CN112634345A - 基于最小二乘法的图像特征信息提取矿井壁图像的方法 - Google Patents
基于最小二乘法的图像特征信息提取矿井壁图像的方法 Download PDFInfo
- Publication number
- CN112634345A CN112634345A CN202011503251.3A CN202011503251A CN112634345A CN 112634345 A CN112634345 A CN 112634345A CN 202011503251 A CN202011503251 A CN 202011503251A CN 112634345 A CN112634345 A CN 112634345A
- Authority
- CN
- China
- Prior art keywords
- circle
- image
- center
- area
- extracting
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明一种基于最小二乘法的图像特征信息提取矿井壁图像的方法,包括以下步骤:读取钻孔图像;灰度化;二值化;微分;最小二乘法拟合出得到钻孔拟合圆心图;添加遮挡圆C1;生成包围C1和C2的最小圆C3;构造最大圆C4;构造最大内切圆C5;提取C5中C3的补集;得到同心圆矩形展开图。本发明涉及矿井视频图像同心圆开展开区域提取方法技术领域,具体是指一种综合考虑了钻孔中轴线中央区域无信息(灰度图像素值为0)的特征,即使在全景镜头偏离钻孔中轴线的情况下,依然有效提取当前帧图像的同心圆环矩形可展开区域部分,增加了全景图拼接的稳定性,提高了全景图的展开质量的基于最小二乘法的图像特征信息提取矿井壁图像的方法。
Description
技术领域
本发明涉及矿井视频图像同心圆开展开区域提取方法技术领域,具体是指一种基于最小二乘法的图像特征信息提取矿井壁图像的方法。
背景技术
钻孔视频成像仪一般适用于矿井钻孔、灌注桩取芯、地质钻孔、混凝土钻孔等各类钻孔探测应用场景,可形成数字化钻孔岩芯,永久保存。同时还可以协助地质力学试验、地质灾害的监测、检测,指导地下仪器设备的安装埋设,地下管道的检查探测,隧洞、矿井、巷道开发的超前探测等。钻孔视频成像仪以视频的形式记录资料,视频记录了成像仪相机镜头在钻孔中移动时获取到的连续图像信息。后续对于钻孔的分析则基于该视频资料。
对于钻孔视频成像仪采集的视频,其中一帧图像一般如图2所示。左边圆圈圈定区域为视频采集硬件固定的黑色遮挡(用于保护镜头的不透光材料)区域,右边圆圈圈定区域为实际钻孔的无信息圆形区域。视频中的每一帧图像只能展现钻孔壁的局部信息,无法获得测量钻孔壁的整体信息。如果希望得到测量钻孔壁的整体信息,需要对视频的每一帧图像进行处理,才能得到采样钻孔壁的全景图。一般情况下,实地钻孔可近似为“圆柱体”,那么沿着“圆柱体”的中轴线对圆柱旋转面展开即可得到钻孔壁的全景图。
因此现有的视频转换成钻孔壁全景图的思想过程一般包括:第一步:对视频的每一帧图像提取可用区域,即提取同心圆环图像;第二步:对该同心圆环图像进行展开,得到同心圆环图像的矩形展开图像;第三步:对所有矩形展开图像进行拼接,即可得到完整的钻孔壁全景图像。
而对于矩形展开图像的拼接成完整孔壁图的过程,目前已存在比较成熟的方法,如基于特征点的拼接、基于线匹配、行匹配、块匹配的拼接等。
而对于同心圆环矩形展开图像的提取,目前采用的主要方案是通过固定视频帧图像的圆心、内圆环和外圆环来提取同心圆环矩形图像。但是这种方案一般只适合镜头与钻孔壁圆柱体中轴线重合的情况,当镜头偏离中轴线时,提取的同心圆区域很可能会导致接下来的拼接工作无法进行,甚至失败。一般情况下,全景相机在钻孔中移动时,无法完全保持沿着中轴线移动,更多情况下是偏离中轴线移动的,这也就意味着钻孔圆心和视频固定遮挡区域无法重合,直接导致全景图的拼接质量降低。为了提高拼接质量,需要提取钻孔无信息圆形区域和固定遮挡黑色区域的共同部分。
发明内容
针对上述情况,为克服现有技术的缺陷,本发明提供一种综合考虑了钻孔中轴线中央区域无信息(灰度图像素值为0)的特征,即使在全景镜头偏离钻孔中轴线的情况下,依然有效提取当前帧图像的同心圆环矩形可展开区域部分,增加了全景图拼接的稳定性,提高了全景图的展开质量的基于最小二乘法的图像特征信息提取矿井壁图像的方法。
本发明采取的技术方案如下:本发明一种基于最小二乘法的图像特征信息提取矿井壁图像的方法,包括以下步骤:
S1:通过视频采集硬件采集矿井钻孔内的视频,读取视频中的任意一帧镜头与钻孔圆心偏离的图像,得到三通道彩色图像,所述三通道彩色图像为视频采集硬件的镜头与钻孔圆心偏离的状态,所述三通道彩色图像内包含有固定遮挡区域,所述固定遮挡区域为视频采集硬件固定的用于保护镜头的不透光材料区域,所述三通道彩色图像中钻孔圆心与固定遮挡区域的圆心不重合;
S2:本文关于圆的定义:定义Ci(X,Y,R):表示编号为i,圆心坐标为(X,Y),半径为R的圆,将固定遮挡区域的圆形区域定义为C1(X1,Y1,R1),其中X1,Y1,R1三个量值始终保持不变,将钻孔无信息区域的圆形区域定义为C2(X2,Y2,R2),由于视频采集硬件在移动的过程中,与钻孔无信息圆形区域的圆心的相对位置会发生变化,其中X2,Y2,R2的三个量的值是不断变化的;
S3:将三通道彩色图像采用灰度化方法进行处理,得到单通道灰度图;
S4:通过观察单通道灰度图发现固定遮挡区域圆C1(X1,Y1,R1)内像素值和钻孔无信息圆形区域的像素值基本相等,因此以固定遮挡区域圆C1(X1,Y1,R1)内的像素值为二值分割的阈值基准,对单通道灰度图进行二值化处理,得到二值化灰度图;
S5:对二值化灰度图的图像求微分,得到镜头与钻孔圆心偏离微分图;
S6:在上述步骤中镜头与钻孔圆心偏离微分图的基础上,将固定遮挡部分圆C1(X1,Y1,R1)范围内的数据点屏蔽掉,得到钻孔圆心偏离微分图;
S7:根据钻孔圆心偏离微分图计算出图像的高度H和宽度W,并取半径R为R=min(W/2,H/2),以图像的中心(W/2,H/2)为圆心生成一个圆C3(W/2,H/2,R),收集C3(W/2,H/2,R)中的所有白色像素点坐标(X,Y),然后运用最小二乘法拟合出这些白色像素数据点的圆方程(X-A)2-(Y-B)2=R2,得到钻孔拟合圆心图,显然,拟合得到的圆即为实际钻孔的无信息圆形区域C2(X2,Y2,R2),由于每帧图像的镜头和钻孔中轴线偏离程度,因此X2,Y2,T2不是定值,而是随着偏离程度而发生变化;
S8:在钻孔拟合圆心图的基础上添加固定遮挡部分圆C1(X1,Y1,R1)后,得到圆C1(X1,Y1,R1)与C2(X2,Y2,R2)的位置关系图;
S9:在圆C1(X1,Y1,R1)与C2(X2,Y2,R2)的位置关系图的基础上,以钻孔圆C2(X2,Y2,R2)的圆心(X2,Y2)为圆心,生成同时包围钻孔圆C2(X2,Y2,R2)和遮挡圆C1(X1,Y1,R1)的最小圆C3(X2,Y2,R3),其中半径R3由下式a求得:
S10:基于圆C1(X1,Y1,R1)与C2(X2,Y2,R2)的位置关系图,计算出图像的高度H和宽度W后,构造出可提取区域的最大圆C4(X4,Y4,R4),其中:
S11:以钻孔圆C2(X2,Y2,R2)的圆心(X2,Y2)为圆心,构造出被圆C4(X4,Y4,R4)包围的最大内切圆C5(X2,Y2,R5),其中半径R5由下式b求得:
其中,(X1,Y1)为固定遮挡区域圆C1(X1,Y1,R1)的圆心坐标,圆C5(X2,Y2,R5)内切于圆C4(X4,Y4,R4);
S12:设圆方程C5(X2,Y2,R5)围成的区域为一个集合,圆方程C3(X2,Y2,R3)围成的区域为另一个集合,由集合关系可知,则集合C3是集合C5的一个子集,即
C3∈C5
那么当前帧图像的可展开区域集合Cf是C5中C3的补集,即
Cf=(C5-C3)
显然,Cf区域为同心圆环区域;
S13:对Cf区域中的图像运用极坐标展开,即可得到矩形展开图。
进一步地,所述步骤S1中视频采集硬件为钻孔视频成像仪。
进一步地,所述步骤S6中对数据点圆C1(X1,Y1,R1)的屏蔽中包含圆的边界。
进一步地,所述步骤S8中,R1>R2。
采用上述结构本发明取得的有益效果如下:本方案一种基于最小二乘法的图像特征信息提取矿井壁图像的方法,本发明综合考虑了钻孔中轴线中央区域无信息(灰度图像素值为0)的特征,即使在全景镜头偏离钻孔中轴线的情况下,依然有效提取当前帧图像的同心圆环矩形可展开区域部分,增加了全景图拼接的稳定性,提高了全景图的展开质量。
附图说明
图1是本发明一种基于最小二乘法的图像特征信息提取矿井壁图像的方法的整体流程图;
图2是本发明一种基于最小二乘法的图像特征信息提取矿井壁图像的方法的钻孔视频帧图像;
图3是本发明一种基于最小二乘法的图像特征信息提取矿井壁图像的方法的镜头与钻孔圆心偏离灰度图;
图4是本发明一种基于最小二乘法的图像特征信息提取矿井壁图像的方法的镜头与钻孔圆心偏离二值化灰度图;
图5是本发明一种基于最小二乘法的图像特征信息提取矿井壁图像的方法的镜头与钻孔圆心偏离微分图;
图6是本发明一种基于最小二乘法的图像特征信息提取矿井壁图像的方法的圆心偏离微分图;
图7是本发明一种基于最小二乘法的图像特征信息提取矿井壁图像的方法的钻孔拟合圆心图;
图8是本发明一种基于最小二乘法的图像特征信息提取矿井壁图像的方法的圆C1(X1,Y1,R1)与C2(X2,Y2,R2)的位置关系图;
图9是本发明一种基于最小二乘法的图像特征信息提取矿井壁图像的方法的圆C3与圆C1、圆C2的位置关系图;
图10是本发明一种基于最小二乘法的图像特征信息提取矿井壁图像的方法的圆C4与圆C3、圆C1、圆C2的位置关系图;
图11是本发明一种基于最小二乘法的图像特征信息提取矿井壁图像的方法的最大内切圆Cmi图;
图12是本发明一种基于最小二乘法的图像特征信息提取矿井壁图像的方法的可提取部分图;
图13是本发明一种基于最小二乘法的图像特征信息提取矿井壁图像的方法的矩形展开图;
图14是本发明一种基于最小二乘法的图像特征信息提取矿井壁图像的方法的硬件遮挡区域圆C1(X1,Y1,R1)与虚线圆为最小二乘法拟合出来的钻孔圆C2(X2,Y2,R2)的结构示意图;
图15是本发明一种基于最小二乘法的图像特征信息提取矿井壁图像的方法的C1和C2相交R1>R2时C2(X2,Y2,R2)圆心(X2,Y2)到图像边缘的最小距离示意图;
图16是本发明一种基于最小二乘法的图像特征信息提取矿井壁图像的方法的C1和C2相交R1<R2时C2(X2,Y2,R2)圆心(X2,Y2)到图像边缘的最小距离示意图;
图17是本发明一种基于最小二乘法的图像特征信息提取矿井壁图像的方法的C1包含C2时的提取同心圆区域示意图;
图18是本发明一种基于最小二乘法的图像特征信息提取矿井壁图像的方法的C2包含C1时的提取同心圆区域示意图;
图19是本发明一种基于最小二乘法的图像特征信息提取矿井壁图像的方法的C1和C2相离的示意图;
图20是本发明一种基于最小二乘法的图像特征信息提取矿井壁图像的方法的固定提取区域图;
图21是本发明一种基于最小二乘法的图像特征信息提取矿井壁图像的方法的固定提取区域矩形展开图。
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例;基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1-21所示,本发明一种基于最小二乘法的图像特征信息提取矿井壁图像的方法,包括以下步骤:
S1:通过视频采集硬件采集矿井钻孔内的视频,读取视频中的任意一帧镜头与钻孔圆心偏离的图像,得到三通道彩色图像,所述三通道彩色图像为视频采集硬件的镜头与钻孔圆心偏离的状态,所述三通道彩色图像内包含有固定遮挡区域,所述固定遮挡区域为视频采集硬件固定的用于保护镜头的不透光材料区域,所述三通道彩色图像中钻孔圆心与固定遮挡区域的圆心不重合;
S2:将固定遮挡区域的圆形区域定义为C1(X1,Y1,R1),其中X1,Y1,R1三个量值始终保持不变,将钻孔无信息区域的圆形区域定义为C2(X2,Y2,R2),由于视频采集硬件在移动的过程中,与钻孔无信息圆形区域的圆心的相对位置会发生变化,其中X2,Y2,R2的三个量的值是不断变化的;
S3:将三通道彩色图像采用灰度化方法进行处理,得到单通道灰度图;
S4:通过观察单通道灰度图发现固定遮挡区域圆C1(X1,Y1,R1)内像素值和钻孔无信息圆形区域的像素值基本相等,因此以固定遮挡区域圆C1(X1,Y1,R1)内的像素值为二值分割的阈值基准,对单通道灰度图进行二值化处理,得到二值化灰度图(图4);
S5:对二值化灰度图的图像求微分,得到镜头与钻孔圆心偏离微分图(图5);
S6:在上述步骤中镜头与钻孔圆心偏离微分图(图5)的基础上,将固定遮挡部分圆C1(X1,Y1,R1)范围内的数据点屏蔽掉,得到钻孔圆心偏离微分图(图6);
S7:根据钻孔圆心偏离微分图计算出图像的高度H和宽度W,并取半径R为R=min(W/2,H/2),以图像的中心(W/2,H/2)为圆心生成一个圆C3(W/2,H/2,R),收集C3(W/2,H/2,R)中的所有白色像素点坐标(X,Y),然后运用最小二乘法拟合出这些白色像素数据点的圆方程(X-A)2-(Y-B)2=R2,得到钻孔拟合圆心图(图7),显然,拟合得到的圆即为实际钻孔的无信息圆形区域C2(X2,Y2,R2),由于每帧图像的镜头和钻孔中轴线偏离程度,因此X2,Y2,R2不是定值,而是随着偏离程度而发生变化;
S8:在钻孔拟合圆心图的基础上添加固定遮挡部分圆C1(X1,Y1,R1)后,得到圆C1(X1,Y1,R1)与C2(X2,Y2,R2)的位置关系图(图8);
S9:在圆C1(X1,Y1,R1)与C2(X2,Y2,R2)的位置关系图的基础上,以钻孔圆C2(X2,Y2,R2)的圆心(X2,Y2)为圆心,生成同时包围钻孔圆C2(X2,Y2,R2)和遮挡圆C1(X1,Y1,R1)的最小圆C3(X2,Y2,R3),其中半径R3由下式a求得:
S10:基于圆C1(X1,Y1,R1)与C2(X2,Y2,R2)的位置关系图,计算出图像的高度H和宽度W后,构造出可提取区域的最大圆C4(X4,Y4,R4),其中:
S11:以钻孔圆C2(X2,Y2,R2)的圆心(X2,Y2)为圆心,构造出被圆C4(X4,Y4,R4)包围的最大内切圆C5(X2,Y2,R5),其中半径R5由下式b求得:
其中,(X1,Y1)为固定遮挡区域圆C1(X1,Y1,R1)的圆心坐标,由图11所示,圆C5(X2,Y2,R5)内切于圆C4(X4,Y4,R4);
S12:设圆方程C5(X2,Y2,R5)围成的区域为一个集合,圆方程C3(X2,Y2,R3)围成的区域为另一个集合,由集合关系可知,则集合C3是集合C5的一个子集,即
C3∈C5
那么当前帧图像的可展开区域集合Cf是C5中C3的补集,即
Cf=(C5-C3)
显然,Cf区域为同心圆环区域;
S13:对Cf区域中的图像运用极坐标展开,即可得到矩形展开图(图13)。
其中,所述步骤S1中视频采集硬件为钻孔视频成像仪。
所述步骤S6中对数据点圆C1(X1,Y1,R1)的屏蔽中包含圆的边界。
所述步骤S8中,R1>R2。
由图9可知,上述过程是在R1>R2的条件下进行的,说明本方法对于可展开区域的提取存在一定几何条件限制。
接下来从C1(X1,Y1,R1)和C2(X2,Y2,R2)的几何关系分析本方法的使用条件和限制,为了方便阐述,这里我们假定图像宽度为W,高度为H,实心圆为硬件遮挡区域圆C1(X1,Y1,R1),虚线圆为最小二乘法拟合出来的钻孔圆C2(X2,Y2,R2),如图14所示,其中,需要注意的是,矩形展开图的圆心始终位于钻孔圆C2(X2,Y2,R2)的圆心(X2,Y2)。
情况A:C1和C2相交:
1)当R1>R2,同时包围C1(X1,Y1,R1)和C2(X2,Y2,R2)的圆的半径R3为
C2(X2,Y2,R2)圆心(X2,Y2)到图像边缘的最小距离D为
D=min{min(X2,Y2),min(W-X2,H-Y2),min(W-X2,Y2),min(X2,H-Y2)},如图15所示,
如果R3≥D则存在可提取展开区域,如果R3<D则存在可提取展开区域;
2)当R1<R2,如图16所示,其分析过程同1)。
情况B:C1包括C2:
如图17所示,此时必有R1>R2,这种情况下,可直接以硬件遮挡区域圆C1(X1,Y1,R1)为内圆,C2(X2,Y2,R2)为外圆,提取同心圆区域。
情况C:C2包括C1:
如图18所示,此时必有R2>R1,由于C2(X1,Y1,R1)包含C1(X1,Y1,R1),因此同时包围钻孔圆C2(X2,Y2,R2)和C1(X1,Y1,R1)的最小圆C3(X2,Y2,R3)即为C2(X1,Y1,R1),C2(X1,Y1,R1)可通过最小二乘法拟合出来。
情况D:C1和C2相离:
如图19所示,相离即意味着全景镜头偏离钻孔中轴线太远,可认为该帧图像无效。
现有技术是通过固定视频帧图像的圆心、内圆环和外圆环来提取同心圆环矩形图像。其同心圆环区域如图21所示。内圆半径Ri、外圆半径Ro、圆心(Xd,Yd)为视频本身固有参数,视频每一帧图像的区域提取范围,均由Ri、RCo、(Xd,Yd)界定。
基于图20基础上,对其进行极坐标矩形展开,得到如图21所示的矩形展开图。从图21可知,矩形框圈定部分为无效信息区域,对于全景孔壁图的生成没有任何帮助,甚至会导致全景图拼接失败。
将图13和图21对比可知,通过本发明提出的方法得到的矩形展开图,可以有效避免无效信息区域的提取。
因此,本发明综合考虑了钻孔中轴线中央区域无信息(灰度图像素值为0)的特征,即使在全景镜头偏离钻孔中轴线的情况下,依然有效提取当前帧图像的同心圆环矩形可展开区域部分,增加了全景图拼接的稳定性,提高了全景图的展开质量。
以上对本发明及其实施方式进行了描述,这种描述没有限制性,附图中所示的也只是本发明的实施方式之一,实际的结构并不局限于此。总而言之如果本领域的普通技术人员受其启示,在不脱离本发明创造宗旨的情况下,不经创造性的设计出与该技术方案相似的结构方式及实施例,均应属于本发明的保护范围。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
Claims (4)
1.基于最小二乘法的图像特征信息提取矿井壁图像的方法,其特征在于:包括以下步骤:
S1:通过视频采集硬件采集矿井钻孔内的视频,读取视频中的任意一帧镜头与钻孔圆心偏离的图像,得到三通道彩色图像,所述三通道彩色图像为视频采集硬件的镜头与钻孔圆心偏离的状态,所述三通道彩色图像内包含有固定遮挡区域,所述固定遮挡区域为视频采集硬件固定的用于保护镜头的不透光材料区域,所述三通道彩色图像中钻孔圆心与固定遮挡区域的圆心不重合;
S2:将固定遮挡区域的圆形区域定义为C1(X1,Y1,R1),其中X1,Y1,R1三个量值始终保持不变,将钻孔无信息区域的圆形区域定义为C2(X2,Y2,R2),由于视频采集硬件在移动的过程中,与钻孔无信息圆形区域的圆心的相对位置会发生变化,其中X2,Y2,R2的三个量的值是不断变化的;
S3:将三通道彩色图像采用灰度化方法进行处理,得到单通道灰度图;
S4:通过观察单通道灰度图发现固定遮挡区域圆C1(X1,Y1,R1)内像素值和钻孔无信息圆形区域的像素值基本相等,因此以固定遮挡区域圆C1(X1,Y1,R1)内的像素值为二值分割的阈值基准,对单通道灰度图进行二值化处理,得到二值化灰度图;
S5:对二值化灰度图的图像求微分,得到镜头与钻孔圆心偏离微分图;
S6:在上述步骤中镜头与钻孔圆心偏离微分图的基础上,将固定遮挡部分圆C1(X1,Y1,R1)范围内的数据点屏蔽掉,得到钻孔圆心偏离微分图;
S7:根据钻孔圆心偏离微分图计算出图像的高度H和宽度W,并取半径R为R=min(W/2,H/2),以图像的中心(W/2,H/2)为圆心生成一个圆C3(W/2,H/2,R),收集C3(W/2,H/2,R)中的所有白色像素点坐标(X,Y),然后运用最小二乘法拟合出这些白色像素数据点的圆方程(X-A)2-(Y-B)2=R2,得到钻孔拟合圆心图,显然,拟合得到的圆即为实际钻孔的无信息圆形区域C2(X2,Y2,R2),由于每帧图像的镜头和钻孔中轴线偏离程度,因此X2,Y2,R2不是定值,而是随着偏离程度而发生变化;
S8:在钻孔拟合圆心图的基础上添加固定遮挡部分圆C1(X1,Y1,R1)后,得到圆C1(X1,Y1,R1)与C2(X2,Y2,R2)的位置关系图;
S9:在圆C1(X1,Y1,R1)与C2(X2,Y2,R2)的位置关系图的基础上,以钻孔圆C2(X2,Y2,R2)的圆心(X2,Y2)为圆心,生成同时包围钻孔圆C2(X2,Y2,R2)和遮挡圆C1(X1,Y1,R1)的最小圆C3(X2,Y2,R3),其中半径R3由下式a求得:
S10:基于圆C1(X1,Y1,R1)与C2(X2,Y2,R2)的位置关系图,计算出图像的高度H和宽度W后,构造出可提取区域的最大圆C4(X4,Y4,R4),其中:
S11:以钻孔圆C2(X2,Y2,R2)的圆心(X2,Y2)为圆心,构造出被圆C4(X4,Y4,R4)包围的最大内切圆C5(X2,Y2,R5),其中半径R5由下式b求得:
其中,(X1,Y1)为固定遮挡区域圆C1(X1,Y1,R1)的圆心坐标,圆C5(X2,Y2,R5)内切于圆C4(X4,Y4,R4);
S12:设圆方程C5(X2,Y2,R5)围成的区域为一个集合,圆方程C3(X2,Y2,R3)围成的区域为另一个集合,由集合关系可知,则集合C3是集合C5的一个子集,即
C3∈C5
那么当前帧图像的可展开区域集合Cf是C5中C3的补集,即
Cf=(C5-C3)
显然,Cf区域为同心圆环区域;
S13:对Cf区域中的图像运用极坐标展开,即可得到矩形展开图。
2.根据权利要求1所述的基于最小二乘法的图像特征信息提取矿井壁图像的方法,其特征在于:所述步骤S1中视频采集硬件为钻孔视频成像仪。
3.根据权利要求1所述的基于最小二乘法的图像特征信息提取矿井壁图像的方法,其特征在于:所述步骤S6中对数据点圆C1(X1,Y1,R1)的屏蔽中包含圆的边界。
4.根据权利要求1所述的基于最小二乘法的图像特征信息提取矿井壁图像的方法,其特征在于:所述步骤S8中,R1>R2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011503251.3A CN112634345B (zh) | 2020-12-18 | 2020-12-18 | 基于最小二乘法的图像特征信息提取矿井壁图像的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011503251.3A CN112634345B (zh) | 2020-12-18 | 2020-12-18 | 基于最小二乘法的图像特征信息提取矿井壁图像的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112634345A true CN112634345A (zh) | 2021-04-09 |
CN112634345B CN112634345B (zh) | 2023-03-31 |
Family
ID=75317461
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011503251.3A Active CN112634345B (zh) | 2020-12-18 | 2020-12-18 | 基于最小二乘法的图像特征信息提取矿井壁图像的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112634345B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116188298A (zh) * | 2022-12-27 | 2023-05-30 | 中国矿业大学 | 一种有中心偏移的钻孔内壁环形图像无失真展开方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103903284A (zh) * | 2014-03-24 | 2014-07-02 | 中山新诺科技股份有限公司 | 一种基于最小二乘法的多圆检测方法 |
WO2015199354A1 (ko) * | 2014-06-24 | 2015-12-30 | 주식회사 이리언스 | 인접 합산 이진화를 이용한 동공 추출 방법 및 이를 이용한 동공 추출 제어장치 |
CN107633502A (zh) * | 2017-07-27 | 2018-01-26 | 西北工业大学 | 一种轴孔装配自动对中的靶心识别方法 |
CN111445509A (zh) * | 2020-03-18 | 2020-07-24 | 中铁十五局集团有限公司 | 一种tbm滚刀磨损几何尺寸视觉测量方法及系统 |
-
2020
- 2020-12-18 CN CN202011503251.3A patent/CN112634345B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103903284A (zh) * | 2014-03-24 | 2014-07-02 | 中山新诺科技股份有限公司 | 一种基于最小二乘法的多圆检测方法 |
WO2015199354A1 (ko) * | 2014-06-24 | 2015-12-30 | 주식회사 이리언스 | 인접 합산 이진화를 이용한 동공 추출 방법 및 이를 이용한 동공 추출 제어장치 |
CN107633502A (zh) * | 2017-07-27 | 2018-01-26 | 西北工业大学 | 一种轴孔装配自动对中的靶心识别方法 |
CN111445509A (zh) * | 2020-03-18 | 2020-07-24 | 中铁十五局集团有限公司 | 一种tbm滚刀磨损几何尺寸视觉测量方法及系统 |
Non-Patent Citations (2)
Title |
---|
吕德锐;车德福;贾庆仁;李佳徐;修春华;: "钻孔图像的煤矿地质信息获取方法" * |
沈宝国,蒋超峰等: "基于机器视觉的零件同心度检测系统的设计" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116188298A (zh) * | 2022-12-27 | 2023-05-30 | 中国矿业大学 | 一种有中心偏移的钻孔内壁环形图像无失真展开方法 |
CN116188298B (zh) * | 2022-12-27 | 2023-08-04 | 中国矿业大学 | 一种有中心偏移的钻孔内壁环形图像无失真展开方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112634345B (zh) | 2023-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tian et al. | Building change detection based on satellite stereo imagery and digital surface models | |
Lenjani et al. | Automated building image extraction from 360 panoramas for postdisaster evaluation | |
CN112634345B (zh) | 基于最小二乘法的图像特征信息提取矿井壁图像的方法 | |
Hadjigeorgiou et al. | An evaluation of image analysis algorithms for constructing discontinuity trace maps | |
CN111191356A (zh) | 一种基于虚拟现实的昏暗环境探测仿真方法 | |
KR101954684B1 (ko) | 수집 영상이미지 비교를 통한 최적의 영상정보 자동 생성시스템 | |
JPH063145A (ja) | トンネル切羽画像収録処理システム | |
Cléri et al. | Automatic georeferencing of a heritage of old analog aerial photographs | |
Attarzadeh et al. | Object-based building extraction from high resolution satellite imagery | |
KR101793264B1 (ko) | 균열의 발생 및 진행 분석 방법 | |
Youn et al. | Extracting urban road networks from high-resolution true orthoimage and lidar | |
Wang et al. | Applicability of a gradient profile algorithm for road network extraction-sensor, resolution and background considerations | |
Chesnel et al. | Object oriented assessment of damage due to natural disaster using very high resolution images | |
CN112037192A (zh) | 一种城镇燃气公用管道安装过程埋深信息采集方法 | |
Rejaie et al. | Reconnaissance of Golcuk 1999 earthquake damage using satellite images | |
Ziems et al. | Multiple-model based verification of road data | |
CN116132636A (zh) | 煤矿综采工作面视频拼接方法和装置 | |
Qiu et al. | Three‐Dimensional Reconstruction of Tunnel Face Based on Multiple Images | |
Zhang et al. | Automated registration of high‐resolution satellite images | |
Matsumoto et al. | Extraction of damaged buildings using high resolution satellite images in the 2006 Central Java Earthquake | |
Chen et al. | Detecting and Enumerating New Building Structures Utilizing Very‐High Resolution Imaged Data and Image Processing | |
Lisini et al. | Improving road network extraction in high-resolution sar images by data fusion | |
CN113239432A (zh) | 一种地铁隧道全景图像区域化分块检测推荐方法 | |
Sghaier et al. | A novel approach toward rapid road mapping based on beamlet transform | |
Gede et al. | Automatic Georeferencing of the 1951–53 Topographic Map Series of Hungary |
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 |