CN111639647B - 指示灯状态识别方法、装置、计算机设备及存储介质 - Google Patents
指示灯状态识别方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN111639647B CN111639647B CN202010441220.3A CN202010441220A CN111639647B CN 111639647 B CN111639647 B CN 111639647B CN 202010441220 A CN202010441220 A CN 202010441220A CN 111639647 B CN111639647 B CN 111639647B
- Authority
- CN
- China
- Prior art keywords
- image
- identified
- indicator lamp
- information
- color
- 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
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
- G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- 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
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
- Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及指示灯状态识别方法、装置、计算机设备及存储介质,该方法包括在指示灯旁标记一个标识,并制作模板图像,以得到指示灯对应的感兴趣区域相关信息;获取待识别图像;将待识别图像以及模板图像进行特征匹配,并根据指示灯对应的感兴趣区域相关信息获取目标位置信息;根据目标位置信息对待识别图像进行裁剪以及颜色特征提取,以得到颜色特征信息;根据颜色特征信息生成指示灯的指示状态;反馈指示灯的指示状态至终端,以在终端进行显示。本发明增强了对当前的待识别图像进行校正的稳定性,对不同的LED指示灯进行不同方式的的矩形框标注,减少了人工标注的工作量,对环境要求不高,可以应用于各种环境下,具有通用性。
Description
技术领域
本发明涉及指示灯识别方法,更具体地说是指指示灯状态识别方法、装置、计算机设备及存储介质。
背景技术
随着国民经济的不断发展,现代社会对电力的依赖越来越大,电力***的故障往往会给国民经济带来巨大的损失。变电站作为电力***中的核心设施,其中的每一项仪表仪器的标都至关重要,是变电设备运行状态的主要判定依据。智能巡检机器人能24小时不间断地在数据中心巡逻,收集环境数据的同时,还能实时读取主要设备的异常情况并自动报警,大大提升巡逻的可靠性和规范性。以智能机器人辅助人工巡检,可降低劳动强度、提高运营效率、降低运行维护成本。
近年来随着变电站自动巡检机器人的普及,变电站指针式仪表自动读数识别研究虽然取得了一些成绩,但是仍然存在一些问题减缓了其推广与应用。目前,应用在变电站巡检机器人上的LED指示灯状态识别方法还存在一个难点,即不亮且目标比较小的LED指示灯检测不稳定,容易丢失,无法准确估计指示灯的状态。
现有的技术中提及了基于模糊度阀值的图像分割方法、基于彩色度的图像识别方法和基于灰度处理的图像阈值分割方法进行指示灯状态识别,这三种方法对于简单背景,正常光照下,且在LED指示灯高清可见的情况下是有效的,但对于复杂环境以及比较模糊,光照变化比较大的情况下,不亮的灯也很难被检测到;也有基于颜色属性进行的指示灯检测识别方法,即通过将输入图像从原始RGB颜色空间映射到11维颜色属性空间,进行颜色特征的有效提取。该方法虽然解决了由于光照、视角等因素造成的图像失真而引起的漏检问题,但是解决不了目标的尺寸问题;当然,还可以采用手动标注LED指示灯的方法,这种方法提前预知LED指示灯的位置位置信息,不需要进行检测LED指示灯这一步,简化了算法的复杂度,但是在实际场景中,LED指示灯比较多,如果一个一个去标注,工作变得繁琐;还可以基于深度学习方法来对LED指示灯进行检测,效果比传统方法的鲁棒性好,但是速度是个很大的问题,在低配硬件条件下很难达到实时,这就影响了LED指示灯闪烁这一状态的判断。
因此,有必要设计一种新的方法,实现增强了对当前待识别的图像进行校正的稳定性,减少了人工标注的工作量,对环境要求不高,具有通用性。
发明内容
本发明的目的在于克服现有技术的缺陷,提供指示灯状态识别方法、装置、计算机设备及存储介质。
为实现上述目的,本发明采用以下技术方案:指示灯状态识别方法,包括:
在指示灯旁标记一个标识,并制作模板图像,以得到指示灯对应的感兴趣区域相关信息;
获取待识别图像;
将待识别图像以及模板图像进行特征匹配,并根据指示灯对应的感兴趣区域相关信息获取目标位置信息;
根据目标位置信息对所述待识别图像进行裁剪以及颜色特征提取,以得到颜色特征信息;
根据所述颜色特征信息生成指示灯的指示状态;
反馈指示灯的指示状态至终端,以在终端进行显示。
其进一步技术方案为:所述在指示灯旁标记一个标识,并制作模板图像,以得到指示灯对应的感兴趣区域相关信息,包括:
在指示灯旁标记一个标识;
选择一张清晰的现场图像,以得到模板图像,并标记出指示灯对应的感兴趣区域;
根据巡检点保存对应的模板图像以及指示灯对应的感兴趣区域相关信息。
其进一步技术方案为:所述将待识别图像以及模板图像进行特征匹配,并根据指示灯对应的感兴趣区域相关信息获取目标位置信息,包括:
对所述待识别图像以及模板图像进行特征点提取,以得到待识别图像的特征点以及模板图像的特征点;
对待识别图像的特征点以及模板图像的特征点进行匹配,以得到特征匹配对;
获取特征匹配对的仿射矩阵;
根据特征匹配对的仿射矩阵以及指示灯对应的感兴趣区域相关信息获取待识别图像中的指示灯位置信息,以得到目标位置信息。
其进一步技术方案为:所述对待识别图像的特征点以及模板图像的特征点进行匹配,以得到特征匹配对,包括:
计算待识别图像的特征点以及模板图像的特征点的相似度,以得到相似度集合;
筛选相似度集合中不低于设定阈值的相似度所对应的待识别图像的特征点以及模板图像的特征点,以形成特征匹配对。
其进一步技术方案为:所述根据目标位置信息对所述待识别图像进行裁剪以及颜色特征提取,以得到颜色特征信息,包括:
根据目标位置信息对所述待识别图像进行裁剪,以得到中间图像;
将所述中间图像按照RGB图像空间转换为YIQ图像空间方式进行转换,以得到目标图像;
获取所述目标图像所对应的二值图像,并计算所述二值图像占整个目标图像的百分比,以得到颜色特征信息。
其进一步技术方案为:所述根据所述颜色特征信息生成指示灯的指示状态,包括:
判断所述颜色特征信息是否大于颜色阈值;
若所述颜色特征信息大于颜色阈值,则所述指示灯的指示状态为点亮状态;
若所述颜色特征信息不大于颜色阈值,则所述指示灯的指示状态为熄灭状态。
本发明还提供了指示灯状态识别装置,其特征在于,包括:
预处理单元,用于在指示灯旁标记一个标识,并制作模板图像,以得到指示灯对应的感兴趣区域相关信息;
图像获取单元,用于获取待识别图像;
匹配单元,用于将待识别图像以及模板图像进行特征匹配,并根据指示灯对应的感兴趣区域相关信息获取目标位置信息;
颜色信息获取单元,用于根据目标位置信息对所述待识别图像进行裁剪以及颜色特征提取,以得到颜色特征信息;
状态生成单元,用于根据所述颜色特征信息生成指示灯的指示状态;
状态反馈单元,用于反馈指示灯的指示状态至终端,以在终端进行显示。
其进一步技术方案为:所述预处理单元包括:
标记子单元,用于在指示灯旁标记一个标识;
模板生成子单元,用于选择一张清晰的现场图像,以得到模板图像,并标记出指示灯对应的感兴趣区域;
保存子单元,用于根据巡检点保存对应的模板图像以及指示灯对应的感兴趣区域相关信息。
本发明还提供了一种计算机设备,所述计算机设备包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现上述的方法。
本发明还提供了一种存储介质,所述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可实现上述的方法。
本发明与现有技术相比的有益效果是:本发明通过在指示灯旁设置标识,增强了对当前的待识别图像进行校正的稳定性,设置模板图像以及设置指示灯对应的感兴趣区域,对不同的LED指示灯进行不同方式的的矩形框标注,减少了人工标注的工作量,获取到待识别图像后,与模板图像进行特征点的匹配,在进行颜色特征提取后判断指示灯的状态,对环境要求不高,可以应用于各种环境下,也使用于各种形状以及各种尺寸的LED指示灯,具有通用性。
下面结合附图和具体实施例对本发明作进一步描述。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图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为本发明实施例提供的指示灯状态识别方法的应用场景示意图;
图2为本发明实施例提供的指示灯状态识别方法的流程示意图;
图3为本发明实施例提供的指示灯状态识别方法的子流程示意图;
图4为本发明实施例提供的指示灯状态识别方法的子流程示意图;
图5为本发明实施例提供的指示灯状态识别方法的子流程示意图;
图6为本发明实施例提供的指示灯状态识别方法的子流程示意图;
图7为本发明实施例提供的指示灯状态识别方法的子流程示意图;
图8为本发明实施例提供的指示灯状态识别装置的示意性框图;
图9为本发明实施例提供的指示灯状态识别装置的预处理单元的示意性框图;
图10为本发明实施例提供的指示灯状态识别装置的匹配单元的示意性框图;
图11为本发明实施例提供的指示灯状态识别装置的匹配对生成子单元的示意性框图;
图12为本发明实施例提供的指示灯状态识别装置的颜色信息获取单元的示意性框图;
图13为本发明实施例提供的计算机设备的示意性框图。
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。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
请参阅图1和图2,图1为本发明实施例提供的指示灯状态识别方法的应用场景示意图。图2为本发明实施例提供的指示灯状态识别方法的示意性流程图。该指示灯状态识别方法应用于服务器中。该服务器与终端进行数据交互,其中,服务器可以放置在巡检机器人上,巡检机器人上设有摄像头,将拍摄到的图像传至服务器进行提取和分析,再将分析出来的状态显示在终端上,该终端可以是一个显示屏,集成在巡检机器人上。
图2是本发明实施例提供的指示灯状态识别方法的流程示意图。如图2所示,该方法包括以下步骤S110至S160。
S110、在指示灯旁标记一个标识,并制作模板图像,以得到指示灯对应的感兴趣区域相关信息。
在本实施例中,模板图像是指可作用参照的现场图像,指示灯对应的感兴趣区域相关信息是指指示灯所在的位置的坐标等信息。通过在LED指示灯旁贴上有特征明显的标识符,增强了对当前待识别的图像进行校正的稳定性,通过对不同的LED指示灯进行不同方式的的矩形框标注,减少了人工标注的工作量。
在一实施例中,请参阅图3,上述的步骤S110可包括步骤S111~S113。
S111、在指示灯旁标记一个标识。
在本实施例中,在现场的LED指示灯旁贴上一个关键点特征明显的标识。
关键点特征明显的标识是指此标识具有很明显的角点的特征,比如条形码,二维码,或者是制作的图像,当前的待识别图像较模板图像具有水平偏移或者角度旋转等情况的时候,需要对当前的待识别图像与模板图像进行对齐,则可分别提取待识别图像与模板图像中标识的特征点。
S112、选择一张清晰的现场图像,以得到模板图像,并标记出指示灯对应的感兴趣区域。
具体地,选择一张清晰的现场图像作为模板图像,并对模板图像进行标注,即对每一个LED指示灯画上ROI(感兴趣区域,region of interest)区域。
S113、根据巡检点保存对应的模板图像以及指示灯对应的感兴趣区域相关信息。
指示灯对应的感兴趣区域是指为每个LED指示灯画上矩形框,如果LED指示灯比较少,可以对每个LED指示灯分别标注矩形框,如果LED指示灯比较多且成矩阵分布,可以通过表格的方式进行标注,即首先根据图像中的LED指示灯的排列矩阵给出表格的行数和列数,然后在图像上从LED指示灯的左上角点击下拉,生成一个与LED指示灯的排列矩阵数目相同的表格,且表格的小方框就是LED指示灯的坐标位置。
保存模板图像以及指示灯对应的感兴趣区域相关信息是指模板图像与标注信息要以巡检点命名的方式进行保存。比如巡检点1的模板图像的命名方式为point1.jpg,每一个巡检点对应一个信息文件,比如巡检点1的标注信息保存在point1.txt中,保存的信息有总共有多少个目标,记为n。每个矩形框的坐标信息,每个矩形框的坐标信息为(i,j),表示第i行第j个LED指示灯。
对环境要求不高,可以应用于各种环境下,也使用于各种形状以及各种尺寸的LED指示灯,具有通用性。
S120、获取待识别图像。
在本实施例中,待识别图像是指巡检机器人所拍摄的当前的现场照片。
S130、将待识别图像以及模板图像进行特征匹配,并根据指示灯对应的感兴趣区域相关信息获取目标位置信息。
在本实施例中,目标位置信息是指当前指示灯在待识别图像内的坐标信息。
在一实施例中,请参阅图4,上述的步骤S130可包括步骤S131~S134。
S131、对所述待识别图像以及模板图像进行特征点提取,以得到待识别图像的特征点以及模板图像的特征点。
在本实施例中,特征点是指在图像内的指示灯。
具体地,利用ORB(快速特征点提取和描述的算法,Oriented FAST and RotatedBRIEF)特征提取的方法获取模板图像与当前待识别图像的特征点。
S132、对待识别图像的特征点以及模板图像的特征点进行匹配,以得到特征匹配对。
在本实施例中,特征匹配对是指待识别图像以及模板图像内两个特征点相似度满足要求的特征点组合。
特征的匹配是针对特征描述子进行的,特征描述子通常是一个向量,两个特征描述子的之间的距离可以反应出其相似的程度,也就是这两个特征点是不是同一个。根据特征描述子的不同,可以选择不同的距离度量。如果是浮点类型的特征描述子,可以使用其欧式距离;对于二进制的特征描述子可以使用其汉明距离,即两个不同二进制之间的汉明距离指的是两个二进制串不同位的个数。
有了计算描述子相似度的方法,那么在特征点的集合中如何寻找和其最相似的特征点,这就是特征点的匹配了。具体可用下述方法进行匹配:
暴力匹配方法,即计算某一个特征点描述子与其他所有特征点描述子之间的距离,然后将得到的距离进行排序,取距离最近的一个作为匹配点;
过滤错误匹配方法;
汉明距离小于最小距离的两倍,即选择已经匹配的点对的汉明距离小于最小距离的两倍作为判断依据,如果小于该值则认为是一个错误的匹配,过滤掉;大于该值则认为是一个正确的匹配;
交叉匹配,即交叉过滤的是想很简单,再进行一次匹配,反过来使用被匹配到的点进行匹配,如果匹配到的仍然是第一次匹配的点的话,就认为这是一个正确的匹配。举个例子,假如第一次特征点A使用暴力匹配的方法,匹配到的特征点是特征点B;反过来,使用特征点B进行匹配,如果匹配到的仍然是特征点A,则就认为这是一个正确的匹配,否则就是一个错误的匹配。
KNN匹配,即K近邻匹配,在匹配的时候选择K个和特征点最相似的点,如果这K个点之间的区别足够大,则选择最相似的那个点作为匹配点,通常选择K=2,也就是最近邻匹配。对每个匹配返回两个最近邻的匹配,如果第一匹配和第二匹配距离比率足够大,即向量距离足够远,则认为这是一个正确的匹配,比率的阈值通常在2左右。
随机采样一致性方法,该方法利用匹配点计算两个图像之间单应矩阵,然后利用重投影误差来判定某一个匹配是不是正确的匹配。
在一实施例中,请参阅图5,上述的步骤S132可包括步骤S1321~S1322。
S1321、计算待识别图像的特征点以及模板图像的特征点的相似度,以得到相似度集合。
在本实施例中,相似度集合是指待识别图像的所有特征点以及模板图像的所有特征点的相似度组成的一个集合。
S1322、筛选相似度集合中不低于设定阈值的相似度所对应的待识别图像的特征点以及模板图像的特征点,以形成特征匹配对。
通过knnMatch(K最近邻匹配,k-Nearest Neighbor Match)算法进行特征点匹配,得到特征点匹配对。在实际应用往往会存在错误匹配对,这些错误的匹配对带入最终的运动模型当中,会引起很大的误差,因此需使用ransac(随机抽样一致,RANdom SAmpleConsensus)算法进行错误匹配对的剔除。
S133、获取特征匹配对的仿射矩阵。
在本实施例中,仿射矩阵是指仿射变换所得到的矩阵,仿射变换又称仿射映射,是指在几何中,一个向量空间进行一次线性变换并接上一个平移,变换为另一个向量空间。
具体地,通过保留下来的匹配对以及透视变化原理求仿射矩阵。
S134、根据特征匹配对的仿射矩阵以及指示灯对应的感兴趣区域相关信息获取待识别图像中的指示灯位置信息,以得到目标位置信息。
根据仿射矩阵以及指示灯对应的感兴趣区域相关信息便可得到待识别图像中的指示灯位置信息,利用仿射矩阵确定指示灯的感兴趣区域,再根据指示灯对应的感兴趣区域相关信息便可得到目标位置信息。
S140、根据目标位置信息对所述待识别图像进行裁剪以及颜色特征提取,以得到颜色特征信息。
在本实施例中,颜色特征信息是指指示灯的颜色占比裁剪后的待识别图像的百分比。
在一实施例中,请参阅图6,上述的步骤S140可包括步骤S141~S143。
S141、根据目标位置信息对所述待识别图像进行裁剪,以得到中间图像。
在本实施例中,中间图像是指仅包括指示灯的图像。
S142、将所述中间图像按照RGB图像空间转换为YIQ图像空间方式进行转换,以得到目标图像。
在本实施例中,目标图像是指转换为YIQ图像空间的中间图像。
S143、获取所述目标图像所对应的二值图像,并计算所述二值图像占整个目标图像的百分比,以得到颜色特征信息。
颜色特征提取是指颜色空间转换,将RGB图像空间转换为YIQ图像空间,将YIQ图像空间的I分量通过阈值的方法获得二值图像,即I分量的数值大于阈值为1,小于阈值为0;本实施例中阈值预设为230。
S150、根据所述颜色特征信息生成指示灯的指示状态。
在一实施例中,请参阅图7,上述的步骤S150可包括步骤S151~S153。
S151、判断所述颜色特征信息是否大于颜色阈值;
S152、若所述颜色特征信息大于颜色阈值,则所述指示灯的指示状态为点亮状态;
S153、若所述颜色特征信息不大于颜色阈值,则所述指示灯的指示状态为熄灭状态。
通过颜色特征信息判断LED指示灯的状态,即计算二值图像元素1占整个目标图像区域的百分比,如果百分比数值大于所设置的颜色阈值,则LED指示灯亮,否则为不亮,本实施例中,颜色阈值为0.01。
S160、反馈指示灯的指示状态至终端,以在终端进行显示。
上述的指示灯状态识别方法,通过在指示灯旁设置标识,增强了对当前的待识别图像进行校正的稳定性,设置模板图像以及设置指示灯对应的感兴趣区域,对不同的LED指示灯进行不同方式的的矩形框标注,减少了人工标注的工作量,获取到待识别图像后,与模板图像进行特征点的匹配,在进行颜色特征提取后判断指示灯的状态,对环境要求不高,可以应用于各种环境下,也使用于各种形状以及各种尺寸的LED指示灯,具有通用性。
图8是本发明实施例提供的一种指示灯状态识别装置300的示意性框图。如图8所示,对应于以上指示灯状态识别方法,本发明还提供一种指示灯状态识别装置300。该指示灯状态识别装置300包括用于执行上述指示灯状态识别方法的单元,该装置可以被配置于服务器中。具体地,请参阅图8,该指示灯状态识别装置300包括预处理单元301、图像获取单元302、匹配单元303、颜色信息获取单元304、状态生成单元305以及状态反馈单元306。
预处理单元301,用于在指示灯旁标记一个标识,并制作模板图像,以得到指示灯对应的感兴趣区域相关信息;图像获取单元302,用于获取待识别图像;匹配单元303,用于将待识别图像以及模板图像进行特征匹配,并根据指示灯对应的感兴趣区域相关信息获取目标位置信息;颜色信息获取单元304,用于根据目标位置信息对所述待识别图像进行裁剪以及颜色特征提取,以得到颜色特征信息;状态生成单元305,用于根据所述颜色特征信息生成指示灯的指示状态;状态反馈单元306,用于反馈指示灯的指示状态至终端,以在终端进行显示。
在一实施例中,如图9所示,所述预处理单元301包括标记子单元3011、模板生成子单元3012以及保存子单元3013。
标记子单元3011,用于在指示灯旁标记一个标识;模板生成子单元3012,用于选择一张清晰的现场图像,以得到模板图像,并标记出指示灯对应的感兴趣区域;保存子单元3013,用于根据巡检点保存对应的模板图像以及指示灯对应的感兴趣区域相关信息。
在一实施例中,如图10所示,所述匹配单元303包括特征点提取子单元3031、匹配对生成子单元3032、矩阵获取子单元3033以及位置获取子单元3034。
特征点提取子单元3031,用于对所述待识别图像以及模板图像进行特征点提取,以得到待识别图像的特征点以及模板图像的特征点;匹配对生成子单元3032,用于对待识别图像的特征点以及模板图像的特征点进行匹配,以得到特征匹配对;矩阵获取子单元3033,用于获取特征匹配对的仿射矩阵;位置获取子单元3034,用于根据特征匹配对的仿射矩阵以及指示灯对应的感兴趣区域相关信息获取待识别图像中的指示灯位置信息,以得到目标位置信息。
在一实施例中,如图11所示,所述匹配对生成子单元3032包括相似度计算子单元30321以及筛选子单元30322。
相似度计算子单元30321,用于计算待识别图像的特征点以及模板图像的特征点的相似度,以得到相似度集合;筛选子单元30322,用于筛选相似度集合中不低于设定阈值的相似度所对应的待识别图像的特征点以及模板图像的特征点,以形成特征匹配对。
在一实施例中,如图12所示,所述颜色信息获取单元304包括裁剪子单元3041、转换子单元3042以及信息提取子单元3043。
裁剪子单元3041,用于根据目标位置信息对所述待识别图像进行裁剪,以得到中间图像;转换子单元3042,用于将所述中间图像按照RGB图像空间转换为YIQ图像空间方式进行转换,以得到目标图像;信息提取子单元3043,用于获取所述目标图像所对应的二值图像,并计算所述二值图像占整个目标图像的百分比,以得到颜色特征信息。
在一实施例中,状态生成单元305,用于判断所述颜色特征信息是否大于颜色阈值;若所述颜色特征信息大于颜色阈值,则所述指示灯的指示状态为点亮状态;若所述颜色特征信息不大于颜色阈值,则所述指示灯的指示状态为熄灭状态。
需要说明的是,所属领域的技术人员可以清楚地了解到,上述指示灯状态识别装置300和各单元的具体实现过程,可以参考前述方法实施例中的相应描述,为了描述的方便和简洁,在此不再赘述。
上述指示灯状态识别装置300可以实现为一种计算机程序的形式,该计算机程序可以在如图13所示的计算机设备上运行。
请参阅图13,图13是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备500可以是服务器,其中,服务器可以是独立的服务器,也可以是多个服务器组成的服务器集群。
参阅图13,该计算机设备500包括通过***总线501连接的处理器502、存储器和网络接口505,其中,存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作***5031和计算机程序5032。该计算机程序5032包括程序指令,该程序指令被执行时,可使得处理器502执行一种指示灯状态识别方法。
该处理器502用于提供计算和控制能力,以支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境,该计算机程序5032被处理器502执行时,可使得处理器502执行一种指示灯状态识别方法。
该网络接口505用于与其它设备进行网络通信。本领域技术人员可以理解,图13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500的限定,具体的计算机设备500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。
其中,所述处理器502用于运行存储在存储器中的计算机程序5032,以实现如下步骤:
在指示灯旁标记一个标识,并制作模板图像,以得到指示灯对应的感兴趣区域相关信息;获取待识别图像;将待识别图像以及模板图像进行特征匹配,并根据指示灯对应的感兴趣区域相关信息获取目标位置信息;根据目标位置信息对所述待识别图像进行裁剪以及颜色特征提取,以得到颜色特征信息;根据所述颜色特征信息生成指示灯的指示状态;反馈指示灯的指示状态至终端,以在终端进行显示。
在一实施例中,处理器502在实现所述在指示灯旁标记一个标识,并制作模板图像,以得到指示灯对应的感兴趣区域相关信息步骤时,具体实现如下步骤:
在指示灯旁标记一个标识;选择一张清晰的现场图像,以得到模板图像,并标记出指示灯对应的感兴趣区域;根据巡检点保存对应的模板图像以及指示灯对应的感兴趣区域相关信息。
在一实施例中,处理器502在实现所述将待识别图像以及模板图像进行特征匹配,并根据指示灯对应的感兴趣区域相关信息获取目标位置信息步骤时,具体实现如下步骤:
对所述待识别图像以及模板图像进行特征点提取,以得到待识别图像的特征点以及模板图像的特征点;对待识别图像的特征点以及模板图像的特征点进行匹配,以得到特征匹配对;获取特征匹配对的仿射矩阵;根据特征匹配对的仿射矩阵以及指示灯对应的感兴趣区域相关信息获取待识别图像中的指示灯位置信息,以得到目标位置信息。
在一实施例中,处理器502在实现所述对待识别图像的特征点以及模板图像的特征点进行匹配,以得到特征匹配对步骤时,具体实现如下步骤:
计算待识别图像的特征点以及模板图像的特征点的相似度,以得到相似度集合;筛选相似度集合中不低于设定阈值的相似度所对应的待识别图像的特征点以及模板图像的特征点,以形成特征匹配对。
在一实施例中,处理器502在实现所述根据目标位置信息对所述待识别图像进行裁剪以及颜色特征提取,以得到颜色特征信息步骤时,具体实现如下步骤:
根据目标位置信息对所述待识别图像进行裁剪,以得到中间图像;将所述中间图像按照RGB图像空间转换为YIQ图像空间方式进行转换,以得到目标图像;获取所述目标图像所对应的二值图像,并计算所述二值图像占整个目标图像的百分比,以得到颜色特征信息。
在一实施例中,处理器502在实现所述根据所述颜色特征信息生成指示灯的指示状态步骤时,具体实现如下步骤:
判断所述颜色特征信息是否大于颜色阈值;若所述颜色特征信息大于颜色阈值,则所述指示灯的指示状态为点亮状态;若所述颜色特征信息不大于颜色阈值,则所述指示灯的指示状态为熄灭状态。
应当理解,在本申请实施例中,处理器502可以是中央处理单元(CentralProcessing Unit,CPU),该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本领域普通技术人员可以理解的是实现上述实施例的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。该计算机程序包括程序指令,计算机程序可存储于一存储介质中,该存储介质为计算机可读存储介质。该程序指令被该计算机***中的至少一个处理器执行,以实现上述方法的实施例的流程步骤。
因此,本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序,其中该计算机程序被处理器执行时使处理器执行如下步骤:
在指示灯旁标记一个标识,并制作模板图像,以得到指示灯对应的感兴趣区域相关信息;获取待识别图像;将待识别图像以及模板图像进行特征匹配,并根据指示灯对应的感兴趣区域相关信息获取目标位置信息;根据目标位置信息对所述待识别图像进行裁剪以及颜色特征提取,以得到颜色特征信息;根据所述颜色特征信息生成指示灯的指示状态;反馈指示灯的指示状态至终端,以在终端进行显示。
在一实施例中,所述处理器在执行所述计算机程序而实现所述在指示灯旁标记一个标识,并制作模板图像,以得到指示灯对应的感兴趣区域相关信息步骤时,具体实现如下步骤:
在指示灯旁标记一个标识;选择一张清晰的现场图像,以得到模板图像,并标记出指示灯对应的感兴趣区域;根据巡检点保存对应的模板图像以及指示灯对应的感兴趣区域相关信息。
在一实施例中,所述处理器在执行所述计算机程序而实现所述将待识别图像以及模板图像进行特征匹配,并根据指示灯对应的感兴趣区域相关信息获取目标位置信息步骤时,具体实现如下步骤:
对所述待识别图像以及模板图像进行特征点提取,以得到待识别图像的特征点以及模板图像的特征点;对待识别图像的特征点以及模板图像的特征点进行匹配,以得到特征匹配对;获取特征匹配对的仿射矩阵;根据特征匹配对的仿射矩阵以及指示灯对应的感兴趣区域相关信息获取待识别图像中的指示灯位置信息,以得到目标位置信息。
在一实施例中,所述处理器在执行所述计算机程序而实现所述对待识别图像的特征点以及模板图像的特征点进行匹配,以得到特征匹配对步骤时,具体实现如下步骤:
计算待识别图像的特征点以及模板图像的特征点的相似度,以得到相似度集合;筛选相似度集合中不低于设定阈值的相似度所对应的待识别图像的特征点以及模板图像的特征点,以形成特征匹配对。
在一实施例中,所述处理器在执行所述计算机程序而实现所述根据目标位置信息对所述待识别图像进行裁剪以及颜色特征提取,以得到颜色特征信息步骤时,具体实现如下步骤:
根据目标位置信息对所述待识别图像进行裁剪,以得到中间图像;将所述中间图像按照RGB图像空间转换为YIQ图像空间方式进行转换,以得到目标图像;获取所述目标图像所对应的二值图像,并计算所述二值图像占整个目标图像的百分比,以得到颜色特征信息。
在一实施例中,所述处理器在执行所述计算机程序而实现所述根据所述颜色特征信息生成指示灯的指示状态步骤时,具体实现如下步骤:
判断所述颜色特征信息是否大于颜色阈值;若所述颜色特征信息大于颜色阈值,则所述指示灯的指示状态为点亮状态;若所述颜色特征信息不大于颜色阈值,则所述指示灯的指示状态为熄灭状态。
所述存储介质可以是U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的计算机可读存储介质。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的。例如,各个单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。
该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,终端,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
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,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (5)
1.指示灯状态识别方法,其特征在于,包括:
在指示灯旁标记一个标识,并制作模板图像,以得到指示灯对应的感兴趣区域相关信息;
获取待识别图像;
将待识别图像以及模板图像进行特征匹配,并根据指示灯对应的感兴趣区域相关信息获取目标位置信息;
根据目标位置信息对所述待识别图像进行裁剪以及颜色特征提取,以得到颜色特征信息;
根据所述颜色特征信息生成指示灯的指示状态;
反馈指示灯的指示状态至终端,以在终端进行显示;
所述将待识别图像以及模板图像进行特征匹配,并根据指示灯对应的感兴趣区域相关信息获取目标位置信息,包括:
对所述待识别图像以及模板图像进行特征点提取,以得到待识别图像的特征点以及模板图像的特征点;
对待识别图像的特征点以及模板图像的特征点进行匹配,以得到特征匹配对;
获取特征匹配对的仿射矩阵;
根据特征匹配对的仿射矩阵以及指示灯对应的感兴趣区域相关信息获取待识别图像中的指示灯位置信息,以得到目标位置信息;
所述对待识别图像的特征点以及模板图像的特征点进行匹配,以得到特征匹配对,包括:
计算待识别图像的特征点以及模板图像的特征点的相似度,以得到相似度集合;
筛选相似度集合中不低于设定阈值的相似度所对应的待识别图像的特征点以及模板图像的特征点,以形成特征匹配对;
所述根据目标位置信息对所述待识别图像进行裁剪以及颜色特征提取,以得到颜色特征信息,包括:
根据目标位置信息对所述待识别图像进行裁剪,以得到中间图像;
将所述中间图像按照RGB图像空间转换为YIQ图像空间方式进行转换,以得到目标图像;
获取所述目标图像所对应的二值图像,并计算所述二值图像占整个目标图像的百分比,以得到颜色特征信息;
所述根据所述颜色特征信息生成指示灯的指示状态,包括:
判断所述颜色特征信息是否大于颜色阈值;
若所述颜色特征信息大于颜色阈值,则所述指示灯的指示状态为点亮状态;
若所述颜色特征信息不大于颜色阈值,则所述指示灯的指示状态为熄灭状态。
2.根据权利要求1所述的指示灯状态识别方法,其特征在于,所述在指示灯旁标记一个标识,并制作模板图像,以得到指示灯对应的感兴趣区域相关信息,包括:
在指示灯旁标记一个标识;
选择一张清晰的现场图像,以得到模板图像,并标记出指示灯对应的感兴趣区域;
根据巡检点保存对应的模板图像以及指示灯对应的感兴趣区域相关信息。
3.指示灯状态识别装置,其特征在于,包括:
预处理单元,用于在指示灯旁标记一个标识,并制作模板图像,以得到指示灯对应的感兴趣区域相关信息;
图像获取单元,用于获取待识别图像;
匹配单元,用于将待识别图像以及模板图像进行特征匹配,并根据指示灯对应的感兴趣区域相关信息获取目标位置信息;
颜色信息获取单元,用于根据目标位置信息对所述待识别图像进行裁剪以及颜色特征提取,以得到颜色特征信息;
状态生成单元,用于根据所述颜色特征信息生成指示灯的指示状态;
状态反馈单元,用于反馈指示灯的指示状态至终端,以在终端进行显示;
所述预处理单元包括:
标记子单元,用于在指示灯旁标记一个标识;
模板生成子单元,用于选择一张清晰的现场图像,以得到模板图像,并标记出指示灯对应的感兴趣区域;
保存子单元,用于根据巡检点保存对应的模板图像以及指示灯对应的感兴趣区域相关信息;
所述匹配单元包括特征点提取子单元、匹配对生成子单元、矩阵获取子单元以及位置获取子单元;
特征点提取子单元,用于对所述待识别图像以及模板图像进行特征点提取,以得到待识别图像的特征点以及模板图像的特征点;匹配对生成子单元,用于对待识别图像的特征点以及模板图像的特征点进行匹配,以得到特征匹配对;矩阵获取子单元,用于获取特征匹配对的仿射矩阵;位置获取子单元,用于根据特征匹配对的仿射矩阵以及指示灯对应的感兴趣区域相关信息获取待识别图像中的指示灯位置信息,以得到目标位置信息;
所述匹配对生成子单元包括相似度计算子单元以及筛选子单元;
相似度计算子单元,用于计算待识别图像的特征点以及模板图像的特征点的相似度,以得到相似度集合;筛选子单元,用于筛选相似度集合中不低于设定阈值的相似度所对应的待识别图像的特征点以及模板图像的特征点,以形成特征匹配对;
所述颜色信息获取单元包括裁剪子单元、转换子单元以及信息提取子单元;
裁剪子单元,用于根据目标位置信息对所述待识别图像进行裁剪,以得到中间图像;转换子单元,用于将所述中间图像按照RGB图像空间转换为YIQ图像空间方式进行转换,以得到目标图像;信息提取子单元,用于获取所述目标图像所对应的二值图像,并计算所述二值图像占整个目标图像的百分比,以得到颜色特征信息;
状态生成单元,用于判断所述颜色特征信息是否大于颜色阈值;若所述颜色特征信息大于颜色阈值,则所述指示灯的指示状态为点亮状态;若所述颜色特征信息不大于颜色阈值,则所述指示灯的指示状态为熄灭状态。
4.一种计算机设备,其特征在于,所述计算机设备包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至2中任一项所述的方法。
5.一种存储介质,其特征在于,所述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可实现如权利要求1至2中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010441220.3A CN111639647B (zh) | 2020-05-22 | 2020-05-22 | 指示灯状态识别方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010441220.3A CN111639647B (zh) | 2020-05-22 | 2020-05-22 | 指示灯状态识别方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111639647A CN111639647A (zh) | 2020-09-08 |
CN111639647B true CN111639647B (zh) | 2023-07-25 |
Family
ID=72329036
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010441220.3A Active CN111639647B (zh) | 2020-05-22 | 2020-05-22 | 指示灯状态识别方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111639647B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111950535B (zh) * | 2020-09-23 | 2022-07-12 | 苏州科达科技股份有限公司 | 交通信号灯灯色、颜色识别方法、电子设备及存储介质 |
CN112115897B (zh) * | 2020-09-24 | 2023-12-22 | 深圳市赛为智能股份有限公司 | 多指针仪表报警检测方法、装置、计算机设备及存储介质 |
CN112364740B (zh) * | 2020-10-30 | 2024-04-19 | 交控科技股份有限公司 | 一种基于计算机视觉的无人机房监控方法及*** |
CN112364780A (zh) * | 2020-11-11 | 2021-02-12 | 许继集团有限公司 | 一种指示灯状态识别方法 |
CN117094966B (zh) * | 2023-08-21 | 2024-04-05 | 青岛美迪康数字工程有限公司 | 基于图像扩增的舌图像识别方法、装置和计算机设备 |
CN117670884A (zh) * | 2024-01-31 | 2024-03-08 | 深圳中科精工科技有限公司 | 图像标注方法、装置、设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106529556A (zh) * | 2016-11-16 | 2017-03-22 | 国家电网公司 | 一种仪表指示灯的视觉检测*** |
CN107103330A (zh) * | 2017-03-31 | 2017-08-29 | 深圳市浩远智能科技有限公司 | 一种指示灯状态识别方法和装置 |
CN107392116A (zh) * | 2017-06-30 | 2017-11-24 | 广州广电物业管理有限公司 | 一种指示灯识别方法和*** |
CN107832770A (zh) * | 2017-11-08 | 2018-03-23 | 浙江国自机器人技术有限公司 | 一种设备巡检方法、装置、***、存储介质及巡检机器人 |
CN109711414A (zh) * | 2018-12-19 | 2019-05-03 | 国网四川省电力公司信息通信公司 | 基于摄像头图像采集的设备指示灯颜色识别方法及*** |
CN111178200A (zh) * | 2019-12-20 | 2020-05-19 | 海南车智易通信息技术有限公司 | 一种仪表盘指示灯的识别方法及计算设备 |
-
2020
- 2020-05-22 CN CN202010441220.3A patent/CN111639647B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106529556A (zh) * | 2016-11-16 | 2017-03-22 | 国家电网公司 | 一种仪表指示灯的视觉检测*** |
CN107103330A (zh) * | 2017-03-31 | 2017-08-29 | 深圳市浩远智能科技有限公司 | 一种指示灯状态识别方法和装置 |
CN107392116A (zh) * | 2017-06-30 | 2017-11-24 | 广州广电物业管理有限公司 | 一种指示灯识别方法和*** |
CN107832770A (zh) * | 2017-11-08 | 2018-03-23 | 浙江国自机器人技术有限公司 | 一种设备巡检方法、装置、***、存储介质及巡检机器人 |
CN109711414A (zh) * | 2018-12-19 | 2019-05-03 | 国网四川省电力公司信息通信公司 | 基于摄像头图像采集的设备指示灯颜色识别方法及*** |
CN111178200A (zh) * | 2019-12-20 | 2020-05-19 | 海南车智易通信息技术有限公司 | 一种仪表盘指示灯的识别方法及计算设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111639647A (zh) | 2020-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111639647B (zh) | 指示灯状态识别方法、装置、计算机设备及存储介质 | |
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 | |
CN112508098B (zh) | 表盘定位与自动读数的指针式表计数值识别方法及*** | |
Stent et al. | Detecting change for multi-view, long-term surface inspection. | |
AU2020103716A4 (en) | Training method and device of automatic identification device of pointer instrument with numbers in natural scene | |
CN110533654A (zh) | 零部件的异常检测方法及装置 | |
CN116168351B (zh) | 电力设备巡检方法及装置 | |
CN111768498A (zh) | 基于稠密语义三维地图与混合特征的视觉定位方法、*** | |
CN111563896A (zh) | 一种用于接触网异常检测的图像处理方法 | |
CN111353502B (zh) | 数字表识别方法、装置以及电子设备 | |
CN111553176B (zh) | 一种适用于变电站屏柜接线的无线传输检查方法及*** | |
CN114758249A (zh) | 基于野外夜间环境的目标物监测方法、装置、设备及介质 | |
CN114120094A (zh) | 一种基于人工智能的水污染识别方法及*** | |
CN109614512B (zh) | 一种基于深度学习的电力设备检索方法 | |
CN115019294A (zh) | 一种指针式仪表读数识别方法及*** | |
CN114549513A (zh) | 零件识别方法、装置、质检方法、电子设备及存储介质 | |
CN114627461A (zh) | 一种基于人工智能高精度识别水尺数据的方法及*** | |
CN117114420B (zh) | 一种基于图像识别的工贸安全事故风险管控***和方法 | |
CN115937492B (zh) | 一种基于特征识别的变电设备红外图像识别方法 | |
CN112418226A (zh) | 一种鱼眼分合闸状态识别的方法及装置 | |
CN111738259A (zh) | 一种杆塔状态检测方法及装置 | |
CN116310263A (zh) | 一种指针式航空地平仪示数自动读取实现方法 | |
CN115588196A (zh) | 基于机器视觉的指针型仪表读数方法和装置 | |
CN115439864A (zh) | 水表读数识别方法、***、计算机设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |