【技术实现步骤摘要】
一种仪表识别算法
本专利技术涉及图像识别领域，尤其涉及一种仪表识别算法。
技术介绍
随着经济的快速增长，人们对电能的需求在日益提高。为了电力设备能够长期稳定安全的运行，电力巡检工作越来越受重视。如图1所示，指针式仪表因其结构简单、低成本、低故障率等优点，在我国电力系统中被广泛应用。该类仪表不具有数据接口，因此无法实现数据的自动采集和传输。目前国内的变电站和电厂等主要利用人工巡检，仪表数据的记录依靠人眼观测，这受到了人的主观因素和环境的客观因素的影响。使用巡检机器人代替人工巡检可以一定程度上缓解值守人员的工作压力，还能提高巡检质量和效率。巡检机器人基于自主定位和导航，集成了可见光、红外、声音等传感器，可以实现对仪器仪表设备的工作状态、外观异常、温度异常等检测以及仪表盘读数的实时监控。仪表如果安装在室外，图像的采集往往会受到光照的影响。通常仪表识别算法分为两步：仪表定位和指针识别。仪表定位是利用仪表盘的形状特征，一般为圆形或者椭圆，通过模板匹配或拟合等方法粗略确定出表盘在图像中的位置及区域范围。该算法虽然具有一定的实时性和鲁棒性，但巡检机器人采集回来的图像可能背景杂乱...
【技术保护点】
1.一种仪表识别算法，其特征在于，包括以下步骤：S1，采集通过不同角度拍摄的仪表的原图像；S2，选择任一角度拍摄的仪表的原图像进行仪表粗定位，获得区域图像；S3，对区域图像降分辨率处理，并根据分辨率的大小将降分辨率处理后的区域图像分组，相同分辨率的图像为同一组；S4，对降分辨率处理后的区域图像做不同尺度的高斯模糊得到高斯金字塔图像，通过高斯金字塔图像计算得到DOG金字塔图像；S5，获取DOG金字塔图像中的特征点；S6，利用特征点邻域像素的梯度方向分布特征来确定特征点的方向参数；S7，根据得到的特征点及其方向参数生成特征向量，利用模板图像和特征向量完成仪表的特征点匹配，若仪表...
【技术特征摘要】
1.一种仪表识别算法，其特征在于，包括以下步骤：S1，采集通过不同角度拍摄的仪表的原图像；S2，选择任一角度拍摄的仪表的原图像进行仪表粗定位，获得区域图像；S3，对区域图像降分辨率处理，并根据分辨率的大小将降分辨率处理后的区域图像分组，相同分辨率的图像为同一组；S4，对降分辨率处理后的区域图像做不同尺度的高斯模糊得到高斯金字塔图像，通过高斯金字塔图像计算得到DOG金字塔图像；S5，获取DOG金字塔图像中的特征点；S6，利用特征点邻域像素的梯度方向分布特征来确定特征点的方向参数；S7，根据得到的特征点及其方向参数生成特征向量，利用模板图像和特征向量完成仪表的特征点匹配，若仪表的图像提取失败，则选择另一角度拍摄的仪表的原图像执行步骤S2-S7，直到仪表的图像提取成功；S8，利用Hough变换算法检测仪表的图像中的指针，得到仪表的读数。2.根据权利要求1所述的仪表识别算法，其特征在于，所述选择任一角度拍摄的仪表的原图像进行仪表粗定位，获得区域图像包括：S201，建立模板库；S202，利用模板库中的模板对任一角度拍摄的仪表的原图像进行匹配提取可疑区域，选择匹配度最大的可疑区域作为区域图像。3.根据权利要求1所述的仪表识别算法，其特征在于，所述对降分辨率处理后的区域图像做不同尺度的高斯模糊得到高斯金字塔图像，通过高斯金字塔图像计算得到DOG金字塔图像包括：S401，通过公式：对降分辨率处理后的区域图像做不同尺度的高斯模糊，其中，G(x,y)为高斯卷积图像，σ为尺度空间因子，x,y分别为降分辨率处理后的区域图像行、列的像素；S402，根据公式(1)再通过公式：D(x,y,mσ)＝(G(x,y,kmσ)-G(x,y,km-1σ))×I(x,y)(2)计算求差图像，其中，D(x,y,mσ)为求差图像，I(x,y)为降分辨率处理后的区域图像的像素强度，m＝1,2,…,S，S为高斯金字塔图像中每组图像的层数，k＝21/S；S403，根据公式(2)计算得到DOG金字塔图像。4.根据权利要求1所述的仪表识别算法，其特征在于，所述获取DOG金字塔图像中的特征点包括：S501，利用公式：n＝log2{min(M,N)}-t,t∈[0,log2{min(M,N)})(3)计算DOG金字塔图像的层数n，其中M、N为区域图像的行、列，t为塔顶图像最小维数的对数；S502，利用公式：σ(o,s)＝σ02o+j/J,o∈[0,…,O-1],j∈[0,…,J+2](4)确定每组的尺度空间因子σ，其中σ0是基准尺度，o为将降分辨率处理后区域图像的组中的第几组，j为DOG金字塔图像中每组图像中的第几...
【专利技术属性】
技术研发人员：张霁明，周俊，吴明，孙斌，林超，张莺，卢恒，
申请(专利权)人：国网浙江宁波市鄞州区供电有限公司，国网浙江省电力有限公司宁波供电公司，
类型：发明
国别省市：浙江,33
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。