融合巡检机器人定位信息的电力表计检测方法技术

本发明专利技术公开了一种融合巡检机器人定位信息的电力表计检测方法。本发明专利技术主要分为4个步骤：(1)巡检机器人到达指定位置获取图片；(2)结合巡检机器人定位信息,利用傅里叶和相位相关技术对目标仪表区域进行粗定位；(3)利用机器学习的目标仪表区域精确定位，得到多个目标候选区域；(4)融合巡检机器人定位信息，计算诸如IoU、互信息、视觉哈希等多特征融合的特征参数，利用该参数筛选候候选区域，得到最终目标。本发明专利技术利用机器学习，能检测到多种光照、姿态变化下的仪表。

【技术实现步骤摘要】
融合巡检机器人定位信息的电力表计检测方法
本专利技术涉及到目标检测方法，具体涉及一种融合巡检机器人定位信息的电力表计检测方法。
技术介绍
电力巡检机器人需要实现变电站内自主定位与导航、现场仪表示数识别、自动充电等基本功能。其中核心的功能就是检测和识别现场电力设备的仪器仪表的示数，如放电计数器、油位表、电压表、温度表等仪表示数，这些仪表基本都是机械式仪表，需要机器人依靠视觉传感器进行仪表示数读取。而准确识别仪表示数的前提是准确检测到视觉图像中仪表的位置，且大多数仪表在室外，目前大多数方法，利用传统的图像处理手段进行检测和识别，在光照条件变化的情况下，检测效果不好，一般一种光照条件就需要一组参数，这就需要提出一种较为通用的检测和识别方法，应对不同光照、姿态条件下的仪表检测任务。
技术实现思路
本专利技术的目的在于提供了一种融合巡检机器人定位信息的电力表计检测方法，解决现有仪表检测技术中存在的机器人位置不定时，目标尺度、角度变化大，目标受光照影响大从而导致检测不准确的问题。实现本专利技术目的的技术方案为：一种融合巡检机器人定位信息的电力表计检测方法，具体步骤为：步骤1、利用仪表图像数据集训练分类器，并为每个巡检点选取一张在该巡检点拍摄的仪表居中的图像作为模板图像，巡检机器人到达指定巡检点获取待检测仪表图片；步骤2、利用梅林傅里叶变换和相位相关技术对待检测仪表图片中的目标仪表区域进行粗定位；步骤3、利用机器学习的方法对目标仪表区域进行精确定位，将待检测图像送入训练过的分类器，得到若干个目标候选区域；步骤4、计算多个候选区域的感知哈希、互信息和交并比三种参数指标，筛选目标候选区域得到最终目标。优选地，步骤4中计算多个候选区域的感知哈希、互信息和交并比三种参数指标，筛选目标候选区域得到最终目标的具体步骤为：步骤4-1、分别将每个目标候选区域与粗定位目标仪表区域求交并比参数IOU；步骤4-2、分别将每个目标候选区域图像与模板图像中的仪表区域图像做感知哈希计算，获得感知哈希指标；步骤4-3、分别计算每个目标候选区域图像与模板图像的互信息指标；步骤4-4、将每一目标候选区域的交并比IOU、互信息指标以及感知哈希三种指标做加权求出每一目标候选区域的置信度，将置信度最大的目标候选区域作为备选检测结果；步骤4-5、若备选检测结果的IOU满足同时小于设定阈值thresholdIOU且(pHash+1/I(G(X),H(Y)))大于阈值thresholdA时，将步骤2确定的粗定位目标仪表区域作为最终目标，否则以备选检测结果作为最终目标，pHash为备选检测结果感知哈希指标，I(G(X),H(Y))为互信息指标。优选地，步骤4-1将每个目标候选区域与粗定位目标仪表区域求交并比参数IOU的公式为：式中，C为粗定位目标仪表区域，ni为目标候选区域。优选地，步骤4-2分别将每个目标候选区域图像与模板图像中的仪表区域图像做感知哈希计算的具体方法为：将目标候选区域图像与模板图像缩放到同一大小，进行余弦变换，选取余弦变换后的图像左上角的部分低频区域，去除坐标(0,0)的直流分量得到一共N维特征向量，计算目标候选区域图像与模板图像的特征向量的汉明距离，作为感知哈希指标。优选地，步骤4-3每个目标候选区域图像与模板图像的互信息指标的计算公式为：G(X)、H(Y)分别为模板图像与候选图像灰度像素的数目，W、H分别为候选区域图像宽、高。优选地，步骤4-4中置信度的计算公式为：Confidence＝1-(pHash+1/I(G(X),H(Y)))/(IOU+D)式中，I(G(X),H(Y))为互信息指标，pHash为感知哈希指标，IOU为交并比指标，D为设定的常数。优选地，阈值thresholdIOU取值范围0.1～0.4，阈值thresholdA取值范围10～50。优选地，步骤1中的分类器为Adaboost分类器。本专利技术与现有技术相比，其显著优点为：1)本专利技术在分类器筛选的基础上，基于机器人定位导航，利用图像的频域进行，进行相位相关计算，使用图像位移指标做大限度的减少了漏检的误检问题；2)本专利技术融合了机器人定位信息，利用机器人已有的定位信息，尽量使得位置重复度高(比如低于5cm的定位)，尺度、旋转等变化较小，在此基础上利用相位相关进行粗检测，基本所有表都能检到；3)本专利技术利用机器学习，能检测到多种光照、姿态变化下的仪表。附图说明图1为本专利技术总体流程示意图。图2为训练数据示意图。图3为采集的模板图像示意图。图4为实施案例1的结果图。图5实施案列2的结果图。图6为本专利技术流程示意图。具体实施方式如图1和图6所示，一种融合巡检机器人定位信息的电力表计检测方法，具体步骤为：步骤1、利用仪表图像数据集训练分类器，并为每个巡检点选取一张在该巡检点拍摄的仪表居中的图像作为模板图像，巡检机器人到达指定巡检点获取待检测仪表图片；步骤2、利用梅林傅里叶变换和相位相关技术对待检测仪表图片中的目标仪表区域进行粗定位；步骤3、利用机器学习的方法对目标仪表区域进行精确定位，将待检测图像送入训练过的分类器，得到若干个目标候选区域；步骤4、计算多个候选区域的感知哈希、互信息和交并比三种参数指标，筛选目标候选区域得到最终目标。进一步的实施例中，步骤4中计算多个候选区域的感知哈希、互信息和交并比三种参数指标，筛选目标候选区域得到最终目标的具体步骤为：步骤4-1、分别将每个目标候选区域与粗定位目标仪表区域求交并比参数IOU；步骤4-2、分别将每个目标候选区域图像与模板图像中的仪表区域图像做感知哈希计算，获得感知哈希指标；步骤4-3、分别计算每个目标候选区域图像与模板图像的互信息指标；步骤4-4、将每一目标候选区域的交并比IOU、互信息指标以及感知哈希三种指标做加权求出每一目标候选区域的置信度，将置信度最大的目标候选区域作为备选检测结果；步骤4-5、若备选检测结果的IOU满足同时小于设定阈值thresholdIOU且(pHash+1/I(G(X),H(Y)))大于阈值thresholdA时，将步骤2确定的粗定位目标仪表区域作为最终目标，否则以备选检测结果作为最终目标，pHash为备选检测结果感知哈希指标，I(G(X),H(Y))为互信息指标。进一步的实施例中，步骤4-1将每个目标候选区域与粗定位目标仪表区域求交并比参数IOU的公式为：式中，C为粗定位目标仪表区域，ni为目标候选区域。进一步的实施例中，步骤4-2分别将每个目标候选区域图像与模板图像中的仪表区域图像做感知哈希计算的具体方法为：将目标候选区域图像与模板图像缩放到同一大小，进行余弦变换，选取余弦变换后的图像左上角的部分低频区域，去除坐标(0,0)的直流分量得到一共N维特征向量，计算目标候选区域图像与模板图像的特征向量的汉明距离，作为感知哈希指标。进一步的实施例中，步骤4-3每个目标候选区域图像与模板图像的互信息指标的计算公式为：G(X)、H(Y)分别为模板图像与候选图像灰度像素的数目，W、H分别为候选区域图像宽、高。进一步的实施例中，步骤4-4中置信度的计算公式为：Confidence＝1-(pHash+1/I(G(X),H(Y)))/(IOU+D)式中，I(G(X),H(Y))为互信息指标，pHash为感知哈希指标，IOU为交并比指本文档来自技高网...

【技术保护点】
1.一种融合巡检机器人定位信息的电力表计检测方法，其特征在于，具体步骤为：步骤1、利用仪表图像数据集训练分类器，并为每个巡检点选取一张在该巡检点拍摄的仪表居中的图像作为模板图像，巡检机器人到达指定巡检点获取待检测仪表图片；步骤2、利用梅林傅里叶变换和相位相关技术对待检测仪表图片中的目标仪表区域进行粗定位；步骤3、利用机器学习的方法对目标仪表区域进行精确定位，将待检测图像送入训练过的分类器，得到若干个目标候选区域；步骤4、计算多个候选区域的感知哈希、互信息和交并比三种参数指标，筛选目标候选区域得到最终目标。

【技术特征摘要】
1.一种融合巡检机器人定位信息的电力表计检测方法，其特征在于，具体步骤为：步骤1、利用仪表图像数据集训练分类器，并为每个巡检点选取一张在该巡检点拍摄的仪表居中的图像作为模板图像，巡检机器人到达指定巡检点获取待检测仪表图片；步骤2、利用梅林傅里叶变换和相位相关技术对待检测仪表图片中的目标仪表区域进行粗定位；步骤3、利用机器学习的方法对目标仪表区域进行精确定位，将待检测图像送入训练过的分类器，得到若干个目标候选区域；步骤4、计算多个候选区域的感知哈希、互信息和交并比三种参数指标，筛选目标候选区域得到最终目标。2.根据权利要求1所述的融合巡检机器人定位信息的电力表计检测方法，其特征在于，步骤4中计算多个候选区域的感知哈希、互信息和交并比三种参数指标，筛选目标候选区域得到最终目标的具体步骤为：步骤4-1、分别将每个目标候选区域与粗定位目标仪表区域求交并比参数IOU；步骤4-2、分别将每个目标候选区域图像与模板图像中的仪表区域图像做感知哈希计算，获得感知哈希指标；步骤4-3、分别计算每个目标候选区域图像与模板图像的互信息指标；步骤4-4、将每一目标候选区域的交并比IOU、互信息指标以及感知哈希三种指标做加权求出每一目标候选区域的置信度，将置信度最大的目标候选区域作为备选检测结果；步骤4-5、若备选检测结果的IOU满足同时小于设定阈值thresholdIOU且(pHash+1/I(G(X)，H(Y)))大于阈值thresholdA时，将步骤2确定的粗定位目标仪表区域作为最终目标，否则以备选检测结果作为最终目标，pHash为备选检测结果感知哈希指标，I(G(X)，H(Y))为互信息指标。3.根据权利...

【专利技术属性】
技术研发人员：茅耀斌，陆亚涵，郭健，李胜，李萌，项文波，胥安东，潘云云，王天野，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏,32