The invention discloses an instrument position detecting method based on intelligent inspection robot. The PTZ camera intelligent inspection robot, obtain meter image, unified image brightness and image size, traversing the sample set, and extract the visual features of each sample into SVM classifier to calculate the score, get the rough location of the instrument. In the rough position, the image is scaled and searched to obtain the sample set, and the exact position of the instrument is further obtained. The invention takes the background area (i.e. non instrument area) as a negative sample to train, effectively utilizes the background information, and weakens the influence of the object similar to the object in the background to the algorithm. Furthermore, the performance of the algorithm is optimized by first traversal search and scale search, and the detection accuracy of the classifier is improved effectively.
【技术实现步骤摘要】
一种基于智能巡检机器人的仪表位置检测方法
本专利技术属于自动识别
,特别地涉及一种基于智能巡检机器人的仪表位置检测方法。图像预处理部分,涉及了对比度和亮度调节算法。模型训练部分,涉及了SVM分类器和视觉特征。搜索部分,涉及了遍历和尺度变换结合的搜索策略。
技术介绍
目标检测是计算机视觉和图像处理中最基础也是最重要的任务之一,其中包括基于视频的目标检测和基于静态图片的目标检测。基于静态图片的目标检测即在一张图像上进行物体的检测。本专利技术中的仪表检测即为基于静态图片的目标检测。对于基于静态图片的目标检测,一种研究路线是将目标检测问题转为分类问题,基本方法是构建一种特征描述子,而后在图像范围内各个位置多个尺度进行检测。这些算法一般会在每个子窗上提取合适的特征,并使用合适的分类器,即可以完成目标检测。研究的另一条路线是基于部件的可变模型。在这些模型中,一个物体被假设为若干个基本部件的组合配置,每个组件可以表示为一个点,而组件间的衔接表示为边,那么目标模型就简化为一个已知连接的无向图,而检测即是将此无向图配置到最合适的位置。在工业和控制领域的工程应用中,如何提高目标检测的识别率和提高算法的性能是非常重要的研究内容。
技术实现思路
本专利技术的目的在于提供了一种基于智能巡检机器人的仪表位置检测方法,采用了对比度和亮度调节算法进行图像预处理,SVM分类器和视觉特征进行分类器训练,以及遍历和尺度变换结合的搜索策略,使得目标检测的识别率达到95%以上。为实现上述目的,本专利技术的技术方案为:一种基于智能巡检机器人的仪表位置检测方法,其特征在于,通过智能巡检机器人的云台摄 ...
【技术保护点】
一种基于智能巡检机器人的仪表位置检测方法,其特征在于,通过智能巡检机器人的云台摄像头获得仪表图像I,然后对图像I进行以下步骤处理:步骤1:对图像I进行图像预处理,获得图像I′。步骤2:对图像I′遍历搜索,获得多个图像样本,组成样本集M,对M中的样本通过SVM分类器进行分数计算,分数最高的样本的位置即为仪表的粗略位置。步骤3:以粗略位置的中心点为缩放中心,对图像I′缩放搜索,获得多个图像样本,组成样本集M′,对M′中的样本通过SVM分类器进行分数计算,分数最高的样本的位置即为仪表的精确位置。
【技术特征摘要】
1.一种基于智能巡检机器人的仪表位置检测方法,其特征在于,通过智能巡检机器人的云台摄像头获得仪表图像I,然后对图像I进行以下步骤处理:步骤1:对图像I进行图像预处理,获得图像I′。步骤2:对图像I′遍历搜索,获得多个图像样本,组成样本集M,对M中的样本通过SVM分类器进行分数计算,分数最高的样本的位置即为仪表的粗略位置。步骤3:以粗略位置的中心点为缩放中心,对图像I′缩放搜索,获得多个图像样本,组成样本集M′,对M′中的样本通过SVM分类器进行分数计算,分数最高的样本的位置即为仪表的精确位置。2.根据权利要求1所述的方法,其特征在于,步骤1中所述的图像预处理具体为:(1.1)对图像I进行对比度和亮度调节,使得图像I的对比度和亮度与SVM分类器中的训练样本保持基本一致。(1.2)通过插值法,将图像归化到统一的大小m×n。3.根据权利要求1所述的方法,其特征在于,步骤2中的样本集M通过以下方法得到:从像素点(0,0)开始,选取图像样本,组成样本集M;图像样本Pij的位置为:((ai,bj),w,h),其中(ai,bj)为图像样本的左上角坐标,w为图像样本的宽度,h为图像样本的高度,a为x轴方向的像素步进单位,b为y轴方向的像素步进单位。4.根据权利要求1所述的方法,其特征在于,步骤3中的样本集M′通过以下方法得到:以粗略位置的中心点为缩放中心,对粗略位置的大小进行缩放,缩放系数为(1-α)~(1+α),步进为β,共得到2α/β个新的图像样本,组成样本集M′。5.根据权利要求1所述的方法,其...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。