CN114066993B - 基于机器视觉的配电柜控制面板分割方法 - Google Patents
基于机器视觉的配电柜控制面板分割方法 Download PDFInfo
- Publication number
- CN114066993B CN114066993B CN202111238865.8A CN202111238865A CN114066993B CN 114066993 B CN114066993 B CN 114066993B CN 202111238865 A CN202111238865 A CN 202111238865A CN 114066993 B CN114066993 B CN 114066993B
- Authority
- CN
- China
- Prior art keywords
- information
- image
- rectangle
- outer frame
- distortion
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000011218 segmentation Effects 0.000 title claims abstract description 8
- 238000007781 pre-processing Methods 0.000 claims abstract description 6
- 230000014509 gene expression Effects 0.000 claims description 27
- 239000011159 matrix material Substances 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000012937 correction Methods 0.000 claims description 9
- 230000001174 ascending effect Effects 0.000 claims description 6
- 239000003086 colorant Substances 0.000 claims description 6
- 238000003708 edge detection Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 230000000873 masking effect Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 4
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 238000002203 pretreatment Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000000717 retained effect Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000012545 processing Methods 0.000 abstract description 4
- 238000007689 inspection Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Character Input (AREA)
Abstract
本发明公开了一种基于机器视觉的配电柜控制面板分割方法,包括步骤:1)对相机进行标定,获得相机的内参数、外参数和畸变参数,校正镜头畸变,采集配电柜控制面板的图像并校正;在配电柜控制面板上测量编号牌长与宽的值,得到长宽比ω;2)对相机校正后的图像进行预处理,对外框及编号字符区分别进行定位和唯一匹配。本发明主要通过图像处理技术分别确定每一个配电柜柜面和编号的位置,再对其进行一对一的匹配,整个方法高效可靠,准确高。
Description
技术领域
本发明涉及机器视觉与图像处理的技术领域,尤其是指一种基于机器视觉的配电柜控制面板分割方法。
背景技术
电力是现代社会不可缺少的动力源,配电柜作为整个配电系统的最基层的设备,广泛地存在于社区、工厂等社会场景中。配电柜上有多种不同开关和仪表,实时监控它们的状态是让电力系统安全稳定运行的重要保障。目前,人力巡检是确定这些开关的状态的主要方法,但是会存在漏检、错检、环境恶劣不适合人进入等情况。近年来,随着机器视觉和图像处理技术的发展,通过摄像头远程实时监控开关状态成为可能,且可以规避人力巡检的实时性差、错检漏检、人与电柜近距离接触等风险。因此,对配电柜自动识别技术的研究是非常有意义的。而在对配电柜的柜面进行开关的搜索之前,需要将每个独立的配电柜从图像中标出具体的位置,这是在对配电柜进行识别时的基础工作。
综上所述,发明一种从已知图片中识别出独立配电柜控制面板并完成切割的方法,具有较高的实用价值。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提出了一种基于机器视觉的配电柜控制面板分割方法,主要通过图像处理技术分别确定每一个配电柜柜面和编号的位置,再对其进行一对一的匹配,整个方法高效可靠,准确高。
为实现上述目的,本发明所提供的技术方案为:基于机器视觉的配电柜控制面板分割方法,包括以下步骤:
1)对相机进行标定,获得相机的内参数、外参数和畸变参数,校正镜头畸变,采集配电柜控制面板的图像并校正;在配电柜控制面板上测量编号牌长与宽的值,得到长宽比ω;
2)对相机校正后的图像进行预处理,对外框及编号字符区分别进行定位和唯一匹配。
进一步,在步骤1)中,采用张正友标定法对相机进行标定,得到内参矩阵K、外参矩阵Q和畸变参数;在配电柜控制面板上测量编号牌长与宽的值,得到长宽比ω;
内参矩阵K形式如下所示:
式中,fx、fy为在x、y方向上焦距所占的像素个数,u0、v0为图像中心像素坐标与图像原点坐标相差的横向和纵向像素数,h为坐标轴倾斜参数;
外参矩阵Q形式如下所示:
式中,R为世界坐标系与相机坐标系的相对旋转矩阵,E为世界坐标系与相机坐标系的相对位移矩阵;
畸变参数包括径向畸变参数和切向畸变参数;
径向畸变的调节公式如下所示:
xrcorr=xp(1+k1r2+k2r4+k3r6)
yrcorr=yp(1+k1r2+k2r4+k3r6)
式中,(xrcorr,yrcorr)是畸变点在成像仪上的原点位置,(xp,yp)是畸变校正后的位置,r是图像像素点到图像中心的距离,k1、k2、k3是径向畸变参数;
切向畸变的调节公式如下所示:
式中,(xtcorr,ytcorr)是畸变点在成像仪上的原点位置,(xq,yq)是畸变校正后的位置,q1、q1为切向畸变参数。
进一步,在步骤2)中,完成对相机校正后采集的图像的预处理,分别对外框及编号字符区进行定位和唯一匹配,包括以下步骤:
2.1)预处理
采用中值滤波算法在保留图像边缘的前提下进行噪声滤除并灰度化得到灰度图,对所得的灰度图采用直方图均衡化的算法进行图像增强,得到预处理的图像;
2.2)编号字符区域定位
使用Canny边缘检测算法对预处理后的图像进行γ次查找,对完成边缘查找的二值图进行δ次闭操作,此处γ及δ均为经验值,在得到的二值图中找出所有轮廓及从属关系;
将查找出的所有轮廓分别用一个最小外接矩形在图中标出,获得外接矩形4个端点的信息并保存记为集合G,具体定义如下:
Gj={(si,ti)|i∈[1,4],j∈[1,N]}
式中,Gj指第j个矩形端点信息,共有N个矩形;(si,ti)为矩形的第i个端点坐标,规定左上角为第1个端点,编号顺序为逆时针;
计算集合G中每一组Gj的长Lc与宽Lh,当Lc和Lh同时满足以下条件时认为该矩形内部为编号字符区域:
Lc≥0.1W
Lh≥0.1H
式中,W为输入图像横向像素值,H为输入图像纵向像素值,ω为在步骤1)中获得的实际编号牌长宽比,保留符合条件的信息Gj;
2.3)外框矩形框定位
使用掩膜屏蔽步骤2.2)中查找出的编号字符区域后,对预处理后的图像使用Canny边缘检测算法获得边缘图像,在边缘图像中使用霍夫直线检测算法检测直线,将获得的直线在极坐标下的解析表达式记为(ρτ,θτ),将解析表达式转为在直角坐标系下的表示式(Yτ,Xτ),其计算过程如下所示:
求取直线之间以及与画幅边框的交点作为备选端点,在横坐标优先升序的条件下以纵坐标升序重新排列备选端点,画出所有由四个备选端点组成的所有四边形,将四边形的信息记为集合T,具体定义如下:
Tm={(xn,yn)|n∈[1,4],m∈[1,M]}
式中,Tm指第m个四边形端点信息,共有M个四边形;(xn,yn)为矩形的第n个端点坐标,规定左上角为第0个端点,编号顺序为逆时针;
计算四边形每个内角的余弦值并进行筛选,计算方法如下所示:
式中,α为需要计算的内角,为内角α相邻的两条边构成的向量,原点为内角α的顶点;当四个内角都满足条件α≤0.01时,认为该四边形为矩形,更新集合T;
2.4)对外框矩形进行筛选和匹配,包括以下步骤:
2.4.1)对步骤2.3)获得的集合T进行信息历遍,获得所有外框矩形的下部所在直线的线性表达式(Ym,Xm),其表达式如下所示:
Ym=kmXm+bm
式中,km、bm分别为线性表达式Ym的斜率和截距,统计不同Ym出现的次数,删除出现次数为1所对应的外框信息Tm,更新集合T;
2.4.2)调取步骤2.2)中获得的编号字符区位置信息集合G,保留对于一组外框信息Tm,有且只有一组编号信息Gj满足以下条件时的外框信息Tm:
x1<s1
y1<t1
x2>s2
y2>t2
x3>s3
y3>t3
x4<s4
y4>t4
式中,(s1,t1)、(s2,t2)、(s3,t3)和(s4,t4)为同一组Gj中的四个坐标信息,(x1,y1)、(x2,y2)、(x3,y3)和(x4,y4)为同一组Tm中的四个坐标信息;
更新集合T;
2.4.3)对于每一组外框信息Tm,求取其四条边所在直线的线性表达式f(x),公式为:
f(x)=Ax+B
式中,A为直线线性表达式f(x)的斜率,B为直线线性表达式f(x)的截距;
在同一方向上外框矩形与编号字符区域的距离d计算公式如下:
式中,t1,t2∈G(s,t),且x1=s1,x2=s2 x2=s2;f(x1)、f(x2)为编号字符区在该方向上边的两个端点投影至外框矩形上得到的纵坐标值;
对于四组对应边的距离d1~d4,求出四组对应边中距离的最小值,用dmin表示;对于每一组外框信息Tm对应的所有编号信息组Gj,分别求取其所在的最小外接矩形的最短边长Lmin;令Lmin为阈值,若满足条dmin≤Lmin,则认为编号区所在的位置靠近柜面边缘;删除dmin>Lmin时对应的外框矩形,更新集合T;
2.4.4)检查集合G中每一组编号信息Gj是否仅对应一个集合T中的一组外框信息Tm,即数值上是否满足条件j=m,若是,则认为分配完成;
若有一组编号信息Gj对应多组外框信息Tm,即j<m的情况出现,找出该编号信息Gj0所对应的z组外框信息TZ,连结TZ所表示的矩形4条边的中线,将外框矩形划分为四个等大小的小矩形,以逆时针的顺序分别记为H1~H4;用掩膜屏蔽编号字符区部分,统计在HSV色彩空间下各小矩形中黑、灰、白、红、橙、黄、绿、青、蓝、紫10种颜色的所占像素比β1~β10,其计算方法如下:
式中,w为当前统计颜色所占的像素数,Z为小矩形H的总像素数;
对H1~H4的不同β值以大小降序的顺序排列,保留各小矩形之间βmax所对应的颜色相同,且相差小于10%的外框信息,更新集合T;
再次检查集合G中每一组编号信息Gj与集合T中的每一组外框信息Tm是否具有唯一对应关系,若有,则认为分配完成;若仍有一组编号信息Gj对应多组外框信息Tm的情况,则对相应的外框信息TZ进行如下的计算:
S=4Zb
式中,Zb为该外框矩形中不含字符编号的小矩形H所占像素数,保留Smax所对应的外框信息,更新集合T,分配完成。
本发明与现有技术相比,具有如下优点与有益效果:
1、作为配电柜柜面开关识别的基础工作,能够提供一个可泛化的算法。
2、除了标定相机对图像进行畸变校正,无需进行事前的信息采集。
附图说明
图1为本发明方法的流程图。
图2为标定相机时的标定板示意图。
图3为HSV色彩空间下十种主要颜色分量范围表。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
参见图1所示,本实施例所提供的基于机器视觉的配电柜控制面板分割方法,包括以下步骤:
1)打印已知尺寸的黑白棋盘格作为标定板,如图2所示,使用相机对不同角度、距离、姿态下的标定板进行拍摄至少3张图像。对拍摄得到的图像采用张正友标定法对相机进行标定,得到内参矩阵K、外参矩阵Q和畸变参数;
内参矩阵K形式如下所示:
式中fx、fy为在x、y方向上焦距所占的像素个数,u0、v0为图像中心像素坐标与图像原点坐标相差的横向和纵向像素数,h为坐标轴倾斜参数;
外参矩阵Q形式如下所示:
式中R为世界坐标系与相机坐标系的相对旋转矩阵,E为世界坐标系与相机坐标系的相对位移矩阵;
畸变参数包括径向畸变参数和切向畸变参数;
径向畸变的调节公式如下所示:
xrcorr=xp(1+k1r2+k2r4+k3r6)
yrcorr=yp(1+k1r2+k2r4+k3r6)
式中(xrcorr,yrcorr)是畸变点在成像仪上的原点位置,(xp,yp)是畸变校正后的位置,r是图像像素点到图像中心的距离,k1、k2、k3为径向畸变参数;
切向畸变的调节公式如下所示:
式中,(xtcorr,ytcorr)是畸变点在成像仪上的原点位置,(xq,yq)是畸变校正后的位置,q1、q1为切向畸变参数。
2)完成对相机校正后采集的图像的预处理,分别对外框及编号字符区进行定位和唯一匹配,包括以下步骤:
2.1)预处理
采用中值滤波算法在保留图像边缘的前提下进行噪声滤除并灰度化得到灰度图像,再对灰度图采用直方图均衡化的算法进行图像增强,得到预处理的图像;
2.2)编号字符区域定位
使用Canny边缘检测算法,设置初始下限值lowth、递增值ψ、阈值上限值highth,对预处理后的图像进行γ次查找。对完成边缘查找的二值图进行δ次闭操作,此处lowth、highth、ψ、γ及δ均为经验值,设置lowth为30,highth为90,ψ为10,γ为4,δ为2。使用findContours函数找出二值图中所有轮廓及从属关系;
使用minAreaRect函数将查找出的所有轮廓分别用一个最小外接矩形在图中标出,通过boxPoints函数获得外接矩形4个端点的信息并保存记为集合G,具体定义如下:
Gj={(si,ti)|i∈[1,4],j∈[1,N]}
式中,Gj指第j个矩形端点信息,共有N个矩形;(si,ti)为矩形的第i个端点坐标,规定左上角为第1个端点,编号顺序为逆时针;
计算集合G中每一组Gj的长Lc与宽Lh,当Lc和Lh同时满足以下条件时认为该矩形内部为编号字符区域:
Lc≥0.1W
Lh≥0.1H
式中,W为输入图像横向像素值,H为输入图像纵向像素值,ω为在步骤1)中获得的实际编号牌长宽比,保留符合条件的信息Gj;
2.3)外框矩形框定位
使用掩膜屏蔽步骤2.2)中查找出的编号字符区域后,对预处理后的图像使用Canny边缘检测算法获得边缘图像。在边缘图像中使用霍夫直线检测算法检测直线,将获得的直线在极坐标下的解析表达式记为(ρτ,θτ),将解析表达式转为在直角坐标系下的表示式(Yτ,Xτ),其计算过程如下所示:
求取直线之间以及与画幅边框的交点作为备选端点,在横坐标优先升序的条件下以纵坐标升序重新排列备选端点,画出所有由四个备选端点组成的所有四边形,将四边形的信息记为集合T,具体定义如下:
Tm={(xn,yn)|n∈[1,4],m∈[1,M]}
式中,Tm指第m个四边形端点信息,共有M个四边形;(xn,yn)为矩形的第n个端点坐标,规定左上角为第0个端点,编号顺序为逆时针;
计算四边形每个内角的余弦值并进行筛选,计算方法如下所示:
式中,α为需要计算的内角,为内角α相邻的两条边构成的向量,原点为内角α的顶点。当四个内角都满足条件α≤0.01时,认为该四边形为矩形,更新集合T;
2.4)对外框矩形进行筛选和匹配,包括以下步骤:
2.4.1)对步骤2.3)获得的集合T进行信息历遍,获得所有外框矩形的下部所在直线的线性表达式(Ym,Xm),其表达式如下所示:
Ym=kmXm+bm
式中,km、bm分别为线性表达式Ym的斜率和截距,统计不同Ym出现的次数,删除出现次数为1所对应的外框信息Tm,更新集合T;
2.4.2)调取步骤2.2)中获得的编号字符区位置信息集合G,保留对于一组外框信息Tm,有且只有一组编号信息Gj满足以下条件时的外框信息Tm:
x1<s1
y1<t1
x2>s2
y2>t2
x3>s3
y3>t3
x4<s4
y4>t4
式中,(s1,t1)、(s2,t2)、(s3,t3)和(s4,t4)为同一组Gj中的四个坐标信息,(x1,y1)、(x2,y2)、(x3,y3)和(x4,y4)为同一组Tm中的四个坐标信息;
更新集合T;
2.4.3)对于每一组外框信息Tm,求取其四条边所在直线的线性表达式,公式为:
f(x)=Ax+B
式中,A为直线线性表达式f(x)的斜率,B为直线线性表达式f(x)的截距;
在同一方向上外框矩形与编号字符区域的距离d计算公式如下:
式中,t1,t2∈G(s,t),且x1=s1,x2=s2 x2=s2;f(x1)、f(x2)为编号字符区在该方向上边的两个端点投影至外框矩形上得到的纵坐标值;
对于四组对应边的距离d1~d4,求出四组对应边中距离的最小值,用dmin表示;对于每一组外框信息Tm对应的所有编号信息组Gj,分别求取其所在的最小外接矩形的最短边长Lmin。令Lmin为阈值,若满足条dmin≤Lmin,则认为编号区所在的位置靠近柜面边缘。删除dmin>Lmin时对应的外框矩形,更新集合T;
2.4.4)检查集合G中每一组编号信息Gj是否仅对应一个集合T中的一组外框信息Tm,即数值上是否满足条件j=m,若是,则认为分配完成;
若有一组编号信息Gj对应多组外框信息Tm,即j<m的情况出现,找出该编号信息Gj0所对应的z组外框信息TZ,连结TZ所表示的矩形4条边的中线,将外框矩形划分为四个等大小的小矩形,以逆时针的顺序分别记为H1~H4。用掩膜屏蔽编号字符区部分,统计在HSV色彩空间下各小矩形中黑、灰、白、红、橙、黄、绿、青、蓝、紫10种颜色的所占像素比β1~β10,如图3所示。其计算方法如下:
式中,w为当前统计颜色所占的像素数,Z为小矩形H的总像素数;
对H1~H4的不同β值以大小降序的顺序排列,保留各小矩形之间βmax所对应的颜色相同,且相差小于10%的外框信息,更新集合T;
再次检查集合G中每一组编号信息Gj与集合T中的每一组外框信息Tm是否具有唯一对应关系,若有,则认为分配完成;若仍有一组编号信息Gj对应多组外框信息Tm的情况,则对相应的外框信息TZ进行如下的计算:
S=4Zb
式中,Zb为该外框矩形中不含字符编号的小矩形H所占像素数,保留Smax所对应的外框信息,更新集合T,分配完成。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (1)
1.基于机器视觉的配电柜控制面板分割方法,其特征在于,包括以下步骤:
1)对相机进行标定,获得相机的内参数、外参数和畸变参数,校正镜头畸变,采集配电柜控制面板的图像并校正;在配电柜控制面板上测量编号牌长与宽的值,得到长宽比ω;
采用张正友标定法对相机进行标定,得到内参矩阵K、外参矩阵Q和畸变参数;在配电柜控制面板上测量编号牌长与宽的值,得到长宽比ω;
内参矩阵K形式如下所示:
式中,fx、fy为在x、y方向上焦距所占的像素个数,u0、v0为图像中心像素坐标与图像原点坐标相差的横向和纵向像素数,h为坐标轴倾斜参数;
外参矩阵Q形式如下所示:
式中,R为世界坐标系与相机坐标系的相对旋转矩阵,E为世界坐标系与相机坐标系的相对位移矩阵;
畸变参数包括径向畸变参数和切向畸变参数;
径向畸变的调节公式如下所示:
xrcorr=xp(1+k1r2+k2r4+k3r6)
yrcorr=yp(1+k1r2+k2r4+k3r6)
式中,(xrcorr,yrcorr)是畸变点在成像仪上的原点位置,(xp,yp)是畸变校正后的位置,r是图像像素点到图像中心的距离,k1、k2、k3是径向畸变参数;
切向畸变的调节公式如下所示:
式中,(xtcorr,ytcorr)是畸变点在成像仪上的原点位置,(xq,yq)是畸变校正后的位置,q1、q2为切向畸变参数;
2)对相机校正后的图像进行预处理,对外框及编号字符区分别进行定位和唯一匹配,具体如下:
完成对相机校正后采集的图像的预处理,分别对外框及编号字符区进行定位和唯一匹配,包括以下步骤:
2.1)预处理
采用中值滤波算法在保留图像边缘的前提下进行噪声滤除并灰度化得到灰度图,对所得的灰度图采用直方图均衡化的算法进行图像增强,得到预处理的图像;
2.2)编号字符区域定位
使用Canny边缘检测算法对预处理后的图像进行γ次查找,对完成边缘查找的二值图进行δ次闭操作,此处γ及δ均为经验值,在得到的二值图中找出所有轮廓及从属关系;
将查找出的所有轮廓分别用一个最小外接矩形在图中标出,获得外接矩形4个端点的信息并保存记为集合G,具体定义如下:
Gj={(si,ti)|i∈[1,4],j∈[1,N]}
式中,Gj指第j个矩形端点信息,共有N个矩形;(si,ti)为矩形的第i个端点坐标,规定左上角为第1个端点,编号顺序为逆时针;
计算集合G中每一组Gj的长Lc与宽Lh,当Lc和Lh同时满足以下条件时认为该矩形内部为编号字符区域:
Lc≥0.1W
Lh≥0.1H
式中,W为输入图像横向像素值,H为输入图像纵向像素值,ω为在步骤1)中获得的实际编号牌长宽比,保留符合条件的信息Gj;
2.3)外框矩形框定位
使用掩膜屏蔽步骤2.2)中查找出的编号字符区域后,对预处理后的图像使用Canny边缘检测算法获得边缘图像,在边缘图像中使用霍夫直线检测算法检测直线,将获得的直线在极坐标下的解析表达式记为(ρτ,θτ),将解析表达式转为在直角坐标系下的表示式(Yτ,Xτ),其计算过程如下所示:
求取直线之间以及与画幅边框的交点作为备选端点,在横坐标优先升序的条件下以纵坐标升序重新排列备选端点,画出所有由四个备选端点组成的所有四边形,将四边形的信息记为集合T,具体定义如下:
Tm={(xn,yn)|n∈[1,4],m∈[1,M]}
式中,Tm指第m个四边形端点信息,共有M个四边形;(xn,yn)为矩形的第n个端点坐标,规定左上角为第0个端点,编号顺序为逆时针;
计算四边形每个内角的余弦值并进行筛选,计算方法如下所示:
式中,α为需要计算的内角,为内角α相邻的两条边构成的向量,原点为内角α的顶点;当四个内角都满足条件α≤0.01时,认为该四边形为矩形,更新集合T;
2.4)对外框矩形进行筛选和匹配,包括以下步骤:
2.4.1)对步骤2.3)获得的集合T进行信息历遍,获得所有外框矩形的下部所在直线的线性表达式(Ym,Xm),其表达式如下所示:
Ym=kmXm+bm
式中,km、bm分别为线性表达式Ym的斜率和截距,统计不同Ym出现的次数,删除出现次数为1所对应的外框信息Tm,更新集合T;
2.4.2)调取步骤2.2)中获得的编号字符区位置信息集合G,保留对于一组外框信息Tm,有且只有一组编号信息Gj满足以下条件时的外框信息Tm:
x1<s1
y1<t1
x2>s2
y2>t2
x3>s3
y3>t3
x4<s4
y4>t4
式中,(s1,t1)、(s2,t2)、(s3,t3)和(s4,t4)为同一组Gj中的四个坐标信息,(x1,y1)、(x2,y2)、(x3,y3)和(x4,y4)为同一组Tm中的四个坐标信息;
更新集合T;
2.4.3)对于每一组外框信息Tm,求取其四条边所在直线的线性表达式f(x),公式为:
f(x)=Ax+B
式中,A为直线线性表达式f(x)的斜率,B为直线线性表达式f(x)的截距;
在同一方向上外框矩形与编号字符区域的距离d计算公式如下:
式中,t1,t2∈G(s,t),且x1=s1,x2=s2;f(x1)、f(x2)为编号字符区在该方向上边的两个端点投影至外框矩形上得到的纵坐标值;
对于四组对应边的距离d1~d4,求出四组对应边中距离的最小值,用dmin表示;对于每一组外框信息Tm对应的所有编号信息组Gj,分别求取其所在的最小外接矩形的最短边长Lmin;令Lmin为阈值,若满足条dmin≤Lmin,则认为编号区所在的位置靠近柜面边缘;删除dmin>Lmin时对应的外框矩形,更新集合T;
2.4.4)检查集合G中每一组编号信息Gj是否仅对应一个集合T中的一组外框信息Tm,即数值上是否满足条件j=m,若是,则认为分配完成;
若有一组编号信息Gj对应多组外框信息Tm,即j<m的情况出现,找出该编号信息Gj所对应的z组外框信息TZ,连结TZ所表示的矩形4条边的中线,将外框矩形划分为四个等大小的小矩形,以逆时针的顺序分别记为H1~H4;用掩膜屏蔽编号字符区部分,统计在HSV色彩空间下各小矩形中黑、灰、白、红、橙、黄、绿、青、蓝、紫10种颜色的所占像素比β1~β10,其计算方法如下:
式中,w为当前统计颜色所占的像素数,Z为小矩形H的总像素数;
对H1~H4的不同β值以大小降序的顺序排列,保留各小矩形之间βmax所对应的颜色相同,且相差小于10%的外框信息,更新集合T;
再次检查集合G中每一组编号信息Gj与集合T中的每一组外框信息Tm是否具有唯一对应关系,若有,则认为分配完成;若仍有一组编号信息Gj对应多组外框信息Tm的情况,则对相应的外框信息TZ进行如下的计算:
S=4Zb
式中,Zb为该外框矩形中不含字符编号的小矩形H所占像素数,保留Smax所对应的外框信息,更新集合T,分配完成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111238865.8A CN114066993B (zh) | 2021-10-25 | 2021-10-25 | 基于机器视觉的配电柜控制面板分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111238865.8A CN114066993B (zh) | 2021-10-25 | 2021-10-25 | 基于机器视觉的配电柜控制面板分割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114066993A CN114066993A (zh) | 2022-02-18 |
CN114066993B true CN114066993B (zh) | 2024-03-22 |
Family
ID=80235352
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111238865.8A Active CN114066993B (zh) | 2021-10-25 | 2021-10-25 | 基于机器视觉的配电柜控制面板分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114066993B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115690806B (zh) * | 2022-10-11 | 2023-06-13 | 杭州瑞成信息技术股份有限公司 | 一种基于图像数据处理的非结构化文档格式识别方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109919038A (zh) * | 2019-02-12 | 2019-06-21 | 广西大学 | 基于机器视觉与深度学习的配电柜方形压板状态识别方法 |
CN111260788A (zh) * | 2020-01-14 | 2020-06-09 | 华南理工大学 | 一种基于双目视觉的配电柜开关状态识别方法 |
-
2021
- 2021-10-25 CN CN202111238865.8A patent/CN114066993B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109919038A (zh) * | 2019-02-12 | 2019-06-21 | 广西大学 | 基于机器视觉与深度学习的配电柜方形压板状态识别方法 |
CN111260788A (zh) * | 2020-01-14 | 2020-06-09 | 华南理工大学 | 一种基于双目视觉的配电柜开关状态识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114066993A (zh) | 2022-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109886896B (zh) | 一种蓝色车牌分割与矫正方法 | |
WO2021138995A1 (zh) | 一种棋盘格角点全自动检测方法 | |
CN110807355B (zh) | 一种基于移动机器人的指针仪表检测与读数识别方法 | |
CN108921176A (zh) | 一种基于机器视觉的指针式仪表定位与识别方法 | |
CN105067638B (zh) | 基于机器视觉的轮胎胎膜表面字符缺陷检测方法 | |
CN102426649B (zh) | 一种简单的高准确率的钢印数字自动识别方法 | |
CN111292321B (zh) | 一种输电线路绝缘子缺陷图像识别方法 | |
CN115100221B (zh) | 一种玻璃缺陷分割方法 | |
CN109900711A (zh) | 基于机器视觉的工件缺陷检测方法 | |
CN111260788B (zh) | 一种基于双目视觉的配电柜开关状态识别方法 | |
CN108133216B (zh) | 基于机器视觉的可实现小数点读取的数码管读数识别方法 | |
CN106780526A (zh) | 一种铁氧体圆片表面裂痕识别方法 | |
CN114913177B (zh) | 一种基于霍夫圆的汽车零部件缺陷检测方法 | |
CN110110131B (zh) | 一种基于深度学习与双目立体视觉的飞机线缆支架识别与参数获取方法 | |
CN112258426B (zh) | 一种基于Mask RCNN的脚手架图像自动倾斜校正的方法 | |
CN113034474A (zh) | 一种oled显示器晶圆图的测试方法 | |
CN114066993B (zh) | 基于机器视觉的配电柜控制面板分割方法 | |
CN116862910B (zh) | 基于自动化裁切生产的视觉检测方法 | |
CN114241438B (zh) | 一种基于先验信息的交通信号灯快速精确的识别方法 | |
CN116385434A (zh) | 一种用于预制梁裂缝的智能检测方法 | |
CN115424008A (zh) | 一种激光投影仪产线调光聚焦检测方法及系统 | |
CN114359251A (zh) | 一种混凝土表面破损的自动识别方法 | |
CN114178681A (zh) | 一种基于激光视觉的焊缝跟踪图像处理方法 | |
CN116245793A (zh) | 基于视觉的色环电阻阻值检测方法 | |
CN114943738A (zh) | 一种基于视觉识别的传感器封装固化胶缺陷识别方法 |
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 |