CN115112296A - 一种稳定精度测试方法、系统、介质、设备及终端 - Google Patents

一种稳定精度测试方法、系统、介质、设备及终端 Download PDF

Info

Publication number
CN115112296A
CN115112296A CN202210714927.6A CN202210714927A CN115112296A CN 115112296 A CN115112296 A CN 115112296A CN 202210714927 A CN202210714927 A CN 202210714927A CN 115112296 A CN115112296 A CN 115112296A
Authority
CN
China
Prior art keywords
image
template
target
images
stable
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
Application number
CN202210714927.6A
Other languages
English (en)
Inventor
宋云彪
陈照海
王泽刚
肖志艳
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.)
Xi'an Sushi Guangbo Environmental Reliability Laboratory Co ltd
Original Assignee
Xi'an Sushi Guangbo Environmental Reliability Laboratory 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 Xi'an Sushi Guangbo Environmental Reliability Laboratory Co ltd filed Critical Xi'an Sushi Guangbo Environmental Reliability Laboratory Co ltd
Priority to CN202210714927.6A priority Critical patent/CN115112296A/zh
Publication of CN115112296A publication Critical patent/CN115112296A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M1/00—Testing static or dynamic balance of machines or structures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/02—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/36—Videogrammetry, i.e. electronic processing of video signals from a single source or from different sources to give parallax or range information
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明属于稳定精度测试技术领域，公开了一种稳定精度测试方法、系统、介质、设备及终端，通过采集光电摄像头的原始视频图像数据，并对图像进行处理得到模板；对图像分别进行分割和二值化处理后，运用模板匹配法对视频进行识别，得到视频中每一帧图像的特征数据，再利用公式计算整段视频中的稳定精度数据。本发明提出了在稳定精度测试的一套图像识别完整的方法，解决了稳定精度在实际中测试中没有完整的图像处理问题。同时，本发明在稳定精度处理中第一次运用模板匹配法(matchTemplate函数)识别图像的有效特征，精度精确值像素级且准确，其他人用于图像识别的精度是亚像素级。

Description

一种稳定精度测试方法、系统、介质、设备及终端
技术领域
本发明属于稳定精度测试技术领域，尤其涉及一种稳定精度测试方法、系统、介质、设备及终端。
背景技术
目前，现有的检测稳定精度的方法是，在室内设立目标靶，利用吊舱或云台搭载外部成像设备拍摄目标靶，采用图像中心偏移靶位中心的距离来计算稳定精度，是一种后处理方式(拍摄完成后处理)，缺乏实时性，测试耗时长，效率低，测量精度低。
中国专利CN201610554789公开了一种吊舱稳定精度的检测方法及系统，通过振动台固定吊舱的载体，并为所述吊舱的载体提供振动激励；向所述吊舱发射光信号，通过检测反射回的光信号检测所述吊舱的振动幅度，并根据检测结果输出稳定精度指示参数。该专利利用反射光测量只能测量出与发射光同轴方向上(前后)的震动，对垂直方向上的(左右上下)震动无法测量，测量数据不够全面。受待测物品表面材质、形状等影响，测量得到的数据与实际值会有较大的偏差。
中国专利CN200710098921.6公开了一种精度检测仪，主要包括定位器、定位板、四面体、平板、角板、心轴，将定位器放在平台上，使定位器处于水平状态；将平板安放在定位器上，并通过定位器定位；心轴装在角板上，四面体通过紧固件压在心轴上；将角板装在经过定位器定位的平板上，利用导尺和定位器将角板定位后将角板固定在平板上；将平板、四面体、心轴以及角板装配在一起的部件安装在被测转台的内框架的仪表安装基面上，通过定位板调整平板在仪表安装基面上的位置后将平板固定，即可检测转台的位置精度。本发明对单元测试系统转台精度进行现场标定检测，使用简单方便，无须专门的检测人员，一般技术人员经简短的培训即可使用，提高了检测效率和精度，该种检测仪通过仪表检测来确定精度，这种检测方法存在误差，精度不准而且检测的数据不够全面。因此，亟需设计一种新的稳定精度测试方法及系统。
通过上述分析，现有技术存在的问题及缺陷为：
(1)现有的检测稳定精度方法是一种后处理方式(拍摄完成后处理)，缺乏实时性，测试耗时长，效率低，测量精度低。
(2)现有技术利用反射光测量只能测量出与发射光同轴方向上的震动，对垂直方向上的震动无法测量，测量数据不够全面；受待测物品表面材质、形状等影响，测量得到的数据与实际值会有较大的偏差。
(3)现有的检测仪通过仪表检测来确定精度，这种检测方法存在误差，精度不准而且检测的数据不够全面。
发明内容
针对现有技术存在的问题，本发明提供了一种稳定精度测试方法、系统、介质、设备及终端，尤其涉及一种基于图像识别的稳定精度测试方法、系统、介质、设备及终端。
本发明是这样实现的，一种稳定精度测试方法，所述稳定精度测试方法，包括：
通过采集光电摄像头的原始视频图像数据，并对图像进行处理得到模板；对图像分别进行分割和二值化处理后，运用模板匹配法对视频进行识别，得到视频中每一帧图像的特征数据，再利用公式计算整段视频中的稳定精度数据。
进一步，所述稳定精度测试方法还包括：
稳定平台上的光电摄像头跟踪相对运动的目标靶，采集到的光电摄像头输出原始视频分为以下两路进行后续工作：
(1)捕捉视频中单帧图像，通过对图像进行分割和二值化处理，将THRESH_OTSU、THRESH_BINARY两个函数组合使用，得到系列的目标模板，形成目标模板库；目标模板库的图像进行对比，选择最优的目标模板作为模板匹配的模板；
(2)根据方案选择待计算的视频段，将视频段分成单帧图像。
进一步，所述稳定精度测试方法还包括：
(1)运用模板匹配法，利用matchTemplate函数，通过将模板图像在每一帧目标图像上滑动逐一对比，使用TM_SQDIFF_NORMED函数进行图像匹配，找到最合适的匹配部位，并进行归一化处理；
(2)运用minMaxLoc函数寻找矩阵中的最大值和最小值的匹配结果及位置，得到单帧图像中与模板识别到的特征数据或定位的坐标；将已知的光电摄像头的视场角代入公式中进行计算，得到一整段的稳定精度的数据。
进一步，所述稳定精度测试方法包括以下步骤：
步骤一，采集稳定平台上光电摄像头跟踪目标靶时输出的原始视频数据；
步骤二，捕捉系列单帧图像，并对图像分别进行分割和二值化处理，得到目标模板库；同时截取合适长度的原始视频段，通过去除背景噪音、局部放大的方法对视频进行处理；
步骤三，选择效果最佳的目标模板作为模板，同时提取视频的每一帧图像，并对图像分别进行分割和二值化处理；
步骤四，运用模板匹配法，通过模板图像块和输入图像进行匹配，找到最合适的匹配部位并进行归一化处理，分析计算得到图像的特征数据；
步骤五，代入视场角，根据公式计算整段视频的稳定精度数值。
进一步，所述步骤二中的对图像分别进行分割和二值化处理包括：
(1)接收捕捉的系列单帧图像，获取所述单帧图像的类别标签和二值化分割标签，并对所述单帧图像进行特征提取，得到训练数据集；
(2)通过预设的深度学习卷积神经网络得到目标热图，并根据所述目标热图和所述二值化分割标签，得到图像分割损失值；
(3)根据所述训练数据集和所述图像分割损失值对所述预设的深度学习卷积神经网络进行参数调整，进而完成模型的训练；
(4)利用训练得到的深度学习卷积神经网络模型，对捕捉的系列单帧图像分别进行分割和二值化处理，并输出处理结果。
进一步，所述步骤五中的代入视场角，根据公式计算整段视频的稳定精度数值包括：
视频图像中相邻两帧图像中十字靶中心的位移偏差记为Δxi、Δyi，每秒计算1个稳定精度值，统计1min平均值；
每秒的稳定精度按以下公式计算：
Figure BDA0003709112240000041
Figure BDA0003709112240000042
Figure BDA0003709112240000043
其中，Δxi表示两帧图像中十字靶中心的方位偏差像素数；Δyi表示两帧图像中十字靶中心的俯仰偏差像素数；θx表示小视场的实测方位视场角，单位°；θy表示最小视场的实测俯仰视场角，单位°；X表示视场方位方向分辨率；Y表示视场俯仰方向分辨率；μxt表示方位稳定精度，单位mrad；μyt表示俯仰稳定精度，单位mrad；μt表示每秒的稳定精度，单位mrad；n表示总帧数；
稳定精度为：
Figure BDA0003709112240000044
本发明的另一目的在于提供一种应用所述的稳定精度测试方法的稳定精度测试系统，所述稳定精度测试系统包括：
原始视频采集模块，用于采集稳定平台上光电摄像头跟踪目标靶时输出的原始视频数据；
目标模板库构建模块，用于捕捉系列单帧图像，并对图像分别进行分割和二值化处理，得到目标模板库；
视频处理模块，用于截取合适长度的原始视频段，通过去除背景噪音、局部放大的方法对视频进行处理；
模板选取模块，用于选择效果最佳的目标模板作为模板；
图像处理模块，用于提取视频的每一帧图像，并对图像分别进行分割和二值化处理；
图像特征数据计算模块，用于运用模板匹配法，通过模板图像块和输入图像进行匹配，找到最合适的匹配部位并进行归一化处理，分析计算得到图像的特征数据；
稳定精度数值计算模块，用于代入视场角，根据公式计算整段视频的稳定精度数值。
本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
通过采集光电摄像头的原始视频图像数据，并对图像进行处理得到模板；对图像分别进行分割和二值化处理后，运用模板匹配法对视频进行识别，得到视频中每一帧图像的特征数据，再利用公式计算整段视频中的稳定精度数据。
本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：
通过采集光电摄像头的原始视频图像数据，并对图像进行处理得到模板；对图像分别进行分割和二值化处理后，运用模板匹配法对视频进行识别，得到视频中每一帧图像的特征数据，再利用公式计算整段视频中的稳定精度数据。
本发明的另一目的在于提供一种信息数据处理终端，所述信息数据处理终端用于实现所述的稳定精度测试系统。
结合上述的技术方案和解决的技术问题，请从以下几方面分析本发明所要保护的技术方案所具备的优点及积极效果为：
第一、针对上述现有技术存在的技术问题以及解决该问题的难度，紧密结合本发明的所要保护的技术方案以及研发过程中结果和数据等，详细、深刻地分析本发明技术方案如何解决的技术问题，解决问题之后带来的一些具备创造性的技术效果。具体描述如下：
本发明通过采集光电摄像头的原始视频，对图像进行处理得到模板，运用模板匹配法对视频进行识别，得到视频中每一帧图像的特征数据，再利用公式计算整段视频中的稳定精度数据。本发明在稳定精度处理中第一次运用模板匹配法(matchTemplate函数)识别图像的有效特征，精度精确值像素级且准确，其他人用于图像识别的精度是亚像素级，这个级别的数据是估算的。
第二，把技术方案看做一个整体或者从产品的角度，本发明所要保护的技术方案具备的技术效果和优点，具体描述如下：
本发明提出了在稳定精度测试的一套图像识别完整的方法，解决了稳定精度在实际中测试中没有完整的图像处理问题。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的稳定精度测试方法流程图；
图2是本发明实施例提供的稳定精度测试方法原理图；
图3是本发明实施例提供的稳定精度测试系统结构框图；
图中：1、原始视频采集模块；2、目标模板库构建模块；3、视频处理模块；4、模板选取模块；5、图像处理模块；6、图像特征数据计算模块；7、稳定精度数值计算模块。
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。
针对现有技术存在的问题，本发明提供了一种稳定精度测试方法、系统、介质、设备及终端，下面结合附图对本发明作详细的描述。
一、解释说明实施例。为了使本领域技术人员充分了解本发明如何具体实现，该部分是对权利要求技术方案进行展开说明的解释说明实施例。
如图1所示，本发明实施例提供的稳定精度测试方法包括以下步骤：
S101，采集稳定平台上光电摄像头跟踪目标靶时输出的原始视频数据；
S102，捕捉系列单帧图像，并对图像分别进行分割和二值化处理，得到目标模板库；同时截取合适长度的原始视频段，通过去除背景噪音、局部放大的方法对视频进行处理；
S103，选择效果最佳的目标模板作为模板，同时提取视频的每一帧图像，并对图像分别进行分割和二值化处理；
S104，运用模板匹配法，通过模板图像块和输入图像进行匹配，找到最合适的匹配部位并进行归一化处理，分析计算得到图像的特征数据；
S105，代入视场角，根据公式计算整段视频的稳定精度数值。
本发明实施例提供的稳定精度测试方法原理图如图2所示。
如图3所示，本发明实施例提供的稳定精度测试系统包括：
原始视频采集模块1，用于采集稳定平台上光电摄像头跟踪目标靶时输出的原始视频数据；
目标模板库构建模块2，用于捕捉系列单帧图像，并对图像分别进行分割和二值化处理，得到目标模板库；
视频处理模块3，用于截取合适长度的原始视频段，通过去除背景噪音、局部放大的方法对视频进行处理；
模板选取模块4，用于选择效果最佳的目标模板作为模板；
图像处理模块5，用于提取视频的每一帧图像，并对图像分别进行分割和二值化处理；
图像特征数据计算模块6，用于运用模板匹配法，通过模板图像块和输入图像进行匹配，找到最合适的匹配部位并进行归一化处理，分析计算得到图像的特征数据；
稳定精度数值计算模块7，用于代入视场角，根据公式计算整段视频的稳定精度数值。
下面结合具体实施例对本发明的技术方案作进一步的说明。
本发明提出了在稳定精度测试的一套图像识别完整的方法，解决了稳定精度在实际中测试中没有完整的图像处理问题。本发明通过采集光电摄像头的原始视频，对图像进行处理得到模板，运用模板匹配法对视频进行识别，得到视频中每一帧图像的特征数据，再利用公式计算整段视频中的稳定精度数据。
本发明实施例提供的稳定精度测试方法具体包括：
稳定平台上的光电摄像头跟踪相对运动的目标靶，采集到的光电摄像头输出原始视频分为两路进行后续工作，一是捕捉视频中单帧图像，通过对图像进行分割、二值化处理(THRESH_OTSU、THRESH_BINARY两个函数组合使用)，得到一系列的目标模板，形成目标模板库。目标模板库的图像进行对比，选择最优的目标模板作为模板匹配的模板。二是根据方案选择需要计算的视频段，将视频段分成单帧图像。
运用模板匹配法(matchTemplate函数)，通过将模板图像在每一帧目标图像上滑动逐一对比，使用TM_SQDIFF_NORMED函数进行图像匹配，找到最合适的匹配部位，进行归一化处理后，运用minMaxLoc函数寻找矩阵中的最大值和最小值的匹配结果及其位置，得到单帧图像中与模板识别到的特征数据(定位的坐标)。将已知的光电摄像头此时的视场角代入公式中进行计算，得到一整段的稳定精度的数据。
视频图像中相邻两帧图像中十字靶中心的位移偏差记为Δxi、Δyi，每秒计算1个稳定精度值，统计1min平均值。
每秒的稳定精度按以下公式计算：
Figure BDA0003709112240000091
Figure BDA0003709112240000092
Figure BDA0003709112240000093
Δxi——两帧图像中十字靶中心的方位偏差像素数；
Δyi——两帧图像中十字靶中心的俯仰偏差像素数；
θx——小视场的实测方位视场角，°；
θy——最小视场的实测俯仰视场角，°；
X——视场方位方向分辨率；
Y——视场俯仰方向分辨率；
μxt——方位稳定精度，mrad；
μyt——俯仰稳定精度，mrad；
μt——每秒的稳定精度，mrad；
n——总帧数。
稳定精度：
Figure BDA0003709112240000094
本发明在稳定精度处理中第一次运用模板匹配法(matchTemplate函数)识别图像的有效特征，精度精确值像素级且准确，其他人用于图像识别的精度是亚像素级，这个级别的数据是估算的。
二、应用实施例。为了证明本发明的技术方案的创造性和技术价值，该部分是对权利要求技术方案进行具体产品上或相关技术上的应用的应用实施例。
本发明的应用实施例提供了一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
通过采集光电摄像头的原始视频图像数据，并对图像进行处理得到模板；对图像分别进行分割和二值化处理后，运用模板匹配法对视频进行识别，得到视频中每一帧图像的特征数据，再利用公式计算整段视频中的稳定精度数据。
本发明的应用实施例提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：
通过采集光电摄像头的原始视频图像数据，并对图像进行处理得到模板；对图像分别进行分割和二值化处理后，运用模板匹配法对视频进行识别，得到视频中每一帧图像的特征数据，再利用公式计算整段视频中的稳定精度数据。
本发明的应用实施例提供了一种信息数据处理终端，所述信息数据处理终端用于实现所述的稳定精度测试系统。
应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种稳定精度测试方法，其特征在于，所述稳定精度测试方法包括：
通过采集光电摄像头的原始视频图像数据，并对图像进行处理得到模板；对图像分别进行分割和二值化处理后，运用模板匹配法对视频进行识别，得到视频中每一帧图像的特征数据，再利用公式计算整段视频中的稳定精度数据。
2.如权利要求1所述的稳定精度测试方法，其特征在于，所述稳定精度测试方法还包括：
稳定平台上的光电摄像头跟踪相对运动的目标靶，采集到的光电摄像头输出原始视频分为以下两路进行后续工作：
(1)捕捉视频中单帧图像，通过对图像进行分割和二值化处理，将THRESH_OTSU、THRESH_BINARY两个函数组合使用，得到系列的目标模板，形成目标模板库；目标模板库的图像进行对比，选择最优的目标模板作为模板匹配的模板；
(2)根据方案选择待计算的视频段，将视频段分成单帧图像。
3.如权利要求1所述的稳定精度测试方法，其特征在于，所述稳定精度测试方法还包括：
(1)运用模板匹配法，利用matchTemplate函数，通过将模板图像在每一帧目标图像上滑动逐一对比，使用TM_SQDIFF_NORMED函数进行图像匹配，找到最合适的匹配部位，并进行归一化处理；
(2)运用minMaxLoc函数寻找矩阵中的最大值和最小值的匹配结果及位置，得到单帧图像中与模板识别到的特征数据或定位的坐标；将已知的光电摄像头的视场角代入公式中进行计算，得到一整段的稳定精度的数据。
4.如权利要求1所述的稳定精度测试方法，其特征在于，所述稳定精度测试方法包括以下步骤：
步骤一，采集稳定平台上光电摄像头跟踪目标靶时输出的原始视频数据；
步骤二，捕捉系列单帧图像，并对图像分别进行分割和二值化处理，得到目标模板库；同时截取合适长度的原始视频段，通过去除背景噪音、局部放大的方法对视频进行处理；
步骤三，选择效果最佳的目标模板作为模板，同时提取视频的每一帧图像，并对图像分别进行分割和二值化处理；
步骤四，运用模板匹配法，通过模板图像块和输入图像进行匹配，找到最合适的匹配部位并进行归一化处理，分析计算得到图像的特征数据；
步骤五，代入视场角，根据公式计算整段视频的稳定精度数值。
5.如权利要求4所述的稳定精度测试方法，其特征在于，所述步骤二中的对图像分别进行分割和二值化处理包括：
(1)接收捕捉的系列单帧图像，获取所述单帧图像的类别标签和二值化分割标签，并对所述单帧图像进行特征提取，得到训练数据集；
(2)通过预设的深度学习卷积神经网络得到目标热图，并根据所述目标热图和所述二值化分割标签，得到图像分割损失值；
(3)根据所述训练数据集和所述图像分割损失值对所述预设的深度学习卷积神经网络进行参数调整，进而完成模型的训练；
(4)利用训练得到的深度学习卷积神经网络模型，对捕捉的系列单帧图像分别进行分割和二值化处理，并输出处理结果。
6.如权利要求4所述的稳定精度测试方法，其特征在于，所述步骤五中的代入视场角，根据公式计算整段视频的稳定精度数值包括：
视频图像中相邻两帧图像中十字靶中心的位移偏差记为Δxi、Δyi，每秒计算1个稳定精度值，统计1min平均值；
每秒的稳定精度按以下公式计算：
Figure FDA0003709112230000021
Figure FDA0003709112230000022
Figure FDA0003709112230000023
其中，Δxi表示两帧图像中十字靶中心的方位偏差像素数；Δyi表示两帧图像中十字靶中心的俯仰偏差像素数；θx表示小视场的实测方位视场角，单位°；θy表示最小视场的实测俯仰视场角，单位°；X表示视场方位方向分辨率；Y表示视场俯仰方向分辨率；μxt表示方位稳定精度，单位mrad；μyt表示俯仰稳定精度，单位mrad；μt表示每秒的稳定精度，单位mrad；n表示总帧数；
稳定精度为：
Figure FDA0003709112230000031
7.一种应用如权利要求1～6任意一项所述的稳定精度测试方法的稳定精度测试系统，其特征在于，所述稳定精度测试系统包括：
原始视频采集模块，用于采集稳定平台上光电摄像头跟踪目标靶时输出的原始视频数据；
目标模板库构建模块，用于捕捉系列单帧图像，并对图像分别进行分割和二值化处理，得到目标模板库；
视频处理模块，用于截取合适长度的原始视频段，通过去除背景噪音、局部放大的方法对视频进行处理；
模板选取模块，用于选择效果最佳的目标模板作为模板；
图像处理模块，用于提取视频的每一帧图像，并对图像分别进行分割和二值化处理；
图像特征数据计算模块，用于运用模板匹配法，通过模板图像块和输入图像进行匹配，找到最合适的匹配部位并进行归一化处理，分析计算得到图像的特征数据；
稳定精度数值计算模块，用于代入视场角，根据公式计算整段视频的稳定精度数值。
8.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
通过采集光电摄像头的原始视频图像数据，并对图像进行处理得到模板；对图像分别进行分割和二值化处理后，运用模板匹配法对视频进行识别，得到视频中每一帧图像的特征数据，再利用公式计算整段视频中的稳定精度数据。
9.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：
通过采集光电摄像头的原始视频图像数据，并对图像进行处理得到模板；对图像分别进行分割和二值化处理后，运用模板匹配法对视频进行识别，得到视频中每一帧图像的特征数据，再利用公式计算整段视频中的稳定精度数据。
10.一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现如权利要求7所述的稳定精度测试系统。
CN202210714927.6A 2022-06-23 2022-06-23 一种稳定精度测试方法、系统、介质、设备及终端 Pending CN115112296A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210714927.6A CN115112296A (zh) 2022-06-23 2022-06-23 一种稳定精度测试方法、系统、介质、设备及终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210714927.6A CN115112296A (zh) 2022-06-23 2022-06-23 一种稳定精度测试方法、系统、介质、设备及终端

Publications (1)

Publication Number Publication Date
CN115112296A true CN115112296A (zh) 2022-09-27

Family

ID=83327993

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210714927.6A Pending CN115112296A (zh) 2022-06-23 2022-06-23 一种稳定精度测试方法、系统、介质、设备及终端

Country Status (1)

Country Link
CN (1) CN115112296A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116630341A (zh) * 2023-04-20 2023-08-22 广州方信医疗技术有限公司 病理数字化玻片的处理方法及系统
CN116823807A (zh) * 2023-08-02 2023-09-29 北京梦诚科技有限公司 一种桥梁上部结构现浇梁识别方法和系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116630341A (zh) * 2023-04-20 2023-08-22 广州方信医疗技术有限公司 病理数字化玻片的处理方法及系统
CN116630341B (zh) * 2023-04-20 2023-12-01 广州方信医疗技术有限公司 病理数字化玻片的处理方法及系统
CN116823807A (zh) * 2023-08-02 2023-09-29 北京梦诚科技有限公司 一种桥梁上部结构现浇梁识别方法和系统
CN116823807B (zh) * 2023-08-02 2024-04-05 北京梦诚科技有限公司 一种桥梁上部结构现浇梁识别方法和系统

Similar Documents

Publication Publication Date Title
CN107229930B (zh) 一种指针式仪表数值智能识别方法
CN115112296A (zh) 一种稳定精度测试方法、系统、介质、设备及终端
CN112257676B (zh) 一种指针式仪表读数方法、系统以及巡检机器人
CN111476827B (zh) 目标跟踪方法、系统、电子装置及存储介质
US11657644B2 (en) Automatic ruler detection
CN107092905B (zh) 一种电力巡检机器人的待识别仪器定位方法
CN111160477B (zh) 一种基于特征点检测的图像模板匹配方法
TW201317904A (zh) 標籤檢測系統、裝置及其檢測標籤的方法
CN113884011A (zh) 一种非接触式混凝土表观裂缝测量设备和方法
CN115272340B (zh) 工业产品缺陷检测方法和装置
CN113822882A (zh) 基于深度学习的电路板表面缺陷检测方法与检测装置
CN115841488A (zh) 一种基于计算机视觉的pcb板的检孔方法
CN117571721A (zh) 一种电路板焊盘表面缺陷检测方法、装置及存储介质
CN113705564B (zh) 一种指针式仪表识别读数方法
US9946918B2 (en) Symbol detection for desired image reconstruction
JP2022009474A (ja) ビジョンシステムでラインを検出するためのシステム及び方法
CN117788790A (zh) 面向通用场景的物料安装检测方法、系统、设备及介质
CN112763496A (zh) 一种手机电池表面缺陷检测装置及其检测方法
CN116071365A (zh) 零件检测方法、装置、设备及存储介质
CN105447496B (zh) 一种基于机器视觉的入坞飞机机型识别验证方法和系统
CN113534296A (zh) 基于神经网络沙尘天气预报强度误差的测算方法及装置
CN113435300A (zh) 一种避雷器仪表实时识别方法及系统
CN110874837A (zh) 一种基于局部特征分布的缺陷自动检测方法
CN113808067B (zh) 电路板检测方法、视觉检测设备及具有存储功能的装置
CN118536881B (zh) 一种工程建设施工质量动态评估方法、系统及存储介质

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