一种基于机器视觉的转换开关状态识别方法技术

本发明专利技术公开一种基于机器视觉的转换开关状态识别方法，包括如下步骤：采集并标定设备模板图，该设备模板图是对设备的正视角图，将设备模板图、辅助定位区域A模板图、辅助定位区域B模板图、设备模板图SIFT特征、辅助定位区域A模板图SIFT特征、辅助定位区域B模板图SIFT特征和旋转区域位置信息保存在模板库中；采集电力设备当前时刻的图像为待检测图像；并提取待检测图像的SIFT特征；在待检测图像中检测转换开关，切割目标区域；在目标区域搜索旋转区域，获取透视变换矩阵；利用透视变换矩阵的信息计算出转换开关旋转角度；利用旋转角度确认转换开关状态。本发明专利技术方法不仅识别速度快、准确率高，而且可以一次性识别多个开关，大大提高了效率。

A recognition method of switch state based on machine vision

The present invention discloses a state recognition method of switching switch based on machine vision. It includes the following steps: collecting and calibrating the device template map. The device template map is a positive view map of the equipment, the device template map, the auxiliary positioning area A template map, the auxiliary location area B template map, the device template map SIFT features, auxiliary setting, and auxiliary setting. The SIFT features of the A template map of the bit area, the SIFT features of the B template map of the auxiliary location and the location information of the rotating region are stored in the template library; the images at the current time of the power equipment are collected, and the SIFT features of the images to be detected are extracted; the conversion switch is detected and the target area is cut in the detected image; in the target area, the target area is detected. The rotation area is searched and the perspective transformation matrix is obtained; the rotation angle of the switching switch is calculated by the information of the perspective transformation matrix, and the state of the switch is confirmed by the rotation angle. The method of the invention not only has fast recognition speed and high accuracy, but also can identify a plurality of switches at one time, and greatly improves the efficiency.

【技术实现步骤摘要】
一种基于机器视觉的转换开关状态识别方法
本专利技术涉及一种基于机器视觉的转换开关状态识别方法，所属
为数字图像处理、模式识别和机器学习领域。
技术介绍
随着国家飞速发展各行各业对电力越来越依赖，对电力网路安全稳定运行提出更严格的要求。电力网络中变电站转换开关正确置位关系到电力网络的安全运行。一旦出现误置位情况都会造成巨大损失，严重威胁电力网络安全。随着电力网络扩大，变电站转换开关的数量爆发式增长，因此对电力网络安全潜在威胁也日益增长。基于潜在的危险，对转换开关的日常管理工作提出了更高的标准。目前对转换开关位置的检查是依靠人工巡检，防范其错误置位的主要方法是依靠严格的规章制度。这对工作人员有极大的依赖。工作人员疲劳或者对阵列式分布转换开关误判断等原因都会造成巨大损失。随着技术发展，图像处理技术在各领域得到了广泛应用。在电力设备巡检方向图像处理技术也取得了喜人的成绩。机器人技术发展迅猛，逐渐代替了工作人员巡检。通过图像处理技术和机器人巡检相结合不但节约了人力成本，而且准确率高，速度快。同时不受到情绪、疲劳等因素影响，几乎实时的反馈结果，一旦出现异常系统可最快的做出调整避免损失。现有的技术依旧存在一些问题：第一、人工判别可能存在误判；第二、人工判别效率低下；第三、现有机器视觉识别方法针对每一类转换开关建立一类数学模型，不具有通用性和大规模实施的可操作性。
技术实现思路
本专利技术的目的就是为了解决上述问题，提供一种基于机器视觉的转换开关状态识别方法。该方法可判定不同种类的转换开关状态，具有很高的准确率和识别速度性。本专利技术采用以下技术方案：一种基于机器视觉的转换开关状态识别方法，其特征在于包括如下步骤：(1-1)采集并标定设备模板图，该设备模板图是对设备的正视角图，将设备模板图、辅助定位区域A模板图、辅助定位区域B模板图、设备模板图SIFT特征、辅助定位区域A模板图SIFT特征、辅助定位区域B模板图SIFT特征和旋转区域位置信息保存在模板库中；(1-2)采集电力设备当前时刻的图像为待检测图像；并提取待检测图像的尺度不变(SIFT)特征；(1-3)在待检测图像中检测转换开关，切割目标区域并转换到(1-1)中设备模板图同一视角；(1-4)在目标区域搜索旋转区域，获取透视变换矩阵；(1-5)利用透视变换矩阵的信息计算出转换开关旋转角度；(1-6)利用旋转角度确认转换开关状态。所述步骤(1-3)中在待检测图像中检测转换开关且切割目标区域并转换到(1-1)中设备模板图同一视角，具体步骤为：(1-3-1)利用模板图像SIFT特征建立kd树；(1-3-2)待匹配图像的SIFT特征在kd树上做二叉搜索，在搜索过程中利用最小优先队列建立回溯搜索的索引，最小优先队列键值为对应维度特征值差值的绝对值；(1-3-3)按照最小优先队列顺序回溯搜索，当达到最小优先队列为空或者达到搜索次数上限时停止搜索；(1-3-4)当模板图像SIFT特征点对应多个待匹配特征点时，仅保留搜索过程中的最优值和次优值；(1-3-5)搜索完毕后，根据匹配特征点与最优值和次优值的欧氏距离关系筛选出最终匹配结果；参考方法是min_Dis＜max_Dis*0.6；其中min_Dis是特征点与最优值的欧氏距离，max_Dis是特征点与次优值的欧氏距离；(1-3-6)根据模板图像和待检测图像匹配点的坐标关系，计算出透视变换矩阵H_a；(1-3-7)利用H_a切割出待检测图像中目标区域图像Match1；(1-3-8)计算出H_a的逆变换矩阵H_a_inv；(1-3-9)将目标区域图像Match1通过逆变换矩阵H_a_inv映射到与(1-1)中设备模板图像同一视角，得到图像Match2。相较于Flann算法，本专利技术方法具有更好的稳定性；相较于暴力搜索本专利技术方法速度上具有优势。所述步骤(1-4)中在目标区域中检测转换开关，获取透视变换矩阵，具体步骤如下：(1-4-1)利用步骤(1-1)中旋转区域位置信息和设备模板图像获取转换开关旋转部图像，计算转换开关旋转部图像SIFT特征并建立kd树；(1-4-2)计算图像Match2的SIFT特征，在步骤(1-4-1)中的kd树做二叉搜索，获取匹配对；(1-4-3)利用匹配对计算出透视变换矩阵H_b。所述步骤(1-5)中利用透视变换矩阵的信息计算出转换开关旋转角度，步骤如下：(1-5-1)分解透视变换矩阵H_b为4个部分：H1，H2，H3和H4；H3＝[h31h32]H4＝[h33]其中h11～h33为矩阵H_b的元素，H1～H4为H_b的子块；(1-5-2)归一化H1，格式为：其中：n1，n2为常数系数，θ的物理意义为当前转换开关旋转部分与建模时转换开关旋转部分的角度差值。所述步骤(1-6)中利用旋转角度确认转换开关状态，步骤如下：(1-6-1)根据标定信息，利用向量法计算各个状态βi与当前状态旋转部分的角度值αi：i＝1，2，......，n其中：为标定时当前状态向量；为标定时指定状态向量；(x0，y0)为标定时旋转中心坐标，(x1，y1)为标定时当前状态转换开关旋转部分停留坐标；(xi，yi)为标定时指定状态转换开关旋转部分停留坐标,n为当前转换开关的状态总数。(1-6-2)步骤(1-5)中的θ与αn比对判定当前状态β：if|θ-αi|＝min(|θ-αn|)；β＝βii＝1，2，......，n当θ与第i个状态角度αi差值最小时，当前状态β判定为βi。本专利技术方法不仅识别速度快、准确率高，而且可以一次性识别多个开关，大大提高了效率。附图说明图1为本专利技术的算法流程图。具体实施方式下面结合附图与实施例对比专利技术做进一步说明。如图1所示。本专利技术的方法步骤如下：第一步：采集并标定设备模板图，该设备模板图是对设备的正视角图，将设备模板图、辅助定位区域A模板图、辅助定位区域B模板图、设备模板图SIFT特征、辅助定位区域A模板图SIFT特征、辅助定位区域B模板图SIFT特征和旋转区域位置信息保存在模板库中；第二步：采集电力设备当前时刻的图像为待检测图像；并提取待检测图像的尺度不变(SIFT)特征；计算图像高斯金字塔后再计算高斯差分金字塔；在尺度空间内寻找高斯差分局部极值点，确定关键点的尺度、位置；计算特征点邻域梯度主方向，为该点方向特征；计算该特征点4*4个邻域，每个邻域8个方向的梯度直方图信息，得到128维特征向量表征该特征点。SIFT特征是图像的局部特征，其对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性；独特性好，信息量丰富，适用于在海量特征数据库中进行快速、准确的匹配；多量性，即使少数的几个物体也可以产生大量的SIFT特征向量；高速性，经优化的SIFT匹配算法甚至可以达到实时的要求。第三步：在待检测图像中检测转换开关，切割目标区域并转换到(1-1)中设备模板图同一视角；具体过程为：(1-3-1)利用模板图像SIFT特征建立kd树；(1-3-2)待匹配图像的SIFT特征在kd树上做二叉搜索，在搜索过程中利用最小优先队列建立回溯搜索的索引，最小优先队列键值为对应维度特征值差值的绝对值；(1-3-3)按照最小优先队列顺序回溯搜索，当达到最小优先队列为空或者达到搜索次数上限时停止搜索；(1-3-4)当模本文档来自技高网...

【技术保护点】
1.一种基于机器视觉的转换开关状态识别方法，其特征在于包括如下步骤：(1‑1)采集并标定设备模板图，该设备模板图是对设备的正视角图，将设备模板图、辅助定位区域A模板图、辅助定位区域B模板图、设备模板图SIFT特征、辅助定位区域A模板图SIFT特征、辅助定位区域B模板图SIFT特征和旋转区域位置信息保存在模板库中；(1‑2)采集电力设备当前时刻的图像为待检测图像；并提取待检测图像的尺度不变(SIFT)特征；(1‑3)在待检测图像中检测转换开关，切割目标区域并转换到(1‑1)中设备模板图同一视角；(1‑4)在目标区域搜索旋转区域，获取透视变换矩阵；(1‑5)利用透视变换矩阵的信息计算出转换开关旋转角度；(1‑6)利用旋转角度确认转换开关状态。

【技术特征摘要】
1.一种基于机器视觉的转换开关状态识别方法，其特征在于包括如下步骤：(1-1)采集并标定设备模板图，该设备模板图是对设备的正视角图，将设备模板图、辅助定位区域A模板图、辅助定位区域B模板图、设备模板图SIFT特征、辅助定位区域A模板图SIFT特征、辅助定位区域B模板图SIFT特征和旋转区域位置信息保存在模板库中；(1-2)采集电力设备当前时刻的图像为待检测图像；并提取待检测图像的尺度不变(SIFT)特征；(1-3)在待检测图像中检测转换开关，切割目标区域并转换到(1-1)中设备模板图同一视角；(1-4)在目标区域搜索旋转区域，获取透视变换矩阵；(1-5)利用透视变换矩阵的信息计算出转换开关旋转角度；(1-6)利用旋转角度确认转换开关状态。2.根据权利要求1所述的基于机器视觉的转换开关状态识别方法，其特征在于：所述步骤(1-3)中在待检测图像中检测转换开关且切割目标区域并转换到(1-1)中设备模板图同一视角，具体步骤为：(1-3-1)利用模板图像SIFT特征建立kd树；(1-3-2)待匹配图像的SIFT特征在kd树上做二叉搜索，在搜索过程中利用最小优先队列建立回溯搜索的索引，最小优先队列键值为对应维度特征值差值的绝对值；(1-3-3)按照最小优先队列顺序回溯搜索，当达到最小优先队列为空或者达到搜索次数上限时停止搜索；(1-3-4)当模板图像SIFT特征点对应多个待匹配特征点时，仅保留搜索过程中的最优值和次优值；(1-3-5)搜索完毕后，根据匹配特征点与最优值和次优值的欧氏距离关系筛选出最终匹配结果；参考方法是min_Dis＜max_Dis*0.6；其中min_Dis是特征点与最优值的欧氏距离，max_Dis是特征点与次优值的欧氏距离；(1-3-6)根据模板图像和待检测图像匹配点的坐标关系，计算出透视变换矩阵H_a；(1-3-7)利用H_a切割出待检测图像中目标区域图像Match1；(1-3-8)计算出H_a的逆变换矩阵H_a_inv；(1-3-9)将目...

【专利技术属性】
技术研发人员：程雷鸣，马路，冯维纲，冯维颖，熊少华，张世军，王畅，王坤，殷顺俭，
申请(专利权)人：武汉中元华电软件有限公司，
类型：发明
国别省市：湖北,42