CN114663402A - 一种基于Hough直线检测和曲线拟合的线缆脱垂检测方法 - Google Patents
一种基于Hough直线检测和曲线拟合的线缆脱垂检测方法 Download PDFInfo
- Publication number
- CN114663402A CN114663402A CN202210298709.9A CN202210298709A CN114663402A CN 114663402 A CN114663402 A CN 114663402A CN 202210298709 A CN202210298709 A CN 202210298709A CN 114663402 A CN114663402 A CN 114663402A
- Authority
- CN
- China
- Prior art keywords
- image
- cable
- pixel
- gradient
- prolapse
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 32
- 208000012287 Prolapse Diseases 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000009499 grossing Methods 0.000 claims abstract description 18
- 238000007689 inspection Methods 0.000 claims abstract description 15
- 238000003708 edge detection Methods 0.000 claims abstract description 13
- 238000001914 filtration Methods 0.000 claims abstract description 11
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 230000001629 suppression Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 3
- 239000002699 waste material Substances 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005286 illumination 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
- 238000012958 reprocessing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G06T5/70—
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于Hough直线检测和曲线拟合的线缆脱垂检测方法,包括以下步骤:首先通过巡检机器人采集线缆的图片,然后对图像进行灰度化、二值化、均值滤波等预处理;输入待检测的巡检图像,采用高斯平滑滤波器来平滑图像以除去噪声;计算像素梯度的幅值和方向;引入Canny算子对上述梯度图像进行边缘检测,获得图像的边缘;采用Hough直线检测,判断线缆的状态,如果所有线缆都呈现直线,则判断未脱垂;对预处理后的待巡检图像采用Roberts算子进行边缘检测,获得边缘点的集合。该基于Hough直线检测和曲线拟合的线缆脱垂检测方法,利用图像识别技术自动判断线缆的状态,如若发现脱垂及时做出反馈处理,提高图像的自动化、数字化水平,减少人力资源的浪费。
Description
技术领域
本发明属于室内复杂环境下巡检机器人识别算法优化技术领域,具体涉及一种基于Hough直线检测和曲线拟合的线缆脱垂检测方法。
背景技术
室内复杂环境下巡检机器人搭载高清摄像头,用于拍摄线缆、仪表等设备图像,对采集到的图像进行智能化处理。其中,线缆状态是室内复杂环境监测的基本要素,准确快速地对线缆进行检测是巡检机器人的目标任务之一。
目前已有多种线缆检测技术应用于巡检机器人上,且算法在不断更新,但是在实际应用时仍存在一定的难点,在光照不佳的情况下,容易做出误判。
发明内容
本发明的目的在于提供一种基于Hough直线检测和曲线拟合的线缆脱垂检测方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种基于Hough直线检测和曲线拟合的线缆脱垂检测方法,包括以下步骤:
S1,首先通过巡检机器人采集线缆的图片,然后对图像进行灰度化、二值化、均值滤波等预处理;
S2,输入待检测的巡检图像,采用高斯平滑滤波器来平滑图像以除去噪声;
S3,计算像素梯度的幅值和方向;
S4,引入Canny算子对上述梯度图像进行边缘检测,获得图像的边缘;
S5,采用Hough直线检测,判断线缆的状态,如果所有线缆都呈现直线,则判断未脱垂;
S6,对预处理后的待巡检图像采用Roberts算子进行边缘检测,获得边缘点的集合;
S7,将边缘点代入opencv求解器,计算多项式的系数,获得拟合的线缆曲线表达式y=a0+a1x+...+akxk,如果ak≈0k≥2则表明线缆近似为直线,线缆未脱垂;否则线缆为曲线,表示线缆脱垂。
优选的,S2中,采用高斯平滑滤波器来平滑图像以除去噪声包括以下步骤:
高斯平滑后的图像步骤2为:
F(x,y)=G(x,y)f(x,y);
式中,σ为控制滤波程度参数,f(x,y)为原图像,F(x,y)去噪后的平滑图像;
S202:计算像素梯度的幅值和方向,按照Sobel滤波器的步骤来操作,检测图像x方向和y方向信息的卷积如下:
使用下列公式计算像素幅值M和方向θ,得到边缘集合:
S203,对梯度幅值进行非极大值抑制;
S204,用双阈值算法检测和连接边缘。
优选的,S3中,在计算像素梯度的幅值和方向时,首先利用S2中步骤3的公式和S2中步骤4公式分别检测图像x方向和y方向的梯度,遍历待检测图像上所有的像素点,计算任意像素点在x方向和y方向的梯度,然后再利用S2中步骤5的公式和S2中步骤6的公式分别计算像素点(x,y)的联合梯度和梯度方向。
优选的,S6中,采用Roberts算子进行边缘检测的具体步骤为:先确定巡检图像上的任意一点(x,y)有:
中,x,y是像素点的坐标,f(x,y),f(x+1,y+1),f(x,y+1),f(x+1,y)分别为图像的4领域,g(x,y)为像素(x,y)的Roberts算子。
优选的,S7中,多项式的计算步骤如下:
S701,首先设多项式为y=a0+a1x+...+akxk,其中a0,a1,...,ak为多项式的系数,也是待估计的曲线参数。x为像素的横坐标,y为像素的纵坐标,k为制定的多项式的阶数,多项式的阶次为3;
S702,计算图像中的边缘点到曲线的偏差,偏差平方和为:
其中,n为检测到的边界点数量,xi为检测到像素的横坐标,yi为检测到像素的纵坐标,R2为拟合的误差平方和;
S703,通过最小二乘法计算该曲线拟合问题,采用opencv库中的cv::solve()求解,获得拟合的线缆曲线表达式y=a0+a1x+...+akxk。
本发明的技术效果和优点:该基于Hough直线检测和曲线拟合的线缆脱垂检测方法,通过采用Hough直线检测和曲线拟合技术的设置,判断线缆是否脱垂,并且在Hough直线检测中采用Canny算法先进行边缘图像提取,在边缘图像上搜索直线支持区域,提高算法效率,同时可以有效保护图像细节信息,使Hough直线检测的效果更明显,再配合曲线拟合技术进行双重检测,实现了利用图像识别技术自动判断线缆的状态,如若发现脱垂及时做出反馈处理,提高图像的自动化、数字化水平,减少人力资源的浪费。
附图说明
图1为本发明的整体检测流程图。
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。
本发明提供了如图1所示的一种基于Hough直线检测和曲线拟合的线缆脱垂检测方法,包括以下步骤:
S1,首先通过巡检机器人采集线缆的图片,然后对图像进行灰度化、二值化、均值滤波等预处理,处理后的图像RGB的值都一样,方便后续进行再次处理;
S2,输入待检测的巡检图像,采用高斯平滑滤波器来平滑图像以除去噪声;
S3,计算像素梯度的幅值和方向;
S4,引入Canny算子对上述梯度图像进行边缘检测,获得图像的边缘,Canny算子是一个具有滤波,增强,检测的多阶段地优化算子。在进行Hough直线检测处理前,先利用Canny算子对图像进行边缘检测;
S5,采用Hough直线检测,判断线缆的状态,如果所有线缆都呈现直线,则判断未脱垂;
S6,对预处理后的待巡检图像采用Roberts算子进行边缘检测,获得边缘点的集合,Roberts算子是一种利用局部差分算子寻找边缘的算子。采用对角线方向相邻两像素之差近似梯度幅值检测边缘;
S7,将边缘点代入opencv求解器,计算多项式的系数,获得拟合的线缆曲线表达式y=a0+a1x+...+akxk,如果ak≈0k≥2则表明线缆近似为直线,线缆未脱垂;否则线缆为曲线,表示线缆脱垂。
S2中,采用高斯平滑滤波器来平滑图像以除去噪声包括以下步骤:
高斯平滑后的图像步骤2为:
F(x,y)=G(x,y)f(x,y);
式中,σ为控制滤波程度参数,f(x,y)为原图像,F(x,y)去噪后的平滑图像;
S202:计算像素梯度的幅值和方向,按照Sobel滤波器的步骤来操作,Sobel算子是一个离散微分算子,它结合了高斯平滑和微分求导,用于计算图像灰度函数的近似梯度,其常见的应用和物理意义是边缘检测,检测图像x方向和y方向信息的卷积如下:
使用下列公式计算像素幅值M和方向θ,得到边缘集合:
S203,对梯度幅值进行非极大值抑制;
S204,用双阈值算法检测和连接边缘。Canny算法对于两个阈值的选择有一定的要求,对于较低那个阈值,应该包括所有被认为是属于明显图像轮廓的边缘像素,而较高的阈值的角色应该是定义属于所有重要轮廓的边缘,它应该排除所有异常值。
S3中,在计算像素梯度的幅值和方向时,首先利用S2中步骤3的公式和S2中步骤4公式分别检测图像x方向和y方向的梯度,遍历待检测图像上所有的像素点,计算任意像素点在x方向和y方向的梯度,然后再利用S2中步骤5的公式和S2中步骤6的公式分别计算像素点(x,y)的联合梯度和梯度方向。
S6中,Roberts算子是一种利用局部差分算子寻找边缘的算子。采用对角线方向相邻两像素之差近似梯度幅值检测边缘。检测垂直边缘的效果好于斜向边缘,定位精度高。采用Roberts算子进行边缘检测的具体步骤为:先确定巡检图像上的任意一点(x,y)有:
中,x,y是像素点的坐标,f(x,y),f(x+1,y+1),f(x,y+1),f(x+1,y)分别为图像的4领域,g(x,y)为像素(x,y)的Roberts算子。
在计算算子之前需要计算像素值的平方根。
Roberts算子是2×2模板:
因此,利用Roberts算子计算图像的边缘需要将图像的每一个像素都与上述两个卷积核进行卷积计算。
S7中,多项式的计算步骤如下:
S701,首先设多项式为y=a0+a1x+...+akxk,其中a0,a1,...,ak为多项式的系数,也是待估计的曲线参数。x为像素的横坐标,y为像素的纵坐标,k为制定的多项式的阶数,多项式的阶次为3;
S702,计算图像中的边缘点到曲线的偏差,偏差平方和为:
其中,n为检测到的边界点数量,xi为检测到像素的横坐标,yi为检测到像素的纵坐标,R2为拟合的误差平方和;
S703,通过最小二乘法计算该曲线拟合问题,在实际的应用中可以采用opencv库中的cv::solve()求解,可以求得曲线拟合的多项式的系数a0,a1,...,ak,计算多项式的系数,获得拟合的线缆曲线表达式y=a0+a1x+...+akxk,如果ak≈0k≥2则表明线缆近似为直线,线缆未脱垂;否则线缆为曲线,表示线缆脱垂。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于Hough直线检测和曲线拟合的线缆脱垂检测方法,其特征在于:包括以下步骤:
S1,首先通过巡检机器人采集线缆的图片,然后对图像进行灰度化、二值化、均值滤波等预处理;
S2,输入待检测的巡检图像,采用高斯平滑滤波器来平滑图像以除去噪声;
S3,计算像素梯度的幅值和方向;
S4,引入Canny算子对上述梯度图像进行边缘检测,获得图像的边缘;
S5,采用Hough直线检测,判断线缆的状态,如果所有线缆都呈现直线,则判断未脱垂;
S6,对预处理后的待巡检图像采用Roberts算子进行边缘检测,获得边缘点的集合;
S7,将边缘点代入opencv求解器,计算多项式的系数,获得拟合的线缆曲线表达式y=a0+a1x+...+akxk,如果ak≈0k≥2则表明线缆近似为直线,线缆未脱垂;否则线缆为曲线,表示线缆脱垂。
2.根据权利要求1所述的一种基于Hough直线检测和曲线拟合的线缆脱垂检测方法,其特征在于:S2中,采用高斯平滑滤波器来平滑图像以除去噪声包括以下步骤:
高斯平滑后的图像步骤2为:
F(x,y)=G(x,y)f(x,y);
式中,σ为控制滤波程度参数,f(x,y)为原图像,F(x,y)去噪后的平滑图像;
S202:计算像素梯度的幅值和方向,按照Sobel滤波器的步骤来操作,检测图像x方向和y方向信息的卷积如下:
使用下列公式计算像素幅值M和方向θ,得到边缘集合:
S203,对梯度幅值进行非极大值抑制;
S204,用双阈值算法检测和连接边缘。
3.根据权利要求2所述的一种基于Hough直线检测和曲线拟合的线缆脱垂检测方法,其特征在于:S3中,在计算像素梯度的幅值和方向时,首先利用S2中步骤3的公式和S2中步骤4公式分别检测图像x方向和y方向的梯度,遍历待检测图像上所有的像素点,计算任意像素点在x方向和y方向的梯度,然后再利用S2中步骤5的公式和S2中步骤6的公式分别计算像素点(x,y)的联合梯度和梯度方向。
5.根据权利要求1所述的一种基于Hough直线检测和曲线拟合的线缆脱垂检测方法,其特征在于:S7中,多项式的计算步骤如下:
S701,首先设多项式为y=a0+a1x+...+akxk,其中a0,a1,...,ak为多项式的系数,也是待估计的曲线参数。x为像素的横坐标,y为像素的纵坐标,k为制定的多项式的阶数,多项式的阶次为3;
S702,计算图像中的边缘点到曲线的偏差,偏差平方和为:
其中,n为检测到的边界点数量,xi为检测到像素的横坐标,yi为检测到像素的纵坐标,R2为拟合的误差平方和;
S703,通过最小二乘法计算该曲线拟合问题,采用opencv库中的cv::solve()求解,获得拟合的线缆曲线表达式y=a0+a1x+...+akxk。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210298709.9A CN114663402A (zh) | 2022-03-22 | 2022-03-22 | 一种基于Hough直线检测和曲线拟合的线缆脱垂检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210298709.9A CN114663402A (zh) | 2022-03-22 | 2022-03-22 | 一种基于Hough直线检测和曲线拟合的线缆脱垂检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114663402A true CN114663402A (zh) | 2022-06-24 |
Family
ID=82031660
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210298709.9A Pending CN114663402A (zh) | 2022-03-22 | 2022-03-22 | 一种基于Hough直线检测和曲线拟合的线缆脱垂检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114663402A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115908431A (zh) * | 2023-03-09 | 2023-04-04 | 国网山东省电力公司东营供电公司 | 一种输变电工程用线缆定位收纳方法 |
-
2022
- 2022-03-22 CN CN202210298709.9A patent/CN114663402A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115908431A (zh) * | 2023-03-09 | 2023-04-04 | 国网山东省电力公司东营供电公司 | 一种输变电工程用线缆定位收纳方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108921176B (zh) | 一种基于机器视觉的指针式仪表定位与识别方法 | |
CN112233133B (zh) | 基于otsu和区域生长法的电厂高温管道缺陷检测与分割方法 | |
CN106934803B (zh) | 电子器件表面缺陷的检测方法及装置 | |
CN109325935B (zh) | 一种基于无人机图像的输电线路检测方法 | |
CN110910350B (zh) | 一种用于风电塔筒的螺母松动检测方法 | |
CN109781737B (zh) | 一种软管表面缺陷的检测方法及其检测系统 | |
CN111667470B (zh) | 一种基于数字图像的工业管道探伤内壁检测方法 | |
WO2023082418A1 (zh) | 基于人工智能技术的电力综合管廊沉降裂缝识别方法 | |
CN112529875A (zh) | 一种基于人工智能的光伏组件玻璃爆裂预警方法及系统 | |
CN112686120B (zh) | 一种基于无人机航拍图像的输电线异常检测方法 | |
CN113012157A (zh) | 一种设备缺陷视觉检测方法及系统 | |
CN113313107A (zh) | 一种斜拉桥缆索表面多类型病害智能检测和识别方法 | |
CN114663402A (zh) | 一种基于Hough直线检测和曲线拟合的线缆脱垂检测方法 | |
CN108109154A (zh) | 一种工件的新型定位及数据获取方法 | |
CN113705564B (zh) | 一种指针式仪表识别读数方法 | |
CN113963054A (zh) | 一种基于双目相机的智能快递箱尺寸测量方法及系统 | |
CN108898584B (zh) | 一种基于图像分析的全自动贴面电容装焊极性判别方法 | |
CN116563262A (zh) | 基于多模态的建筑裂缝检测算法 | |
JPH09245168A (ja) | 画像認識装置 | |
CN112614146B (zh) | 棋盘格标定角点的判别方法、装置及计算机可读存储介质 | |
CN112132135B (zh) | 一种基于图像处理的电网传输线检测方法、存储介质 | |
CN114862786A (zh) | 基于Retinex图像增强和Ostu阈值分割的隔离带检测方法及系统 | |
CN113223034A (zh) | 一种道路边沿检测跟踪方法 | |
Huang et al. | Research on pipe crack detection based on image processing algorithm | |
CN116993804B (zh) | 一种基于lsm算法的箍筋尺寸检测方法及系统 |
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 |