CN114332077A - 基于ransac的轻量型表盘识别方法 - Google Patents
基于ransac的轻量型表盘识别方法 Download PDFInfo
- Publication number
- CN114332077A CN114332077A CN202210195989.0A CN202210195989A CN114332077A CN 114332077 A CN114332077 A CN 114332077A CN 202210195989 A CN202210195989 A CN 202210195989A CN 114332077 A CN114332077 A CN 114332077A
- Authority
- CN
- China
- Prior art keywords
- image
- circle
- straight line
- dial
- binary edge
- 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
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明属于图像识别技术领域,公开了一种基于RANSAC的轻量型表盘识别方法,将表盘巡检图像转化为灰度图,对灰度图进行中值滤波以减少提取到的边缘像素点;使用四个Sobel核与中值滤波后的灰度图进行四次卷积以获取图像在横向和纵向上的灰度变化,得到四张二值化边缘图,将四张二值化边缘图合成为一张二值化边缘图;去除合成后的二值化边缘图中电线杆所在的位置形成的直线;得到删除直线后的二值化边缘图;最后,使用RANSAC做圆形拟合,以获得表盘具***置。本发明具有运算量小,准确率高,无需预设模板的特点。
Description
技术领域
本发明属于图像识别技术领域,具体涉及基于RANSAC的轻量型表盘识别方法。
背景技术
要获取表计位置,不可避免的要进行表盘形状检测。在众多形状中,对于表计检测意义最大的就是圆形。要检测圆形或椭圆,最常见的方法是使用霍夫变换(CHT),此方法首先使用Canny边缘检测来获取边缘像素,然后利用边缘像素来判断圆的位置。但是霍夫变换,尤其是霍夫椭圆变换需要大量的存储空间,具有较高的计算复杂度,且在图像存在噪声和目标形状不完整的情况下精度较差。为了解决这个问题,国内外研究者提出了许多改进方法,如概率霍夫变换,随机化霍夫变换(RHT)和模糊霍夫变换等。其中,Lu等人提出了迭代随机霍夫变换(IRHT),该方法虽然在有噪声的复杂图像上取得了较好的结果,但是其代价是大幅增加了计算量。Ayalaamirez等人提出了基于GA的圆形探测器,但是该方法无法检测不完整的圆形。Dasgupta提出了一种使用细菌觅食算法(BFAOA)做优化的圆检测器,但是它和Ayalaamirez的算法一样无法同时检测多个圆。此外,Erik等人提出了克隆选择算法(CSA),Cuevas等人提出了一种快速循环检测,可用于学习自动机(LA)的圆检测方法等。虽然这些算法在特定场景下有较好效果,但并不适用于完成表盘识别的任务。此外,在实验过程中发现Canny边缘检测往往会产生太多的边和最小二乘法对噪声敏感度过高等问题。
CN108764257A公开了一种多视角的指针式仪表识别方法,包括:采集图像,并上传至计算机;利用SSD算法进行仪表区域定位;利用ResNet34深度残差神经网络对仪表区域进行分类训练,根据分类结果进行样本图像的初步矫正;利用SSD算法对矫正后的图像进行仪表区域的二次定位;利用所述网络对二次定位后的仪表区域进行回归训练,识别表盘上的指针位置;利用HED边缘检测算法对定位的仪表区域进行表盘边缘检测;根据RANSAC算法进行随机采样,计算仪表表盘的边缘模型;利用缩放比对仪表指针进行矫正,并计算仪表指针与起始针的夹角;根据夹角查阅数据库表,获得仪表盘的刻度。该方法需要依赖SSD算法进行定位并依赖HED边缘检测算法进行边缘检测,运算量也较大。
发明内容
综上所述,表盘检测需要一种计算量小且有效的算法,本发明的目的在于提供一种基于RANSAC的轻量型表盘识别方法:首先,对图像进行中值滤波并使用Sobel核进行边缘检测;随后,结合表盘特征整合边缘像素;最后,使用随机样本共识(RANSAC)方法来去除直线和拟合表盘。
为实现上述目的,本发明采用了下述技术方案:一种基于RANSAC的轻量型表盘识别方法,步骤如下:
步骤S1、将表盘巡检图像转化为灰度图;
步骤S2、对灰度图进行中值滤波;
步骤S3、使用四个Sobel核与中值滤波后的灰度图进行四次卷积,得到四张二值化边缘图,将四张二值化边缘图合成为一张二值化边缘图;
分析表盘上各点的灰度变化,则表盘的左上方的点p 1和右下方的点p 4满足:点的各自横向灰度变化与纵向灰度变化的乘积大于0;
而右上方的点p 2和左下方的点p 3满足:点的各自横向灰度变化与纵向灰度变化的乘积小0;
将四张二值化边缘图合成为一张二值化边缘图;
步骤S4、去除二值化边缘图中的直线;
因为表盘安装在电线杆上,表盘巡检图像不但包括表盘,还包括电线杆,合成后的二值化边缘图中电线杆所在的直线边缘也被保留了下来,要去除合成后的二值化边缘图中的电线杆所在的位置形成的直线;直线可以被定义为:
把公式(6)和公式(7)应用到之前的二值化边缘图中,即任意两个白点确定一条直线;对每一条直线,按照公式(8)计算二值化边缘图中所有白点和直线之间的距离。
式中,D i 为第i个点与直线之间的距离,统计出在直线两侧的平行四边
形区间内白点的个数,对于任意一条拟合出的直线,点在平行四边形区间外时
有;点在平行四边形区间内时有;设置,
其中w和h分别为图像的宽和高;当所有直线投票完毕后,取得票数前20%的直线,对其平行
四边形中所包含的点进行删除,得到删除直线后的二值化边缘图。
步骤S5、使用RANSAC做圆形拟合,以获得表盘具***置。
具体地,步骤S1中使用公式(1)将三通道RGB 格式的表盘巡检图像转化为灰度图:
其中,Y表示灰度图中的像素值,R、G、B为图像的红、绿、蓝三个颜色通道的值。
具体地,步骤S2中,中值滤波窗口的计算公式如下:
具体地,步骤S5中,圆的计算公式为:
如果按照这个方法取1200个点,在最佳情况下能够拟合400个圆。对每一个圆使用下面的公式计算图像中白点与圆心之间的距离与圆的半径r的差值d i :
本发明首先对图像进行中值滤波并使用Sobel核进行边缘检测;随后,结合表盘特征整合边缘像素;最后,使用随机样本共识(RANSAC)方法来去除直线和拟合表盘;具有运算量小,准确率高,无需预设模板的特点。
附图说明
图1为本发明的流程图。
具体实施方式
为了使本领域的技术人员更好的理解本申请方案,下面对本申请实施例中的技术方案进行清晰,完整,详细的描述。
参照图1,一种基于RANSAC的轻量型表盘识别方法,步骤如下:
步骤S1、将表盘巡检图像转化为灰度图。使用公式(1)将三通道RGB格式的表盘巡检图像转化为灰度图:
其中,Y表示灰度图中的像素值,R、G、B为图像的红、绿、蓝三个颜色通道的值;
步骤S2、对灰度图进行中值滤波。对灰度图进行中值滤波以减少提取到的边缘像素点,中值滤波窗口的计算公式如下:
步骤S3、使用四个Sobel核与中值滤波后的灰度图进行四次卷积,得到四张二值化
边缘图,将四张二值化边缘图合成为一张二值化边缘图。由于经典的Canny边缘检测算法需
要设定二值化阈值,且会对边缘进行细化和连接,这就导致了两个问题:一是需要针对不同
图像提出不同的阈值参数,二是需要尽量少且有效的边缘信息,而边缘细化和连接且增加
了算法复杂度。所以,在这里只使用了Canny边缘检测算法的第一步,也就是使用四个Sobel
核与中值滤波后的灰度图进行四次卷积以获取图像在横向和纵向上的灰度变化,四个
Sobel核分别为:
对每个卷积的结果取像素平均值,并将大于的像素设置为255,其余的为0,
得到四张二值化边缘图;二值化边缘图中背景为纯黑色,内有表盘边缘、指针、表盘刻度、数
字和电线杆边缘(或其他物体边缘)形成的白点组成的线条,因使用使用四个Sobel核处理,
这些线条上的白点会有灰度变化。
分析表盘上各点的灰度变化,则表盘的左上方的点p 1和右下方的点p 4满足:点的各自横向灰度变化与纵向灰度变化的乘积大于0:
而右上方的点p 2和左下方的点p 3满足:点的各自横向灰度变化与纵向灰度变化的乘积小0:
式中,S x (p)为点p 1、p 2、p 3或p 4的横向灰度变化,S y (p)为点p 1、p 2、p 3或p 4的纵向灰度变化。
所以,可以根据这个特性将之前的四张二值化边缘图,通过上面的逻辑合成为一张二值化边缘图;合成后的二值化边缘图能够去除大部分噪声干扰,只保留了表盘及周边连续的像素。
步骤S4、去除二值化边缘图中的直线。因为表盘一般安装在电线杆上,表盘巡检图像不但包括表盘,还包括电线杆,合成后的二值化边缘图中电线杆所在的直线边缘也被保留了下来,这是因为虽然上述算法去除了偏转角度为0和90度的直线,但没有去除其余的直线。为了去除这些直线,使用RANSAC直线拟合的方法。直线可以被定义为:
把公式(6)和公式(7)应用到之前的二值化边缘图中,即任意两个白点(值为255的像素点)可以确定一条直线。如果随机选取500个白点,那么就能够拟合出250条直线。对每一条直线,如果按照公式(8)计算二值化边缘图中所有白点和直线之间的距离。
式中,D i 为第i个点与直线之间的距离,就能够统计出在直线两侧的平行
四边形区间内白点的个数,对于任意一条拟合出的直线,点在平行四边形区间
外时有。点在平行四边形区间内时有。设置,
其中w和h分别为图像的宽和高。当所有直线投票完毕后,取得票数前20%的直线,对其平行
四边形中所包含的点进行删除,得到删除直线后的二值化边缘图。
步骤S5、使用RANSAC做圆形拟合,以获得表盘具***置。
圆的计算公式为:
如果按照这个方法取1200个点,在最佳情况下能够拟合400个圆。对每一个圆使用下面的公式计算图像中白点与圆心之间的距离与圆的半径r的差值d i :
对比分析:利用机器人采集到的表盘巡检图像进行了实验。共有118张表盘巡检图像,包含不同背景、大小和朝向的表盘。表1显示了所提出算法与霍夫圆以及几种经典模版匹配算法的对比结果,该运算量小,准确率高,无需预设模板,是一种轻量便捷的表盘识别方法。
以上对本发明的原理和实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法以及核心思想,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (4)
1.一种基于RANSAC的轻量型表盘识别方法,其特征在于,步骤如下:
步骤S1、将表盘巡检图像转化为灰度图;
步骤S2、对灰度图进行中值滤波;
步骤S3、使用四个Sobel核与中值滤波后的灰度图进行四次卷积,得到四张二值化边缘图,将四张二值化边缘图合成为一张二值化边缘图;
使用四个Sobel核与中值滤波后的灰度图进行四次卷积以获取图像在横向和纵向上的灰度变化,四个Sobel核分别为:
分析表盘上各点的灰度变化,则表盘的左上方的点p 1和右下方的点p 4满足:点的各自横向灰度变化与纵向灰度变化的乘积大于0;
而右上方的点p 2和左下方的点p 3满足:点的各自横向灰度变化与纵向灰度变化的乘积小0;
将四张二值化边缘图合成为一张二值化边缘图;
步骤S4、去除二值化边缘图中的直线;
因为表盘安装在电线杆上,表盘巡检图像不但包括表盘,还包括电线杆,合成后的二值化边缘图中电线杆所在的直线边缘也被保留了下来,要去除合成后的二值化边缘图中的电线杆所在的位置形成的直线;直线被定义为:
把公式(6)和公式(7)应用到二值化边缘图中,即任意两个白点确定一条直线;对每一条直线,按照公式(8)计算二值化边缘图中所有白点和直线之间的距离:
式中,D i 为第i个点与直线之间的距离,统计出在直线两侧的平行四边形区
间内白点的个数,对于任意一条拟合出的直线,点在平行四边形区间外时有
;点在平行四边形区间内时有;设置,其中w
和h分别为图像的宽和高;当所有直线投票完毕后,取得票数前20%的直线,对其平行四边形
中所包含的点进行删除,得到删除直线后的二值化边缘图;
步骤S5、使用RANSAC来做圆形拟合,以获得表盘具***置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210195989.0A CN114332077A (zh) | 2022-03-02 | 2022-03-02 | 基于ransac的轻量型表盘识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210195989.0A CN114332077A (zh) | 2022-03-02 | 2022-03-02 | 基于ransac的轻量型表盘识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114332077A true CN114332077A (zh) | 2022-04-12 |
Family
ID=81030245
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210195989.0A Pending CN114332077A (zh) | 2022-03-02 | 2022-03-02 | 基于ransac的轻量型表盘识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114332077A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1581209A (zh) * | 2004-05-21 | 2005-02-16 | 清华大学 | 基于物体轮廓的变电站中圆/椭圆/方形仪表监测方法 |
CN102609712A (zh) * | 2012-02-24 | 2012-07-25 | 山东鲁能智能技术有限公司 | 用于移动机器人的类圆形指针式仪表读数方法 |
CN104359404A (zh) * | 2014-11-24 | 2015-02-18 | 南京航空航天大学 | 飞机零件上大量小尺寸导孔的快速视觉检测方法 |
CN106446913A (zh) * | 2016-09-20 | 2017-02-22 | 山东省计量科学研究院 | 一种多表盘指针式仪表的指针位置提取方法 |
CN108256524A (zh) * | 2018-01-24 | 2018-07-06 | 国家电网公司 | 一种多表盘指针式仪表的自动读数方法 |
CN110580480A (zh) * | 2019-07-21 | 2019-12-17 | 天津大学 | 基于图像处理的表计读数识别方法 |
CN113192126A (zh) * | 2021-04-19 | 2021-07-30 | 中国矿业大学(北京) | 一种基于图像圆形物体识别的测距定位方法 |
CN113609984A (zh) * | 2021-08-05 | 2021-11-05 | 国网山东省电力公司德州市陵城区供电公司 | 一种指针式仪表读数识别方法、装置及电子设备 |
-
2022
- 2022-03-02 CN CN202210195989.0A patent/CN114332077A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1581209A (zh) * | 2004-05-21 | 2005-02-16 | 清华大学 | 基于物体轮廓的变电站中圆/椭圆/方形仪表监测方法 |
CN102609712A (zh) * | 2012-02-24 | 2012-07-25 | 山东鲁能智能技术有限公司 | 用于移动机器人的类圆形指针式仪表读数方法 |
CN104359404A (zh) * | 2014-11-24 | 2015-02-18 | 南京航空航天大学 | 飞机零件上大量小尺寸导孔的快速视觉检测方法 |
CN106446913A (zh) * | 2016-09-20 | 2017-02-22 | 山东省计量科学研究院 | 一种多表盘指针式仪表的指针位置提取方法 |
CN108256524A (zh) * | 2018-01-24 | 2018-07-06 | 国家电网公司 | 一种多表盘指针式仪表的自动读数方法 |
CN110580480A (zh) * | 2019-07-21 | 2019-12-17 | 天津大学 | 基于图像处理的表计读数识别方法 |
CN113192126A (zh) * | 2021-04-19 | 2021-07-30 | 中国矿业大学(北京) | 一种基于图像圆形物体识别的测距定位方法 |
CN113609984A (zh) * | 2021-08-05 | 2021-11-05 | 国网山东省电力公司德州市陵城区供电公司 | 一种指针式仪表读数识别方法、装置及电子设备 |
Non-Patent Citations (5)
Title |
---|
LIU SHUAI 等,: "Heterogeneous Iris One-to-One Certification with Universal Sensors Based On Quality Fuzzy Inference and Multi-Feature Fusion Lightweight Neural Network", 《SENSORS》 * |
张金玉 等,: "复杂环境指针式仪表自动辨识和示数提取", 《科技视界》 * |
石晓龙,: "用于DNA计算的微流控制***中三维检测问题的研究", 《中国优秀博硕士学位论文全文数据库(博士)信息科技辑》 * |
陈蔓 等,: "隐低秩结合低秩表示的多聚焦图像融合", 《吉林大学学报(工学版)》 * |
高嘉巍,: "变电站巡检机器人智能读表方法研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115861135B (zh) | 一种应用于箱体全景探测的图像增强及识别方法 | |
CN115829883B (zh) | 一种异性金属结构件表面图像去噪方法 | |
CN111626190B (zh) | 基于聚类分区进行刻度识别的水位监测方法 | |
CN110163853B (zh) | 一种边缘缺陷的检测方法 | |
US20210334574A1 (en) | Commodity detection terminal, commodity detection method, system, computer device, and computer readable medium | |
CN103759758B (zh) | 一种基于机械角度和刻度识别的汽车仪表指针的位置检测方法 | |
CN110443128B (zh) | 一种基于surf特征点精确匹配的指静脉识别方法 | |
CN110084241B (zh) | 一种基于图像识别的电表自动读数方法 | |
CN107292310B (zh) | 一种圆形指针式表盘视觉定位及自动读数方法 | |
CN108764234B (zh) | 一种基于巡检机器人的液位仪表读数识别方法 | |
CN114549981A (zh) | 一种基于深度学习的智能巡检指针式仪表识别及读数方法 | |
CN116664559A (zh) | 基于机器视觉的内存条损伤快速检测方法 | |
CN114120051B (zh) | 一种胶条边缘点的筛选方法 | |
CN111382658B (zh) | 一种基于图像灰度梯度一致性的自然环境下道路交通标志检测方法 | |
CN116862910B (zh) | 基于自动化裁切生产的视觉检测方法 | |
CN117710399B (zh) | 一种基于视觉的地质调查中裂缝轮廓提取方法 | |
CN110807771A (zh) | 一种道路减速带的缺损检测方法 | |
CN114092468A (zh) | 一种基于机器视觉的标准目标计数方法 | |
CN117475327A (zh) | 一种城市中基于遥感图像的多目标检测定位方法和*** | |
CN115760860B (zh) | 一种基于dxf文件导入的多类型工件尺寸视觉测量方法 | |
CN104573698A (zh) | 面向成像测量的图像纹理主方向识别方法 | |
CN114332077A (zh) | 基于ransac的轻量型表盘识别方法 | |
CN113591875B (zh) | 一种高精度指针式仪表识别方法 | |
CN111160142A (zh) | 一种基于数值预测回归模型的证件票据定位检测方法 | |
CN114898347A (zh) | 一种指针式仪表机器视觉识别方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220412 |