CN114897902A - 基于多摄像头的bwfrp管道在线监测方法以及系统 - Google Patents

基于多摄像头的bwfrp管道在线监测方法以及系统 Download PDF

Info

Publication number
CN114897902A
CN114897902A CN202210821869.7A CN202210821869A CN114897902A CN 114897902 A CN114897902 A CN 114897902A CN 202210821869 A CN202210821869 A CN 202210821869A CN 114897902 A CN114897902 A CN 114897902A
Authority
CN
China
Prior art keywords
image
pipeline
images
gray value
qualified
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
Application number
CN202210821869.7A
Other languages
English (en)
Other versions
CN114897902B (zh
Inventor
朱奎
王勇
赵海静
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Jinzhengfang Technology Co ltd
Original Assignee
Shenzhen Jinzhengfang Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Jinzhengfang Technology Co ltd filed Critical Shenzhen Jinzhengfang Technology Co ltd
Priority to CN202210821869.7A priority Critical patent/CN114897902B/zh
Publication of CN114897902A publication Critical patent/CN114897902A/zh
Application granted granted Critical
Publication of CN114897902B publication Critical patent/CN114897902B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformation in the plane of the image
    • G06T3/40—Scaling the whole image or part thereof
    • G06T3/4038—Scaling the whole image or part thereof for image mosaicing, i.e. plane images composed of plane sub-images
    • G06T5/80—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Image Processing (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明涉及计算机技术领域，特别是涉及一种基于多摄像头的BWFRP管道在线监测方法以及系统，包括：获取四个摄像头采集的管道图像；将采集到的图像进行变形矫正；将矫正后的图像进行拼接得到管道的螺旋梯度图；根据螺旋梯度图中任意两张相邻图像确定网纹连续性是否合格，若不合格则警示；若合格，根据螺旋梯度图两个不同周期的对应图像判断网纹平行度是否合格，若不合格则警示。本发明提供的方法通过四个摄像头从四个方向对管道进行图像采集，并通过图像变形处理矫正图像在管道圆柱面上的变形，之后通过图像的特殊排布得到螺旋梯度图，通过螺旋梯度图分析网纹连续性以及平行性，实现了管道生产过程中的在线自动检测，准确性高。

Description

基于多摄像头的BWFRP管道在线监测方法以及系统
技术领域
本发明涉及计算机技术领域，特别是涉及一种基于多摄像头的BWFRP管道在线监测方法以及系统。
背景技术
BWFRP(braiding-winding fiber reinforced plastics，编织缠绕纤维增强塑料)管道，也被称为BWFRP电缆保护套管、BWFRP纤维编织拉挤管、BWFRP编绕拉挤管、BWFRP纤维编织管、纤维编织管、编绕拉挤管、编织缠绕拉挤管等，该管道的研发由传统的玻璃钢夹砂管改造升级而来，BWFRP管作为电缆保护套管的一种，因其优异性能，成为取代传统PVC管、MPP管、涂塑钢管的最佳替代产品，广泛应用于通信工程、市政工程、城市电网、轨道交通等领域。
BWFRP管道以高性能无碱玻璃纤维和高性能树脂为原材料，采用连续纤维在线完整编织缠绕拉挤一体成型工艺而成，不同于传统的定长缠绕生产工艺，编织缠绕拉挤一体成型工艺自动化程度高，产品质量稳定，且不易被仿制。
BWFRP管道独特的生产工艺造就其具有不同于传统的编织构造。BWFRP管道具有三层编织构造：内外均为交叉编织层，中间为环向与纵向编织层。采用编织结构，不仅大大提升了BWFRP管道的环刚度，而且又使得BWFRP管道具有韧性，有着更好的抗冲击性。
在BWFRP管道的生产中，对于内层或者外层，要保持纺织线的交叉状态，形成交错编织，从而提高各部分的力学性能，实际生产通常采用摄像头在线进行监测以保证编织线的交叉状态满足要求，但是由于管道本身是圆柱状，需要摄像头绕管道转动，从而连续采集图像，这种方式对摄像头的驱动要求高。
发明内容
基于此，本发明实施例提供一种基于多摄像头的BWFRP管道在线监测方法，旨在解决现有BWFRP管道的生产中，内层编织层或者外层编织层的编织状态监测难度大的问题。
本发明实施例是这样实现的，一种基于多摄像头的BWFRP管道在线监测方法，所述基于多摄像头的BWFRP管道在线监测方法包括：
获取四个摄像头采集的管道图像，其中，四个摄像头沿管道的周向等角度布置，与管道中心的距离相等，四个摄像头的采集频率相等且任意相邻两个摄像头的采集动作间隔一个相同时长t，且t=b/v；其中，b为图像长度B对应的实际管道的长度，v为管道牵引速度；
将采集到的图像进行变形矫正；
将矫正后的图像进行拼接得到管道的螺旋梯度图；
根据螺旋梯度图中任意两张相邻图像确定网纹连续性是否合格，若不合格则警示；
若合格，根据螺旋梯度图两个不同周期的对应图像判断网纹平行度是否合格，若不合格则警示。
在其中一个实施例中，本发明提供了一种基于多摄像头的BWFRP管道在线监测系统，所述基于多摄像头的BWFRP管道在线监测系统包括：
图像采集装置，所述图像采集装置包括如本发明所述的四个摄像头；
计算机设备，所述计算机设备与所述图像采集装置电性连接，用于执行如本发明所述的基于多摄像头的BWFRP管道在线监测方法。
本发明提供的方法通过四个摄像头从四个方向对管道进行图像采集，并通过图像变形处理矫正图像在管道圆柱面上的变形，之后通过图像的特殊排布得到螺旋梯度图，通过螺旋梯度图分析网纹连续性以及平行性，实现了管道生产过程中的在线自动检测，准确性高。
附图说明
图1为一个实施例提供的基于多摄像头的BWFRP管道在线监测方法的流程图；
图2为一个实施例提供的摄像头的布置形式图；
图3为一个实施例提供的管道的螺旋梯度图；
图4为一个实施例中计算机设备的内部结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但除非特别说明，这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一xx脚本称为第二xx脚本，且类似地，可将第二xx脚本称为第一xx脚本。
如图1所示，在一个实施例中，提出了一种基于多摄像头的BWFRP管道在线监测方法，所述基于多摄像头的BWFRP管道在线监测方法包括：
获取四个摄像头采集的管道图像，其中，四个摄像头沿管道的周向等角度布置，与管道中心的距离相等，四个摄像头的采集频率相等且任意相邻两个摄像头的采集动作间隔一个相同时长t，且t=b/v；其中，b为图像长度B对应的实际管道的长度，v为管道牵引速度；
将采集到的图像进行变形矫正；
将矫正后的图像进行拼接得到管道的螺旋梯度图；
根据螺旋梯度图中任意两张相邻图像确定网纹连续性是否合格，若不合格则警示；
若合格，根据螺旋梯度图两个不同周期的对应图像判断网纹平行度是否合格，若不合格则警示。
在本实施例中，图2示出了四个摄像头分别设置于管道上侧、左侧、下侧以及右侧的情形，四个摄像头周向等角度布置，分别位于管道横截面的90度方向、180度方向、270度方向以及0度方向，且各个摄像头距离管道中心的距离相等。由图2中的布置方式可知，摄像头的视角宽度不小于90°中心角对应的弧长在垂直于摄像头拍摄方向上的投影的长度（图2中虚线的长度），本发明实施例以90°中心角对应弧长的投影长度恰好为A进行说明（可以通过改变摄像头与管道中心的距离实现），此时不涉及图像的裁剪过程；可以理解，当摄像头的视角大于90°中心角对应弧长的投影范围时，矫正前或者矫正后需要对图像中的非管道区域进行裁剪，其它与本发明相同，图2中右上角的矩形为拍摄范围的俯视图，即拍摄所得图像，其中图像宽度A等于虚线的长度。
在本实施例中，图3示出了螺旋梯度图的示意图，此为管道柱状面展开后的形式，其中，A、B分别为一张图像的宽度以及高度，C为管道周长，可以理解，四张图像构成一个周期，任意一张图像的长度（图2中图像的高度方向）为B，对应管道的真实长度b，可以得到任意相邻两张图像的拍摄间距时间t=b/v。
在本实施例中，通过图像分析可以判断图像上纹网的平行或者连续性，从而实现管道生产过程中的自动监测。在本实施例中，警示的方式包括但不限于发出声光报警、图文报警等形式，此为可选的设置。
本发明提供的方法通过四个摄像头从四个方向对管道进行图像采集，并通过图像变形处理矫正图像在管道圆柱面上的变形，之后通过图像的特殊排布得到螺旋梯度图，通过螺旋梯度图分析网纹连续性以及平行性，实现了管道生产过程中的在线自动检测，准确性高。
作为本发明的一个优选方案，所述将采集到的图像进行变形矫正，包括：
将图像沿其宽度方向划分为n个条形区，计算每个条形区的宽度；
计算每张图像对应的中心角；
由每张图像对应的中心角计算每个条形区对应的角度；
根据每个条形区的宽度、每张图像对应的中心角以及每个条形区对应的角度确定每个条形区的变形比例；
根据确定出的变形比例将图像沿宽度方向拉伸得到变形矫正后的图像。
在本实施例中，图2右上角的部分示出了将图像划分为4个条形区域的情况；实际上，n取值越大，准确性越高，n的值视图像的宽度而定，通常每个条形区的宽度不大于1mm。本实施例采用将图像宽度n等分的方式；此外，还可以采用使各个条形区域对应的中心角相等的划分方式。
作为本发明的一个优选方案，由下式计算任意一张图像对应的中心角：
θ=2arcsin(A/2R)
则，每个条形区对应的角度为：
α=θ/n
其中：θ为任意一张图像对应的中心角；A 为图像宽度；R为管道外径；α为每个条形区域对应的角度。
在本实施例中，当n较大时，各个条形区对应的中心角近似相等，本实施例给出近似计算的实现方式。
作为本发明的一个优选方案，由图像宽度方向从两端向中心，各条形区域依次记为1区、2区、…、n/2区，对于第i个条形区域，有：
λi=1/ Li（πα/180）
Li=cos(90°-θ/2+（i-1）*α)-cos(90°-θ/2+i*α)
其中：λi为第i个条形区的变形比例；Li为第i个条形区对应的弧长投影长度。
在本实施例中，通过以上两式可以计算每个条形区的变形比例。
作为本发明的一个优选方案，根据下式对每个条形区进行拉伸变换并求各得到变形矫正后的图像宽度：
A’
Figure 100002_DEST_PATH_IMAGE001
其中，A’为变形矫正后的图像宽度；对于第i个条形区，变形矫正后的宽度为（A/n）*λi。
在本实施例中，由图像宽度方向从两端向中心，各条形区域依次记为1区、2区、…、n/2区，对于第i个条形区域，有：
Ai=R(tan(π/4-α(i-1))- tan(π/4-αi))
则根据下式对每个条形区进行拉伸变换并求各得到变形矫正后的图像宽度：
A’
Figure DEST_PATH_IMAGE002
作为本发明的一个优选方案，对于具有m个像素列的第i个条形区，由图像宽度方向从两端向中心，第j列像素的拉伸宽度由下式确定：
aj=2j(A’-A)/nm(m+1)
在本实施例中，需要说明的是，这里并对像素进行拉伸，而是对像素单位的宽度进行拉伸，例如一个像素的宽度为H，拉伸后的宽度为1.5H，但是像素本身的宽度是不可变，这里实际是将图像中以像素的宽度为单位宽度进行拉伸，在该例子中，2个像素宽度2H拉伸后由3个像素表示，增加的像素的颜色或者灰度值同前一个或者同后一个（更一般的，采用插值的方式，插入的像素的颜色或者灰度值介于前后两个像素之间），一般而言，在非边界位置，前后两个像素的颜色值或者灰度值相同的概率较高。
作为本发明的一个优选方案，所述将矫正后的图像进行拼接得到管道的螺旋梯度图，包括：
取同一水平基准，将一个周期内采集到的四张图像按采集的先后顺序从左到右相连；
从左至右，将图像二上移距离B，将图像三上移距离2B，将图像四上移距离3B；
将图像四上边线作为水平基准，重复上一步骤，排布所有图像得到管道的螺旋梯度图。
在本实施例中，图3给出了螺旋梯度图的形式，图中交叉的线条为管道网纹。
作为本发明的一个优选方案，所述根据螺旋梯度图中任意两张相邻图像确定网纹连续性是否合格，包括：
对图像进行去色处理；
选定一个分界值，对于任意像素，若其灰度值大于该分界的值，则将该像素的灰度值增加一个设定百分比，且增加后不大于255；若其灰度值小于该分界值，则将该像素的灰度值减去一个设定百分比，且减小后不小于0；
统计像素的数量-灰度值分布，确定两个数量最多的灰度值，分别计为第一灰度值以及第二灰度值，且第一灰度值小于第二灰度值；
对全图像进行泛洪填充，对于任意像素，其填充值为第一灰度值和第二灰度值中与之差最小的一个；
确定第一灰度值和第二灰度值中对应像素最少的灰度值；
提取该灰度值的区域边界，并对边界进行线性拟合得到若干条直线；
判断两张相邻图像中对应直线重合度是否达到第一设定阈值，若是，则网纹连续性合格。
在本实施例中，通过对图像进行去色处理可以通过计算灰度值即能识别出图像中的线条，处理更为简单。
在本实施例中，通过设置分界值，并利用分界值增加或者减小像素灰度，可以提高黑白的对比度，这里的分界值可以取120、125、130等。
在本实施例中，统计像素的数量-灰度值分布，通常图像中存在较大范围的背景色，需要忽略背景色；但是，当图像进行了裁剪或者图像的范围完全为管道内容时，则没有背景色，这里的背景色实际为管道颜色，不可忽略。例如，白色（灰度值为255）的像素占总像素的77%，而灰度值为40的像素占总像素的21%，则第一灰度值为40，第二灰度值为255。
在本实施例中，对像素进行填充，可以使图像中仅存在两个灰度值，从而更好地识别出边界。
在本实施例中，由灰度值不同可以识别出边界区域。在本实施例中，对边界区域进行线性拟合，采用的是线性回归的方式，计算与各点距离之和最小的直线，此属于现有技术，本发明对计算过程不再赘述。需要说明的是，本申请中是对边界区域进行线性拟合，上述例子中，即对灰度值为40且与白色像素接邻的像素进行线性拟合，省去了边界内部的计算。在计算时，可以图像的左下角为原点，一个像素为一个单位长度建立坐标平面进行计算。
在本实施例中，由于是对网纹边界进行线性拟合，而管道的网纹理论上具有连续性，故两张相邻图像存在着若干对应直线，直线之间的对应关系可以通过作延长线，两张图像中距离最近的即为对应直线。在本实施例中，由于是对拟合出的直线进行比较，故仅比较拟合范围内的部分线段，常用的方法是作一个同时包围两条需要比较的线段的矩形，并使该矩形具有最小的面积，则矩形的宽度可以作为两条线段重合度的度量，宽度越小，则重合度越高，宽度为0时，两条线段完全重合。这里的第一设定阈值视需要设定，通常选定20个像素单位以内。
作为本发明的一个优选方案，所述根据螺旋梯度图两个不同周期的对应图像判断网纹平行度是否合格，包括：
判断两个相邻周期的两张对应图像中，相互平行的直线占同方向直线的比例是否达到第二设定阈值，若是，则网纹平行度合格。
在本实施例中，与上一实施例相似，不同的是平行度的衡量采用的是两条拟合线段所在的直线的夹角进行度量，通常要求第二设定阈值在3°以内。得到拟合直线后两条直线的夹角易于计算，本发明实施例对此不再赘述。
本发明实施例还提供了一种基于多摄像头的BWFRP管道在线监测系统，所述基于多摄像头的BWFRP管道在线监测系统包括：
图像采集装置，所述图像采集装置包括如本发明实施例所述的四个摄像头；
计算机设备，所述计算机设备与所述图像采集装置电性连接，用于执行如本发明实施例所述的基于多摄像头的BWFRP管道在线监测方法。
在本实施例中，图像采集装置的布置参考本发明前述实施例以及说明书附图2所示，本实施例在此不再赘述。
本发明提供的基于多摄像头的BWFRP管道在线监测系统通过四个摄像头从四个方向对管道进行图像采集，并通过图像变形处理矫正图像在管道圆柱面上的变形，之后通过图像的特殊排布得到螺旋梯度图，通过螺旋梯度图分析网纹连续性以及平行性，实现了管道生产过程中的在线自动检测，准确性高。
图4示出了一个实施例中计算机设备的内部结构图，该计算机设备具体可以是本发明实施例提供的基于多摄像头的BWFRP管道在线监测系统中的计算机设备。如图4所示，该计算机设备包括该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、输入装置和显示屏。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现本发明实施例提供的基于多摄像头的BWFRP管道在线监测方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行本发明实施例提供的基于多摄像头的BWFRP管道在线监测方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提出了一种计算机设备，所述计算机设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取四个摄像头采集的管道图像，其中，四个摄像头沿管道的周向等角度布置，与管道中心的距离相等，四个摄像头的采集频率相等且任意相邻两个摄像头的采集动作间隔一个相同时长t，且t=b/v；其中，b为图像长度B对应的实际管道的长度，v为管道牵引速度；
将采集到的图像进行变形矫正；
将矫正后的图像进行拼接得到管道的螺旋梯度图；
根据螺旋梯度图中任意两张相邻图像确定网纹连续性是否合格，若不合格则警示；
若合格，根据螺旋梯度图两个不同周期的对应图像判断网纹平行度是否合格，若不合格则警示。
在一个实施例中，提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时，使得处理器执行以下步骤：
获取四个摄像头采集的管道图像，其中，四个摄像头沿管道的周向等角度布置，与管道中心的距离相等，四个摄像头的采集频率相等且任意相邻两个摄像头的采集动作间隔一个相同时长t，且t=b/v；其中，b为图像长度B对应的实际管道的长度，v为管道牵引速度；
将采集到的图像进行变形矫正；
将矫正后的图像进行拼接得到管道的螺旋梯度图；
根据螺旋梯度图中任意两张相邻图像确定网纹连续性是否合格，若不合格则警示；
若合格，根据螺旋梯度图两个不同周期的对应图像判断网纹平行度是否合格，若不合格则警示。
应该理解的是，虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于多摄像头的BWFRP管道在线监测方法，其特征在于，所述基于多摄像头的BWFRP管道在线监测方法包括：
获取四个摄像头采集的管道图像，其中，四个摄像头沿管道的周向等角度布置，与管道中心的距离相等，四个摄像头的采集频率相等且任意相邻两个摄像头的采集动作间隔一个相同时长t，且t=b/v；其中，b为图像长度B对应的实际管道的长度，v为管道牵引速度；
将采集到的图像进行变形矫正；
将矫正后的图像进行拼接得到管道的螺旋梯度图；
根据螺旋梯度图中任意两张相邻图像确定网纹连续性是否合格，若不合格则警示；
若合格，根据螺旋梯度图两个不同周期的对应图像判断网纹平行度是否合格，若不合格则警示。
2.根据权利要求1所述的基于多摄像头的BWFRP管道在线监测方法，其特征在于，所述将采集到的图像进行变形矫正，包括：
将图像沿其宽度方向划分为n个条形区，计算每个条形区的宽度；
计算每张图像对应的中心角；
由每张图像对应的中心角计算每个条形区对应的角度；
根据每个条形区的宽度、每张图像对应的中心角以及每个条形区对应的角度确定每个条形区的变形比例；
根据确定出的变形比例将图像沿宽度方向拉伸得到变形矫正后的图像。
3.根据权利要求2所述的基于多摄像头的BWFRP管道在线监测方法，其特征在于，由下式计算任意一张图像对应的中心角：
θ=2arcsin(A/2R)
则，每个条形区对应的角度为：
α=θ/n
其中：θ为任意一张图像对应的中心角；A 为图像宽度；R为管道外径；α为每个条形区域对应的角度。
4.根据权利要求3所述的基于多摄像头的BWFRP管道在线监测方法，其特征在于，由图像宽度方向从两端向中心，各条形区域依次记为1区、2区、…、n/2区，对于第i个条形区域，有：
λi=1/ Li（πα/180）
Li=cos(90°-θ/2+（i-1）α)-cos(90°-θ/2+iα)
其中：λi为第i个条形区的变形比例；Li为第i个条形区对应的弧长投影长度。
5.根据权利要求4所述的基于多摄像头的BWFRP管道在线监测方法，其特征在于，根据下式对每个条形区进行拉伸变换并求各得到变形矫正后的图像宽度：
A’
Figure DEST_PATH_IMAGE001
其中，A’为变形矫正后的图像宽度；对于第i个条形区，变形矫正后的宽度为（A/n）*λi。
6.根据权利要求5所述的基于多摄像头的BWFRP管道在线监测方法，其特征在于，对于具有m个像素列的第i个条形区，由图像宽度方向从两端向中心，第j列像素的拉伸宽度由下式确定：
aj=2j(A’-A)/nm(m+1)。
7.根据权利要求1所述的基于多摄像头的BWFRP管道在线监测方法，其特征在于，所述将矫正后的图像进行拼接得到管道的螺旋梯度图，包括：
取同一水平基准，将一个周期内采集到的四张图像按采集的先后顺序从左到右相连；
从左至右，将图像二上移距离B，将图像三上移距离2B，将图像四上移距离3B；
将图像四上边线作为水平基准，重复上一步骤，排布所有图像得到管道的螺旋梯度图。
8.根据权利要求7所述的基于多摄像头的BWFRP管道在线监测方法，其特征在于，所述根据螺旋梯度图中任意两张相邻图像确定网纹连续性是否合格，包括：
对图像进行去色处理；
选定一个分界值，对于任意像素，若其灰度值大于该分界的值，则将该像素的灰度值增加一个设定百分比，且增加后不大于255；若其灰度值小于该分界值，则将该像素的灰度值减去一个设定百分比，且减小后不小于0；
统计像素的数量-灰度值分布，确定两个数量最多的灰度值，分别计为第一灰度值以及第二灰度值，且第一灰度值小于第二灰度值；
对全图像进行泛洪填充，对于任意像素，其填充值为第一灰度值和第二灰度值中与之差最小的一个；
确定第一灰度值和第二灰度值中对应像素最少的灰度值；
提取该灰度值的区域边界，并对边界进行线性拟合得到若干条直线；
判断两张相邻图像中对应直线重合度是否达到第一设定阈值，若是，则网纹连续性合格。
9.根据权利要求8所述的基于多摄像头的BWFRP管道在线监测方法，其特征在于，所述根据螺旋梯度图两个不同周期的对应图像判断网纹平行度是否合格，包括：
判断两个相邻周期的两张对应图像中，相互平行的直线占同方向直线的比例是否达到第二设定阈值，若是，则网纹平行度合格。
10.一种基于多摄像头的BWFRP管道在线监测系统，其特征在于，所述基于多摄像头的BWFRP管道在线监测系统包括：
图像采集装置，所述图像采集装置包括如权利要求1所述的四个摄像头；
计算机设备，所述计算机设备与所述图像采集装置电性连接，用于执行如权利要求1-9任意一项所述的基于多摄像头的BWFRP管道在线监测方法。
CN202210821869.7A 2022-07-13 2022-07-13 基于多摄像头的bwfrp管道在线监测方法以及系统 Active CN114897902B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210821869.7A CN114897902B (zh) 2022-07-13 2022-07-13 基于多摄像头的bwfrp管道在线监测方法以及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210821869.7A CN114897902B (zh) 2022-07-13 2022-07-13 基于多摄像头的bwfrp管道在线监测方法以及系统

Publications (2)

Publication Number Publication Date
CN114897902A true CN114897902A (zh) 2022-08-12
CN114897902B CN114897902B (zh) 2022-11-11

Family

ID=82729277

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210821869.7A Active CN114897902B (zh) 2022-07-13 2022-07-13 基于多摄像头的bwfrp管道在线监测方法以及系统

Country Status (1)

Country Link
CN (1) CN114897902B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1608273A (zh) * 2001-12-22 2005-04-20 哈利伯顿能源服务公司 使用图像模式识别的卷曲管道检测系统
CN2844577Y (zh) * 2005-10-28 2006-12-06 唐清 碳纤维螺纹管
CN206595683U (zh) * 2017-02-20 2017-10-27 江西瑞金金字电线电缆有限公司 一种电线、电缆用的保护套管
US20190015142A1 (en) * 2016-01-22 2019-01-17 Fort Wayne Metals Research Products Corp Woven or braided tubular metal construct
CN110766669A (zh) * 2019-10-18 2020-02-07 南京大学 一种基于多目视觉的管线测量方法
US20200088653A1 (en) * 2018-09-04 2020-03-19 SeeScan, Inc. Video pipe inspection systems with video integrated with additional sensor data
CN111192198A (zh) * 2019-12-26 2020-05-22 台州学院 一种基于管道机器人的管道全景扫描方法
US20200394839A1 (en) * 2018-02-21 2020-12-17 E.V. Offshore Limited Method for Constructing a 3D Representation of a Conduit Internal Surface
CN213661168U (zh) * 2020-11-27 2021-07-09 吉安山水建材有限责任公司 一种双面方格花纹bwfrp玻璃纤维缠绕拉挤管
CN214041190U (zh) * 2020-12-22 2021-08-24 瑞纳智绝缘材料（苏州）有限公司 保护套管质量检测机
CN113393381A (zh) * 2021-07-08 2021-09-14 哈尔滨工业大学（深圳） 管道内壁图像的生成方法、装置及终端设备
CN215772386U (zh) * 2021-07-02 2022-02-08 江西鑫宝通管业有限公司 一种具有阻燃功能的电缆保护套管

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1608273A (zh) * 2001-12-22 2005-04-20 哈利伯顿能源服务公司 使用图像模式识别的卷曲管道检测系统
CN2844577Y (zh) * 2005-10-28 2006-12-06 唐清 碳纤维螺纹管
US20190015142A1 (en) * 2016-01-22 2019-01-17 Fort Wayne Metals Research Products Corp Woven or braided tubular metal construct
CN206595683U (zh) * 2017-02-20 2017-10-27 江西瑞金金字电线电缆有限公司 一种电线、电缆用的保护套管
US20200394839A1 (en) * 2018-02-21 2020-12-17 E.V. Offshore Limited Method for Constructing a 3D Representation of a Conduit Internal Surface
US20200088653A1 (en) * 2018-09-04 2020-03-19 SeeScan, Inc. Video pipe inspection systems with video integrated with additional sensor data
CN110766669A (zh) * 2019-10-18 2020-02-07 南京大学 一种基于多目视觉的管线测量方法
CN111192198A (zh) * 2019-12-26 2020-05-22 台州学院 一种基于管道机器人的管道全景扫描方法
CN213661168U (zh) * 2020-11-27 2021-07-09 吉安山水建材有限责任公司 一种双面方格花纹bwfrp玻璃纤维缠绕拉挤管
CN214041190U (zh) * 2020-12-22 2021-08-24 瑞纳智绝缘材料（苏州）有限公司 保护套管质量检测机
CN215772386U (zh) * 2021-07-02 2022-02-08 江西鑫宝通管业有限公司 一种具有阻燃功能的电缆保护套管
CN113393381A (zh) * 2021-07-08 2021-09-14 哈尔滨工业大学（深圳） 管道内壁图像的生成方法、装置及终端设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
朱荣刚: "基于光纤投影的三维轮廓测量理论与应用研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 *
舒溪: "编织管增强型PFA中空纤维膜结构设计与性能研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅰ辑》 *

Also Published As

Publication number Publication date
CN114897902B (zh) 2022-11-11

Similar Documents

Publication Publication Date Title
US20200364880A1 (en) Method and device for monitoring colonoscope withdrawal speed
US10963676B2 (en) Image processing method and apparatus
US11308710B2 (en) Polygonal region detection
US20170132785A1 (en) Method and system for evaluating the quality of a surgical procedure from in-vivo video
JP6493163B2 (ja) 粗密探索方法および画像処理装置
US20210209422A1 (en) Learning data collection apparatus, learning data collection method, and program
US9131227B2 (en) Computing device with video analyzing function and video analyzing method
US9361692B2 (en) Image registration device and operation method of the same
JP2020020744A (ja) 錆検出プログラム、錆検出システム及び錆検出方法
CN112417993A (zh) 停车区域的车位线检测方法和计算机设备
JP2020160242A5 (zh)
CN114897902B (zh) 基于多摄像头的bwfrp管道在线监测方法以及系统
JP6681221B2 (ja) 構造解析装置、構造解析方法及び三次元織繊維素材製造方法
Wang et al. Occlusion-aware light field depth estimation with view attention
JP6191623B2 (ja) 画像生成装置、欠陥検査装置および欠陥検査方法
CN111161140A (zh) 一种畸变图像的矫正方法及装置
JP2017123641A5 (zh)
JP2018139366A (ja) 補正量演算装置、補正装置及び補正量演算方法
JP2021022028A (ja) 画像処理装置、画像処理方法及び画像処理プログラム
CN110889432A (zh) 特征点匹配方法、装置、计算机设备和存储介质
JP2020170252A5 (zh)
JP7360303B2 (ja) 画像処理装置および画像処理方法
CN111953982B (zh) 编码失真的图像帧的方法、设备和介质
US9286695B2 (en) Systems and methods for tracking points within an encasement
CN109255754B (zh) 一种大场景多相机图像拼接与真实展现的方法和系统

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