴线两侧分别实时采集热电厂管道5的主、辅原始视频图像。
主摄像头1与辅摄像头2与待测管道5水平最佳距离3m～8m，与水平位置夹角大于0°,小于等于15°，主摄像头1与辅摄像头2水平间距为0.3m～0.8m，主摄像头1与辅摄像头2采用双绞线与相同交换机连接，交换机通过网线连接监控终端。
左标志物3、右标志物4采用平行同心圆，外圆涂上不易受雨水污染的反光漆，反光漆颜色需要与管道5颜色有明显的区分，标志物外圆直径小于10cm，圆周中不得出现明显的凹凸与残缺；中心标志物6采用矩形反光漆标识，长、宽均小于10cm，与左标志物3、右标志物4构成等腰三角形，且不相互重合。
监控终端包括：ROI敏感区标记模块、图像输出模块、图像滤波模块、图像检测模块、质心标记模块和坐标转化计算模块；ROI敏感区标记模块接收双目摄像头采集系统采集到的原始视频图像，并按照设定帧数截取得到ROI敏感区图像，得到主、辅ROI敏感区图像；ROI敏感区图像内包含有热电厂管道5 的左标志物3、右标志物4和中心标志物6。
图像输出模块将同一时刻的主、辅ROI敏感区图像进行特征点检测，以选定的中心标志物6为参考拼接点拼接为输出图像，将输出图像发送至图像滤波模块。
图像滤波模块对输出图像进行图像增强处理，得到增强标志物边沿信息的滤波图像发送至图像检测模块。
图像检测模块对滤波图像进行霍夫圆检测，对检测到的左标志物3和右标志物4进行轮廓标注，得到可视化圆形检测图像发送至质心标记模块。
质心标记模块将选中圆形检测图像的圆形轮廓，计算圆形轮廓的质心点，并标注在圆形检测图像中，得到质心点在圆形检测图像坐标系中的图像坐标。
坐标转化计算模块将图像坐标经过物理坐标系和摄像机坐标系转化到世界坐标系中，与原标志物的世界坐标对比后，得到热电厂管道5膨胀后标志物由于膨胀所产生的偏移距离，既热电厂管道5膨胀量。
本发明未详述部分为现有技术。
为了公开本发明的发明目的而在本文中选用的实施例，当前认为是适宜的，但是，应了解的是，本发明旨在包括一切属于本构思和发明范围内的实施例的所有变化和改进。

Claims (5)

1.一种用于热电厂管道膨胀量的双目视觉测量方法，其特征在于：包括以下步骤：
步骤一：设置双目摄像头采集系统：在待测管道前固定位置安装主摄像头支架与辅摄像头支架，在主摄像头支架的水平杆上安装用于拍摄待测管道左标志物的主摄像头，在辅摄像头支架的水平杆上安装用于拍摄待测管道右标志物的辅摄像头，主摄像头与辅摄像头均与监控终端连接；左标志物、右标志物采用平行同心圆反光漆标识，中心标志物采用矩形反光漆标识；
步骤二：获取管道图像的视频流并设置ROI敏感检测区:通过双目摄像头采集系统，沿待测管道长度方向，从其轴线两侧分别实时采集待测管道的主、辅原始视频图像，传递至监控终端；获取实时视频并暂停获取视频流的第一帧，其大小为(w,h)，在主摄像头采集到的原始视频图像中标记单个矩形ROI敏感区，其四个顶点位置为(i,j)；辅摄像头图像大小与主摄像头图像大小一致，其矩形ROI敏感区四个顶点位置为(w-i,j)，与主摄像头矩形ROI敏感区呈水平翻转关系；裁剪视频流，完成矩形ROI敏感区标注；敏感区中包含左标志物、右标志物、中心标志物与水平完整管道；
步骤三：对标记图像进行处理：将设置好ROI敏感区图像以每30秒一帧速率截取视频图像；若截取图像为白天彩色模式，提取经过ROI敏感区标注的彩色图像，将彩色图像进行去雾，得到去雾图像；若截取图像为非白天模式，截取红外灰度模式图像，提取经过ROI敏感区标注的灰度图像，将灰度图像进行图像增强，得到增强图像；
步骤四：对管道膨胀量监测计算：过程如下：
步骤1、提取主摄像头处理的图像放置于集合Zi中，提取辅摄像头处理的图像放置于集合Fi中；
步骤2、将集合Zi、Fi同一时刻图像进行特征点检测，以中心标识物为参考拼接点拼接为输出图像Si；
步骤3、提取输出图像Si进行灰度化增强图像处理速度，对灰度化图像进行边沿保留滤波，获得增强标志物边沿信息的滤波图像；
步骤4、对滤波图像进行霍夫圆检测，设置检测最大圆直径R与最小圆直径r，去除由于摄像头抖动或高空坠物造成的误识别，对检测到的圆形物体进行轮廓标注，得到可视化圆形检测图像；
步骤5、选中圆形检测图像的圆形轮廓，计算圆形质心点，并在图像中标注，得到左标志物和右标志物的质心点坐标为(xc1,yc1)、(xc2,yc2)；
步骤6、提取图像坐标系中中心标志物的质心点坐标(xu1,yu1)，经过物理坐标系、摄像机坐标系转化为世界坐标系，得到管道膨胀后左标志物、右标志物与中心标志物由于膨胀所产生的偏移距离；
所述的质心点标注以图像像素点为背景，图像左上角起为x、y原点，通过一组质心点坐标得出距离公式如下：
Figure FDA0003904489340000021
Figure FDA0003904489340000022
Figure FDA0003904489340000023
其中x、y为图像中像素位置，I(x,y)是(x,y)中的像素值，(xc,yc)为质心坐标，d为质心点之间的距离；
待测管道处于冷却状态时，左标志物与右标志物质心点距离d1、左标志物与中心标志物质心点距离d2、右标志物与中心标志物质心点距离d3这三种质心距离为未膨胀距离；
当管道受热膨胀后，Δ|d|为相对冷却状态下d的增长距离，管道膨胀可拆分为横向与纵向膨胀，横向膨胀距离近似为dh＝δΔ|d1|，纵向膨胀距离近似为
Figure FDA0003904489340000031
其中δ近似为图像坐标系转为世界坐标系数，得到管道膨胀的横纵偏移实际距离；
步骤五：更新膨胀量并上传数据库：将每分钟运算质心点距离取平均值，更新上传至监控终端的数据库，上传的数据信息由时间先后由高向低排列，当信息已全部上传，执行步骤三。
2.根据权利要求1所述用于热电厂管道膨胀量的双目视觉测量方法，其特征在于：所述的图像去雾应用暗通道去雾，首先保存每个像素RGB分量中的最小值灰度图，其次在全球大气光成分为常数的条件下对透射率进行估算，可得其去雾方程为：
I(x)＝J(x)t(x)+A[1-t(x)]，
其中I(x)为现有图像，J(x)为系统所需去雾图像，A为全球大气光成分参数，t(x)为透射率；
A为给定量全球大气光成分，将暗通道先验理论即
Figure FDA0003904489340000032
带入原方程可得恢复图像式
Figure FDA0003904489340000041
其中r、g、b为图像基本组成颜色红、绿、蓝，t0是为了防止分母为0所设置的公式下限。
3.根据权利要求1所述用于热电厂管道膨胀量的双目视觉测量方法，其特征在于：所述的图像增强应用Retinex提取反射分量，可得增强方程为：
I(x,y)＝L(x,y)R(x,y)，
其中I(x,y)为输入ROI灰度图像，R(x,y)为ROI灰度图像的反射分量，L(x,y)为ROI灰度图像的照度分量；
通过估计照度分量，可得反射分量
Figure FDA0003904489340000042
4.根据权利要求1所述用于热电厂管道膨胀量的双目视觉测量方法，其特征在于：所述的主摄像头与辅摄像头间距小于管道直径；主摄像头与辅摄像头与水平位置夹角大于0°，小于等于15°。
5.根据权利要求1所述用于热电厂管道膨胀量的双目视觉测量方法，其特征在于：所述的左标志物和右标志物对称设置在中心标志物两侧；中心标志物与左标志物、右标志物构成等腰三角形，且互相不重合。
CN202011128193.0A 2020-10-21 2020-10-21 一种用于热电厂管道膨胀量的双目视觉测量方法及系统 Active CN112380908B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011128193.0A CN112380908B (zh) 2020-10-21 2020-10-21 一种用于热电厂管道膨胀量的双目视觉测量方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011128193.0A CN112380908B (zh) 2020-10-21 2020-10-21 一种用于热电厂管道膨胀量的双目视觉测量方法及系统

Publications (2)

Publication Number Publication Date
CN112380908A CN112380908A (zh) 2021-02-19
CN112380908B true CN112380908B (zh) 2022-12-13

Family

ID=74580306

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011128193.0A Active CN112380908B (zh) 2020-10-21 2020-10-21 一种用于热电厂管道膨胀量的双目视觉测量方法及系统

Country Status (1)

Country Link
CN (1) CN112380908B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113655061B (zh) * 2021-09-23 2024-06-21 华志(福建)电子科技有限公司 一种基于图像识别物质熔点的方法及熔点仪

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102135236A (zh) * 2011-01-05 2011-07-27 北京航空航天大学 双目视觉管道内壁自动无损检测方法
CN102410811A (zh) * 2011-07-27 2012-04-11 北京理工大学 一种弯管参数的测量方法和系统
CN102538677A (zh) * 2012-01-16 2012-07-04 苏州临点三维科技有限公司 一种基于光学的管道快速检测方法
CN104501725A (zh) * 2014-12-30 2015-04-08 广东电网有限责任公司电力科学研究院 一种锅炉关键管道在线测量系统
CN105021168A (zh) * 2015-06-26 2015-11-04 广东电网有限责任公司电力科学研究院 锅炉主蒸汽管道宏观位移的非接触式在线测量方法及装置
CN106442570A (zh) * 2016-11-23 2017-02-22 中国计量大学 管道内缺陷检测装置、检测方法和相机的开启设置方法
CN110174050A (zh) * 2019-05-28 2019-08-27 郑州铁路职业技术学院 基于机器视觉的立面检测装置和检测方法
CN110738646A (zh) * 2019-10-12 2020-01-31 北京城市排水集团有限责任公司 一种用于管道破裂的自动识别方法
CN213874180U (zh) * 2020-10-21 2021-08-03 华能渑池热电有限责任公司 一种用于热电厂管道膨胀量的双目视觉测量系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019213534A1 (en) * 2018-05-04 2019-11-07 Hydromax USA, LLC Pipe inspection systems and methods
US11156911B2 (en) * 2018-09-17 2021-10-26 Fereydun Tabaian Pipeline inspection devices and methods

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102135236A (zh) * 2011-01-05 2011-07-27 北京航空航天大学 双目视觉管道内壁自动无损检测方法
CN102410811A (zh) * 2011-07-27 2012-04-11 北京理工大学 一种弯管参数的测量方法和系统
CN102538677A (zh) * 2012-01-16 2012-07-04 苏州临点三维科技有限公司 一种基于光学的管道快速检测方法
CN104501725A (zh) * 2014-12-30 2015-04-08 广东电网有限责任公司电力科学研究院 一种锅炉关键管道在线测量系统
CN105021168A (zh) * 2015-06-26 2015-11-04 广东电网有限责任公司电力科学研究院 锅炉主蒸汽管道宏观位移的非接触式在线测量方法及装置
CN106442570A (zh) * 2016-11-23 2017-02-22 中国计量大学 管道内缺陷检测装置、检测方法和相机的开启设置方法
CN110174050A (zh) * 2019-05-28 2019-08-27 郑州铁路职业技术学院 基于机器视觉的立面检测装置和检测方法
CN110738646A (zh) * 2019-10-12 2020-01-31 北京城市排水集团有限责任公司 一种用于管道破裂的自动识别方法
CN213874180U (zh) * 2020-10-21 2021-08-03 华能渑池热电有限责任公司 一种用于热电厂管道膨胀量的双目视觉测量系统

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
"Automated Assessment of Buried Pipeline Defects by Image Processing";Wu Xue-Fei等;《2009 IEEE International Conference on Intelligent Computing and Intelligent Systems》;20091228;第583-587页 *
"Automated Detection of Inner Surface Defects in Pipes Using Image Processing Algorithms";M. S. Safizadeh等;《Advanced Design and Manufacturing Technology》;20121231;第53-59页 *
"微细孔壁缺陷柔性视觉检测系统关键技术研究";张云昊;《中国优秀硕士学位论文全文数据库 信息科技辑》;20170315;I138-4400 *
"微细管道内壁缺陷检测系统精度控制技术研究";魏东梁;《中国优秀硕士学位论文全文数据库 信息科技辑》;20171115;I140-133 *
"油气管道变形检测涡流传感器研制";刘锐;《中国优秀硕士学位论文全文数据库 工程科技I辑》;20190315;B019-90 *

Also Published As

Publication number Publication date
CN112380908A (zh) 2021-02-19

Similar Documents

Publication Publication Date Title
CN111855664B (zh) 一种可调节隧道病害三维检测系统
CN107463918B (zh) 基于激光点云与影像数据融合的车道线提取方法
CN107462223B (zh) 一种公路转弯前行车视距自动测量装置及测量方法
JP4647514B2 (ja) 航空画像処理装置および航空画像処理方法
WO2020108088A1 (zh) 确定风力发电机组的塔架净空的方法和装置
CN103714538B (zh) 道路边缘检测方法、装置及车辆
KR101613740B1 (ko) 활주로 감시 시스템 및 방법
CN109801302A (zh) 一种基于双目视觉的高压输电线路异物检测方法
US20090232358A1 (en) Method and apparatus for processing an image
WO2012100522A1 (zh) 基于图像亮度特征的ptz视频能见度检测方法
CN112598733B (zh) 一种基于多模态数据融合补偿自适应优化的船舶检测方法
CN104200086A (zh) 宽基线可见光相机位姿估计方法
CN112380908B (zh) 一种用于热电厂管道膨胀量的双目视觉测量方法及系统
CN213874180U (zh) 一种用于热电厂管道膨胀量的双目视觉测量系统
CN105447431B (zh) 一种基于机器视觉的入坞飞机跟踪定位方法及系统
CN104613928A (zh) 一种光学测风经纬仪自动跟踪及测风方法
CN110718068A (zh) 一种道路监控摄像机安装角度估计方法
CN112419272B (zh) 一种雾天高速公路能见度快速估计方法及系统
CN114252075A (zh) 一种电缆沟巡检机器人的路径跟踪方法及系统
CN113077465A (zh) 一种路面裂缝检测提取装置及其检测方法
CN116818233A (zh) 一种采用激光结合机器视觉的高精度桥梁状态监测方法及系统
KR20210044127A (ko) 영상 분석 기반 가시거리 측정 및 경보 시스템 및 방법
CN214704717U (zh) 一种路面裂缝检测提取装置
CN112967257B (zh) 一种基于视角转换的地铁螺帽松动检测方法
KR102373278B1 (ko) 지상기반 전천 영상자료를 이용한 야간 전운량 산출방법

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