CN109508709B - 一种基于机器视觉的单指针仪表读数方法 - Google Patents
一种基于机器视觉的单指针仪表读数方法 Download PDFInfo
- Publication number
- CN109508709B CN109508709B CN201811152252.0A CN201811152252A CN109508709B CN 109508709 B CN109508709 B CN 109508709B CN 201811152252 A CN201811152252 A CN 201811152252A CN 109508709 B CN109508709 B CN 109508709B
- Authority
- CN
- China
- Prior art keywords
- meter
- pointer
- reading
- feature
- template
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/02—Recognising information on displays, dials, clocks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于机器视觉的单指针仪表读数方法,包括:采集模板图,对模板图进行建模,对模板图的表计区域进行特征检测,把不同刻度的表计进行分类,同一类的生成一个二维码,然后保存建模信息、特征信息和二维码信息;对待识别仪表图像进行特征检测,利用特征匹配技术完成待识别仪表图像和模板图之间的特征点匹配,获取待识别仪表图中表计区域的定位,并且将待识别的表计区域校准为模板图状态;确定指针角度;读取表计上的二维码,得到表计刻度分布;利用角度法确定仪表读数。本发明的方法具有实时性高,计算速度快,能适应各种不同刻度分布表计的优点。
Description
技术领域
本发明涉及数字图像处理技术,具体涉及一种基于机器视觉的单指针仪表读数方法。
背景技术
在电力行业中,大部分位置都配备有指针式仪表。利用传统人工读数方法进去读取时,会出现效率低下且有的仪表安装位置人为测量困难,人工读数无法直接进行,随着计算机的发展和人工智能的兴起,越来越多的基于图像处理的仪表读数方法被提出。
专利CN201611055991.9提出了一种仪表读数自动识别的方法,该方法用正视图作为模板图,利用直线检测完成对模板图中仪表的最大最小刻度线的角度仪表的圆心位置保存在模板图中,然后利用SIFT特征匹配和模板图中的信息完成表计定位与校准,最后利用霍夫变换检测指针直线,利用角度法完成读数。该方法在特征匹配时使用的SIFT算法特征检测速度慢、具有较低的旋转鲁棒性、尺度不变鲁棒性和实时性,在一些巡检条件下无法适用。且变电站巡检中每类表计的可能会存在刻度不均匀的问题,该专利并未解决此问题。
专利CN201711168146.7提出了一种基于机器视觉的单指针仪表读数方法,该方法在采集模板图之后,对模板图的目标区域进行SURF特征检测,保存模板特征信息。在采集待测图之后,对待测图进行SURF特征检测,然后与模板图的特征信息进行匹配,定位出待测图中的目标区域,并且利用透视变换矩阵将待测图校准到模板图的状态。该方法的特征检测使用的是SURF算法,该算法相对于SIFT算法尺度不变鲁棒性和旋转鲁棒性得到了很大的提升,但是在计算时间上耗时较长、实时性较低,在某些室外坏境下使用效果不是很理想。
鉴于此,现有技术还有待改进。
发明内容
针对现有技术的不足,本发明提供一种基于机器视觉的单指针仪表读数方法,能够在检测表计时克服图像倾斜的问题,计算时间极短,实时性极高,并且针对不同刻度分配的表计也能从指针角度偏移中读取读数。
为实现上述目的,本发明的技术方案为:
一种基于机器视觉的单指针仪表读数方法,包括如下步骤:
步骤1:采集模板图:拍摄仪表的正视图作为模板图,对模板图进行建模,对模板图的表计区域进行特征检测,把不同刻度的表计进行分类,同一类的生成一个二维码,然后保存建模信息、特征信息和二维码信息;
步骤2:对待识别仪表图像进行特征检测,利用特征匹配技术完成待识别仪表图像和模板图之间的特征点匹配,获取待识别仪表图中表计区域的定位,并且将待识别的表计区域校准为模板图状态;
步骤3:确定指针角度:对校准后的表计区域进行灰度化和滤波处理;提取建模时选取的刻度点和指针回转中心;简化表计信息,使其包括尽可能多的直线信息;利用Hough变换方法进行直线检测得到指针角度;
步骤4:读取表计上的二维码,得到表计刻度分布;
步骤5:利用角度法确定仪表读数。
其中,步骤1和步骤2中所述的特征检测采用改进的ORB特征检测,具体包括:
(a)特征点提取:包括以下步骤:①对表计特征点进行初提取;②机器学习的方法筛选出表计中最优特征点;③非极大值抑制去除局部较密集的特征点;④特征点的尺度不变形;⑤特征点的旋转不变形;
(b)计算特征描述子:得到特征点后,采用BRIEF算法计算每一个特征点的描述子;
(c)特征点匹配。
其中,步骤5具体包括:首先计算每个刻度点与指针回转中心连线与x轴正方向的夹角,然后建立其角度与x轴正方向的关系式;找到待测指针直线并确定指针方向,求出待测指针直线与x轴正方向的夹角,然后带入角度与读数关系式,完成仪表读数。
本发明的读数方法具有实时性高,计算速度快,能适应各种不同刻度分布表计的优点。
附图说明
图1是本发明的流程图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示,一种基于机器视觉的单指针仪表读数方法,包括如下步骤:
步骤1:采集模板图:拍摄仪表的正视图作为模板图,对模板图进行建模,建模具体包括选取表计区域、选取指针区域、选取刻度点和仪表的回转中心;对模板图的表计区域进行特征检测,把不同刻度的表计进行分类,同一类的生成一个二维码,然后保存建模信息、特征信息和二维码信息。
步骤2:对待识别仪表图像进行特征检测,利用特征匹配技术完成待识别仪表图像和模板图之间的特征点匹配,获取待识别仪表图中表计区域的定位,并且将待识别的表计区域校准为模板图状态。
其中,特征检测采用改进的ORB特征检测,具体包括:
(a)特征点提取:包括以下步骤:①对表计特征点进行初提取;②机器学习的方法筛选出表计中最优特征点;③非极大值抑制去除局部较密集的特征点;④特征点的尺度不变形;⑤特征点的旋转不变形;
(b)计算特征描述子:得到特征点后,采用BRIEF算法计算每一个特征点的描述子;
(c)特征点匹配。
步骤3:确定指针角度:其中包括:
(a)对校准后的表计进行预处理,预处理包括灰度化和滤波处理,其中,灰度化的作用是简化图像数据信息,高斯滤波作用是去除图像噪声信息;
(b)圆心标定:提取建模时选取的刻度点和指针回转中心,该步可以简化后续直线检测的过程,缩短直线特征提取时间;
(c)信息简化:在提取特征前,需要进行表计信息简化处理,包括尽可能多的直线信息,去除无关信息;
(d)利用Hough变换方法进行直线检测得到指针角度。
步骤4:读取表计上的二维码,通过步骤1中的表计刻度分类得出表计刻度分布;
步骤5:利用角度法确定仪表读数,具体步骤为:首先计算每个刻度点与指针回转中心连线与x轴正方向的夹角,然后建立其角度与x轴正方向的关系式;找到待测指针直线并确定指针方向;求出待测指针直线与x轴正方向的夹角,然后带入角度与读数关系式,完成仪表读数。
其中,特征检测技术、特征匹配技术、ORB特征检测、机器学习、BRIEF算法和Hough变换的具体实现均为现有技术。
上述实施例只是为了说明本发明的技术构思及特点,其目的是在于让本领域内的普通技术人员能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。凡是根据本发明内容的实质所做出的等效的变化或修饰,都应涵盖在本发明的保护范围内。
Claims (2)
1.一种基于机器视觉的单指针仪表读数方法,包括如下步骤:
步骤1:采集模板图:拍摄仪表的正视图作为模板图,对模板图进行建模,对模板图的表计区域进行特征检测,把不同刻度的表计进行分类,同一类的生成一个二维码,然后保存建模信息、特征信息和二维码信息;
步骤2:对待识别仪表图像进行特征检测,利用特征匹配技术完成待识别仪表图像和模板图之间的特征点匹配,获取待识别仪表图中表计区域的定位,并且将待识别的表计区域校准为模板图状态;
其中,特征检测采用改进的ORB特征检测,具体包括:
(a)特征点提取:包括以下步骤:①对表计特征点进行初提取;②机器学习的方法筛选出表计中最优特征点;③非极大值抑制去除局部较密集的特征点;④特征点的尺度不变性;⑤特征点的旋转不变性 ;
(b)计算特征描述子:得到特征点后,采用BRIEF算法计算每一个特征点的描述子;
(c)特征点匹配;
步骤3:确定指针角度:对校准后的表计区域进行灰度化和滤波处理;提取建模时选取的刻度点和指针回转中心;简化表计信息,使其包括尽可能多的直线信息;利用Hough变换方法进行直线检测得到指针角度;
步骤4:读取表计上的二维码,得到表计刻度分布;
步骤5:利用角度法确定仪表读数。
2.根据权利要求1所述的一种基于机器视觉的单指针仪表读数方法,其特征在于:步骤5具体包括:首先计算每个刻度点与指针回转中心连线与x轴正方向的夹角,然后建立其角度与x轴正方向的关系式;找到待测指针直线并确定指针方向,求出待测指针直线与x轴正方向的夹角,然后带入角度与读数关系式,完成仪表读数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811152252.0A CN109508709B (zh) | 2018-09-29 | 2018-09-29 | 一种基于机器视觉的单指针仪表读数方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811152252.0A CN109508709B (zh) | 2018-09-29 | 2018-09-29 | 一种基于机器视觉的单指针仪表读数方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109508709A CN109508709A (zh) | 2019-03-22 |
CN109508709B true CN109508709B (zh) | 2021-09-21 |
Family
ID=65746271
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811152252.0A Active CN109508709B (zh) | 2018-09-29 | 2018-09-29 | 一种基于机器视觉的单指针仪表读数方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109508709B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112818973B (zh) * | 2021-01-26 | 2022-09-09 | 浙江国自机器人技术股份有限公司 | 一种用于表计识别的定位及读数的复查方法 |
CN112818974A (zh) * | 2021-01-26 | 2021-05-18 | 浙江国自机器人技术股份有限公司 | 一种基于机器视觉的表计自动建模方法 |
CN113313122A (zh) * | 2021-06-11 | 2021-08-27 | 曲阜师范大学 | 一种基于计算机视觉的指针式仪表自动识别读数方法 |
CN114323106A (zh) * | 2021-12-24 | 2022-04-12 | 航天科技控股集团股份有限公司 | 一种左右滑动的自动汽车仪表指针视觉校准*** |
CN115171091A (zh) * | 2022-09-06 | 2022-10-11 | 浩鲸云计算科技股份有限公司 | 一种面向变电站巡检的表计识别方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104992481A (zh) * | 2015-07-13 | 2015-10-21 | 广东电网有限责任公司惠州供电局 | 基于图像识别技术的表计巡检***及其方法 |
CN106017705A (zh) * | 2016-05-11 | 2016-10-12 | 红旗仪表(长兴)有限公司 | 一种指针式温度计表盘的标示设备及表盘的生成方法 |
CN106570436A (zh) * | 2016-11-14 | 2017-04-19 | 三峡大学 | 一种基于二维码的变电站设备抄表***及其抄表方法 |
CN106778823A (zh) * | 2016-11-22 | 2017-05-31 | 国网湖北省电力公司宜昌供电公司 | 一种指针式仪表读数自动识别方法 |
CN107507174A (zh) * | 2017-08-16 | 2017-12-22 | 杭州意能电力技术有限公司 | 基于手持智能巡检的电厂仪表设备图像识别方法及*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10108874B2 (en) * | 2017-03-06 | 2018-10-23 | Intelligent Security Systems Corporation | Systems and methods for evaluating readings of gauge dials |
-
2018
- 2018-09-29 CN CN201811152252.0A patent/CN109508709B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104992481A (zh) * | 2015-07-13 | 2015-10-21 | 广东电网有限责任公司惠州供电局 | 基于图像识别技术的表计巡检***及其方法 |
CN106017705A (zh) * | 2016-05-11 | 2016-10-12 | 红旗仪表(长兴)有限公司 | 一种指针式温度计表盘的标示设备及表盘的生成方法 |
CN106570436A (zh) * | 2016-11-14 | 2017-04-19 | 三峡大学 | 一种基于二维码的变电站设备抄表***及其抄表方法 |
CN106778823A (zh) * | 2016-11-22 | 2017-05-31 | 国网湖北省电力公司宜昌供电公司 | 一种指针式仪表读数自动识别方法 |
CN107507174A (zh) * | 2017-08-16 | 2017-12-22 | 杭州意能电力技术有限公司 | 基于手持智能巡检的电厂仪表设备图像识别方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN109508709A (zh) | 2019-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109508709B (zh) | 一种基于机器视觉的单指针仪表读数方法 | |
CN111340797B (zh) | 一种激光雷达与双目相机数据融合检测方法及*** | |
CN112906694B (zh) | 变电站倾斜式指针式仪表图像的读数矫正***及方法 | |
CN110659636B (zh) | 基于深度学习的指针式仪表读数识别方法 | |
CN112818988B (zh) | 一种指针式仪表自动识别读数方法及*** | |
CN106778823B (zh) | 一种指针式仪表读数自动识别方法 | |
CN107679535B (zh) | 一种基于模板匹配的指针式水表自动读数识别***及方法 | |
CN109409385B (zh) | 一种指针式仪表自动识别方法 | |
CN112257676B (zh) | 一种指针式仪表读数方法、***以及巡检机器人 | |
CN111950330A (zh) | 一种基于目标检测的指针式仪表示数检测方法 | |
CN110245654B (zh) | 指针读数识别方法及装置、计算机装置及可读存储介质 | |
CN105303168A (zh) | 一种多视角的指针式仪表识别方法和装置 | |
CN108182433A (zh) | 一种表计读数识别方法及*** | |
CN108764234B (zh) | 一种基于巡检机器人的液位仪表读数识别方法 | |
CN110223355B (zh) | 一种基于双重极线约束的特征标志点匹配方法 | |
CN111814919A (zh) | 一种基于深度学习的仪表定位与识别*** | |
CN111723821A (zh) | 一种电厂仪表图像的检测识别方法及装置 | |
CN115597494B (zh) | 一种基于点云的预制构件预留孔的精度检测方法、*** | |
CN112613551A (zh) | 汽车零部件识别方法、存储介质及*** | |
CN110472651B (zh) | 一种基于边缘点局部特征值的目标匹配与定位方法 | |
CN113705564B (zh) | 一种指针式仪表识别读数方法 | |
CN113837166B (zh) | 一种基于深度学习的指针式仪表自动读数方法 | |
CN114863129A (zh) | 仪表数值分析方法、装置、设备及存储介质 | |
CN114092728A (zh) | 一种基于深度学习的指针式仪表智能识别方法及*** | |
CN111553345B (zh) | 基于Mask RCNN与正交线性回归实现仪表指针读数识别处理的方法 |
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 |