CN114838666A - 一种超分辨实时位移测量系统及测量方法 - Google Patents
一种超分辨实时位移测量系统及测量方法 Download PDFInfo
- Publication number
- CN114838666A CN114838666A CN202210448734.0A CN202210448734A CN114838666A CN 114838666 A CN114838666 A CN 114838666A CN 202210448734 A CN202210448734 A CN 202210448734A CN 114838666 A CN114838666 A CN 114838666A
- Authority
- CN
- China
- Prior art keywords
- image
- module
- super
- training
- displacement
- 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
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
-
- 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
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/022—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by means of tv-camera scanning
-
- 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
Abstract
本发明提供一种超分辨实时位移测量系统及测量方法,克服了传统图像位移测量方法在速度和精度两方面难以兼顾的难题。本发明包括图像采集模块、图像训练模块、角点检测模块及位移计算模块;本发明通过下述测量方法予以实现:通过摄像机采集带背景和标记物的图像,将图像按照2:8进行划分,80%作为训练图像,20%作为验证图像,采用超分辨算法SRGAN训练图像,得到训练后的模型文件,模型文件学习了不同环境光变化对标记物识别的影响以及标记物边缘的多维特征值,将学习到的这些特征结合角点定位算法实现图像的精确定位和测量,本发明的测试方法在位移测量精度方面优于传统的图像位移测量算法,且准确度高,具有优良的性能。
Description
技术领域
本发明属于物体位移测量领域,具体涉及一种超分辨实时位移测量系统及测量方法。
背景技术
位移指物体上某一点在一定方向上的位置变动,位移测量是在位移方向上测量物体的绝对位置或相对位置的变动量,位移测量方法作为基本的测试方法之一,不仅因为机械工程中常要求精确地测量零部件的位移、位置及尺寸,而且许多机械量的测量往往可以先通过适当地转换变成位移的测试,然后再换算成相应的被测物理量,因此其应用较为广泛。
当前的主流位移测量方法还主要停留在传统的图像识别和浅层的机器学习阶段,还达不到基于深度学习进行位移的实时测量阶段,而且使用传统的位移测量方法存在测量速度和测量精度两方面难以兼顾的难题。
发明内容
本发明的目的在于提供一种超分辨实时位移测量系统及方法,用以解决现有的位移测量方法难以兼顾测量速度及测量精度的技术问题。
为实现上述目的,本发明提供如下解决方案:
一种超分辨实时位移测量系统,其特殊之处在于:包括依次设置的图像采集模块、图像训练模块、角点检测模块及位移计算模块;所述图像采集模块用于采集待测物的图像信息,并传递至图像训练模块;所述图像训练模块用于对所述图像信息进行训练并获取不同维度的特征值;所述角点检测模块用于从不同维度的特征值中提取角点信息,并将检测结果发送至位移计算模块中;所述位移计算模块用于计算待测物的实时位移。
进一步地,所述图像采集模块为高清摄像头,所述高清摄像头的像素≥200万像素,进而保证采集到的图像保真度更高。
本发明还提供了一种超分辨实时位移测量方法,具体包括以下步骤:
S1)粘贴标记物:在待测物表面粘贴标记物;
S2)采集图像:通过图像采集模块对不同光线背景下带标记物的图像进行采集;
S3)训练图像:将S2采集到的图像传送至图像训练模块中进行图像训练,得到不同光线背景下的图像模型文件;
S4)获取特征值:利用图像训练模块从图像模型文件中获取不同光线背景下的标记物图像中不同维度的特征值;
S5)提取角点信息:
S5.1)基于S4获取的不同维度的特征值,使用角点检测模块实时提取图像中的角点信息;
S5.2)若角点信息形成的闭合图形个数为2,且长宽比值与标记物的长宽比值相吻合时,则进行S6;
若角点信息形成的闭合图形个数非2,或闭合图形个数为2,但长宽比值与标记物的长宽比值不相吻合,则重复S5.1直到角点信息形成的闭合图形个数为2,且长宽比值与标记物的长宽比值相吻合;
S6)计算坐标差:在位移计算模块中计算这两个闭合图形中心点的坐标差,并通过映射关系计算出坐标差对应的实际距离D,从而完成待测物的超分辨实时位移测量;所述实际距离D即为每帧图像中待测物相对参考点的实时位移值,计算公式为:D=|D1-D2|,其中,D1为前一时刻的位移坐标,D2为后一时刻的位移坐标。
进一步地,S2中,所述图像采集模块与带标记的待测物的距离为2-3m,此距离范围可快速、实时地获得清晰的图像。
进一步地,S3中,所述图像训练模块采用图像超分辨算法SRGAN进行训练,将带有不同光线背景的80%的图像作为初始的图像识别模型的训练集,20%作为验证集,所述80%的图像为采集到的图像总数量的80%。图像超分辨算法SRGAN是利用感知损失和对抗损失来提升输出图像的真实感,进而提升测量结果的精度。
与现有技术相比,本发明的有益效果是:
1、本发明采用的测量系统由图像采集模块、图像训练模块、角点检测模块及位移计算模块组成,结构简化,各模块间响应及时,进而实现待测物位移的实时测量,提高了测量的速度;同时图像采集模块选用200万以上像素的高清摄像头,也提高了图像的清晰度,从而保证测量的精度。
2、本发明采用的测量方法中,通过使用超分辨模型算法SRGAN实现不同光线背景图像的多维特征训练,传统的图像超分辨率重建方法一般都是放大较小的倍数,当放大倍数在4倍以上时就会出现过度平滑的现象,使得图像出现一些非真实感,而本发明采用的超分辨模型算法SRGAN是借助于GAN的网络架构生成图像中的细节,该算法可以利用感知损失和对抗损失来提升输出图像的真实感,从而使得背景和标记物识别的速度得到大幅提升。
3、本发明采用的测量方法中,通过将训练到标记物边缘图像的高维特征数据提取引入到角点检测算法中,使得角点检测的速度得到大幅提高。
4、本发明采用的测量方法中,通过调用训练好的模型文件,并将每次测试的数据加入到模型文件中进行不断优化,使得位移测量的精度不断提高,从而可以快速响应。
附图说明
图1为本发明的一种超分辨实时位移测量系统框架示意图。
图2为本发明的一种超分辨实时位移测量方法的流程图。
图中:
1-位移测量系统、2-图像采集模块、3-图像训练模块、4-角点检测模块、5-位移计算模块。
具体实施方式
为使本发明的目的、优点和特征更加清楚,以下结合附图和具体实施例对本发明提出的一种超分辨实时位移测量系统及测量方法作进一步详细说明。
本实施例的背景是:一种发动机试验过程中试验台产生的位移,该位移主要来自加热器产生的位移,通过对加热器表面粘贴标记物,从而实现位移的测量,因标记物的背景受光线影响较大,而且位移测量对精度要求较高,因此,通过采用本发明的超分辨实时位移测量系统及测量方法实现位移测量的快速性和高精度。
如图1所示,本发明提供的一种超分辨实时位移测量系统,该位移测量系统1包括依次设置的图像采集模块2、图像训练模块3、角点检测模块4及位移计算模块5;图像采集模块2用于采集待测物的图像信息,并传递至图像训练模块3;图像训练模块3对采集到的图像信息进行训练并获取其不同维度的特征值;角点检测模块4从不同维度的特征值中提取待测物图像的角点信息,并将检测结果发送至位移计算模块5中;位移计算模块5通过测量的信息计算出待测物的实时位移。待测物依托各模块间的相互配合,依次被进行图像的采集、训练、检测和计算,最终实现标记物位移的超分辨实时测量。
如图2所示,本发明还提供了一种超分辨实时位移测量方法,具体工作流程为:
S1)在待测物表面粘贴标记物。本实施例中,待测物为加热器,加热器表面粘贴的是方形标记物,其中标记物采用纯黑色哑光材质的耐高温胶带制作而成。
S2)通过图像采集模块2对带标记物的加热器进行图像采集。图像采集模块2的摄像头采用200万以上像素的高清摄像头,可根据标记物的大小调整摄像头距离标记物的距离,二者一般距离2-3m左右;所采集的图像为不同光线背景下带标记物的图像,不同光线背景下带标记物的图像指的是不同光线强度下通过图像采集模块2的摄像头拍摄的照片,光线强度可通过图像采集模块2中的测光仪进行测量,一般按照从低到高划分为10种不同的光线强度。
S3)将S2采集到的图像传送至图像训练模块3中进行图像训练,得到不同光线背景下的图像模型文件。
具体训练方法为:采用图像超分辨算法SRGAN训练采集到的图像,并将图像根据不同光线背景进行划分,从而得到不同光线背景下的图像模型文件。本实施例采用带有不同光线背景的80%的图像作为初始的图像识别模型的训练集,20%的图像作为验证集,所述80%指采集到的图像总数量的80%,采用该比例进行图像训练得到的测量结果精度较高。
S4)采用图像训练模块3从S3得到的不同光线背景下的图像模型文件中,获取不同维度的特征值,并按照维度进行分类。
S5)基于S4获取并分类好的不同维度的特征值,使用角点检测模块4实时提取图像中的角点信息,对角点信息形成的闭合图形个数进行计数,若闭合图形个数为2且长宽比值和标记物的长宽比值吻合,则进入S6;若闭合图形个数非2,或闭合图形个数虽为2但长宽比值与标记物的长宽比值不相吻合,则重复此步骤直到出现闭合图形个数为2且长宽比值和标记物的长宽比值吻合的信息。
S6)在位移计算模块5中计算这两个闭合图形中心点的坐标差,此处中心点的坐标差即为中心点变量的绝对值,然后通过映射关系计算出坐标差对应的的实际距离D,这个实际距离D即每帧图像中标记物相对于参考点的实时位移值,进而完成待测物的超分辨实时位移测量,计算公式为:D=|D1-D2|,其中,D1为前一时刻的位移坐标,D2为后一时刻的位移坐标。
为了使得数据训练模块不断优化,通过将每次测试的数据不断加入到模型文件中,进而提升训练结果的精度、提升测试的精度,从而达到基于深度学习进行位移实时测量的目的。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。以上内容仅用来说明本发明,不能认定本发明的具体实施方式仅限于此,对于本技术领域中的普通技术人员来说,只要在本发明的实质精神范围之内,对以上实施例的变化和变型都应当视为在本发明的权利要求书范围内。
Claims (5)
1.一种超分辨实时位移测量系统,其特征在于:包括依次设置的图像采集模块(2)、图像训练模块(3)、角点检测模块(4)及位移计算模块(5);
所述图像采集模块(2)用于采集待测物的图像信息,并传递至图像训练模块(3);
所述图像训练模块(3)用于对所述图像信息进行训练并获取不同维度的特征值;
所述角点检测模块(4)用于从不同维度的特征值中提取角点信息,并将检测结果发送至位移计算模块(5)中;
所述位移计算模块(5)用于计算待测物的实时位移。
2.根据权利要求1所述的超分辨实时位移测量系统,其特征在于:
所述图像采集模块(2)为高清摄像头,所述高清摄像头的像素≥200万像素。
3.一种超分辨实时位移测量方法,其特征在于,基于权利要求1所述的超分辨实时位移测量系统,包括以下步骤:
S1)粘贴标记物:
在待测物表面粘贴标记物;
S2)采集图像:
通过图像采集模块(2)对不同光线背景下带标记物的图像进行采集;
S3)训练图像:
将S2采集到的图像传送至图像训练模块(3)中进行图像训练,得到不同光线背景下的图像模型文件;
S4)获取特征值:
利用图像训练模块(3)从图像模型文件中获取不同光线背景下的标记物图像中不同维度的特征值;
S5)提取角点信息:
S5.1)基于S4获取的不同维度的特征值,使用角点检测模块(4)实时提取图像中的角点信息;
S5.2)若角点信息形成的闭合图形个数为2,且长宽比值与标记物的长宽比值相吻合时,则进行S6;
若角点信息形成的闭合图形个数非2,或闭合图形个数为2,但长宽比值与标记物的长宽比值不相吻合,则重复S5.1直到角点信息形成的闭合图形个数为2,且长宽比值与标记物的长宽比值相吻合;
S6)计算坐标差:
在位移计算模块(5)中计算这两个闭合图形中心点的坐标差,并通过映射关系计算出坐标差对应的实际距离D,从而完成待测物的超分辨实时位移测量;所述实际距离D即为每帧图像中待测物相对参考点的实时位移值,计算公式为:D=|D1-D2|,其中,D1为前一时刻的位移坐标,D2为后一时刻的位移坐标。
4.根据权利要求3所述的超分辨实时位移测量方法,其特征在于:
S2)中,所述图像采集模块(2)与带标记的待测物的距离为2-3m。
5.根据权利要求4所述的超分辨实时位移测量方法,其特征在于:
S3)中,所述图像训练模块(3)采用图像超分辨算法SRGAN进行训练,将S2中采集的带有不同光线背景的图像总数量的80%作为初始的图像识别模型的训练集,20%作为验证集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210448734.0A CN114838666B (zh) | 2022-04-26 | 2022-04-26 | 一种超分辨实时位移测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210448734.0A CN114838666B (zh) | 2022-04-26 | 2022-04-26 | 一种超分辨实时位移测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114838666A true CN114838666A (zh) | 2022-08-02 |
CN114838666B CN114838666B (zh) | 2023-09-12 |
Family
ID=82565903
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210448734.0A Active CN114838666B (zh) | 2022-04-26 | 2022-04-26 | 一种超分辨实时位移测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114838666B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019124683A (ja) * | 2018-01-11 | 2019-07-25 | 富士通株式会社 | オブジェクト速度推定方法と装置及び画像処理機器 |
US20200284866A1 (en) * | 2019-03-07 | 2020-09-10 | Washington University | Methods and systems for real-time 3d mri |
CN112949479A (zh) * | 2021-03-01 | 2021-06-11 | 浙江大学 | 一种基于深度学习和透视变换的非接触式钢轨轨枕相对位移实时测量方法 |
CN113554667A (zh) * | 2021-07-27 | 2021-10-26 | 上海海瞩智能科技有限公司 | 一种基于图像识别的三维位移检测方法及装置 |
-
2022
- 2022-04-26 CN CN202210448734.0A patent/CN114838666B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019124683A (ja) * | 2018-01-11 | 2019-07-25 | 富士通株式会社 | オブジェクト速度推定方法と装置及び画像処理機器 |
US20200284866A1 (en) * | 2019-03-07 | 2020-09-10 | Washington University | Methods and systems for real-time 3d mri |
CN112949479A (zh) * | 2021-03-01 | 2021-06-11 | 浙江大学 | 一种基于深度学习和透视变换的非接触式钢轨轨枕相对位移实时测量方法 |
CN113554667A (zh) * | 2021-07-27 | 2021-10-26 | 上海海瞩智能科技有限公司 | 一种基于图像识别的三维位移检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114838666B (zh) | 2023-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111340797B (zh) | 一种激光雷达与双目相机数据融合检测方法及系统 | |
CN112257676B (zh) | 一种指针式仪表读数方法、系统以及巡检机器人 | |
CN102521560B (zh) | 高鲁棒仪表指针图像识别方法 | |
CN103575227B (zh) | 一种基于数字散斑的视觉引伸计实现方法 | |
CN112818988B (zh) | 一种指针式仪表自动识别读数方法及系统 | |
CN110929710B (zh) | 一种基于视觉的仪表指针读数自动识别方法与系统 | |
CN108959713B (zh) | 基于卷积神经网络的目标距离与正对位置偏移测量方法 | |
CN111368906B (zh) | 一种基于深度学习的指针式油位计读数识别方法 | |
CN103729631B (zh) | 一种基于视觉的连接器表面特征自动识别方法 | |
CN105716568A (zh) | 自动驾驶系统中双目摄像头测距方法 | |
CN105300482A (zh) | 基于图像处理的水表检定方法、装置及系统 | |
CN103149087B (zh) | 一种基于随动视窗与数字图像的非接触式实时应变测量方法 | |
CN112801094B (zh) | 一种指针式仪表图像倾斜校正方法 | |
CN101930533A (zh) | 在图像采集设备中进行天空检测的装置和方法 | |
CN113469178B (zh) | 一种基于深度学习的电力表计识别方法 | |
CN111239684A (zh) | 一种基于YoloV3深度学习的双目快速距离测量方法 | |
CN116844147A (zh) | 一种基于深度学习的指针式仪表识别和异常警报方法 | |
CN114241469A (zh) | 一种面向电表轮换过程的信息识别方法和装置 | |
CN111563458A (zh) | 基于YOLOv3和OpenCV的目标检测与定位方法 | |
CN111274944A (zh) | 一种基于单张图像的三维人脸重建方法 | |
CN110260795A (zh) | 一种基于增量绝对光栅尺的绝对位移检测方法 | |
CN112033408A (zh) | 一种贴纸式的物体空间定位系统及定位方法 | |
CN110309828B (zh) | 一种倾斜车牌矫正方法 | |
CN109100112B (zh) | 一种基于计算机视觉的气弹模型风洞试验平面风振响应测试方法 | |
Hou et al. | A pointer meter reading recognition method based on YOLOX and semantic segmentation technology |
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 |