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 PDF

Info

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
Application number
CN202210195989.0A
Other languages
English (en)
Inventor
辛建波
徐波
陶可京
李帆
李福德
李志坤
林谋
刘嘉
廖昊爽
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.)
Super High Voltage Branch Of State Grid Jiangxi Electric Power Co ltd
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Jiangxi Electric Power Co Ltd
Original Assignee
Super High Voltage Branch Of State Grid Jiangxi Electric Power Co ltd
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Jiangxi Electric Power 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 Super High Voltage Branch Of State Grid Jiangxi Electric Power Co ltd, State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Jiangxi Electric Power Co Ltd filed Critical Super High Voltage Branch Of State Grid Jiangxi Electric Power Co ltd
Priority to CN202210195989.0A priority Critical patent/CN114332077A/zh
Publication of CN114332077A publication Critical patent/CN114332077A/zh
Pending legal-status Critical Current

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

基于RANSAC的轻量型表盘识别方法
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；
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
Figure 981348DEST_PATH_IMAGE001
分别为：
Figure 252929DEST_PATH_IMAGE002
Figure 749769DEST_PATH_IMAGE003
对每个卷积的结果取像素平均值
Figure 601243DEST_PATH_IMAGE004
，并将大于
Figure 259758DEST_PATH_IMAGE005
的像素设置为255，其余的 为0，得到四张二值化边缘图；
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：
Figure 753056DEST_PATH_IMAGE006
式中k l ，b l 为直线的常数；可以将其用任意两个点
Figure 522429DEST_PATH_IMAGE007
Figure 168305DEST_PATH_IMAGE008
表示为：
Figure 794459DEST_PATH_IMAGE009
Figure 384840DEST_PATH_IMAGE010
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。
Figure 754641DEST_PATH_IMAGE011
式中，D i 为第i个点
Figure 707554DEST_PATH_IMAGE012
与直线之间的距离，统计出在直线两侧的平行四边 形区间
Figure 504609DEST_PATH_IMAGE013
内白点的个数，对于任意一条拟合出的直线，点
Figure 425029DEST_PATH_IMAGE014
在平行四边形区间外时 有
Figure 598521DEST_PATH_IMAGE015
；点
Figure 671519DEST_PATH_IMAGE014
在平行四边形区间内时有
Figure 983683DEST_PATH_IMAGE016
；设置
Figure 548657DEST_PATH_IMAGE017
， 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：
Figure 853736DEST_PATH_IMAGE018
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：
Figure 187766DEST_PATH_IMAGE019
其中，size表示图像总像素数，窗口尺寸为
Figure 172295DEST_PATH_IMAGE020
，mod表示取模运算。
具体地，步骤S5中，圆的计算公式为：
Figure 21303DEST_PATH_IMAGE021
式中，
Figure 739860DEST_PATH_IMAGE022
为圆心坐标，r为圆的半径。
从删除直线后的二值化边缘图的白点中随机取三个点
Figure 318609DEST_PATH_IMAGE023
, 用它们确定一个圆，有：
Figure 97209DEST_PATH_IMAGE024
Figure 246562DEST_PATH_IMAGE025
Figure 768810DEST_PATH_IMAGE026
若
Figure 202065DEST_PATH_IMAGE027
为0，则认为拟合失败，直接拟合下一个圆，若
Figure 286751DEST_PATH_IMAGE028
不为0，则得到圆：
Figure 409428DEST_PATH_IMAGE029
Figure 572556DEST_PATH_IMAGE030
Figure 817592DEST_PATH_IMAGE031
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 ：
Figure 331750DEST_PATH_IMAGE032
就可以得知所求点是否在圆内，其中，当d i ＞0，则点
Figure 71167DEST_PATH_IMAGE033
在圆外，如d i ≤0，则 点
Figure 823223DEST_PATH_IMAGE034
在圆内；统计每个圆的落在圆内的白点数，落在圆内的白点数最多的圆即为表盘 所在位置。
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：
Figure 504740DEST_PATH_IMAGE035
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：
Figure 240614DEST_PATH_IMAGE036
其中，size表示图像总像素数，窗口尺寸为
Figure 705094DEST_PATH_IMAGE037
，mod表示取模运算。
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
Figure 954066DEST_PATH_IMAGE001
分别为：
Figure 681851DEST_PATH_IMAGE002
Figure 29655DEST_PATH_IMAGE038
对每个卷积的结果取像素平均值
Figure 235509DEST_PATH_IMAGE039
，并将大于
Figure 837522DEST_PATH_IMAGE040
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：
Figure 736208DEST_PATH_IMAGE041
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：
Figure 305730DEST_PATH_IMAGE042
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：
Figure 315274DEST_PATH_IMAGE006
式中k l ，b l 为直线的常数；可以将其用任意两个点
Figure 224324DEST_PATH_IMAGE043
Figure 402234DEST_PATH_IMAGE044
表示为：
Figure 599997DEST_PATH_IMAGE009
Figure 272287DEST_PATH_IMAGE010
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。
Figure 239106DEST_PATH_IMAGE011
式中，D i 为第i个点
Figure 823802DEST_PATH_IMAGE045
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
Figure 508861DEST_PATH_IMAGE046
内白点的个数，对于任意一条拟合出的直线，点
Figure 984842DEST_PATH_IMAGE047
在平行四边形区间 外时有
Figure 602905DEST_PATH_IMAGE048
。点
Figure 328809DEST_PATH_IMAGE047
在平行四边形区间内时有
Figure 360219DEST_PATH_IMAGE049
。设置
Figure 249677DEST_PATH_IMAGE050
， 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：
Figure 66455DEST_PATH_IMAGE021
式中，
Figure 117587DEST_PATH_IMAGE051
为圆心坐标，r为圆的半径。
从删除直线后的二值化边缘图的白点中随机取三个点
Figure 636293DEST_PATH_IMAGE052
, 用它们确 定一个圆，有：
Figure 329443DEST_PATH_IMAGE024
Figure 499262DEST_PATH_IMAGE025
Figure 49192DEST_PATH_IMAGE026
若
Figure 930560DEST_PATH_IMAGE053
为0，则认为拟合失败，直接拟合下一个圆，若
Figure 936880DEST_PATH_IMAGE028
不为0，则得到圆：
Figure 736339DEST_PATH_IMAGE029
Figure 105004DEST_PATH_IMAGE030
Figure 999011DEST_PATH_IMAGE031
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 ：
Figure 503941DEST_PATH_IMAGE032
就可以得知所求点是否在圆内，其中，当d i ＞0，则点
Figure 964049DEST_PATH_IMAGE054
在圆外，如d i ≤0，则 点
Figure 820009DEST_PATH_IMAGE055
在圆内；统计每个圆的落在圆内的白点数，落在圆内的白点数最多的圆即为表 盘所在位置。
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。
Figure 517707DEST_PATH_IMAGE056
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：
Figure 143707DEST_PATH_IMAGE001
Figure 431469DEST_PATH_IMAGE002
对每个卷积的结果取像素平均值
Figure 614189DEST_PATH_IMAGE003
，并将大于
Figure 862768DEST_PATH_IMAGE004
的像素设置为255，其余的为0，得到四 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；直线被定义为：
Figure 602185DEST_PATH_IMAGE005
式中k l ，b l 为直线的常数；将直线用任意两个点
Figure 619819DEST_PATH_IMAGE006
Figure 301336DEST_PATH_IMAGE007
表示为：
Figure 37211DEST_PATH_IMAGE008
Figure 78854DEST_PATH_IMAGE009
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：
Figure 950995DEST_PATH_IMAGE010
式中，D i 为第i个点
Figure 537834DEST_PATH_IMAGE011
与直线之间的距离，统计出在直线两侧的平行四边形区 间
Figure 761005DEST_PATH_IMAGE012
内白点的个数，对于任意一条拟合出的直线，点
Figure 842225DEST_PATH_IMAGE013
在平行四边形区间外时有
Figure 631189DEST_PATH_IMAGE014
；点
Figure 529875DEST_PATH_IMAGE013
在平行四边形区间内时有
Figure 99397DEST_PATH_IMAGE015
；设置
Figure 843362DEST_PATH_IMAGE016
，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。
2.根据权利要求1所述的基于RANSAC的轻量型表盘识别方法，其特征在于，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：
Figure 320787DEST_PATH_IMAGE017
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。
3.根据权利要求1所述的基于RANSAC的轻量型表盘识别方法，其特征在于，步骤S2中，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：
Figure 124795DEST_PATH_IMAGE018
其中，size表示图像总像素数，窗口尺寸为
Figure 119295DEST_PATH_IMAGE019
，mod表示取模运算。
4.根据权利要求1所述的基于RANSAC的轻量型表盘识别方法，其特征在于，步骤S5中，圆的计算公式为：
Figure 791585DEST_PATH_IMAGE020
式中，
Figure 758404DEST_PATH_IMAGE021
为圆心坐标，r为圆的半径；
从删除直线后的二值化边缘图的白点中随机取三个点
Figure 874259DEST_PATH_IMAGE022
, 用它们确定一个圆，有：
Figure 28160DEST_PATH_IMAGE023
Figure 504140DEST_PATH_IMAGE024
Figure 325466DEST_PATH_IMAGE025
若
Figure 110757DEST_PATH_IMAGE026
为0，则认为拟合失败，直接拟合下一个圆，若
Figure 17533DEST_PATH_IMAGE026
不为0，则得到圆：
Figure 703729DEST_PATH_IMAGE027
Figure 769774DEST_PATH_IMAGE028
Figure 352065DEST_PATH_IMAGE029
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 ：
Figure 621504DEST_PATH_IMAGE030
判断所求点是否在圆内，如d i ＞0，则点
Figure 314653DEST_PATH_IMAGE031
在圆外，如d i ≤0，则点
Figure 704046DEST_PATH_IMAGE032
在圆内；统 计每个圆的落在圆内的白点数，落在圆内的白点数最多的圆即为表盘所在位置。
CN202210195989.0A 2022-03-02 2022-03-02 基于ransac的轻量型表盘识别方法 Pending CN114332077A (zh)

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)

* Cited by examiner, † Cited by third party
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

Patent Citations (8)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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