CN112836726B - 一种基于视频信息的指针类仪表示数读取方法及装置 - Google Patents

一种基于视频信息的指针类仪表示数读取方法及装置 Download PDF

Info

Publication number
CN112836726B
CN112836726B CN202110034244.1A CN202110034244A CN112836726B CN 112836726 B CN112836726 B CN 112836726B CN 202110034244 A CN202110034244 A CN 202110034244A CN 112836726 B CN112836726 B CN 112836726B
Authority
CN
China
Prior art keywords
pointer
instrument
determining
camera
image
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
CN202110034244.1A
Other languages
English (en)
Other versions
CN112836726A (zh
Inventor
李仕林
赵旭
张崇亮
陈开维
王少飞
王先培
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.)
Electric Power Research Institute of Yunnan Power Grid Co Ltd
Original Assignee
Electric Power Research Institute of Yunnan Power Grid 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 Electric Power Research Institute of Yunnan Power Grid Co Ltd filed Critical Electric Power Research Institute of Yunnan Power Grid Co Ltd
Priority to CN202110034244.1A priority Critical patent/CN112836726B/zh
Publication of CN112836726A publication Critical patent/CN112836726A/zh
Application granted granted Critical
Publication of CN112836726B publication Critical patent/CN112836726B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/21Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/13Edge detection

Abstract

本申请公开了一种基于视频信息的指针类仪表示数读取方法及装置,首先,对拍摄硬件进行标定,然后根据标定结果对拍摄硬件采集到的视频流,进行帧截取,确定品质较好的初始帧图像。其次,对选定的帧图像,进行二值化处理,再对二值化处理后的图像,基于canny算子和形态学处理,进行表盘识别,通过这种方式可以去除无关像素点,确定更为清晰的表盘图像和指针图像。最后利用角度法并通过仪表区间划分的方式,分别读取每个小区间所对应的示数,当表盘上指针示数不均匀时,这种方式可以避免对图像进行噪声滤波,使得读取的指针示数更加准确。

Description

一种基于视频信息的指针类仪表示数读取方法及装置
技术领域
本申请涉及仪器仪表示数读取技术领域,尤其涉及一种基于视频信息的指针类仪表示数读取方法及装置。
背景技术
目前,指针类仪表的示数读取方法主要分为光学法和机器视觉法两类,其中后者算法结构简洁且便于实现,因而被广泛研究和应用。
现有技术中,机器视觉法通过图像识别技术,将监控采集到的图像进行诸如噪声滤波、图像分割、特征表达等处理,从而分割出指针和刻度线的位置,最后根据其角度或距离的关系得到具体读数。但是机器视觉法在处理过程中,当指针类仪表表盘示数不均匀时,在噪声滤波的过程中会丢失一些有效信息,造成在后续图像分割时所采用的检测线边缘的算子提取精度不高,从而使得在提取表盘和指针时,结果精度不高。
因此,本申请提供一种基于视频信息的指针类仪表示数读取方法及装置,用于解决现有技术中,使用机器视觉法对指针类仪表的不均匀示数进行读取时,精度不高的技术问题。
发明内容
本申请提供一种基于视频信息的指针类仪表示数读取方法及装置,以解决现有技术中,使用机器视觉法对指针类仪表的不均匀示数进行读取时,精度不高的技术问题。
本申请第一方面公开了一种基于视频信息的指针类仪表示数读取方法,其特征在于,所述方法包括:
对相机进行标定处理,确定相机标定结果;
用相机对指针类仪表进行监控拍摄,获得一组视频流;
根据预设的采集频率,对所述视频流进行帧截取,确定仪表画面图像;
对所述仪表画面图像,利用所述相机标定结果进行图像矫正,确定表盘图像;
对所述表盘图像进行灰度转换处理,确定第一灰度图;
对所述第一灰度图进行分段式线性变换处理,确定第二灰度图;
对所述第二灰度图进行二值化处理,确定二值化图像;
对所述二值化图像进行边缘检测与提取处理,确定表盘边缘图;
对所述二值化图像进行形态学处理,确定指针直线图;
对所述指针直线图进行霍夫变换处理,确定指针直线的点集;
根据所述表盘边缘图、所述指针直线图和所述指针直线的点集,以所述指针类仪表刻度盘中指针的轴心为原点,水平方向为X轴,垂直方向为Y轴,建立仪表空间直角坐标系;所述仪表空间是指所述表盘边缘图和所述指针直线图中,所有像素点的点集;
以所述仪表空间直角坐标系中任一像素点为原点,其他像素点到所述原点的长度为模长,其他像素点和所述原点连线,与所述仪表空间直角坐标系X轴的夹角为角度,建立仪表极坐标系;
对所述仪表空间直角坐标系和所述仪表极坐标系,利用直角坐标系与极坐标系的转换关系,确定目标角度值;所述目标角度值为仪表指针与所述仪表空间直角坐标系X轴之间的角度值;
根据所述目标角度值、预设指针类仪表量程和预设指针类仪表指针偏转角度范围,获取所述目标角度值所属的指针区间,所述指针类仪表量程被预先划分为多个指针区间;
根据所述目标角度值所属的指针区间,确定所述仪表指针所指向的示数。
可选的,所述对相机进行标定处理,确定相机标定结果,包括:
在平面上设置一个标定物,并通过相机从不同角度对所述标定物进行拍摄,得到多张标定物照片;
针对任一所述标定物照片,确定一组标定物角点;
根据若干组所述标定物角点,确定五个相机内参和六个相机外参;
对五个相机内参和六个相机外参,利用最小二乘法确定实际存在径向畸变下的相机畸变系数;
根据所述五个相机内参、所述六个相机外参和所述相机畸变系数,利用极大似然法进行优化,确定相机标定结果。
可选的,所述对所述表盘图像进行灰度转换处理,确定第一灰度图,包括:
根据所述表盘图像,确定所述表盘图像上任意点处包含R、G、B三通道的像素值;
根据所述表盘图像上任意点处包含R、G、B三通道的像素值,确定第一灰度图。
可选的,其特征在于,对所述第一灰度图进行分段式线性变换处理,确定第二灰度图,包括:
根据所述第一灰度图,确定所述第一灰度图感兴趣灰度区间和第一灰度图最大灰度值;
根据所述第一灰度图感兴趣灰度区间、预设第一灰度图所需感兴趣灰度区间、所述第一灰度图最大灰度值和预设第一灰度图所需最大灰度值,确定第二灰度图。
可选的,对所述第二灰度图进行二值化处理,确定二值化图像,包括:
根据所述第二灰度图,确定第二灰度图各像素点的灰度值;
将第二灰度图各像素点分成两组,利用最大类间方差法确定最优二值化阀值;所述最优二值化阀值是指使得所述两组灰度值类间方差最大的灰度值;
对灰度值大于所述最优二值化阀值的像素点,和灰度值小于所述最优二值化阀值的像素点,进行像素点分类;
根据像素点分类,保留所述第二灰度图中含有表盘信息的像素点,抑制所述第二灰度图中含有背景信息的像素点;
根据所述含有表盘信息的像素点,确定所述二值化图像。
可选的,所述对所述二值化图像进行边缘检测与提取处理,确定表盘边缘图,包括:
利用高斯滤波器,对所述二值化图像进行平滑处理,确定平滑处理图;
根据预设的四种算子,确定所述平滑处理图中各像素点的梯度和方向;
根据所述平滑处理图中各像素点的梯度和方向,确定当前像素点的梯度强度、沿正梯度方向的梯度强度和沿负梯度方向的梯度强度;
判断所述当前像素点的梯度强度、所述沿正梯度方向的梯度强度和沿负梯度方向的梯度强度中,所述当前像素点的梯度强度是否为最大;若是,则将当前像素点保留为边缘像素点;若否,则抑制当前像素点;
根据所述边缘像素点,确定所述表盘边缘图。
可选的,所述对所述二值化图像进行形态学处理,确定指针直线图,包括;
分别通过开运算、腐蚀运算和闭运算,对所述二值化图像进行处理,确定所述指针直线图。
可选的,对所述指针直线图进行霍夫变换处理,确定指针直线的点集,包括:
根据所述指针直线图,确定指针空间点集;所述指针空间点集是指所述指针直线图所有像素点的集合;
根据所述指针空间点集和预设参数空间,确定指针局部极值点;
根据所述指针局部极值点,确定所述指针直线的点集。
本申请第二方面公开了一种基于视频信息的指针类仪表示数读取装置,所述装置应用于第一方面所述的基于视频信息的指针类仪表示数读取方法,所述装置包括:
相机标定模块,用于对相机进行标定处理,确定相机标定结果;
视频获取模块,用于相机对指针类仪表进行监控拍摄,获得一组视频流;
帧截取模块,用于根据预设的采集频率,对所述视频流进行帧截取,确定仪表画面图像;
图像矫正模块,用于对所述仪表画面图像,利用所述相机标定结果进行图像矫正,确定表盘图像;
灰度转换模块,用于对所述表盘图像进行灰度转换处理,确定第一灰度图;
分段式线性变换模块,用于对所述第一灰度图进行分段式线性变换处理,确定第二灰度图;
二值化处理模块,用于对所述第二灰度图进行二值化处理,确定二值化图像;
边缘检测提取模块,用于对所述二值化图像进行边缘检测与提取处理,确定表盘边缘图;
形态学处理模块,用于对所述二值化图像进行形态学处理,确定指针直线图;
霍夫变换处理模块,用于对所述指针直线图进行霍夫变换处理,确定指针直线的点集;
仪表空间直角坐标系建立模块,用于根据所述表盘边缘图、所述指针直线图和所述指针直线的点集,以所述指针类仪表刻度盘中指针的轴心为原点,水平方向为X轴,垂直方向为Y轴,建立仪表空间直角坐标系;所述仪表空间是指所述表盘边缘图和所述指针直线图中,所有像素点的点集;
仪表极坐标系建立模块,用于以所述仪表空间直角坐标系中任一像素点为原点,其他像素点到所述原点的长度为模长,其他像素点和所述原点连线,与所述仪表空间直角坐标系X轴的夹角为角度,建立仪表极坐标系;
目标角度值确定模块,用于对所述仪表空间直角坐标系和所述仪表极坐标系,利用直角坐标系与极坐标系的转换关系,确定目标角度值;所述目标角度值为仪表指针与所述仪表空间直角坐标系X轴之间的角度值;
指针区间划分模块,用于根据所述目标角度值、预设指针类仪表量程和预设指针类仪表指针偏转角度范围,获取所述目标角度值所属的指针区间,所述指针类仪表量程被预先划分为多个指针区间;
示数确定模块,用于根据所述目标角度值所属的指针区间,确定所述仪表指针所指向的示数。
可选的,所述相机标定模块包括:
标定物照片获取单元,用于在平面上设置一个标定物,并通过相机从不同角度对所述标定物进行拍摄,得到多张标定物照片;
角点获取单元,用于针对任一所述标定物照片,确定一组标定物角点;
相机参数确定单元,用于根据若干组所述标定物角点,确定五个相机内参和六个相机外参;
相机畸变系数确定单元,用于对五个相机内参和六个相机外参,利用最小二乘法确定实际存在径向畸变下的相机畸变系数;
相机标定结果确定单元,用于根据所述五个相机内参、所述六个相机外参和所述相机畸变系数,利用极大似然法进行优化,确定相机标定结果。
可选的,所述灰度转换模块包括:
像素值获取单元,用于根据所述表盘图像,确定所述表盘图像上任意点处包含R、G、B三通道的像素值;
灰度转换处理单元,用于根据所述表盘图像上任意点处包含R、G、B三通道的像素值,确定第一灰度图。
可选的,所述分段式线性变换模块包括:
灰度参数获取单元用于根据所述第一灰度图,确定所述第一灰度图感兴趣灰度区间和第一灰度图最大灰度值;
图像增强单元,用于根据所述第一灰度图感兴趣灰度区间、预设第一灰度图所需感兴趣灰度区间、所述第一灰度图最大灰度值和预设第一灰度图所需最大灰度值,确定第二灰度图。
可选的,所述二值化处理模块包括:
灰度值获取单元,用于根据所述第二灰度图,确定第二灰度图各像素点的灰度值;
二值化阀值获取单元,用于将第二灰度图各像素点分成两组,利用最大类间方差法确定最优二值化阀值;所述最优二值化阀值是指使得所述两组灰度值类间方差最大的灰度值;
像素点分类单元,用于对灰度值大于所述最优二值化阀值的像素点,和灰度值小于所述最优二值化阀值的像素点,进行像素点分类;
分类处理单元,根据像素点分类,保留所述第二灰度图中含有表盘信息的像素点,抑制所述第二灰度图中含有背景信息的像素点;
二值化图像获取单元,根据所述含有表盘信息的像素点,确定所述二值化图像。
可选的,所述边缘检测提取模块包括:
平滑处理单元,用于利用高斯滤波器,对所述二值化图像进行平滑处理,确定平滑处理图;
算子处理单元,根据预设的四种算子,确定所述平滑处理图中各像素点的梯度和方向;
像素点参数获取单元,根据所述平滑处理图中各像素点的梯度和方向,确定当前像素点的梯度强度、沿正梯度方向的梯度强度和沿负梯度方向的梯度强度;
像素点参数判断单元,判断所述当前像素点的梯度强度、所述沿正梯度方向的梯度强度和沿负梯度方向的梯度强度中,所述当前像素点的梯度强度是否为最大。若是,则将当前像素点保留为边缘像素点。若否,则抑制当前像素点;
表盘边缘获取单元,根据所述边缘像素点,确定所述表盘边缘图。
可选的,所述形态学处理模块包括:
指针直线图获取单元,用于分别通过开运算、腐蚀运算和闭运算,对所述二值化图像进行处理,确定所述指针直线图。
可选的,所述霍夫变换处理模块包括:
指针空间点集获取单元,用于根据所述指针直线图,确定指针空间点集;所述指针空间点集是指所述指针直线图所有像素点的集合;
局部极值点获取单元,根据所述指针空间点集和预设参数空间,确定指针局部极值点。
指针直线点集获取单元,根据所述指针局部极值点,确定所述指针直线的点集。
本申请公开了一种基于视频信息的指针类仪表示数读取方法及装置,首先,对拍摄硬件进行标定,然后根据标定结果对拍摄硬件采集到的视频流,进行帧截取,确定品质较好的初始帧图像。其次,对选定的帧图像,进行二值化处理,再对二值化处理后的图像,基于canny算子和形态学处理,进行表盘识别,通过这种方式可以去除无关像素点,确定更为清晰的表盘图像和指针图像。最后利用角度法并通过仪表区间划分的方式,分别读取每个小区间所对应的示数,当表盘上指针示数不均匀时,这种方式可以避免对图像进行噪声滤波,使得读取的指针示数更加准确。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,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为本申请实施例公开的一种基于视频信息的指针类仪表示数读取方法的流程示意图;
图2为本申请实施例公开的一种基于视频信息的指针类仪表示数读取装置的结构示意图。
具体实施方式
为了解决当使用机器视觉法对指针类仪表的不均匀示数进行读取时,精度不高的问题,本申请通过以下两个实施例公开了一种基于视频信息的指针类仪表示数读取方法及装置。
本申请第一实施例公开了一种基于视频信息的指针类仪表示数读取方法,具体参见图1所示的流程示意图,所述方法包括:
步骤S01,对相机进行标定处理,确定相机标定结果。
在本申请的部分实施例中,在平面上设置一个标定物,并通过相机从不同角度对所述标定物进行拍摄,得到多张标定物照片。具体来说,选择合适的光源、均匀单一的背景,打印一张棋盘格,把它贴在一个平面上,作为标定物。通过调整标定物或相机的方向,为标定物拍摄一些不同方向的照片,为保证准确度,至少需要10幅7*8个棋盘格的定标棋盘格图片。
针对任一所述标定物照片,确定一组标定物角点。具体来说,为保证准确度,焦点数量至少需要10*4个。
根据若干组所述标定物角点,确定五个相机内参和六个相机外参。具体来说,对每一幅定标棋盘格图片都进行上述操作,最终得到一组方程,将标定物角点坐标带入方程进行求解,得到内参数矩阵和外参数矩阵,并确定相机的五个内参,六个外参。
对五个相机内参和六个相机外参,利用最小二乘法确定实际存在径向畸变下的相机畸变系数。
根据所述五个相机内参、所述六个相机外参和所述相机畸变系数,利用极大似然法进行优化,确定相机标定结果。具体来说,对内外参应用最小二乘方法估计实际存在的径向畸变的畸变系数(忽略切向畸变),最后通过极大似然法进行优化,得到精度较高的解。
步骤S02,用相机对指针类仪表进行监控拍摄,获得一组视频流。
步骤S03,根据预设的采集频率,对所述视频流进行帧截取,确定仪表画面图像。具体来说,根据监控要求,不同要求下的采集频率不同。可以做到每分钟采集一次图像。
步骤S04,对所述仪表画面图像,利用所述相机标定结果进行图像矫正,确定表盘图像。
步骤S05,对所述表盘图像进行灰度转换处理,确定第一灰度图。
在本申请的部分实施例中,根据所述表盘图像,确定所述表盘图像上任意点处包含R、G、B三通道的像素值。具体来说,根据具体要求的周期,对相机拍摄的视频流进行帧截取,得到表盘图像I={I(s,t)|1≤s≤M,1≤t≤N},其中M,N为图像的长和宽,I(s,t)为位置(s,t)处的包含R、G、B三通道的像素值I(s,t)=(R(s,t),G(s,t),B(s,t))T
根据所述表盘图像上任意点处包含R、G、B三通道的像素值,确定第一灰度图。具体来说,为方便后续处理,对图像进行灰度转换,得到第一灰度图f={f(s,t)|1≤s≤M,1≤t≤N},其中:f(s,t)=0.299×R(s,t)+0.578×G(s,t)+0.114×B(s,t)。
步骤S06,对所述第一灰度图进行分段式线性变换处理,确定第二灰度图。
在本申请的部分实施例中,根据所述第一灰度图,确定所述第一灰度图感兴趣灰度区间和第一灰度图最大灰度值。
根据所述第一灰度图感兴趣灰度区间、预设第一灰度图所需感兴趣灰度区间、所述第一灰度图最大灰度值和预设第一灰度图所需最大灰度值,确定第二灰度图。
具体来说,对像素值I进行分段式线性变换实现图像增强的目的。根据需要设置线性变换中的所述第一灰度图感兴趣灰度区间[a,b]、预设第一灰度图所需感兴趣灰度区间[c,d],所述第一灰度图最大灰度值Mf和预设第一灰度图所需最大灰度值Mg,变换方程如下所示:
Figure BDA0002893538920000071
第二灰度图g={g(s,t)|1≤s≤M,1≤t≤N}。
步骤S07,对所述第二灰度图进行二值化处理,确定二值化图像。
在本申请的部分实施例中,根据所述第二灰度图,确定第二灰度图各像素点的灰度值。
将第二灰度图各像素点分成两组,利用最大类间方差法确定最优二值化阀值;所述最优二值化阀值是指使得所述两组灰度值类间方差最大的灰度值。
具体来说,采取最大类间方差方法,先假定一个灰度值,将其作为阀值,把第二灰度图中像素点分为两组。当一个阀值使得这两组类间方差最大,其实的阀值即为使该图像二值化效果最佳的阈值,即所述最优二值化阀值。
假设图像中的所有可能灰度级数为L(L=Mg+1),那么可以得到一个离散概率密度函数的归一化直方图,如下所示:
Figure BDA0002893538920000072
其中,n(n=M*N)是图像中的像素总数,nq是灰度级为rq的像素数目。
假设已经选定阈值k,C0是一组灰度级为[0,1,…,k-1]的像素,C1是一组灰度级为[k,k+1,…L-1]的像素。类间方差定义为:
Figure BDA0002893538920000073
其中,
Figure BDA0002893538920000081
为所有C0灰度的点出现的概率,也就是C0灰度的所有的点的概率之和;
Figure BDA0002893538920000082
为所有C1灰度的点出现的概率;
Figure BDA0002893538920000083
为C0包含的灰度范围的点的灰度均值;
Figure BDA0002893538920000084
为C1包含的灰度范围的点的灰度均值。
对灰度值大于所述最优二值化阀值的像素点,和灰度值小于所述最优二值化阀值的像素点,进行像素点分类。
根据像素点分类,保留所述第二灰度图中含有表盘信息的像素点,抑制所述第二灰度图中含有背景信息的像素点。
根据所述含有表盘信息的像素点,确定所述二值化图像。
上述二值化处理的目的是,把所述第二灰度图分为两类,仪表部分和背景部分,所述仪表部分即为所述二值化图像。
步骤S08,对所述二值化图像进行边缘检测与提取处理,确定表盘边缘图。
在本申请的部分实施例中,利用高斯滤波器,对所述二值化图像进行平滑处理,确定平滑处理图。具体来说,平滑处理是一个卷积过程,卷积窗口的大小设定为(2n+1)*(2n+1),卷积的高斯滤波器核生成的公式为:
Figure BDA0002893538920000085
其中为i,j为卷积窗口的中心在图像中的坐标,σ为高斯分布的标准差,由人工预先给定。
根据预设的四种算子,确定所述平滑处理图中各像素点的梯度和方向。具体来说,分别设置四种算子来测出水平、垂便直、对角等类型边缘返回的水平方向一阶导数值Gx和垂直方向一阶导数值Gy,通过这种方式可得到像素点的梯度G和方向θ.具体公式为:
Figure BDA0002893538920000086
Figure BDA0002893538920000087
根据所述平滑处理图中各像素点的梯度和方向,确定当前像素点的梯度强度、沿正梯度方向的梯度强度和沿负梯度方向的梯度强度。
判断所述当前像素点的梯度强度、所述沿正梯度方向的梯度强度和沿负梯度方向的梯度强度中,所述当前像素点的梯度强度是否为最大。若是,则将当前像素点保留为边缘像素点。若否,则抑制当前像素点。
根据所述边缘像素点,确定所述表盘边缘图。
步骤S09,对所述二值化图像进行形态学处理,确定指针直线图。
在本申请的部分实施例中,分别通过开运算、腐蚀运算和闭运算,对所述二值化图像进行处理,确定所述指针直线图。
具体来说,在完成之前的图像处理后,发现指针仪表的轮廓并未完全清晰突出,还存在一定无关元素,需要进一步采取形态学处理的方式进行对指针进行细化,让其保持图像结构与形貌的同时去除无关元素(边缘锯齿、粗轮廓等),从而得到唯一的指针直线图,最大程度的简化数据。采取细化运算,细化运算指的是对所述二值化图像中的物体不断的做开运算、腐蚀运算、闭运算,重复此系列操作直至图像中物体只保留一个像素单元。具体公式如下:
Figure BDA0002893538920000091
Figure BDA0002893538920000092
其中,S(A)为对图像A的骨架运算,其中B代表一个结构元素,(AΘkB)代表连续对A使用结构元B腐蚀k次,即(AΘkB)=((...(AΘB)ΘB)Θ...)ΘB。运算符。表示图像处理中的开运算。而K是图像A被腐蚀为空集前的迭代次数值,即:K=max{k|(AΘkB≠φ)}。
步骤S10,对所述指针直线图进行霍夫变换处理,确定指针直线的点集。
在本申请的部分实施例中,根据所述指针直线图,确定指针空间点集。所述指针空间点集是指所述指针直线图所有像素点的集合。
根据所述指针空间点集和预设参数空间,确定指针局部极值点。
根据所述指针局部极值点,确定所述指针直线的点集。
具体来说,指针位置的识别采用霍夫变换。以指针的固定点为中心,分别建立标准表达图像中直线的直角坐标系和图像空间的极坐标系。并将图像中的边缘像素点做极坐标转换,形成指针空间点集与预设参数空间的对应,将特征点投票后的结果将呈现局部的极值点,从而获得符合特定方向的指针直线的点集。
步骤S11,根据所述表盘边缘图、所述指针直线图和所述指针直线的点集,以所述指针类仪表刻度盘中指针的轴心为原点,水平方向为X轴,垂直方向为Y轴,建立仪表空间直角坐标系;所述仪表空间是指所述表盘边缘图和所述指针直线图中,所有像素点的点集。
步骤S12,以所述仪表空间直角坐标系中任一像素点为原点,其他像素点到所述原点的长度为模长,其他像素点和所述原点连线,与所述仪表空间直角坐标系X轴的夹角为角度,建立仪表极坐标系。
步骤S13,对所述仪表空间直角坐标系和所述仪表极坐标系,利用直角坐标系与极坐标系的转换关系,确定目标角度值;所述目标角度值为仪表指针与所述仪表空间直角坐标系X轴之间的角度值。
步骤S14,根据所述目标角度值、预设指针类仪表量程和预设指针类仪表指针偏转角度范围,获取所述目标角度值所属的指针区间,所述指针类仪表量程被预先划分为多个指针区间。
具体来说,根据仪表的技术数据,得到仪表的量程[Rmin,Rmax],指针偏转角度范围[Rmin,Rmax]。其中Rmin为仪表量程的最小值,Rmax为仪表量程最大值,θmin为仪表指针偏转角度的最小值,θmax为仪表指针偏转角度的最小值。根据表盘信息,若表盘示数分布不均匀,根据示数情况划分为n个区间A1,A2,…An,各个区间的量程范围:
Figure BDA0002893538920000101
各个区间的角度范围:
Figure BDA0002893538920000102
步骤S15,根据所述目标角度值所属的指针区间,确定所述仪表指针所指向的示数。
具体来说,针对区间Ai部分的仪表指针,此时指针与直角坐标系X轴成θ角度,指针所在的均匀量程范围是[Ri,Ri+1],对应的角度范围是[θi,θi+1]。那么所述仪表指针所指向的示数为:
Figure BDA0002893538920000103
本申请公开了一种基于视频信息的指针类仪表示数读取方法及装置,首先,对拍摄硬件进行标定,然后根据标定结果对拍摄硬件采集到的视频流,进行帧截取,确定品质较好的初始帧图像。其次,对选定的帧图像,进行二值化处理,再对二值化处理后的图像,基于canny算子和形态学处理,进行表盘识别,通过这种方式可以去除无关像素点,确定更为清晰的表盘图像和指针图像。最后利用角度法并通过仪表区间划分的方式,分别读取每个小区间所对应的示数,当表盘上指针示数不均匀时,这种方式可以避免对图像进行噪声滤波,使得读取的指针示数更加准确。
下述为本申请公开的装置实施例,用于执行上述方法实施例。针对装置实施例中未披露的细节,请参照方法实施例。
本申请第二实施例公开了一种基于视频信息的指针类仪表示数读取装置,所述装置应用于本申请第一实施例所述的一种基于视频信息的指针类仪表示数读取方法,参见图2所示的结构示意图,所述装置包括:
相机标定模块40,用于对相机进行标定处理,确定相机标定结果。
进一步的,所述相机标定模块40包括:
标定物照片获取单元,用于在平面上设置一个标定物,并通过相机从不同角度对所述标定物进行拍摄,得到多张标定物照片。
角点获取单元,用于针对任一所述标定物照片,确定一组标定物角点。
相机参数确定单元,用于根据若干组所述标定物角点,确定五个相机内参和六个相机外参。
相机畸变系数确定单元,用于对五个相机内参和六个相机外参,利用最小二乘法确定实际存在径向畸变下的相机畸变系数。
相机标定结果确定单元,用于根据所述五个相机内参、所述六个相机外参和所述相机畸变系数,利用极大似然法进行优化,确定相机标定结果。
视频获取模块50,用于相机对指针类仪表进行监控拍摄,获得一组视频流。
帧截取模块60,用于根据预设的采集频率,对所述视频流进行帧截取,确定仪表画面图像。
图像矫正模块70,用于对所述仪表画面图像,利用所述相机标定结果进行图像矫正,确定表盘图像。
灰度转换模块80,用于对所述表盘图像进行灰度转换处理,确定第一灰度图。
进一步的,所述灰度转换模块80包括:
像素值获取单元,用于根据所述表盘图像,确定所述表盘图像上任意点处包含R、G、B三通道的像素值。
灰度转换处理单元,用于根据所述表盘图像上任意点处包含R、G、B三通道的像素值,确定第一灰度图。
分段式线性变换模块90,用于对所述第一灰度图进行分段式线性变换处理,确定第二灰度图。
进一步的,所述分段式线性变换模块90包括:
灰度参数获取单元用于根据所述第一灰度图,确定所述第一灰度图感兴趣灰度区间和第一灰度图最大灰度值。
图像增强单元,用于根据所述第一灰度图感兴趣灰度区间、预设第一灰度图所需感兴趣灰度区间、所述第一灰度图最大灰度值和预设第一灰度图所需最大灰度值,确定第二灰度图。
二值化处理模块100,用于对所述第二灰度图进行二值化处理,确定二值化图像。
进一步的,所述二值化处理模块100包括:
灰度值获取单元,用于根据所述第二灰度图,确定第二灰度图各像素点的灰度值。
二值化阀值获取单元,用于将第二灰度图各像素点分成两组,利用最大类间方差法确定最优二值化阀值;所述最优二值化阀值是指使得所述两组灰度值类间方差最大的灰度值。
像素点分类单元,用于对灰度值大于所述最优二值化阀值的像素点,和灰度值小于所述最优二值化阀值的像素点,进行像素点分类。
分类处理单元,根据像素点分类,保留所述第二灰度图中含有表盘信息的像素点,抑制所述第二灰度图中含有背景信息的像素点。
二值化图像获取单元,根据所述含有表盘信息的像素点,确定所述二值化图像。
边缘检测提取模块110,用于对所述二值化图像进行边缘检测与提取处理,确定表盘边缘图。
进一步的,所述边缘检测提取模块110包括:
平滑处理单元,用于利用高斯滤波器,对所述二值化图像进行平滑处理,确定平滑处理图。
算子处理单元,根据预设的四种算子,确定所述平滑处理图中各像素点的梯度和方向。
像素点参数获取单元,根据所述平滑处理图中各像素点的梯度和方向,确定当前像素点的梯度强度、沿正梯度方向的梯度强度和沿负梯度方向的梯度强度。
像素点参数判断单元,判断所述当前像素点的梯度强度、所述沿正梯度方向的梯度强度和沿负梯度方向的梯度强度中,所述当前像素点的梯度强度是否为最大。若是,则将当前像素点保留为边缘像素点。若否,则抑制当前像素点。
表盘边缘获取单元,根据所述边缘像素点,确定所述表盘边缘图。
形态学处理模块120,用于对所述二值化图像进行形态学处理,确定指针直线图。
进一步的,所述形态学处理模块120包括:
指针直线图获取单元,用于分别通过开运算、腐蚀运算和闭运算,对所述二值化图像进行处理,确定所述指针直线图。
霍夫变换处理模块130,用于对所述指针直线图进行霍夫变换处理,确定指针直线的点集。
进一步的,所述霍夫变换处理模块130包括:
指针空间点集获取单元,用于根据所述指针直线图,确定指针空间点集;所述指针空间点集是指所述指针直线图所有像素点的集合。
局部极值点获取单元,根据所述指针空间点集和预设参数空间,确定指针局部极值点。
指针直线点集获取单元,根据所述指针局部极值点,确定所述指针直线的点集。
仪表空间直角坐标系建立模块140,用于根据所述表盘边缘图、所述指针直线图和所述指针直线的点集,以所述指针类仪表刻度盘中指针的轴心为原点,水平方向为X轴,垂直方向为Y轴,建立仪表空间直角坐标系。所述仪表空间是指所述表盘边缘图和所述指针直线图中,所有像素点的点集。
仪表极坐标系建立模块150,用于以所述仪表空间直角坐标系中任一像素点为原点,其他像素点到所述原点的长度为模长,其他像素点和所述原点连线,与所述仪表空间直角坐标系X轴的夹角为角度,建立仪表极坐标系。
目标角度值确定模块160,用于对所述仪表空间直角坐标系和所述仪表极坐标系,利用直角坐标系与极坐标系的转换关系,确定目标角度值。所述目标角度值为仪表指针与所述仪表空间直角坐标系X轴之间的角度值。
指针区间划分模块170,用于根据所述目标角度值、预设指针类仪表量程和预设指针类仪表指针偏转角度范围,获取所述目标角度值所属的指针区间,所述指针类仪表量程被预先划分为多个指针区间。
示数确定模块180,用于根据所述目标角度值所属的指针区间,确定所述仪表指针所指向的示数。
以上结合具体实施方式和范例性实例对本申请进行了详细说明,不过这些说明并不能理解为对本申请的限制。本领域技术人员理解,在不偏离本申请精神和范围的情况下,可以对本申请技术方案及其实施方式进行多种等价替换、修饰或改进,这些均落入本申请的范围内。本申请的保护范围以所附权利要求为准。

Claims (10)

1.一种基于视频信息的指针类仪表示数读取方法,其特征在于,所述方法包括:
对相机进行标定处理,确定相机标定结果;
用相机对指针类仪表进行监控拍摄,获得一组视频流;
根据预设的采集频率,对所述视频流进行帧截取,确定仪表画面图像;
对所述仪表画面图像,利用所述相机标定结果进行图像矫正,确定表盘图像;
对所述表盘图像进行灰度转换处理,确定第一灰度图;
对所述第一灰度图进行分段式线性变换处理,确定第二灰度图;
对所述第二灰度图进行二值化处理,确定二值化图像;
对所述二值化图像进行边缘检测与提取处理,确定表盘边缘图;
对所述二值化图像进行形态学处理,确定指针直线图;
对所述指针直线图进行霍夫变换处理,确定指针直线的点集;
根据所述表盘边缘图、所述指针直线图和所述指针直线的点集,以所述指针类仪表刻度盘中指针的轴心为原点,水平方向为X轴,垂直方向为Y轴,建立仪表空间直角坐标系;所述仪表空间是指所述表盘边缘图和所述指针直线图中,所有像素点的点集;
以所述仪表空间直角坐标系中任一像素点为原点,其他像素点到所述原点的长度为模长,其他像素点和所述原点连线,与所述仪表空间直角坐标系X轴的夹角为角度,建立仪表极坐标系;
对所述仪表空间直角坐标系和所述仪表极坐标系,利用直角坐标系与极坐标系的转换关系,确定目标角度值;所述目标角度值为仪表指针与所述仪表空间直角坐标系X轴之间的角度值;
根据所述目标角度值、预设指针类仪表量程和预设指针类仪表指针偏转角度范围,获取所述目标角度值所属的指针区间,所述指针类仪表量程被预先划分为多个指针区间;
根据所述目标角度值所属的指针区间,确定所述仪表指针所指向的示数。
2.根据权利要求1所述的指针类仪表示数读取方法,其特征在于,所述对相机进行标定处理,确定相机标定结果,包括:
在平面上设置一个标定物,并通过相机从不同角度对所述标定物进行拍摄,得到多张标定物照片;
针对任一所述标定物照片,确定一组标定物角点;
根据若干组所述标定物角点,确定五个相机内参和六个相机外参;
对五个相机内参和六个相机外参,利用最小二乘法确定实际存在径向畸变下的相机畸变系数;
根据所述五个相机内参、所述六个相机外参和所述相机畸变系数,利用极大似然法进行优化,确定相机标定结果。
3.根据权利要求1所述的指针类仪表示数读取方法,其特征在于,所述对所述表盘图像进行灰度转换处理,确定第一灰度图,包括:
根据所述表盘图像,确定所述表盘图像上任意点处包含R、G、B三通道的像素值;
根据所述表盘图像上任意点处包含R、G、B三通道的像素值,确定第一灰度图。
4.根据权利要求1所述的指针类仪表示数读取方法,其特征在于,对所述第一灰度图进行分段式线性变换处理,确定第二灰度图,包括:
根据所述第一灰度图,确定所述第一灰度图感兴趣灰度区间和第一灰度图最大灰度值;
根据所述第一灰度图感兴趣灰度区间、预设第一灰度图所需感兴趣灰度区间、所述第一灰度图最大灰度值和预设第一灰度图所需最大灰度值,确定第二灰度图。
5.根据权利要求1所述的指针类仪表示数读取方法,其特征在于,对所述第二灰度图进行二值化处理,确定二值化图像,包括:
根据所述第二灰度图,确定第二灰度图各像素点的灰度值;
将第二灰度图各像素点分成两组,利用最大类间方差法确定最优二值化阀值;所述最优二值化阀值是指使得所述两组灰度值类间方差最大的灰度值;
对灰度值大于所述最优二值化阀值的像素点,和灰度值小于所述最优二值化阀值的像素点,进行像素点分类;
根据像素点分类,保留所述第二灰度图中含有表盘信息的像素点,抑制所述第二灰度图中含有背景信息的像素点;
根据所述含有表盘信息的像素点,确定所述二值化图像。
6.根据权利要求1所述的指针类仪表示数读取方法,其特征在于,所述对所述二值化图像进行边缘检测与提取处理,确定表盘边缘图,包括:
利用高斯滤波器,对所述二值化图像进行平滑处理,确定平滑处理图;
根据预设的四种算子,确定所述平滑处理图中各像素点的梯度和方向;
根据所述平滑处理图中各像素点的梯度和方向,确定当前像素点的梯度强度、沿正梯度方向的梯度强度和沿负梯度方向的梯度强度;
判断所述当前像素点的梯度强度、所述沿正梯度方向的梯度强度和沿负梯度方向的梯度强度中,所述当前像素点的梯度强度是否为最大;若是,则将当前像素点保留为边缘像素点;若否,则抑制当前像素点;
根据所述边缘像素点,确定所述表盘边缘图。
7.根据权利要求1所述的指针类仪表示数读取方法,其特征在于,所述对所述二值化图像进行形态学处理,确定指针直线图,包括;
分别通过开运算、腐蚀运算和闭运算,对所述二值化图像进行处理,确定所述指针直线图。
8.根据权利要求1所述的指针类仪表示数读取方法,其特征在于,对所述指针直线图进行霍夫变换处理,确定指针直线的点集,包括:
根据所述指针直线图,确定指针空间点集;所述指针空间点集是指所述指针直线图所有像素点的集合;
根据所述指针空间点集和预设参数空间,确定指针局部极值点;
根据所述指针局部极值点,确定所述指针直线的点集。
9.一种基于视频信息的指针类仪表示数读取装置,其特征在于,所述装置应用于权利要求1-8任一项所述的基于视频信息的指针类仪表示数读取方法,所述装置包括:
相机标定模块,用于对相机进行标定处理,确定相机标定结果;
视频获取模块,用于相机对指针类仪表进行监控拍摄,获得一组视频流;
帧截取模块,用于根据预设的采集频率,对所述视频流进行帧截取,确定仪表画面图像;
图像矫正模块,用于对所述仪表画面图像,利用所述相机标定结果进行图像矫正,确定表盘图像;
灰度转换模块,用于对所述表盘图像进行灰度转换处理,确定第一灰度图;
分段式线性变换模块,用于对所述第一灰度图进行分段式线性变换处理,确定第二灰度图;
二值化处理模块,用于对所述第二灰度图进行二值化处理,确定二值化图像;
边缘检测提取模块,用于对所述二值化图像进行边缘检测与提取处理,确定表盘边缘图;
形态学处理模块,用于对所述二值化图像进行形态学处理,确定指针直线图;
霍夫变换处理模块,用于对所述指针直线图进行霍夫变换处理,确定指针直线的点集;
仪表空间直角坐标系建立模块,用于根据所述表盘边缘图、所述指针直线图和所述指针直线的点集,以所述指针类仪表刻度盘中指针的轴心为原点,水平方向为X轴,垂直方向为Y轴,建立仪表空间直角坐标系;所述仪表空间是指所述表盘边缘图和所述指针直线图中,所有像素点的点集;
仪表极坐标系建立模块,用于以所述仪表空间直角坐标系中任一像素点为原点,其他像素点到所述原点的长度为模长,其他像素点和所述原点连线,与所述仪表空间直角坐标系X轴的夹角为角度,建立仪表极坐标系;
目标角度值确定模块,用于对所述仪表空间直角坐标系和所述仪表极坐标系,利用直角坐标系与极坐标系的转换关系,确定目标角度值;所述目标角度值为仪表指针与所述仪表空间直角坐标系X轴之间的角度值;
指针区间划分模块,用于根据所述目标角度值、预设指针类仪表量程和预设指针类仪表指针偏转角度范围,获取所述目标角度值所属的指针区间,所述指针类仪表量程被预先划分为多个指针区间;
示数确定模块,用于根据所述目标角度值所属的指针区间,确定所述仪表指针所指向的示数。
10.根据权利要求9所述的装置,其特征在于,所述相机标定模块包括:
标定物照片获取单元,用于在平面上设置一个标定物,并通过相机从不同角度对所述标定物进行拍摄,得到多张标定物照片;
角点获取单元,用于针对任一所述标定物照片,确定一组标定物角点;
相机参数确定单元,用于根据若干组所述标定物角点,确定五个相机内参和六个相机外参;
相机畸变系数确定单元,用于对五个相机内参和六个相机外参,利用最小二乘法确定实际存在径向畸变下的相机畸变系数;
相机标定结果确定单元,用于根据所述五个相机内参、所述六个相机外参和所述相机畸变系数,利用极大似然法进行优化,确定相机标定结果。
CN202110034244.1A 2021-01-12 2021-01-12 一种基于视频信息的指针类仪表示数读取方法及装置 Active CN112836726B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110034244.1A CN112836726B (zh) 2021-01-12 2021-01-12 一种基于视频信息的指针类仪表示数读取方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110034244.1A CN112836726B (zh) 2021-01-12 2021-01-12 一种基于视频信息的指针类仪表示数读取方法及装置

Publications (2)

Publication Number Publication Date
CN112836726A CN112836726A (zh) 2021-05-25
CN112836726B true CN112836726B (zh) 2022-06-07

Family

ID=75929681

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110034244.1A Active CN112836726B (zh) 2021-01-12 2021-01-12 一种基于视频信息的指针类仪表示数读取方法及装置

Country Status (1)

Country Link
CN (1) CN112836726B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113609984A (zh) * 2021-08-05 2021-11-05 国网山东省电力公司德州市陵城区供电公司 一种指针式仪表读数识别方法、装置及电子设备
CN117274966B (zh) * 2023-11-23 2024-04-19 江西小马机器人有限公司 室外工业仪表监测方法、系统、可读存储介质及计算机

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6058190A (en) * 1997-05-27 2000-05-02 Pitney Bowes Inc. Method and system for automatic recognition of digital indicia images deliberately distorted to be non readable
KR20040077091A (ko) * 2003-02-27 2004-09-04 이진우 원격검침의 영상처리방법
CN101620682A (zh) * 2008-06-30 2010-01-06 汉王科技股份有限公司 一种指针式仪表读数自动识别的方法及系统
CN102176228A (zh) * 2011-01-28 2011-09-07 河海大学常州校区 一种用于识别多个指针式仪表表盘信息的机器视觉方法
CN103134546A (zh) * 2012-12-14 2013-06-05 中国人民解放军63963部队 一种针对特种车辆指针式仪表的半自动校验方法
CN103310203A (zh) * 2013-06-27 2013-09-18 河海大学常州校区 基于物联网和机器视觉的指针式仪表示值自动识别装置及方法
CN104050446A (zh) * 2014-05-30 2014-09-17 浙江大学 一种基于指针宽度特征的仪表指针图像识别方法
CN105740856A (zh) * 2016-01-28 2016-07-06 宁波理工监测科技股份有限公司 一种基于机器视觉的指针式仪表示数读取方法
CN106960208A (zh) * 2017-03-28 2017-07-18 哈尔滨工业大学 一种仪表液晶数字自动切分和识别的方法及系统
CN108256524A (zh) * 2018-01-24 2018-07-06 国家电网公司 一种多表盘指针式仪表的自动读数方法
CN109359604A (zh) * 2018-10-23 2019-02-19 大连航佳机器人科技有限公司 面向巡检机器人的阴影干扰下仪表识别方法
CN110580480A (zh) * 2019-07-21 2019-12-17 天津大学 基于图像处理的表计读数识别方法
CN111191646A (zh) * 2019-12-23 2020-05-22 福建亿榕信息技术有限公司 一种指针式仪表的智能识别方法
CN111199191A (zh) * 2019-12-20 2020-05-26 南京理工大学 基于刻度搜索的指针式仪表自动读取方法
CN111598109A (zh) * 2020-05-07 2020-08-28 国网四川省电力公司电力科学研究院 一种变电站指针仪表读数智能识别方法

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6058190A (en) * 1997-05-27 2000-05-02 Pitney Bowes Inc. Method and system for automatic recognition of digital indicia images deliberately distorted to be non readable
KR20040077091A (ko) * 2003-02-27 2004-09-04 이진우 원격검침의 영상처리방법
CN101620682A (zh) * 2008-06-30 2010-01-06 汉王科技股份有限公司 一种指针式仪表读数自动识别的方法及系统
CN102176228A (zh) * 2011-01-28 2011-09-07 河海大学常州校区 一种用于识别多个指针式仪表表盘信息的机器视觉方法
CN103134546A (zh) * 2012-12-14 2013-06-05 中国人民解放军63963部队 一种针对特种车辆指针式仪表的半自动校验方法
CN103310203A (zh) * 2013-06-27 2013-09-18 河海大学常州校区 基于物联网和机器视觉的指针式仪表示值自动识别装置及方法
CN104050446A (zh) * 2014-05-30 2014-09-17 浙江大学 一种基于指针宽度特征的仪表指针图像识别方法
CN105740856A (zh) * 2016-01-28 2016-07-06 宁波理工监测科技股份有限公司 一种基于机器视觉的指针式仪表示数读取方法
CN106960208A (zh) * 2017-03-28 2017-07-18 哈尔滨工业大学 一种仪表液晶数字自动切分和识别的方法及系统
CN108256524A (zh) * 2018-01-24 2018-07-06 国家电网公司 一种多表盘指针式仪表的自动读数方法
CN109359604A (zh) * 2018-10-23 2019-02-19 大连航佳机器人科技有限公司 面向巡检机器人的阴影干扰下仪表识别方法
CN110580480A (zh) * 2019-07-21 2019-12-17 天津大学 基于图像处理的表计读数识别方法
CN111199191A (zh) * 2019-12-20 2020-05-26 南京理工大学 基于刻度搜索的指针式仪表自动读取方法
CN111191646A (zh) * 2019-12-23 2020-05-22 福建亿榕信息技术有限公司 一种指针式仪表的智能识别方法
CN111598109A (zh) * 2020-05-07 2020-08-28 国网四川省电力公司电力科学研究院 一种变电站指针仪表读数智能识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于机器视觉的指针式仪表读数识别系统研究;孙浩晏;《中国优秀硕士学位论文全文数据库 信息科技辑》;20150915(第9期);全文 *

Also Published As

Publication number Publication date
CN112836726A (zh) 2021-05-25

Similar Documents

Publication Publication Date Title
CN107492091B (zh) 基于机器视觉的标签外观检测方法及终端设备
CN103164692B (zh) 一种基于计算机视觉的特种车辆仪表自动识别系统及方法
CN114549835B (zh) 一种基于深度学习的指针式仪表矫正识别方法及装置
CN112836726B (zh) 一种基于视频信息的指针类仪表示数读取方法及装置
CN112613429B (zh) 一种基于机器视觉适用于多视角图像指针式仪表读数方法
CN112257676A (zh) 一种指针式仪表读数方法、系统以及巡检机器人
CN112818988A (zh) 一种指针式仪表自动识别读数方法及系统
CN110909640A (zh) 水位线的确定方法及装置、存储介质、电子装置
CN110633620B (zh) 指针式仪表刻度识别方法及电子设备
CN112149667A (zh) 一种基于深度学习的指针式仪表的自动读数的方法
CN111222507A (zh) 数字式仪表读数的自动识别方法、计算机可读存储介质
CN110659637A (zh) 一种结合深度神经网络和sift特征的电能表示数与标签自动识别方法
CN114005108A (zh) 一种基于坐标变换的指针式仪表度数识别方法
CN110276759B (zh) 一种基于机器视觉的手机屏坏线缺陷诊断方法
CN111950559A (zh) 一种基于径向灰度的指针仪表自动读数方法
CN116563298B (zh) 基于高斯拟合的十字线中心亚像素检测方法
CN111369531B (zh) 图像清晰度的评分方法、设备及存储装置
CN116228780B (zh) 基于计算机视觉的硅片缺陷检测方法及系统
CN116380918A (zh) 缺陷检测方法、装置及设备
CN115588196A (zh) 基于机器视觉的指针型仪表读数方法和装置
CN114663681A (zh) 用于对指针式仪表进行读数的方法及其相关产品
CN111445431B (zh) 一种图像分割方法、终端设备及计算机可读存储介质
CN112818993A (zh) 一种用于摄像直读抄表器的字轮读数表端识别方法及设备
CN113159027A (zh) 基于最小外接矩形变体的七段式数显仪表识别方法
CN111626299A (zh) 一种基于轮廓的数字字符识别方法

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
GR01 Patent grant
GR01 Patent grant