CN114166141A - 一种直升机高速旋转桨叶图像的多圆形标记检测方法 - Google Patents
一种直升机高速旋转桨叶图像的多圆形标记检测方法 Download PDFInfo
- Publication number
- CN114166141A CN114166141A CN202111398901.7A CN202111398901A CN114166141A CN 114166141 A CN114166141 A CN 114166141A CN 202111398901 A CN202111398901 A CN 202111398901A CN 114166141 A CN114166141 A CN 114166141A
- Authority
- CN
- China
- Prior art keywords
- centroid
- point
- image
- circular
- blade 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开一种直升机高速旋转桨叶图像的多圆形标记检测方法,包括:步骤1,对初始桨叶图像的圆形标记点进行形心检测,得到每个圆形标记点的形心坐标;步骤2,采用排序识别方式,对初始桨叶图像进行圆形标记点的识别;步骤3,建立初始桨叶图像与正面投影平面的透视变换模型,并求解透视变换模型的单应性矩阵,并根据单应性矩阵对初始桨叶图像进行透视变换,得到正面桨叶图像;步骤4,对正面桨叶图像的圆形标记点的形心坐标进行逆变换,得到修正后的初始桨叶图像的圆形标记点的形心坐标。本发明实施例解决了由于铰接式桨叶高速旋转时的存在较大的挥舞运动,且具有一定的摆振和扭转运动,从而导致标记点所在平面不与图像平面平行的问题。
Description
技术领域
本发明涉及但不限于直升机旋翼桨叶运动参数测量技术领域,具体涉及一种直升机高速旋转桨叶图像的多圆形标记检测方法。
背景技术
在采用双目立体视觉方法测量桨叶形变时,需要匹配左右相机图像标记点计算视差,视差计算的精度是保证桨叶形变测量精度的前提之一。
对于铰接式桨叶高速旋转时的存在较大的挥舞运动,且具有一定的摆振和扭转运动,这些运动使得标记点自身存在一定的变形,也使得拍摄视角存在一定变化,导致标记点所在平面不与图像平面平行。其中,对于投影面积非零的标记点,若所在平面不与图像平面平行,便会出现投影不对称的现象,即投影变形的问题。例如,圆形标记会被投影成类椭圆形状。由于投影变形会导致标记点形心定位不准确,左右相机图像标记点视差存在误差,标记点三维坐标计算不准确,影响桨叶形变测量精度。
发明内容
本发明的目的为:本发明实施例提供一种直升机高速旋转桨叶图像的多圆形标记检测方法,以解决由于铰接式桨叶高速旋转时的存在较大的挥舞运动,且具有一定的摆振和扭转运动,从而导致标记点所在平面不与图像平面平行的问题。
本发明的技术方案为:本发明实施例提供一种直升机高速旋转桨叶图像的多圆形标记检测方法,包括:
步骤1,对初始桨叶图像的圆形标记点进行形心检测,得到每个圆形标记点的形心坐标;
步骤2,采用排序识别方式,对所述初始桨叶图像进行圆形标记点的识别;
步骤3,建立初始桨叶图像与正面投影平面的透视变换模型,并求解所述透视变换模型的单应性矩阵,并根据所述单应性矩阵对初始桨叶图像进行透视变换,得到正面桨叶图像;
步骤4,对所述正面桨叶图像的圆形标记点的形心坐标进行逆变换,得到修正后的初始桨叶图像的圆形标记点的形心坐标。
可选地,如上所述的直升机高速旋转桨叶图像的多圆形标记检测方法中,所述步骤1包括:
对直升机高速旋转桨叶拍摄得到的初始桨叶图像进行物体轮廓检测,根据所检测出轮廓的凹凸度、圆度和离心率筛选出圆形物体轮廓,并进行圆拟合,计算圆心坐标。
可选地,如上所述的直升机高速旋转桨叶图像的多圆形标记检测方法中,所述步骤2包括:
根据呈阵列结构排布的圆形标记点,构建排序识别算法;并采用所述排序识别算法对初始桨叶图像进行圆形标记点识别,从圆形物体轮廓中筛选出圆形标记点的形心坐标。
可选地,如上所述的直升机高速旋转桨叶图像的多圆形标记检测方法中,所述步骤3包括:
建立初始桨叶图像中圆形标记点阵列到平行于正面投影平面的圆形标记点阵列的透视变换模型,采用LM优化算法求解透视变换模型的单应性矩阵,根据单应性矩阵将初始桨叶图像变换为平行于正面投影平面的正面桨叶图像。
可选地,如上所述的直升机高速旋转桨叶图像的多圆形标记检测方法中,所述步骤4包括:
对正面桨叶图像检测圆形标记点的形心坐标,并将检测得到形心坐标进行逆变换,得到修正后的初始桨叶图像的圆形标记点形心。
可选地,如上所述的直升机高速旋转桨叶图像的多圆形标记检测方法中,所述步骤1包括:
步骤11,采用边缘检测算法对所述初始桨叶图像进行检测,提取初始图像中物体轮廓边缘,所提取的物体轮廓包含非圆形标记点轮廓;
步骤12,根据所提取物体轮廓的凹凸度、圆度和离心率筛选出圆形物体轮廓;
步骤13,采用最小二乘法对步骤12中筛选出的圆形物体轮廓进行圆拟合,并计算每个圆形物体轮廓的形心点为本圆形物体轮廓的圆心坐标为C={(u1,v1),(u2,v2),...,(ui,vi),...,(un,vn)};
其中,ui为第i个圆形物体轮廓的横坐标,vi为第i个圆形物体轮廓的纵坐标。
可选地,如上所述的直升机高速旋转桨叶图像的多圆形标记检测方法中,初始桨叶图像的圆形标记点阵列为2行M列,所述步骤2包括:
步骤21,3近邻形心点检测,包括:选取其中一个圆形物体轮廓的形心点作为选定形心点,与选定形心点最接近的三个形心点作为3近邻形心点;
步骤22,选定形心点的直线模式检测,包括:选定形心点的直线模式检测,该步骤的具体实现方式为:在所述3近邻形心点中任选1个近邻点,根据相邻阵列圆形标记点之间圆心距相等和列直线上的约束关系,以(Ci-Δx,Ci-Δy)为定点,在半径为λ*d的范围内,搜索其它两个近邻形心点是否有1个近邻形心点落在该区域内,若搜索存在,则满足直线检测;其中,d为所选近邻点与选定形心点的距离,(Δx,Δy)为所选近邻形心点与选定形心点Ci(xi,yi)的像素偏移,λ为可容忍的距离偏差系数;
步骤23,选定形心点的垂直模式检测,包括:选定形心点的垂直模式检测,该步骤的具体实现方式为:对选定形心点Ci(xi,yi)、直线检测中1个近邻形心点A、未满足直线检测的1个近邻形心点B,计算出CiA和CiB的夹角θ,如果夹角θ满足满足垂直模式;
步骤24,对初始桨叶图像进行完整阵列结构的检测,包括:重复执行步骤2.1到步骤2.3,对初始桨叶图像中的所有形心点进行上述直线模式检测和垂直模式检测,按方向圆为起点,记录所有检测点的坐标,记为完整阵列结构点。
可选地,如上所述的直升机高速旋转桨叶图像的多圆形标记检测方法中,圆形标记点阵列的第1行或第2行的第1个标记点前,设置有方向原点,所述步骤3包括:
步骤31,建立所述透视变换模型,包括:以方向圆为原点建立平行于正面投影平面的桨叶圆形标记点的圆心坐标(xi,yi),对应初始桨叶图像的圆形标记点的圆心坐标为(ui,vi),采用单应性矩阵H建立(ui,vi)到(xi,yi)的透视变换模型;
步骤32,解算所述步骤1中的单应性矩阵,根据初始桨叶图像圆形标记点的圆心坐标(ui,vi)和正面投影平面的桨叶圆形标记点的圆心坐标(xi,yi),采用LM优化算法优化单应性矩阵H;
步骤33,对初始桨叶图像进行透视变换,包括:根据所述步骤32解算得到的单应性矩阵H,将初始桨叶图像I变换为平行于正面投影平面的正面桨叶图像IP,且IP=H·I。
可选地,如上所述的直升机高速旋转桨叶图像的多圆形标记检测方法中,所述步骤4包括:
步骤41,正面桨叶图像的圆形标记点的检测,包括:对正面桨叶图像的圆形标记点进行形心检测,得到正面桨叶图像的每个圆形标记点的形心坐标;
步骤42,形心坐标的逆变换,对正面桨叶图像的圆形标记点的形心坐标进行逆变换,得到修正后的圆形标记点的圆心坐标。
本发明的有益效果为:本发明提出了一种直升机高速旋转桨叶图像的多圆形标记检测方法,首先,对初始桨叶图像中圆形标记点进行物体轮廓检测,依据凹凸度、圆度和离心率筛选出圆形物体轮廓,并进行圆拟合,并计算圆形物体轮廓的圆心坐标;其次,根据呈阵列结构排布的圆形标记点,构建排序识别算法,采用排序识别算法对初始桨叶图像进行圆形标记点的识别;再次,建立初始桨叶图像中圆形标记点阵列到平行于正面投影平面的圆形标记点阵列的透视变换模型,采用LM优化算法求解透视变换模型的单应性矩阵;最后,根据单应性矩阵将初始桨叶图像变换为平行于正面投影平面的正面桨叶图像,并对正面桨叶图像检测圆形标记点的形心坐标,并将该形心坐标进行逆变换,得到更为准确的初始桨叶图像的圆形标记点形心。本发明实施例提供的多圆形标记检测方法具有精度高、稳定性好、抗干扰能力强的特点,可用于直升机高速旋转桨叶运动轨迹和形变的高精度视觉测量工程。
附图说明
图1所示为本发明实施例提供的一种直升机高速旋转桨叶图像的多圆形标记检测方法的流程图;
图2为本发明具体实施例中实际拍摄得到的实际桨叶标记点图像;
图3为采用本发明实施例提供的多圆形标记检测方法对初始桨叶图像中的标记点定位得到的每个圆形标记点的形心坐标的示意图;
图4为采用本发明实施例提供的多圆形标记检测方法进行3近邻形心点检测的原理示意图;
图5为采用本发明实施例提供的多圆形标记检测方法对所选定形心点进行直线模式检测的原理示意图;
图6为采用本发明实施例提供的多圆形标记检测方法对所选定形心点进行垂直模式检测的原理示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下文中将结合附图对本发明的实施例进行详细说明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互任意组合。
在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行。并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
上述背景技术中已经说明,对于铰接式桨叶高速旋转时的存在较大的挥舞运动,且具有一定的摆振和扭转运动,这些运动使得标记点自身存在一定的变形,也使得拍摄视角存在一定变化,从而导致标记点所在平面不与图像平面平行。
针对上述问题,本发明实施例提出了一种直升机高速旋转桨叶图像的多圆形标记检测方法。首先,对初始桨叶图像中圆形标记点进行物体轮廓检测,依据凹凸度、圆度和离心率筛选出圆形物体轮廓,并进行圆拟合,并计算圆形物体轮廓的圆心坐标;其次,根据呈阵列结构排布的圆形标记点,构建排序识别算法,采用排序识别算法对初始桨叶图像进行圆形标记点的识别;再次,建立初始桨叶图像中圆形标记点阵列到平行于正面投影平面的圆形标记点阵列的透视变换模型,采用LM优化算法求解透视变换模型的单应性矩阵;最后,根据单应性矩阵将初始桨叶图像变换为平行于正面投影平面的正面桨叶图像,并对正面桨叶图像检测圆形标记点的形心坐标,并将该形心坐标进行逆变换,得到更为准确的初始桨叶图像的圆形标记点形心。本发明实施例提供的多圆形标记检测方法具有精度高、稳定性好、抗干扰能力强的特点,可用于直升机高速旋转桨叶运动轨迹和形变的高精度视觉测量工程。
本发明提供以下几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1所示为本发明实施例提供的一种直升机高速旋转桨叶图像的多圆形标记检测方法的流程图。如图1所示,本发明实施例提供的直升机高速旋转桨叶图像的多圆形标记检测方法可以包括如下步骤:
步骤1,对初始桨叶图像的圆形标记点进行形心检测,得到每个圆形标记点的形心坐标;
步骤2,采用排序识别方式,对初始桨叶图像进行圆形标记点的识别;
步骤3,建立初始桨叶图像与正面投影平面的透视变换模型,并求解透视变换模型的单应性矩阵,并根据单应性矩阵对初始桨叶图像进行透视变换,得到正面桨叶图像;
步骤4,对正面桨叶图像的圆形标记点的形心坐标进行逆变换,得到修正后的初始桨叶图像的圆形标记点的形心坐标。
以下对本发明上述实施例提供的多圆形标记检测方法中各个步骤进行详细说明。
本发明实施例的步骤1的实施方式,可以包括:
对直升机高速旋转桨叶拍摄得到的初始桨叶图像进行物体轮廓检测,根据所检测出轮廓的凹凸度、圆度和离心率筛选出圆形物体轮廓,并进行圆拟合,计算形心坐标。需要说明的是,本发明实施例中的圆形物体轮廓可以包括标记点、以及其他圆形物体,例如灯,螺栓之类。
本发明实施例的该步骤1的具体实施过程,可以包括如下步骤:
步骤11,采用边缘检测算法对初始桨叶图像进行检测,提取初始图像中物体轮廓边缘,所提取的物体轮廓包含非圆形标记点轮廓;
步骤12,根据所提取物体轮廓的凹凸度、圆度和离心率筛选出圆形物体轮廓;
步骤13,采用最小二乘法对步骤12中筛选出的圆形物体轮廓进行圆拟合,并计算每个圆形物体轮廓的形心点坐标即为本圆形物体轮廓的圆心坐标,具体为:C={(u1,v1),(u2,v2),...,(ui,vi),...,(un,vn)}。
上述公式中,ui为第i个圆形物体轮廓的横坐标,vi为第i个圆形物体轮廓的纵坐标。
本发明实施例的步骤2的实施方式,可以包括:
根据呈阵列结构排布的圆形标记点,构建排序识别算法;并采用排序识别算法对初始桨叶图像进行圆形标记点识别,从圆形物体轮廓中筛选出圆形标记点的形心坐标。
在本发明实施例中,设定初始桨叶图像的圆形标记点阵列为2行M列,该步骤2的具体实施过程,可以包括如下步骤:
步骤21,3近邻形心点检测,该步骤的具体实现方式为:选取其中一个圆形物体轮廓的形心点作为选定形心点Ci(xi,yi),与选定形心点最接近的三个形心点作为3近邻形心点。
步骤22,选定形心点的直线模式检测,该步骤的具体实现方式为:在所述3近邻形心点中任选1个近邻点,根据相邻阵列圆形标记点之间圆心距相等和列直线上的约束关系,以(Ci-Δx,Ci-Δy)为定点,在半径为λ*d的范围内,搜索其它两个近邻形心点是否有1个近邻形心点落在该区域内,若搜索存在,则满足直线检测;
其中,d为所选近邻点与选定形心点的距离,(Δx,Δy)为所选近邻形心点与选定形心点Ci(xi,yi)的像素偏移,λ为可容忍的距离偏差系数。
步骤23,选定形心点的垂直模式检测,该步骤的具体实现方式为:对选定形心点Ci(xi,yi)、直线检测中1个近邻形心点A、未满足直线检测的1个近邻形心点B,计算出CiA和CiB的夹角θ,如果夹角θ满足满足垂直模式;
步骤24,对初始桨叶图像进行完整阵列结构的检测,该步骤的具体实现方式为:重复执行步骤2.1到步骤2.3,对初始桨叶图像中的所有形心点进行上述直线模式检测和垂直模式检测,按方向圆为起点,记录所有检测点的坐标,记为完整阵列结构点。
本发明实施例的步骤3的实施方式,可以包括:
建立初始桨叶图像中圆形标记点阵列到平行于正面投影平面的圆形标记点阵列的透视变换模型,采用LM优化算法求解透视变换模型的单应性矩阵,根据单应性矩阵将初始桨叶图像变换为平行于正面投影平面的正面桨叶图像。
本发明实施例的该步骤3的具体实施过程,可以包括如下步骤:
步骤31,建立透视变换模型,包括:以方向圆为原点建立平行于正面投影平面的桨叶圆形标记点的圆心坐标(xi,yi),对应初始桨叶图像的圆形标记点的圆心坐标为(ui,vi),采用单应性矩阵H建立(ui,vi)到(xi,yi)的透视变换模型;
步骤32,解算步骤1中的单应性矩阵,根据初始桨叶图像圆形标记点的圆心坐标(ui,vi)和正面投影平面的桨叶圆形标记点的圆心坐标(xi,yi),采用LM优化算法优化单应性矩阵H;
步骤33,对初始桨叶图像进行透视变换,包括:根据步骤32解算得到的单应性矩阵H,将初始桨叶图像I变换为平行于正面投影平面的正面桨叶图像IP,且IP=H·I。
本发明实施例的步骤4的实施方式,可以包括:
对正面桨叶图像检测圆形标记点的形心坐标,并将检测得到形心坐标进行逆变换,得到修正后的初始桨叶图像的圆形标记点形心。
本发明实施例的该步骤4的具体实施过程,可以包括如下步骤:
步骤41,正面桨叶图像的圆形标记点的检测,包括:对正面桨叶图像的圆形标记点进行形心检测,得到正面桨叶图像的每个圆形标记点的形心坐标;
步骤42,形心坐标的逆变换,对正面桨叶图像的圆形标记点的形心坐标进行逆变换,得到修正后的圆形标记点的圆心坐标。
本发明实施例提供的直升机高速旋转桨叶图像的多圆形标记检测方法,首先,对初始桨叶图像中圆形标记点进行物体轮廓检测,依据凹凸度、圆度和离心率筛选出圆形物体轮廓,并进行圆拟合,并计算圆形物体轮廓的圆心坐标;其次,根据呈阵列结构排布的圆形标记点,构建排序识别算法,采用排序识别算法对初始桨叶图像进行圆形标记点的识别;再次,建立初始桨叶图像中圆形标记点阵列到平行于正面投影平面的圆形标记点阵列的透视变换模型,采用LM优化算法求解透视变换模型的单应性矩阵;最后,根据单应性矩阵将初始桨叶图像变换为平行于正面投影平面的正面桨叶图像,并对正面桨叶图像检测圆形标记点的形心坐标,并将该形心坐标进行逆变换,得到更为准确的初始桨叶图像的圆形标记点形心。本发明实施例提供的多圆形标记检测方法具有精度高、稳定性好、抗干扰能力强的特点,可用于直升机高速旋转桨叶运动轨迹和形变的高精度视觉测量工程。
以下通过一个具体实施例对本发明实施例提供的直升机高速旋转桨叶图像的多圆形标记检测方法的具体实现方式进行详细说明。
该具体实施例中桨叶标记为圆形标记,选用3M反光胶带制作成直径为44mm的圆片,采用2行17列及一方向圆的阵列结构粘贴于桨叶下表面1/4及3/4弦线上,行方向圆心距为90mm。桨叶图像是放置于地面的两组双目立体视觉系统竖直向上拍摄4m模型旋翼桨叶获得的;该具体实施中,双目立体视觉系统离旋翼平面9.5m,双目立体视觉系统中的摄像机采用型号为FASTCAM MiniWX 100type 80K-M-8GB的工业相机,图像分辨率为2048pixel×1024pixel,镜头焦距为50mm,视场大小为4.6m×2.3m,两组各拍180°范围,如图2所示,为本发明具体实施例中实际拍摄得到的实际桨叶标记点图像。
该具体实施例提供的直升机高速旋转桨叶图像的多圆形标记检测方法,可以包括如下步骤:
(1),初始桨叶图像中圆形标记点的定位:对初始桨叶图像的圆形标记点进行形心检测,得到每个圆形标记点的形心坐标。
该步骤的具体实施过程包括:
(1.1),采用边缘检测算法对初始桨叶图像进行检测,提取初始图像中物体轮廓边缘,所提取的物体轮廓包含非圆形标记点轮廓;该具体实施例中,本实施例中,可以采用EDPF算法对初始桨叶图像进行检测。
(1.2),由于初始桨叶图像中背景复杂,上述(1.1)所提取的图像中物体轮廓边缘包含较多非圆形标记点轮廓,因此,该步骤中,根据所提取物体轮廓的凹凸度、圆度和离心率筛选出圆形物体轮廓。
该具体实施例中,具体根据凹凸度ν、圆度υ和离心率e筛选出圆形物体轮廓;该具体实施例中,例如采用0.75≤ν≤1,0.75≤υ≤1,0≤e≤0.25筛选出圆形物体轮廓。
(1.3),采用最小二乘法对(1.2)中筛选出的圆形物体轮廓进行圆拟合,并计算每个圆形物体轮廓的形心点坐标即为本圆形物体轮廓的圆心坐标,该圆心坐标具体为:C={(u1,v1),(u2,v2),...,(ui,vi),...,(un,vn)}。
上述公式中,ui为第i个圆形物体轮廓的横坐标,vi为第i个圆形物体轮廓的纵坐标。如图3所示,为采用本发明实施例提供的多圆形标记检测方法对初始桨叶图像中的标记点定位得到的每个圆形标记点的形心坐标的示意图。
(2),对初始桨叶图像进行圆形标记点的识别。该步骤的具体实施过程包括如下步骤:
(2.1),3近邻形心点检测。该步骤中,任取某一圆形物体轮廓的形心点Ci(xi,yi),计算所选定形心点Ci(xi,yi)与其它圆形物体轮廓的形心点的距离dj={d1,d2,...dn-1},选最近三个形心点作为选定形心点Ci(xi,yi)的3近邻形心点,记为如图4所示,为采用本发明实施例提供的多圆形标记检测方法进行3近邻形心点检测的原理示意图,图4的(a)、(b)、(c)中分别示意出选定形心点Ci(xi,yi)以及各图中选定形心点Ci(xi,yi)的3近邻形心点,以3个黑色填充点示意出。
(2.2),选定形心点Ci(xi,yi)的直线模式检测。该步骤中,在3个近邻形心点中选一点,计算其与选定形心点Ci(xi,yi)的距离为d,计算上述选择的近邻形心点与Ci(xi,yi)的像素偏移(Δx,Δy),根据相邻阵列圆形标记点之间圆心距相等和列直线上的约束关系,以(Ci-Δx,Ci-Δy)为定点,在半径为λ*d的范围内,搜索其它两个近邻形心点是否有1个近邻形心点落在该区域内,其中λ为可容忍的距离偏差系数。
如图5所示,为采用本发明实施例提供的多圆形标记检测方法对所选定形心点进行直线模式检测的原理示意图。若搜索存在,则称该两点和Ci(xi,yi)满足直线模式;否则,在3个近邻形心点中重新取一点执行该步骤(2.2)。若仍然搜索失败。则在回到步骤(2.1),重新任取圆形物体轮廓的形心点、并基于该重新选择的选定形心点重新选择3个近邻形心点。该具体实施例中,可以设定λ=0.25。
(2.3),选定形心点Ci(xi,yi)的垂直模式检测。该步骤中,分别计算选定形心点Ci(xi,yi)与直线检测中1个近邻形心点A的距离d′,选定形心点Ci(xi,yi)与未满足直线检测的1个近邻形心点B的距离d″,以及A、B之间的距离d″′。根据余弦定理计算CiA和CiB的夹角θ,如果满足则满足垂直模式,其中,ξ为可容忍的角度偏差。若近邻形心点B也满足直线模式检测,则称满足条件的六个点为2×3矩形阵列点,记录选定形心点的坐标Ci(xi,yi)和相应像素偏移(Δx,Δy)。该具体实施例中,如图6所示,为采用本发明实施例提供的多圆形标记检测方法对所选定形心点进行垂直模式检测的原理示意图。
(2.4),对初始桨叶图像进行完整阵列结构的检测。该步骤中,重复执行(2.1)到(2.3),并依据(2.3)中所记录信息(包括坐标和像素偏移),判断行方向检测点个数是否达到2次,列方向检测点个数是否达到M次,若达到则停止检测,反之则在未满足条件的方向上进行步骤(2.2),直到该方向上检测点个数满足条件。按方向圆为起点,记录所有检测点的坐标,记为完整阵列结构点。该具体实施例中,以2行,17列为例进行上述检测,如图5所示。
(3),建立初始桨叶图像与正面投影平面的透视变换模型。该步骤的具体实施过程包括如下步骤:
(3.1),建立透视变换模型。该步骤中,以方向圆为原点建立平行于投影平面的桨叶圆形标记点的圆心坐标(xi,yi),对应初始桨叶图像的圆形标记点的圆心坐标为(ui,vi),设单应性矩阵为H,建立圆心坐标(ui,vi)到(xi,yi)的透视变换模型,如下式(1)。
式(1)采用齐次坐标表达方式,
(3.2),解算单应性矩阵。该步骤中,利用已知的初始桨叶图像圆形标记点的圆心坐标(ui,vi)和投影平面的桨叶圆形标记点的圆心坐标(xi,yi),采用LM优化算法优化单应性矩阵H。
(3.3),对初始桨叶图像进行透视变换。该步骤中,根据步骤(3.2)解算得到的单应性矩阵H,将初始桨叶图像I变换为平行于正面投影平面的正面桨叶图像IP,且IP=H·I。
(4),正面桨叶图像中标记点的高精度定位。该步骤的具体实施过程包括如下步骤:
(4.1),正面桨叶图像的圆形标记点的检测。该步骤中,对正面桨叶图像IP执行步骤(1),以进行圆形标记点形心检测,得到正面桨叶图像的每个圆形标记点的形心坐标为:N={(x1,y1),(x2,y2),...,(xn,yn)};
(4.2),形心坐标的逆变换。该步骤中,对N={(x1,y1),(x2,y2),...,(xn,yn)}进行逆变换,得到修正后的圆形标记点的圆心坐标,其数学表达式为:Cnew=H-1N,Cnew为更为准确的圆形标记点形心集合。
经实验验证表明,采用本发明实施例提供的多圆形标记检测方法,对桨叶根部相距90mm的圆形标记点动态测量100次,平均误差为0.014mm。采用本发明实施例提供的方法,提升了高速旋转桨叶图像中多标记点的检测精度,从而提高依据标记点相关的光学测量方法(桨叶运动轨迹及运动参数测量)精度。
虽然本发明所揭露的实施方式如上,但所述的内容仅为便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属领域内的技术人员,在不脱离本发明所揭露的精神和范围的前提下,可以在实施的形式及细节上进行任何的修改与变化,但本发明的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (9)
1.一种直升机高速旋转桨叶图像的多圆形标记检测方法,其特征在于,包括:
步骤1,对初始桨叶图像的圆形标记点进行形心检测,得到每个圆形标记点的形心坐标;
步骤2,采用排序识别方式,对所述初始桨叶图像进行圆形标记点的识别;
步骤3,建立初始桨叶图像与正面投影平面的透视变换模型,并求解所述透视变换模型的单应性矩阵,并根据所述单应性矩阵对初始桨叶图像进行透视变换,得到正面桨叶图像;
步骤4,对所述正面桨叶图像的圆形标记点的形心坐标进行逆变换,得到修正后的初始桨叶图像的圆形标记点的形心坐标。
2.根据权利要求1所述的直升机高速旋转桨叶图像的多圆形标记检测方法,其特征在于,所述步骤1包括:
对直升机高速旋转桨叶拍摄得到的初始桨叶图像进行物体轮廓检测,根据所检测出轮廓的凹凸度、圆度和离心率筛选出圆形物体轮廓,并进行圆拟合,计算圆心坐标。
3.根据权利要求2所述的直升机高速旋转桨叶图像的多圆形标记检测方法,其特征在于,所述步骤2包括:
根据呈阵列结构排布的圆形标记点,构建排序识别算法;并采用所述排序识别算法对初始桨叶图像进行圆形标记点识别,从圆形物体轮廓中筛选出圆形标记点的形心坐标。
4.根据权利要求3所述的直升机高速旋转桨叶图像的多圆形标记检测方法,其特征在于,所述步骤3包括:
建立初始桨叶图像中圆形标记点阵列到平行于正面投影平面的圆形标记点阵列的透视变换模型,采用LM优化算法求解透视变换模型的单应性矩阵,根据单应性矩阵将初始桨叶图像变换为平行于正面投影平面的正面桨叶图像。
5.根据权利要求4所述的直升机高速旋转桨叶图像的多圆形标记检测方法,其特征在于,所述步骤4包括:
对正面桨叶图像检测圆形标记点的形心坐标,并将检测得到形心坐标进行逆变换,得到修正后的初始桨叶图像的圆形标记点形心。
6.根据权利要求1~5中任一项所述的直升机高速旋转桨叶图像的多圆形标记检测方法,其特征在于,所述步骤1包括:
步骤11,采用边缘检测算法对所述初始桨叶图像进行检测,提取初始图像中物体轮廓边缘,所提取的物体轮廓包含非圆形标记点轮廓;
步骤12,根据所提取物体轮廓的凹凸度、圆度和离心率筛选出圆形物体轮廓;
步骤13,采用最小二乘法对步骤12中筛选出的圆形物体轮廓进行圆拟合,并计算每个圆形物体轮廓的形心点为本圆形物体轮廓的圆心坐标为C={(u1,v1),(u2,v2),...,(ui,vi),...,(un,vn)};
其中,ui为第i个圆形物体轮廓的横坐标,vi为第i个圆形物体轮廓的纵坐标。
7.根据权利要求6所述的直升机高速旋转桨叶图像的多圆形标记检测方法,其特征在于,初始桨叶图像的圆形标记点阵列为2行M列,所述步骤2包括:
步骤21,3近邻形心点检测,包括:选取其中一个圆形物体轮廓的形心点作为选定形心点,与选定形心点最接近的三个形心点作为3近邻形心点;
步骤22,选定形心点的直线模式检测,包括:选定形心点的直线模式检测,该步骤的具体实现方式为:在所述3近邻形心点中任选1个近邻点,根据相邻阵列圆形标记点之间圆心距相等和列直线上的约束关系,以(Ci-Δx,Ci-Δy)为定点,在半径为λ*d的范围内,搜索其它两个近邻形心点是否有1个近邻形心点落在该区域内,若搜索存在,则满足直线检测;其中,d为所选近邻点与选定形心点的距离,(Δx,Δy)为所选近邻形心点与选定形心点Ci(xi,yi)的像素偏移,λ为可容忍的距离偏差系数;
步骤23,选定形心点的垂直模式检测,包括:选定形心点的垂直模式检测,该步骤的具体实现方式为:对选定形心点Ci(xi,yi)、直线检测中1个近邻形心点A、未满足直线检测的1个近邻形心点B,计算出CiA和CiB的夹角θ,如果夹角θ满足满足垂直模式;
步骤24,对初始桨叶图像进行完整阵列结构的检测,包括:重复执行步骤2.1到步骤2.3,对初始桨叶图像中的所有形心点进行上述直线模式检测和垂直模式检测,按方向圆为起点,记录所有检测点的坐标,记为完整阵列结构点。
8.根据权利要求7所述的直升机高速旋转桨叶图像的多圆形标记检测方法,其特征在于,圆形标记点阵列的第1行或第2行的第1个标记点前,设置有方向原点,所述步骤3包括:
步骤31,建立所述透视变换模型,包括:以方向圆为原点建立平行于正面投影平面的桨叶圆形标记点的圆心坐标(xi,yi),对应初始桨叶图像的圆形标记点的圆心坐标为(ui,vi),采用单应性矩阵H建立(ui,vi)到(xi,yi)的透视变换模型;
步骤32,解算所述步骤1中的单应性矩阵,根据初始桨叶图像圆形标记点的圆心坐标(ui,vi)和正面投影平面的桨叶圆形标记点的圆心坐标(xi,yi),采用LM优化算法优化单应性矩阵H;
步骤33,对初始桨叶图像进行透视变换,包括:根据所述步骤32解算得到的单应性矩阵H,将初始桨叶图像I变换为平行于正面投影平面的正面桨叶图像IP,且IP=H·I。
9.根据权利要求8所述的直升机高速旋转桨叶图像的多圆形标记检测方法,其特征在于,所述步骤4包括:
步骤41,正面桨叶图像的圆形标记点的检测,包括:对正面桨叶图像的圆形标记点进行形心检测,得到正面桨叶图像的每个圆形标记点的形心坐标;
步骤42,形心坐标的逆变换,对正面桨叶图像的圆形标记点的形心坐标进行逆变换,得到修正后的圆形标记点的圆心坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111398901.7A CN114166141B (zh) | 2021-11-23 | 2021-11-23 | 一种直升机高速旋转桨叶图像的多圆形标记检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111398901.7A CN114166141B (zh) | 2021-11-23 | 2021-11-23 | 一种直升机高速旋转桨叶图像的多圆形标记检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114166141A true CN114166141A (zh) | 2022-03-11 |
CN114166141B CN114166141B (zh) | 2023-05-26 |
Family
ID=80480454
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111398901.7A Active CN114166141B (zh) | 2021-11-23 | 2021-11-23 | 一种直升机高速旋转桨叶图像的多圆形标记检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114166141B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101582161A (zh) * | 2009-06-15 | 2009-11-18 | 北京航空航天大学 | 一种基于透视成像模型标定的c型臂图像校正方法 |
JP2010039069A (ja) * | 2008-08-01 | 2010-02-18 | Hamamatsu Photonics Kk | ホログラム作成方法 |
US20180268458A1 (en) * | 2015-01-05 | 2018-09-20 | Valorbec Limited Partnership | Automated recommendation and virtualization systems and methods for e-commerce |
CN109285198A (zh) * | 2018-08-22 | 2019-01-29 | 大连理工大学 | 一种环形编码标记点的编码及识别方法 |
JP2019036030A (ja) * | 2017-08-10 | 2019-03-07 | 日本電信電話株式会社 | 物体検出装置、物体検出方法及び物体検出プログラム |
CN110006563A (zh) * | 2019-03-31 | 2019-07-12 | 南京航空航天大学 | 直升机桨叶挥舞与摆振弯矩分布式光纤解耦测量方法 |
CN111292375A (zh) * | 2020-02-11 | 2020-06-16 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种基于位置约束的直升机桨叶标记点识别匹配方法 |
CN111488874A (zh) * | 2020-04-03 | 2020-08-04 | 中国农业大学 | 一种指针式仪表倾斜校正方法及系统 |
CN112861870A (zh) * | 2021-02-02 | 2021-05-28 | 北京大学 | 指针式仪表图像矫正方法、系统及存储介质 |
CN113192075A (zh) * | 2021-04-08 | 2021-07-30 | 东北大学 | 一种改进的基于ArUco标记的视觉测距方法 |
CN113313628A (zh) * | 2021-06-29 | 2021-08-27 | 河南工业大学 | 基于仿射变换和均值像素法的环状编码点鲁棒性识别方法 |
-
2021
- 2021-11-23 CN CN202111398901.7A patent/CN114166141B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010039069A (ja) * | 2008-08-01 | 2010-02-18 | Hamamatsu Photonics Kk | ホログラム作成方法 |
CN101582161A (zh) * | 2009-06-15 | 2009-11-18 | 北京航空航天大学 | 一种基于透视成像模型标定的c型臂图像校正方法 |
US20180268458A1 (en) * | 2015-01-05 | 2018-09-20 | Valorbec Limited Partnership | Automated recommendation and virtualization systems and methods for e-commerce |
JP2019036030A (ja) * | 2017-08-10 | 2019-03-07 | 日本電信電話株式会社 | 物体検出装置、物体検出方法及び物体検出プログラム |
CN109285198A (zh) * | 2018-08-22 | 2019-01-29 | 大连理工大学 | 一种环形编码标记点的编码及识别方法 |
CN110006563A (zh) * | 2019-03-31 | 2019-07-12 | 南京航空航天大学 | 直升机桨叶挥舞与摆振弯矩分布式光纤解耦测量方法 |
CN111292375A (zh) * | 2020-02-11 | 2020-06-16 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种基于位置约束的直升机桨叶标记点识别匹配方法 |
CN111488874A (zh) * | 2020-04-03 | 2020-08-04 | 中国农业大学 | 一种指针式仪表倾斜校正方法及系统 |
CN112861870A (zh) * | 2021-02-02 | 2021-05-28 | 北京大学 | 指针式仪表图像矫正方法、系统及存储介质 |
CN113192075A (zh) * | 2021-04-08 | 2021-07-30 | 东北大学 | 一种改进的基于ArUco标记的视觉测距方法 |
CN113313628A (zh) * | 2021-06-29 | 2021-08-27 | 河南工业大学 | 基于仿射变换和均值像素法的环状编码点鲁棒性识别方法 |
Non-Patent Citations (4)
Title |
---|
JOVANČEVIĆ I等: "Automated exterior inspection of an aircraft with a pan-tilt-zoom camera mounted on a mobile robot", 《JOURNAL OF ELECTRONIC IMAGING》 * |
张育斌等: "基于YOLOv3与分水岭的直升机桨叶欠曝光图像圆形标记点检测", 《应用科学学报》 * |
秦大辉等: "基于目标检测网络的摄影测量编码点定位", 《激光与光电子学进展》 * |
黄振 等: "基于单目条纹投影的三维测量系统研究与设计", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114166141B (zh) | 2023-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109300162B (zh) | 一种基于精细化雷达扫描边缘点的多线激光雷达和相机联合标定方法 | |
CN109523595B (zh) | 一种建筑工程直线棱角间距视觉测量方法 | |
CN107301648B (zh) | 基于重叠区域边界角度的冗余点云去除方法 | |
CN102788572B (zh) | 一种工程机械吊钩姿态的测量方法、装置及系统 | |
CN109685855B (zh) | 一种道路云监控平台下的摄像机标定优化方法 | |
CN104484648A (zh) | 基于轮廓识别的机器人可变视角障碍物检测方法 | |
CN110849268B (zh) | 一种快速的相位-高度映射标定方法 | |
CN111123242B (zh) | 一种基于激光雷达和相机的联合标定方法及计算机可读存储介质 | |
CN105335973A (zh) | 运用于带钢加工生产线的视觉处理方法 | |
CN110455198B (zh) | 基于线结构光视觉的矩形花键轴键宽及直径测量方法 | |
CN113744351B (zh) | 基于多介质折射成像的水下结构光测量标定方法及系统 | |
WO2024011981A1 (zh) | 一种圆柱形靶光斑校验方法 | |
CN107229043A (zh) | 一种距离传感器外参数标定方法和系统 | |
CN105118086A (zh) | 3d-aoi设备中的3d点云数据配准方法及系统 | |
CN105243366A (zh) | 一种基于二维码的车辆定位方法 | |
CN113379712A (zh) | 一种基于计算机视觉的钢桥螺栓病害检测方法及系统 | |
CN115187612A (zh) | 一种基于机器视觉的平面面积测量方法、装置及系统 | |
CN113888641A (zh) | 一种基于机器视觉和深度学习的立木胸径测量方法 | |
CN116958218A (zh) | 一种基于标定板角点对齐的点云与图像配准方法及设备 | |
CN114166141B (zh) | 一种直升机高速旋转桨叶图像的多圆形标记检测方法 | |
CN115790539B (zh) | 一种合作靶标水下摄影测量方法 | |
CN111968182A (zh) | 一种双目相机非线性模型参数的标定方法 | |
CN111830519A (zh) | 多传感器融合的测距方法 | |
CN115100126A (zh) | 一种桥梁结构平面位移场智能感知方法 | |
CN111583108B (zh) | 隧道衬砌面线阵图像tof融合拼接方法、装置及存储介质 |
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 |