CN116012456A - 一种电力巡检机器人视觉定位方法 - Google Patents
一种电力巡检机器人视觉定位方法 Download PDFInfo
- Publication number
- CN116012456A CN116012456A CN202210578741.2A CN202210578741A CN116012456A CN 116012456 A CN116012456 A CN 116012456A CN 202210578741 A CN202210578741 A CN 202210578741A CN 116012456 A CN116012456 A CN 116012456A
- Authority
- CN
- China
- Prior art keywords
- image
- color
- area
- rectangular frame
- proportion
- 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
Classifications
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种电力巡检机器人视觉定位方法,所述视觉定位方法包括获取当前操作界面识别图像;对所述图像进行预处理;对所述图像特征识别和图像特征提取;将提取后的图像特征进行分类,并对其进行定位。该方法基于精准的机器视觉图文识别技术,建立机器人***,提高识别准确率,在跨***街面上直接解释页面内容,提供自定义配置模版功能,实现自动化操作,减轻人力负担,降低人工出错率,实现跨壁垒的数据采集,释放数据处理人员。
Description
技术领域
本发明涉及视觉定位技术的技术领域,尤其涉及一种电力巡检机器人视觉定位方法。
背景技术
目前电力通信调度中同时存在多套不同运行控制***与资源管理***,同时全网设备数量众多、厂家、型号繁杂,对通信网络的巡检与控制依靠人工处置,将不同控制***与资源管理***的文字数据摘录到巡检表,进行记录和汇总;
现有的调度自动化***属于“人工分析型"调度模式,需要调度员人工手动将不同控制***与资源管理***的文字数据摘录到巡检表,自动化和智能化程度较低,对人的主动性和能力的依赖性较大,而且人工摘录往往会存在一写错误,如录错行、多加小数点等,而且调度人员在处理数据时也需要特别集中注意力,工作压力大。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有电力巡检机器人视觉定位方法存在的问题,提出了本发明。
因此,本发明目的是提供一种电力巡检机器人视觉定位方法。
为解决上述技术问题,本发明提供如下技术方案:一种电力巡检机器人视觉定位方法,包括,
获取识别图像;
对获取的图像进行预处理;
对识别后的图像特征识别和图像特征提取;
将提取后的图像特征进行分类,并对其进行定位。
作为本发明所述电力巡检机器人视觉定位方法的一种优选方案,其中:通过***界面截图形式获取当前操作界面的图像信息;当前操作界面的图像信息定义为巡检区域图像信息,巡检区域图像信息包括巡检区域图像中的色彩分布以及不同色块区域面积。
作为本发明所述电力巡检机器人视觉定位方法的一种优选方案,其中:输入巡检区域图像数组,对彩色图像灰度化,将图像分为前景和背景部分;
对灰度化以后的彩色图像,计算图像梯度,实现混合像素的提取,输出第一像素值数组;
对第一像素值数组中每一个非零像素点实现半径为r的范围内的扫描,找出与之最相近的为零的像素点的值作为中心像素的像素值,扫描结束之后输出第二像素值数组;
对第二像素值数组进行线性扫描,得到主色彩的RGB值;
对不同主色彩进行一次编号,对相同主色彩不同色块进行二次编号。
作为本发明所述电力巡检机器人视觉定位方法的一种优选方案,其中:根据图像信息所对应的一次编号数据集中的元素数量对图像信息处理进行优先级排序;
依照优先级排序获取与预设处理图像数等数量的图像信息,进一步获取图像信息中的二次编号信息;
根据二次编号信息获取对应色块的区域面积,并计算不同主色彩色块所占图像面积比例Kn;
获取最大比例值Kmax所对应的二次编号信息,确定二次编号信息所对应的最大主色彩的一次编号,进一步获取最大主色彩的最大色块面积。
作为本发明所述电力巡检机器人视觉定位方法的一种优选方案,其中:一次编号数据集中的元素数量与图像信息处理的优先级成正比例关系。
作为本发明所述电力巡检机器人视觉定位方法的一种优选方案,其中:根据最大主色彩的一次编号于巡检区域图像中查找对应主色彩,并获取对应主色彩的对应色块面积;
根据最大色块面积与对应色块面积以及对应色块一定范围内的其他主色块占一定范围的比例值确定最大主色彩于巡检区域图像中所处位置。
作为本发明所述电力巡检机器人视觉定位方法的一种优选方案,其中:当最大色块面积大于对应色块面积时,获取对应色块区域中心点,以对应色块区域中心点为原点,建立与巡检区域面积等同的矩形框,矩形框中心点与原点重合,计算矩形框内对应色块区域总面积占矩形框面积的对应比例,当对应比例等于Kmax时,则进一步获取当前位置矩形框内其他主色彩的色块面积;
当对应比例不等于Kmax时,则移动矩形框中心点,直至对应比例等于Kmax;
当最大色块面积小于等于对应色块面积时,获取对应色块区域边缘上的任意一点,以任意一点为矩形框中心点,计算矩形框内对应色块区域总面积占矩形框面积的对应比例,当对应比例等于Kmax时,则进一步获取当前位置矩形框内其他主色彩的色块面积;
当对应比例不等于Kmax时,则移动矩形框中心点,直至对应比例等于Kmax。
作为本发明电力巡检机器人视觉定位方法的一种优选方案,其中:获取矩形框内其他主色彩的一次编号信息,根据一次编号信息计算相同一次编号主色彩所对应色块的总面积,分别计算得到所有其他主色彩的色块面积占矩形框比例,并将其与实时图像信息中各主色彩所占比例K1、K2、K3、...、Kn-1、Kn进行逐一比较,当总差值小于等于阈值时,记录当前矩形框于巡检图像中所在位置;
当总差值大于阈值时,则继续移动矩形框位置,计算得到所有其他主色彩的色块面积占矩形框比例,并将其与实施图像信息中各主色彩所占比例进行逐一比较,直至总差值小于等于阈值,则记录当前矩形框于所述巡检图像中所在位置。
作为本发明所述电力巡检机器人视觉定位方法的一种优选方案,其中:通过光学字符识别对所述巡检图像中主色彩进行识别处理,获取文字信息。
作为本发明所述电力巡检机器人视觉定位方法的一种优选方案,其中:根据所述识别内容,导入Excel表格中,生成对应的巡检报表。
本发明的有益效果:能够自动对图像中的文字信息进行定位识别,跨***街面上直接显示页面内容,实现自动化操作,有利于提高工作效率,同时减轻人力负担,降低人工出错率。
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性的前提下,还可以根据这些附图获得其它的附图。其中:
图1为本发明电力巡检机器人视觉定位方法的业务流程示意图。
图2为本发明电力巡检机器人视觉定位方法所述的总体框架图。
图3为本发明电力巡检机器人视觉定位方法所述的功能构造图。
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,下面结合说明书附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
再其次,本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
实施例1
参照图1-3,本发明公开了一种电力巡检机器人视觉定位方法,包括,。
获取识别图像包括:
通过***界面截图形式获取当前操作界面的图像信息;可以通过Ctrl+Alt+A或Alt+A对操作界面进行截图,来获取当前操作界面的图像信息
当前操作界面的图像信息定义为巡检区域图像信息,巡检区域图像信息包括巡检区域图像中的色彩分布以及不同色块区域面积。巡检区域图像信息中包括不同运行控制***与资源管理***文字或数据,截图页面尽量避免无关内容进入,造成信息干扰,增大运算量。
对图像进行预处理包括:
输入巡检区域图像数组,对彩色图像灰度化,将图像分为前景和背景部分;
图像预处理核心算法采用二值化算法中的OTSU算法。该算法使用聚类思维,根据灰度级将图像分为前景和背景部分,使得两部分之间灰度值差最大,而使每个部分之间的灰度值差最小。通过方差计算,适当的灰度进行分割。设置灰度图像前景与背景的分割阈值r,就算在当前阈值下,前景占图像比例为wf,均值为μf,背景占图像比例为wb,均值为μb,算法伪代码如下:
对灰度化以后的彩色图像,计算图像梯度,实现混合像素的提取,输出第一像素值数组;
利用32/64位的数据结构实现快速图像对比的处理方法,有利于效率提升。
对第一像素值数组中每一个非零像素点实现半径为r的范围内的扫描,找出与之最相近的为零的像素点的值作为中心像素的像素值,扫描结束之后输出第二像素值数组;对第一像素值数组中零像素点半径为r的范围内的扫描相邻像素点的R、G、B三个数值,相邻像素点作为第二像素值数组。
对第二像素值数组进行线性扫描,得到主色彩的RGB值;R、G、B三个数值每个数值的范围是0到255,与主色彩的像素点RGB值相同的像素点,与主色彩颜色相同,为同一个色彩部分;与主色彩的像素点RGB值不相同的像素点,则为主色彩的像素点的边界部分。
对不同主色彩进行一次编号,对相同主色彩不同色块进行二次编号。对RGB值相同的主色彩,不同色块进行一次编号,如白色背景中的黑色文字,虽然颜色RGB值相同,但是各个文字形状不一样,可以划分为同一个文字主体,进行二次编号。
计算机中最小的存储单位有Byte(字节)、KB、MB、GB、TB表示,字节是由一个更小的信息单位构成的,这个单位叫做比特(bit),8比特称为一个字节(Byte),RGB模式的图像中每个像素的颜色值都有R、G、B三个数值来决定,每个数值的范围是0到255,RGB分量值转为二进制数,每个像素的每个颜色值占用8个比特,因此常用的像素比较方法是每个颜色值进行逐一进行比较,其代码如下:
三个颜色值逐一比较的代码会汇编成24个计算机指令,其代码如下:
现有的操作***普遍是32位或64位的,32位的***一次可以处理一个32位的“数据”或者一个32位的"指令",将RGB三个颜色值通过数据转换变成Dword(32位)“数据”。只需要通过3个计算机指令即可完成像素点的比对,效率提升了24/3=8倍
对图像特征识别和图像特征提取包括;
根据图像信息所对应的一次编号数据集中的元素数量对图像信息处理进行优先级排序;对于RGB值相同的主色彩和RGB值不相同的主色彩进行优先级排序;
依照优先级排序获取与预设处理图像数等数量的图像信息,进一步获取图像信息中的二次编号信息;根据二次编号信息获取对应色块的区域面积,并计算不同主色彩色块所占图像面积比例Kn;
获取最大比例值Kmax所对应的二次编号信息,确定二次编号信息所对应的最大主色彩的一次编号,进一步获取最大主色彩的最大色块面积。如白色背景中的黑色文字或蓝色文字颜色RGB值相同,划归到一类中,并进行如黑色文字为1号,黑色字母为2号,进行一次编号。如白色背景中的黑色文字或蓝色文字颜色色块的区域面积,并计算不同主色彩色块所占图像面积比例Kn相同,但是RGB值不相同,划归到一类中,并进行二次编号,如黑色文字为1号,蓝色文字为2号。
根据图像信息所对应的一次编号数据集中的元素数量对图像信息处理进行优先级排序包括:
一次编号数据集中的元素数量与图像信息处理的优先级成正比例关系。RGB值相同主色彩色块所占图像面积比例Kn不同的元素或RGB值不同主色彩色块所占图像面积比例Kn相同的元素,其元素数量越多,图像信息处理的优先级越高,如RGB值相同主色彩色块所占图像面积比例Kn不同的元素多于RGB值不同主色彩色块所占图像面积比例Kn相同的元素,则RGB值相同色彩色块所占图像面积比例Kn不同的元素优先级高于RGB值不同主色彩色块所占图像面积比例Kn相同的元素;RGB值相同主色彩色块所占图像面积比例Kn不同的元素少于RGB值不同主色彩色块所占图像面积比例Kn相同的元素,则RGB值相同色彩色块所占图像面积比例Kn不同的元素优先级低于RGB值不同主色彩色块所占图像面积比例Kn相同的元素。
最后将提取后的图像特征进行分类,并对其进行定位包括:
根据最大主色彩的一次编号于巡检区域图像中查找对应主色彩,并获取对应主色彩的对应色块面积;
根据最大色块面积与对应色块面积以及对应色块一定范围内的其他主色块占一定范围的比例值确定最大主色彩于巡检区域图像中所处位置。
根据最大色块面积与对应色块面积以及对应色块一定范围内的其他主色块占一定范围的比例值确定最大主色彩于巡检区域图像中所处位置包括:
当最大色块面积大于对应色块面积时,获取对应色块区域中心点,以对应色块区域中心点为原点,建立与巡检区域面积等同的矩形框,矩形框中心点与原点重合,计算矩形框内对应色块区域总面积占矩形框面积的对应比例,当对应比例等于Kmax时,则进一步获取当前位置矩形框内其他主色彩的色块面积;
当对应比例不等于Kmax时,则移动矩形框中心点,直至对应比例等于Kmax;
当最大色块面积小于等于对应色块面积时,获取对应色块区域边缘上的任意一点,以任意一点为矩形框中心点,计算矩形框内对应色块区域总面积占矩形框面积的对应比例,当对应比例等于Kmax时,则进一步获取当前位置矩形框内其他主色彩的色块面积;
当对应比例不等于Kmax时,则移动矩形框中心点,直至对应比例等于Kmax。
进一步获取当前位置矩形框内其他主色彩的色块面积包括:
获取矩形框内其他主色彩的一次编号信息,根据一次编号信息计算相同一次编号主色彩所对应色块的总面积,分别计算得到所有其他主色彩的色块面积占矩形框比例,并将其与实时图像信息中各主色彩所占比例K1、K2、K3、...、Kn-1、Kn进行逐一比较,当总差值小于等于阈值时,记录当前矩形框于巡检图像中所在位置;由于文字形状笔画不同,对应的所占矩形框的比例也不同,可以预先在一个矩形框中输入文字或数字,记录其色块面积占矩形框比例,作为阈值,当根据一次编号信息计算相同一次编号主色彩所对应色块的总面积,分别计算得到所有其他主色彩的色块面积占矩形框比例,并将其与实时图像信息中各主色彩所占比例K1、K2、K3、...、Kn-1、Kn进行逐一比较,当总差值小于等于阈值时,记录当前矩形框于巡检图像中所在位置。
当总差值大于阈值时,则继续移动矩形框位置,计算得到所有其他主色彩的色块面积占矩形框比例,并将其与实施图像信息中各主色彩所占比例进行逐一比较,直至总差值小于等于阈值,则记录当前矩形框于巡检图像中所在位置,对文字进行定位,避免文字或数字信息被打乱,造成文字信息错误。
通过光学字符识别对巡检图像中主色彩进行识别处理,获取文字信息。,通过光学字符识别(Optical Character Recognition,OCR)对巡检图像中主色彩进行识别处理,获取文字信息获取文字及版面信息。亦即将图像中的文字进行识别,并以文本的形式返回。
文字识别技术可以采用钩子(hook)技术从操作***底层拦截GDI+的与文本相关的输出,从而提高文本识别的准确率。钩子(Hook),是Windows消息处理机制的一个平台,应用程序可以在上面设置子程以监视指定窗口的某种消息,而且所监视的窗口可以是其他进程所创建的。当消息到达后,在目标窗口处理函数之前处理它。钩子机制允许应用程序截获处理window消息或特定事件。
钩子通过处理消息的程序段,通过***调用,把它挂入***。每当特定的消息发出,在没有到达目的窗口前,钩子程序就先捕获该消息,亦即钩子函数先得到控制权。这时钩子函数即可以加工处理(改变)该消息,也可以不作处理而继续传递该消息,还可以强制结束消息的传递。
钩子函数的工作原理是:当我们创建一个钩子时,WINDOWS会先在内存中创建一个数据结构,该数据结构包含了钩子的相关信息,然后把该结构体加到已经存在的钩子链表中去。新的钩子将加到老的前面。当一个事件发生时,如果我们安装的是一个局部钩子,进程中的钩子函数将被调用。
每一个Hook都有一个与之相关联的指针列表,称之为钩子链表,由***来维护。被Hook子程调用的回调函数,也就是该钩子的各个处理子程。当与指定的Hook类型关联的消息发生时,***就把这个消息传递到Hook子程。一些Hook子程可以只监视消息,或者修改消息,或者停止消息的前进,避免这些消息传递到下一个Hook子程或者目的窗口。最近安装的钩子放在链的开始,而最早安装的钩子放在最后,也就是后加入的先获得控制权。钩子子程是一个应用程序定义的回调函数(CALLBACK Function),不能定义成某个类的成员函数,只能定义为普通的C函数。用以监视***或某一特定类型的事件,这些事件可以是与某一特定线程关联的,也可以是***中所有线程的事件。对文本进行识别,而且能够采用模板流程参数化,可操作性强,查询方便省时。
根据识别内容,导入Excel表格中,生成对应的巡检报表。将识别的文字数据内容导入Excel表格中,如下表:
表1:巡检报表。
实施例2
参照图3,本实施例提出了一种电力巡检机器人视觉定位方法,智慧机器人是一套流程自动化软件工具,它按照指定规则,模拟并代替人进行自动***操作,7*24小时不间断工作,从而能够释放人力,它以一个插件的方式运行,不依赖任何数据接口,从而使项目周期极大缩短,并提升项目的可操作性。
如图2所示,图2为智慧机器人的功能构造图,主要由调度台、甩单中心、前置审核、集群机器人四个功能模块组成,调度人员通过调度台向甩单中心提交工单命令,然后机器人在操作前返回工单信息供调度人员查验,查验通过后交由集群机器人进行工单操作,最后反馈操作结果至调度台。
目前市面上识别处理技术主要有键盘精灵和图像识别,但分别存在局限性。(1)键盘精灵是采用自带记录器来记录屏幕上鼠标的移动和点击方式进行识别处理,其客观存在两个问题:①绝对位置对不同分辨率屏幕无意义;②CRM频繁发布新版本导致按钮位置改变。(2)一般技术稍强的公司采用图像识别技术,但其存在四个问题亟待解决:①与键盘精灵存在的两个缺陷相同;②不同的操作***皮肤导致屏幕显示不同;③屏幕上文字在不同机器上会由于微软抗锯齿技术而导致文字的毛边有少量差异;④需要写大量脚本语句进行查询,需要技术背景的人来做,且制作时间长。
项目创新团队以CRM工单处理为契机,以算法建模和软件开发为手段,开发基于PRA解决方案为导向的视觉检测识别技术,主要采用的技术特点:
①基于hook技术从操作***底层拦截GDI+的与文本相关的输出;②对文本进行识别,忽略像素、分辨率干扰;③文本形式,位置变化不影响识别效果;④采用模板流程参数化,可操作性强,查询方便省时。
图形、文字,例如拓扑图、树状图、网状图、流程图的图形含义,以及***列表、树状列表中的文字。通过图像净化处理的预处理技术,实现高精度的识别。例如,首先可对文档进行版面分析,识别出文档中文本段落及排版顺序。通过分检文字块,区分出以及拓扑图、表格的区域;其次,通过采集文字的笔画、特征点、投影信息、点的区域分布等进行分析,提高单字识别率。
为验证本方法相对人工摘录数据制作报表具有较高的正确率和效率,本实施例中将采用人工摘录数据制作报表和本方法分别对某供电局进行报表制作对比;结果如下表所示。
所耗时间 | 数字精确度 | |
人工制作 | 3min | 98.5% |
本方法 | 1min | 100% |
表1:报表制作效率对比
由表1可见,本方法极大地提高了工作效率,同时减轻人力负担,降低人工出错率。
应当认识到,本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现,其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机***通信。然而,若需要,该程序可以以汇编或机器语言实现。在任何情况下,该语言可以是编译或解释的语言。此外,为此目的该程序能够在编程的专用集成电路上运行。
此外,可按任何合适的顺序来执行本文描述的过程的操作,除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机***的控制下执行,并且可作为共同地在一个或多个处理器上执行的代码(例如,可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步,所述方法可以在可操作地连接至合适的任何类型的计算平台中实现,包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。
本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现,无论是可移动的还是集成至计算平台,如硬盘、光学读取和/或写入存储介质、RAM、ROM等,使得其可由可编程计算机读取,当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外,机器可读代码,或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时,本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时,本发明还包括计算机本身。计算机程序能够应用于输入数据以执行本文所述的功能,从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中,转换的数据表示物理和有形的对象,包括显示器上产生的物理和有形对象的特定视觉描绘重要的是,应注意,在多个不同示例性实施方案中示出的本申请的构造和布置仅是例示性的。
此外,为了提供示例性实施方案的简练描述,可以不描述实际实施方案的所有特征(即,与当前考虑的执行本发明的最佳模式不相关的那些特征,或于实现本发明不相关的那些特征)。
应理解的是,在任何实际实施方式的开发过程中,如在任何工程或设计项目中,可做出大量的具体实施方式决定。这样的开发努力可能是复杂的且耗时的,但对于那些得益于此公开内容的普通技术人员来说,不需要过多实验,所述开发努力将是一个设计、制造和生产的常规工作。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种电力巡检机器人视觉定位方法,其特征在于:包括,
获取识别图像;
对获取的图像进行预处理;
对识别后的图像特征识别和图像特征提取;
将提取后的图像特征进行分类,并对其进行定位。
2.如权利要求1所述的电力巡检机器人视觉定位方法,其特征在于:通过***界面截图形式获取当前操作界面的图像信息;当前操作界面的图像信息定义为巡检区域图像信息,巡检区域图像信息包括巡检区域图像中的色彩分布以及不同色块区域面积。
3.如权利要求1述的电力巡检机器人视觉定位方法,其特征在于:
输入巡检区域图像数组,对彩色图像灰度化,将图像分为前景和背景部分;
对灰度化以后的彩色图像,计算图像梯度,实现混合像素的提取,输出第一像素值数组;
对第一像素值数组中每一个非零像素点实现半径为r的范围内的扫描,找出与之最相近的为零的像素点的值作为中心像素的像素值,扫描结束之后输出第二像素值数组;
对第二像素值数组进行线性扫描,得到主色彩的RGB值;
对不同主色彩进行一次编号,对相同主色彩不同色块进行二次编号。
4.如权利要求1述的电力巡检机器人视觉定位方法,其特征在于:
根据图像信息所对应的一次编号数据集中的元素数量对图像信息处理进行优先级排序;
依照优先级排序获取与预设处理图像数等数量的图像信息,进一步获取图像信息中的二次编号信息;
根据二次编号信息获取对应色块的区域面积,并计算不同主色彩色块所占图像面积比例Kn;
获取最大比例值Kmax所对应的二次编号信息,确定二次编号信息所对应的最大主色彩的一次编号,进一步获取最大主色彩的最大色块面积。
5.如权利要求4所述的电力巡检机器人视觉定位方法,其特征在于:一次编号数据集中的元素数量与图像信息处理的优先级成正比例关系。
6.如权利要求1所述的电力巡检机器人视觉定位方法,其特征在于:根据最大主色彩的一次编号于巡检区域图像中查找对应主色彩,并获取对应主色彩的对应色块面积;
根据最大色块面积与对应色块面积以及对应色块一定范围内的其他主色块占一定范围的比例值确定最大主色彩于巡检区域图像中所处位置。
7.如权利要求6所述的电力巡检机器人视觉定位方法,其特征在于:当最大色块面积大于对应色块面积时,获取对应色块区域中心点,以对应色块区域中心点为原点,建立与巡检区域面积等同的矩形框,矩形框中心点与原点重合,计算矩形框内对应色块区域总面积占矩形框面积的对应比例,当对应比例等于Kmax时,则进一步获取当前位置矩形框内其他主色彩的色块面积;
当对应比例不等于Kmax时,则移动矩形框中心点,直至对应比例等于Kmax;
当最大色块面积小于等于对应色块面积时,获取对应色块区域边缘上的任意一点,以任意一点为矩形框中心点,计算矩形框内对应色块区域总面积占矩形框面积的对应比例,当对应比例等于Kmax时,则进一步获取当前位置矩形框内其他主色彩的色块面积;
当对应比例不等于Kmax时,则移动矩形框中心点,直至对应比例等于Kmax。
8.如权利要求7所述的电力巡检机器人视觉定位方法,其特征在于:获取矩形框内其他主色彩的一次编号信息,根据一次编号信息计算相同一次编号主色彩所对应色块的总面积,分别计算得到所有其他主色彩的色块面积占矩形框比例,并将其与实时图像信息中各主色彩所占比例K1、K2、K3、...、Kn-1、Kn进行逐一比较,当总差值小于等于阈值时,记录当前矩形框于巡检图像中所在位置;
当总差值大于阈值时,则继续移动矩形框位置,计算得到所有其他主色彩的色块面积占矩形框比例,并将其与实施图像信息中各主色彩所占比例进行逐一比较,直至总差值小于等于阈值,则记录当前矩形框于所述巡检图像中所在位置。
9.如权利要求7所述的电力巡检机器人视觉定位方法,其特征在于:通过光学字符识别对所述巡检图像中主色彩进行识别处理,获取文字信息。
10.如权利要求7或9所述的电力巡检机器人视觉定位方法,其特征在于:根据所述识别内容,导入Excel表格中,生成对应的巡检报表。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210578741.2A CN116012456A (zh) | 2022-05-25 | 2022-05-25 | 一种电力巡检机器人视觉定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210578741.2A CN116012456A (zh) | 2022-05-25 | 2022-05-25 | 一种电力巡检机器人视觉定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116012456A true CN116012456A (zh) | 2023-04-25 |
Family
ID=86021760
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210578741.2A Pending CN116012456A (zh) | 2022-05-25 | 2022-05-25 | 一种电力巡检机器人视觉定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116012456A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116580362A (zh) * | 2023-07-12 | 2023-08-11 | 国网上海市电力公司 | 输电运维跨***融合数据的采集方法及数字资产处理*** |
-
2022
- 2022-05-25 CN CN202210578741.2A patent/CN116012456A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116580362A (zh) * | 2023-07-12 | 2023-08-11 | 国网上海市电力公司 | 输电运维跨***融合数据的采集方法及数字资产处理*** |
CN116580362B (zh) * | 2023-07-12 | 2023-10-20 | 国网上海市电力公司 | 输电运维跨***融合数据的采集方法及数字资产处理*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109190722B (zh) | 基于满文字符图片的字体风格迁移变换方法 | |
CN108428229B (zh) | 一种基于深度神经网络提取表观和几何特征的肺部纹理识别方法 | |
CN108229485B (zh) | 用于测试用户界面的方法和装置 | |
CN111460138A (zh) | 一种基于bim的数字化工程监理方法与*** | |
WO2020155757A1 (zh) | 柱状图数据转换控制方法、装置、计算机设备及存储介质 | |
US9558467B1 (en) | Systems and/or methods for grid-based multi-level digitization of enterprise models | |
CN109934227A (zh) | 图像文字识别***和方法 | |
Arteaga | Historical map polygon and feature extractor | |
US20210248760A1 (en) | Feature processing method and device for motion trajectory, and computer storage medium | |
CN110908710B (zh) | 一种Web前端代码依赖关系可视化方法 | |
CN109214642B (zh) | 一种建筑施工工序约束的自动抽取和分类方法及*** | |
CN115812221A (zh) | 图像生成及着色方法及装置 | |
RU2571616C1 (ru) | Способ и система оптического распознавания символов, которые сокращают время обработки изображений, потенциально не содержащих символы | |
CN111784801B (zh) | 一种竣工单体建筑车位平面图自动化绘制方法及*** | |
CN116012456A (zh) | 一种电力巡检机器人视觉定位方法 | |
CN115034200A (zh) | 图纸信息提取方法、装置、电子设备及存储介质 | |
CN112529055A (zh) | 一种图像标注和标注数据集处理方法 | |
CN114969467A (zh) | 数据分析分类方法、装置、计算机设备及存储介质 | |
KR20210116371A (ko) | 이미지 처리 방법, 장치, 전자장비, 컴퓨터 판독가능 저장 매체 및 컴퓨터 프로그램 | |
CN112084103B (zh) | 界面测试方法、装置、设备和介质 | |
CN112101336A (zh) | 一种基于计算机视觉的智能数据采集方式 | |
CN107240150B (zh) | 一种三维管道数字化出图方法 | |
CN115965987A (zh) | 基于异构架构的表格文字结构化识别方法 | |
CN114820870A (zh) | 核电流程图辅助绘制方法、装置、计算机设备和存储介质 | |
KR20230029206A (ko) | 인공지능 문자인식을 위한 학습 데이터 구축 장치 |
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 |