CN113378663A - 一种巡检指针式圆形仪表识别方法及装置 - Google Patents
一种巡检指针式圆形仪表识别方法及装置 Download PDFInfo
- Publication number
- CN113378663A CN113378663A CN202110574915.3A CN202110574915A CN113378663A CN 113378663 A CN113378663 A CN 113378663A CN 202110574915 A CN202110574915 A CN 202110574915A CN 113378663 A CN113378663 A CN 113378663A
- Authority
- CN
- China
- Prior art keywords
- image
- instrument
- standard
- information
- area
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Abstract
本发明涉及一种巡检指针式圆形仪表识别方法及装置,包括:当未接收到巡检任务时,获取并存储标准仪表区域图像;对标准仪表区域图像进行识别与标定,确定与目标仪表盘拟合程度最好的椭圆信息,根据椭圆信息将标准仪表区域图像转换为标准表盘图像,存储标准表盘图像标定后的量程信息,并识别标准表盘图像的指针信息;当接收到巡检任务时,调整拍摄参数对目标仪表盘拍摄得到当前位置图像,根据像素位置,将目标仪表盘移至拍摄视野正中,基于标准表盘图像,通过裁剪得到当前仪表区域图,识别对应的指针信息。本发明通过椭圆检测创建仪表模板和标记信息,保证在斜拍状况下图片匹配的准确性,提高了识别精度。
Description
技术领域
本发明涉及机器视觉领域,尤其涉及一种巡检指针式圆形仪表识别方法及装置。
背景技术
指针式圆形仪表常见与工业器材中,在变电站机器人巡检中有着广泛的使用,如避雷器检测器,油温表等等。这些指针式仪表由于稳定可靠,不易受电磁干扰影响等优点,仍将长期存在不会被电子仪器所代替,目前对于此类仪表的采集方法是运用巡检机器人进行巡检拍照。但由于仪表拍摄角度限制会出现斜拍等状况,同时机器人并不能准确到达预先布点位置,与布点位置有所偏差使得拍摄图片中仪表角度位置均不一。
目前解决这种确定表盘位置的方法大致分为两种,一种依靠深度学习,建立仪表相关的训练集。另一种依靠表盘特征进行提取确定识别表盘位置。两种方法都有一定局限性,如前者需要建立在详细的训练集基础上,后者对于一些斜拍角度过大或者表盘表面被脏污覆盖会降低识别率。同时,由于拍摄过程中出现雨天,光照亮度不一时,对于以往的识别方法的适用性更差。普适性达不到需求标准。综上,如何进行高效的仪表指针识别是亟待解决的问题。
发明内容
有鉴于此,有必要提供一种巡检指针式圆形仪表识别方法及装置,用以解决现有技术中仪表指针检测不准的问题。
本发明提供一种巡检指针式圆形仪表识别方法,应用于巡检机器人,包括:
当未接收到巡检任务时,获取并存储标准仪表区域图像,其中,根据预设参数对目标仪表盘进行拍摄,通过矩形框圈定位目标仪表盘,确定所述标准仪表区域图像;
对所述标准仪表区域图像进行识别与标定,确定与目标仪表盘拟合程度最好的椭圆信息,根据所述椭圆信息将所述标准仪表区域图像转换为标准表盘图像,存储所述标准表盘图像标定后的量程信息,并识别所述标准表盘图像的指针信息;
当接收到巡检任务时,调整拍摄参数对目标仪表盘拍摄得到当前位置图像,根据所述标准仪表区域图像和所述当前位置图像之间的像素位置,将目标仪表盘移至拍摄视野正中,基于所述标准表盘图像,通过裁剪得到当前仪表区域图,识别对应的指针信息。
进一步地,所述根据预设参数对目标仪表盘进行拍摄,通过矩形框圈定位目标仪表盘,确定所述标准仪表区域图像包括:
根据设定的拍摄位置信息和云台信息,在小倍率状态下对目标仪表盘进行拍摄;
根据人为框选的目标仪表盘区域,通过所述矩形框圈进行对应的定位;
对所述矩形框圈内的区域进行剪裁,确定所述标准仪表区域图像。
进一步地,所述对所述标准仪表区域图像进行识别与标定,确定与目标仪表盘拟合程度最好的椭圆信息包括:
在大倍率状态下进行再次拍摄,确定所述矩形框圈对应的清晰仪表图片;
对所述清晰仪表图片进行去噪预处理,通过边缘检测算法,提取目标仪表盘的图像轮廓边缘;
通过边缘查找算法和椭圆拟合算法,筛选多个待选椭圆;
对所述多个待选椭圆进行标点,确定对应的多个连续点;
遍历每个连续点在所述图像轮廓边缘中的位置,判断在所述图像轮廓边缘处对应的像素点是否满足预设条件,若满足,则累加计数;
根据计数最高的所述待选椭圆,确定与目标仪表盘拟合程度最好的椭圆信息,其中,所述椭圆信息包括所述计数最高的所述待选椭圆的椭圆中心点坐标、长短轴以及椭圆扭转角。
进一步地,所述根据所述椭圆信息将所述标准仪表区域图像转换为标准表盘图像,存储所述标准表盘图像标定后的量程信息包括:
根据所述椭圆信息,对所述标准仪表区域图像中的表盘区域进行裁切并拉伸短轴方向,形成所述标准表盘图像;
获取用户在所述标准表盘图像上的量程标注位置以及对应的量程具体数值,构成所述量程信息;
将所述标准表盘图像和所述量程信息进行存储。
进一步地,所述并识别所述标准表盘图像的指针信息包括:
根据创建的形态学算子内核对所述标准表盘图像进行开运算;
采用区域生长算法,挑选出所述标准表盘图像的第一指针区域;
采用最小矩形拟合,获取所述第一指针区域中最小矩形中心点位信息,确定第一指针位置;
根据标定的所述量程信息和所述第一指针位置,确定当前表盘示数。
进一步地,所述当接收到巡检任务时,调整拍摄参数对目标仪表盘拍摄得到当前位置图像包括:
当接收到巡检任务时,读取初始云台信息和设定位置信息;
根据所述设定位置信息,移动到设定的拍摄位置,并根据所述初始云台信息,调整云台角度及拍摄焦距,对目标仪表盘进行拍摄;
通过特征查找,确定目标仪表盘在所述当前位置图像中的目标位置信息。
进一步地,所述当接收到巡检任务时,调整拍摄参数对目标仪表盘拍摄得到当前位置图像还包括:
根据所述当前位置图像中的目标位置信息,使目标仪表盘在拍摄视野中的位置朝中心移动,调整云台水平角、垂直角各移动一度,拍摄所述当前位置图像;
读取所述标准仪表区域图像,采用xfeatures2d创建sfit匹配区域,通过KNN神经网络训练确定所述当前位置图像中与所述标准仪表区域图像相对应的位置。
进一步地,所述根据所述标准仪表区域图像和所述当前位置图像之间的像素位置,将目标仪表盘移至拍摄视野正中包括:
根据所述标准仪表区域图像和所述当前位置图像之间的像素位置,计算在垂直角以及水平角方向上,像素点与云台转角换算关系,并代入关系中求出将目标仪表盘移动至拍摄视野正中的角度值;
根据所述角度值,调整云台角度,将目标仪表盘移至拍摄视野正中,在大倍率状态下进行再次拍摄。
进一步地,所述基于所述标准表盘图像,通过裁剪得到当前仪表区域图,识别对应的指针信息包括:
读取所述标准表盘图像,采用xfeatures2d创建sfit匹配区域,通过KNN神经网络训练确定所述标准表盘图像中与所述当前仪表区域图相对应的目标位置,将所述目标位置裁切出,确定所述当前仪表区域图;
对所述当前仪表区域图进行去噪预处理;
根据创建的形态学算子内核对所述当前仪表区域图进行开运算;
采用区域生长算法,挑选出所述当前仪表区域图的第二指针区域;
采用最小矩形拟合,获取所述第二指针区域中最小矩形中心点位信息,确定第二指针位置;
根据标定的所述量程信息和所述第二指针位置,确定当前表盘示数。
本发明还提供了一种巡检指针式圆形仪表识别装置,包括处理器以及存储器,存储器上存储有计算机程序,计算机程序被处理器执行时,实现如上所述的巡检指针式圆形仪表识别方法。
与现有技术相比,本发明的有益效果包括:首先,当未接收到巡检任务时,获取标准仪表区域图像,以此作为参照的区域图像,保证后续区域图片匹配的准确性;然后,对标准仪表区域图像进行识别与标定,识别其中的表盘边缘,确定标准表盘图像,并结合对应的量程信息和指针信息,以此作为参考的仪表图像,保证后续仪表图片匹配的准确性;最后,当接收到巡检任务时,基于标准仪表区域图像、标准表盘图像进行参考匹配,以此快速识别对应的指针信息,有效读取对应数值。综上,本发明通过椭圆检测创建仪表模板,并标记信息,保证在斜拍状况下图片匹配的准确性,圆形表盘进行识别提高了识别精度,同时采用特征匹配的二次查找功能,保证云台放大过程中,确保被拍摄目标能包含在图片中,不丢失目标。
附图说明
图1为本发明提供的巡检指针式圆形仪表识别方法的流程示意图;
图2为本发明提供的图1中步骤S1一实施例的流程示意图;
图3为本发明提供的图1中步骤S2一实施例的流程示意图一;
图4为本发明提供的图1中步骤S2一实施例的流程示意图二;
图5为本发明提供的图1中步骤S2一实施例的流程示意图三;
图6为本发明提供的图1中步骤S3一实施例的流程示意图一;
图7为本发明提供的图1中步骤S3一实施例的流程示意图二;
图8为本发明提供的图1中步骤S3一实施例的流程示意图三;
图9为本发明提供的图1中步骤S3一实施例的流程示意图四;
图10为本发明提供的椭圆检测透视拉伸一实施例的示意图一;
图11为本发明提供的椭圆检测透视拉伸一实施例的示意图二;
图12为本发明提供的特征匹配和透视变换对比一实施例的示意图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理,并非用于限定本发明的范围。
本发明实施例提供了一种巡检指针式圆形仪表识别方法,结合图1来看,图1为本发明提供的巡检指针式圆形仪表识别方法的流程示意图,包括步骤S1至步骤S3,其中:
在步骤S1中,当未接收到巡检任务时,获取并存储标准仪表区域图像,其中,根据预设参数对目标仪表盘进行拍摄,通过矩形框圈定位目标仪表盘,确定所述标准仪表区域图像;
在步骤S2中,对所述标准仪表区域图像进行识别与标定,确定与目标仪表盘拟合程度最好的椭圆信息,根据所述椭圆信息将所述标准仪表区域图像转换为标准表盘图像,存储所述标准表盘图像标定后的量程信息,并识别所述标准表盘图像的指针信息;
在步骤S3中,当接收到巡检任务时,调整拍摄参数对目标仪表盘拍摄得到当前位置图像,根据所述标准仪表区域图像和所述当前位置图像之间的像素位置,将目标仪表盘移至拍摄视野正中,基于所述标准表盘图像,通过裁剪得到当前仪表区域图,识别对应的指针信息。
在本发明实施例中,首先,当未接收到巡检任务时,获取标准仪表区域图像,以此作为参照的区域图像,保证后续区域图片匹配的准确性;然后,对标准仪表区域图像进行识别与标定,识别其中的表盘边缘,确定标准表盘图像,并结合对应的量程信息和指针信息,以此作为参考的仪表图像,保证后续仪表图片匹配的准确性;最后,当接收到巡检任务时,基于标准仪表区域图像、标准表盘图像进行参考匹配,以此快速识别对应的指针信息,有效读取对应数值。
作为优选的实施例,结合图2来看,图2为本发明提供的图1中步骤S1一实施例的流程示意图一,步骤S1包括步骤S11至步骤S13,其中:
在步骤S11中,根据设定的拍摄位置信息和云台信息,在小倍率状态下对目标仪表盘进行拍摄;
在步骤S12中,根据人为框选的目标仪表盘区域,通过所述矩形框圈进行对应的定位;
在步骤S13中,对所述矩形框圈内的区域进行剪裁,确定所述标准仪表区域图像。
作为具体实施例,本发明实施例对标准仪表区域图像进行有效的截取,保证后续的图像匹配的准确性。
在本发明一个具体的实施例中,将巡检机器人移动至合适的位置,以能拍摄得到目标仪表盘为准,设定机器人拍摄位置,以及云台信息,包含水平角,俯仰角,放大倍率,焦距等信息;在小倍率状态下预拍摄,同时通过矩形框圈定目标仪表盘所在区域,裁剪该区域输出,存储以提供巡检状态下查找椭圆目标对象的参考图,具体步骤如下:
第一步,在小倍率状态下拍摄图片,尽可能保证巡检时按照上述设定的云台信息,包含角度信息、倍率信息,拍摄所得图片中包含目标仪表盘;
第二步,通过鼠标框选目标仪表盘区域,将该区域裁切输出,保存作为巡检目标物的匹配图,即标准仪表区域图像。
作为优选的实施例,结合图3来看,图3为本发明提供的图1中步骤S2一实施例的流程示意图一,步骤S2包括步骤S21至步骤S26,其中:
在步骤S21中,在大倍率状态下进行再次拍摄,确定所述矩形框圈对应的清晰仪表图片;
在步骤S22中,对所述清晰仪表图片进行去噪预处理,通过边缘检测算法,提取目标仪表盘的图像轮廓边缘;
在步骤S23中,通过边缘查找算法和椭圆拟合算法,筛选多个待选椭圆;
在步骤S24中,对所述多个待选椭圆进行标点,确定对应的多个连续点;
在步骤S25中,遍历每个连续点在所述图像轮廓边缘中的位置,判断在所述图像轮廓边缘处对应的像素点是否满足预设条件,若满足,则累加计数;
在步骤S26中,根据计数最高的所述待选椭圆,确定与目标仪表盘拟合程度最好的椭圆信息,其中,所述椭圆信息包括所述计数最高的所述待选椭圆的椭圆中心点坐标、长短轴以及椭圆扭转角。
作为具体实施例,本发明实施例对图像进行识别,选取出最符合仪表边缘的椭圆。
在本发明一个具体的实施例中,椭圆信息的确定包括:
第一步:将获取的仪表盘图像进行双边滤波处理,提高色彩的均匀度,降低色斑的影响;
第二步:将上一步处理后的图片转化为灰度图片,并进行高斯平滑滤波,减少图片中噪点的影响;
第三步:定义自适应直方图均衡方块大小,分块对图片进行锐化处理,提高图片对比度,加强边缘细节信息。
第四步:采用Canny边缘检测算法,其中,Canny算法首先对灰度图像像素点进行梯度计算,区分图像边缘,其次采取保留梯度下降最快的像素点,并将此点二值化图像中像素点值设为255,其余像素点记0处理,最后,通过设定阈值,将阈值范围内的梯度记录,将其他像素点重新记0处理,输出边缘二值化图像,提取出图像边缘,得到轮廓边缘图片。
进而,通过边缘查找以及椭圆拟合圈定可能存在的表盘区域,与边缘检测所得图片对比,圈定表盘真实区域,具体步骤如下:
第五步:通过边缘查找与椭圆拟合算法,其中,边缘查找算法通过将连续的点归纳,通过连续点的区域大小以及连续点内部的包含情况进行进一步区分,实现目标区域轮廓查找。椭圆拟合算法对连续的区域点进行椭圆匹配,以找到目标所在的椭圆区域。设置可能存在的表盘区域的大小阈值进行筛选;
第六步:对每一筛选结果标定,并将拟合出的椭圆形用360点位标定,遍历每个点在s5步骤中得到的边缘图像中的位置,判定当前像素点值是否大于0,如果是则累加计数。输出计数最高的椭圆,则此椭圆为拟合表盘最好的椭圆,记录该椭圆信息包含椭圆中心点坐标,长短轴以及椭圆扭转角。
作为优选的实施例,结合图4来看,图4为本发明提供的图1中步骤S2一实施例的流程示意图二,步骤S2还包括步骤S27至步骤S29,其中:
在步骤S27中,根据所述椭圆信息,对所述标准仪表区域图像中的表盘区域进行裁切并拉伸短轴方向,形成所述标准表盘图像;
在步骤S28中,获取用户在所述标准表盘图像上的量程标注位置以及对应的量程具体数值,构成所述量程信息;
在步骤S29中,将所述标准表盘图像和所述量程信息进行存储。
作为具体实施例,本发明实施例将所述标准表盘图像和所述量程信息进行存储,以便作为后续仪表图像的识别参考。
在本发明一个具体的实施例中,依照椭圆信息将椭圆透视拉伸成圆形表盘后,标定量程及其他所需信息,并存入数据库中,具体步骤如下:
第一步:依照上述椭圆信息,对原图表盘区域裁切并拉伸短轴方向,形成表盘实际形状;
第二步:用户通过鼠标点击裁切后得到的图片中量程所在的位置以及其他关键信息的具体位置,并记录每个标定量程的具体数值;
第三步:将拉伸处理后的图片以及标注点位信息进行存储。
作为优选的实施例,结合图5来看,图5为本发明提供的图1中步骤S2一实施例的流程示意图三,步骤S2还包括步骤S210至步骤S213,其中:
在步骤S210中,根据创建的形态学算子内核对所述标准表盘图像进行开运算;
在步骤S211中,采用区域生长算法,挑选出所述标准表盘图像的第一指针区域;
在步骤S212中,采用最小矩形拟合,获取所述第一指针区域中最小矩形中心点位信息,确定第一指针位置;
在步骤S213中,根据标定的所述量程信息和所述第一指针位置,确定当前表盘示数。
作为具体实施例,本发明实施例利用多种图像处理方法,对对标准表盘图像的指针进行有效识别。
在本发明一个具体的实施例中,对标准表盘图像的指针进行识别的步骤如下:
第一步:对裁剪所得图片采用区域生长算法找出指针位置,根据指针转角信息以及数据库中存储的量程点位信息计算仪表实际示数,输出结果,具体步骤如下:
第二步:创建形态学算子内核,依照该内核进行开运算,去除表盘中杂质的影响,降低表盘底面内容信息对指针的影响;
第三步:采用区域生长算法挑选出指针区域,采用最小矩形拟合,获取最小矩形中心点位信息;
第四步:按照标定的点位信息,依照指针位置确定当前表盘示数。
作为优选的实施例,结合图6来看,图6为本发明提供的图1中步骤S3一实施例的流程示意图一,步骤S3包括步骤S31至步骤S33,其中:
在步骤S31中,当接收到巡检任务时,读取初始云台信息和设定位置信息;
在步骤S32中,根据所述设定位置信息,移动到设定的拍摄位置,并根据所述初始云台信息,调整云台角度及拍摄焦距,对目标仪表盘进行拍摄;
在步骤S33中,通过特征查找,确定目标仪表盘在所述当前位置图像中的目标位置信息。
作为具体实施例,本发明实施例有效确定当前位置图像,以便将所述当前位置图像中与所述标准仪表区域图像进行匹配。
作为优选的实施例,结合图7来看,图7为本发明提供的图1中步骤S3一实施例的流程示意图二,步骤S3还包括步骤S34至步骤S35,其中:
在步骤S34中,根据所述当前位置图像中的目标位置信息,使目标仪表盘在拍摄视野中的位置朝中心移动,调整云台水平角、垂直角各移动一度,拍摄所述当前位置图像;
在步骤S35中,读取所述标准仪表区域图像,采用xfeatures2d创建sfit匹配区域,通过KNN神经网络训练确定所述当前位置图像中与所述标准仪表区域图像相对应的位置。
作为具体实施例,本发明实施例将所述当前位置图像中与所述标准仪表区域图像进行有效的匹配。
在本发明一个具体的实施例中,下达巡检任务后,机器人到达指定地点并调整云台角度后,读取目标对象参考图,在小倍率状态下试拍照片,确定目标在图中的位置,具体步骤如下:
下达巡检任务,机器人移动着设定的拍摄位置并读取数据库中存储的初始云台信息,调整云台角度及焦距等信息;
读取布点时存储的目标对象参考图,在小图状态下试拍图片,采用xfeatures2d创建sfit匹配区域,通过KNN神经网络训练确定目标图片中与裁切图片相对应的位置。
进而,使云台朝图片中间方向各挪动一度后拍摄,确定目标对象在挪动后图中的位置,具体步骤如下:
根据上述计算出的目标位置信息,使目标在图片中的位置朝中心移动,调整云台水平角以及垂直角各移动一度,拍摄当前位置图片;
再次读取目标对象参考图,采用xfeatures2d创建sfit匹配区域,通过KNN神经网络训练确定目标图片中与裁切图片相对应的位置。
作为优选的实施例,结合图8来看,图8为本发明提供的图1中步骤S3一实施例的流程示意三,步骤S3还包括步骤S36至步骤S37,其中:
在步骤S36中,根据所述标准仪表区域图像和所述当前位置图像之间的像素位置,计算在垂直角以及水平角方向上,像素点与云台转角换算关系,并代入关系中求出将目标仪表盘移动至拍摄视野正中的角度值;
在步骤S37中,根据所述角度值,调整云台角度,将目标仪表盘移至拍摄视野正中,在大倍率状态下进行再次拍摄。
作为具体实施例,本发明实施例保证对目标仪表盘的有效拍摄和有效定位。
在本发明一个具体的实施例中,依照两者像素位置,计算在垂直角以及水平角方向上,当前图片的像素点与云台转角换算关系,并代入关系中求出将目标移动至正中的角度值;按照上述计算出的角度值,调整云台角度,并放大倍率拍摄照片输入程序。
作为优选的实施例,结合图9来看,图9为本发明提供的图1中步骤S3一实施例的流程示意四,步骤S3还包括步骤S38至步骤S313,其中:
在步骤S38中,读取所述标准表盘图像,采用xfeatures2d创建sfit匹配区域,通过KNN神经网络训练确定所述标准表盘图像中与所述当前仪表区域图相对应的目标位置,将所述目标位置裁切出,确定所述当前仪表区域图;
在步骤S39中,对所述当前仪表区域图进行去噪预处理;
在步骤S310中,根据创建的形态学算子内核对所述当前仪表区域图进行开运算;
在步骤S311中,采用区域生长算法,挑选出所述当前仪表区域图的第二指针区域;
在步骤S312中,采用最小矩形拟合,获取所述第二指针区域中最小矩形中心点位信息,确定第二指针位置;
在步骤S313中,根据标定的所述量程信息和所述第二指针位置,确定当前表盘示数。
作为具体实施例,本发明实施例对当前仪表区域图中的当前表盘示数进行有效的识别和输出。
在本发明一个具体的实施例中,结合图10、图11、图12来看,图10为本发明提供的椭圆检测透视拉伸一实施例的示意图一,图11为本发明提供的椭圆检测透视拉伸一实施例的示意图二,图12为本发明提供的特征匹配和透视变换对比一实施例的示意图,读取参考仪表图,通过特征匹配裁切得到仪表区域,并进行预处理操作,具体步骤如下:
第一步:读取透视拉伸后的圆形仪表参考图;
第二步:采用xfeatures2d创建sfit匹配区域,通过KNN神经网络训练确定目标图片中与裁切图片相对应的位置。将目标区域裁切出以便进一步处理;
第三步:对裁切得到的图片进行二值化,高斯滤波,双边滤波等预处理操作。
第四步:将预处理后的裁切图片重复识别操作,计算仪表示数,输出相应的结果。
本发明还提供了一种巡检指针式圆形仪表识别装置,包括处理器以及存储器,存储器上存储有计算机程序,计算机程序被处理器执行时,实现如上所述的巡检指针式圆形仪表识别方法。
本发明公开了一种巡检指针式圆形仪表识别方法及装置,首先,当未接收到巡检任务时,获取标准仪表区域图像,以此作为参照的区域图像,保证后续区域图片匹配的准确性;然后,对标准仪表区域图像进行识别与标定,识别其中的表盘边缘,确定标准表盘图像,并结合对应的量程信息和指针信息,以此作为参考的仪表图像,保证后续仪表图片匹配的准确性;最后,当接收到巡检任务时,基于标准仪表区域图像、标准表盘图像进行参考匹配,以此快速识别对应的指针信息,有效读取对应数值。
本发明技术方案,通过椭圆检测创建仪表模板,并标记信息,保证在斜拍状况下图片匹配的准确性,圆形表盘进行识别提高了识别精度,同时采用特征匹配的二次查找功能,保证云台放大过程中,确保被拍摄目标能包含在图片中,不丢失目标。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种巡检指针式圆形仪表识别方法,其特征在于,应用于巡检机器人,包括:
当未接收到巡检任务时,获取并存储标准仪表区域图像,其中,根据预设参数对目标仪表盘进行拍摄,通过矩形框圈定位目标仪表盘,确定所述标准仪表区域图像;
对所述标准仪表区域图像进行识别与标定,确定与目标仪表盘拟合程度最好的椭圆信息,根据所述椭圆信息将所述标准仪表区域图像转换为标准表盘图像,存储所述标准表盘图像标定后的量程信息,并识别所述标准表盘图像的指针信息;
当接收到巡检任务时,调整拍摄参数对目标仪表盘拍摄得到当前位置图像,根据所述标准仪表区域图像和所述当前位置图像之间的像素位置,将目标仪表盘移至拍摄视野正中,基于所述标准表盘图像,通过裁剪得到当前仪表区域图,识别对应的指针信息。
2.根据权利要求1所述的巡检指针式圆形仪表识别方法,其特征在于,所述根据预设参数对目标仪表盘进行拍摄,通过矩形框圈定位目标仪表盘,确定所述标准仪表区域图像包括:
根据设定的拍摄位置信息和云台信息,在小倍率状态下对目标仪表盘进行拍摄;
根据人为框选的目标仪表盘区域,通过所述矩形框圈进行对应的定位;
对所述矩形框圈内的区域进行剪裁,确定所述标准仪表区域图像。
3.根据权利要求1所述的巡检指针式圆形仪表识别方法,其特征在于,所述对所述标准仪表区域图像进行识别与标定,确定与目标仪表盘拟合程度最好的椭圆信息包括:
在大倍率状态下进行再次拍摄,确定所述矩形框圈对应的清晰仪表图片;
对所述清晰仪表图片进行去噪预处理,通过边缘检测算法,提取目标仪表盘的图像轮廓边缘;
通过边缘查找算法和椭圆拟合算法,筛选多个待选椭圆;
对所述多个待选椭圆进行标点,确定对应的多个连续点;
遍历每个连续点在所述图像轮廓边缘中的位置,判断在所述图像轮廓边缘处对应的像素点是否满足预设条件,若满足,则累加计数;
根据计数最高的所述待选椭圆,确定与目标仪表盘拟合程度最好的椭圆信息,其中,所述椭圆信息包括所述计数最高的所述待选椭圆的椭圆中心点坐标、长短轴以及椭圆扭转角。
4.根据权利要求1所述的巡检指针式圆形仪表识别方法,其特征在于,所述根据所述椭圆信息将所述标准仪表区域图像转换为标准表盘图像,存储所述标准表盘图像标定后的量程信息包括:
根据所述椭圆信息,对所述标准仪表区域图像中的表盘区域进行裁切并拉伸短轴方向,形成所述标准表盘图像;
获取用户在所述标准表盘图像上的量程标注位置以及对应的量程具体数值,构成所述量程信息;
将所述标准表盘图像和所述量程信息进行存储。
5.根据权利要求1所述的巡检指针式圆形仪表识别方法,其特征在于,所述并识别所述标准表盘图像的指针信息包括:
根据创建的形态学算子内核对所述标准表盘图像进行开运算;
采用区域生长算法,挑选出所述标准表盘图像的第一指针区域;
采用最小矩形拟合,获取所述第一指针区域中最小矩形中心点位信息,确定第一指针位置;
根据标定的所述量程信息和所述第一指针位置,确定当前表盘示数。
6.根据权利要求1所述的巡检指针式圆形仪表识别方法,其特征在于,所述当接收到巡检任务时,调整拍摄参数对目标仪表盘拍摄得到当前位置图像包括:
当接收到巡检任务时,读取初始云台信息和设定位置信息;
根据所述设定位置信息,移动到设定的拍摄位置,并根据所述初始云台信息,调整云台角度及拍摄焦距,对目标仪表盘进行拍摄;
通过特征查找,确定目标仪表盘在所述当前位置图像中的目标位置信息。
7.根据权利要求6所述的巡检指针式圆形仪表识别方法,其特征在于,所述当接收到巡检任务时,调整拍摄参数对目标仪表盘拍摄得到当前位置图像还包括:
根据所述当前位置图像中的目标位置信息,使目标仪表盘在拍摄视野中的位置朝中心移动,调整云台水平角、垂直角各移动一度,拍摄所述当前位置图像;
读取所述标准仪表区域图像,采用xfeatures2d创建sfit匹配区域,通过KNN神经网络训练确定所述当前位置图像中与所述标准仪表区域图像相对应的位置。
8.根据权利要求1所述的巡检指针式圆形仪表识别方法,其特征在于,所述根据所述标准仪表区域图像和所述当前位置图像之间的像素位置,将目标仪表盘移至拍摄视野正中包括:
根据所述标准仪表区域图像和所述当前位置图像之间的像素位置,计算在垂直角以及水平角方向上,像素点与云台转角换算关系,并代入关系中求出将目标仪表盘移动至拍摄视野正中的角度值;
根据所述角度值,调整云台角度,将目标仪表盘移至拍摄视野正中,在大倍率状态下进行再次拍摄。
9.根据权利要求8所述的巡检指针式圆形仪表识别方法,其特征在于,所述基于所述标准表盘图像,通过裁剪得到当前仪表区域图,识别对应的指针信息包括:
读取所述标准表盘图像,采用xfeatures2d创建sfit匹配区域,通过KNN神经网络训练确定所述标准表盘图像中与所述当前仪表区域图相对应的目标位置,将所述目标位置裁切出,确定所述当前仪表区域图;
对所述当前仪表区域图进行去噪预处理;
根据创建的形态学算子内核对所述当前仪表区域图进行开运算;
采用区域生长算法,挑选出所述当前仪表区域图的第二指针区域;
采用最小矩形拟合,获取所述第二指针区域中最小矩形中心点位信息,确定第二指针位置;
根据标定的所述量程信息和所述第二指针位置,确定当前表盘示数。
10.一种巡检指针式圆形仪表识别装置,其特征在于,包括处理器以及存储器,存储器上存储有计算机程序,计算机程序被处理器执行时,实现根据权利要求1-9任一项所述的巡检指针式圆形仪表识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110574915.3A CN113378663B (zh) | 2021-05-25 | 2021-05-25 | 一种巡检指针式圆形仪表识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110574915.3A CN113378663B (zh) | 2021-05-25 | 2021-05-25 | 一种巡检指针式圆形仪表识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113378663A true CN113378663A (zh) | 2021-09-10 |
CN113378663B CN113378663B (zh) | 2023-03-24 |
Family
ID=77571889
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110574915.3A Active CN113378663B (zh) | 2021-05-25 | 2021-05-25 | 一种巡检指针式圆形仪表识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113378663B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113627400A (zh) * | 2021-10-12 | 2021-11-09 | 成都川江信息技术有限公司 | 一种工业仪表视频识别系统 |
CN114040109A (zh) * | 2021-11-23 | 2022-02-11 | 慧之安信息技术股份有限公司 | 基于图像识别的仪表智能化改造设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103942816A (zh) * | 2014-04-29 | 2014-07-23 | 中国林业科学研究院木材工业研究所 | 一种基于图像处理的木材单板节子数量和大小的识别方法 |
CN104240243A (zh) * | 2014-09-05 | 2014-12-24 | 南京农业大学 | 一种基于椭圆拟合的粘连仔猪自动计数方法 |
WO2019197509A1 (en) * | 2018-04-13 | 2019-10-17 | Ventana Medical Systems, Inc. | Systems for cell shape estimation |
CN110796095A (zh) * | 2019-10-30 | 2020-02-14 | 浙江大华技术股份有限公司 | 仪表模板建立方法、终端设备以及计算机存储介质 |
CN111414934A (zh) * | 2020-01-21 | 2020-07-14 | 国网浙江省电力有限公司湖州供电公司 | 一种基于Faster R-CNN和U-Net的指针式仪表读数自动识别方法 |
CN111814919A (zh) * | 2020-08-31 | 2020-10-23 | 江西小马机器人有限公司 | 一种基于深度学习的仪表定位与识别系统 |
-
2021
- 2021-05-25 CN CN202110574915.3A patent/CN113378663B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103942816A (zh) * | 2014-04-29 | 2014-07-23 | 中国林业科学研究院木材工业研究所 | 一种基于图像处理的木材单板节子数量和大小的识别方法 |
CN104240243A (zh) * | 2014-09-05 | 2014-12-24 | 南京农业大学 | 一种基于椭圆拟合的粘连仔猪自动计数方法 |
WO2019197509A1 (en) * | 2018-04-13 | 2019-10-17 | Ventana Medical Systems, Inc. | Systems for cell shape estimation |
CN110796095A (zh) * | 2019-10-30 | 2020-02-14 | 浙江大华技术股份有限公司 | 仪表模板建立方法、终端设备以及计算机存储介质 |
CN111414934A (zh) * | 2020-01-21 | 2020-07-14 | 国网浙江省电力有限公司湖州供电公司 | 一种基于Faster R-CNN和U-Net的指针式仪表读数自动识别方法 |
CN111814919A (zh) * | 2020-08-31 | 2020-10-23 | 江西小马机器人有限公司 | 一种基于深度学习的仪表定位与识别系统 |
Non-Patent Citations (3)
Title |
---|
KUCHERUK V 等: "Definition of dynamic characteristics of pointer measuring devices on the basis of automatic indications determination", 《 ARCHIVES OF CONTROL ENCES》 * |
张鑫等: "基于拉普拉斯特征映射和深度置信网络的半监督故障识别", 《机械工程学报》 * |
王少君等: "颜色分割和拟合椭圆相结合的指针检测方法", 《湖北工业大学学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113627400A (zh) * | 2021-10-12 | 2021-11-09 | 成都川江信息技术有限公司 | 一种工业仪表视频识别系统 |
CN114040109A (zh) * | 2021-11-23 | 2022-02-11 | 慧之安信息技术股份有限公司 | 基于图像识别的仪表智能化改造设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113378663B (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107609557B (zh) | 一种指针式仪表读数识别方法 | |
CN110672617B (zh) | 基于机器视觉的智能手机玻璃盖板丝印区缺陷检测方法 | |
CN102704215B (zh) | 基于dst文件解析与机器视觉结合的绣布自动切割方法 | |
CN113378663B (zh) | 一种巡检指针式圆形仪表识别方法及装置 | |
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 | |
CN106056597B (zh) | 物体视觉检测方法及装置 | |
CN112257676A (zh) | 一种指针式仪表读数方法、系统以及巡检机器人 | |
CN110378227B (zh) | 修正样本标注数据的方法、装置、设备及存储介质 | |
CN111738229B (zh) | 一种指针表盘刻度的自动读取方法 | |
CN112149667A (zh) | 一种基于深度学习的指针式仪表的自动读数的方法 | |
CN109242787A (zh) | 一种中小学艺术测评中绘画录入方法 | |
CN110633620A (zh) | 指针式仪表刻度识别方法及电子设备 | |
CN113554582A (zh) | 电子设备盖板上功能孔的缺陷检测方法、装置以及系统 | |
CN114005108A (zh) | 一种基于坐标变换的指针式仪表度数识别方法 | |
CN115049916A (zh) | 一种指针式仪表读数识别方法及识别装置 | |
CN113569679B (zh) | 测量断裂伸长率的方法、装置和系统 | |
CN116862910B (zh) | 基于自动化裁切生产的视觉检测方法 | |
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 | |
CN112461846B (zh) | 工件缺陷检测方法及装置 | |
CN113375555A (zh) | 一种基于手机影像的电力线夹测量方法及系统 | |
CN112284983A (zh) | 通过图像处理测量接触角的方法 | |
CN110942058A (zh) | 一种基于ccd机器视觉识别的仪表数据读取方法 | |
CN114638805A (zh) | 一种轨道板裂缝检测方法、系统及存储介质 | |
CN114898347A (zh) | 一种指针式仪表机器视觉识别方法 | |
CN114092542A (zh) | 一种基于二维视觉的螺栓测量方法以及系统 |
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 |