一种应用于轮式巡检机器人的仪表自动定位识别方法技术

本发明专利技术公开了一种应用于轮式巡检机器人的仪表自动定位识别方法，涉及仪表读数检测技术领域，解决人工巡检效率低的技术问题，所述方法包括：步骤S1.采集仪表检测点图像，通过深度学习算法进行无标牌定位，得到仪表区域；步骤S2.利用阈值法和形态学预处理方法对仪表区域进行预处理得到仪表指针区域；步骤S3.通过比较仪表指针区域两端的像素数量来判断指针的前后端；步骤S4.通过指针的直线斜率及指针的前端顶点确定旋转角度，最后计算读数。本发明专利技术与人工检测相比，可以24小时连续不间断检测，能及时反馈仪表信息；可以实现远程自动监控，节省时间和人力，提高工作效率，保证工作人员的人身安全；本发明专利技术不受复杂背景干扰，鲁棒性强，可移植性高。可移植性高。可移植性高。

【技术实现步骤摘要】
一种应用于轮式巡检机器人的仪表自动定位识别方法


[0001]本专利技术涉及仪表读数检测
，更具体地说，它涉及一种应用于轮式巡检机器人的仪表自动定位识别方法。

技术介绍

[0002]仪表识别是把控企业生产过程和产品质量的有效途径。目前，对仪表读数的识别主要采用人工方式，不但耗费大量人力成本、巡检效率低，而且由于人为因素，会产生粗大误差和随机误差，影响企业生产质量，甚至可能因为检测不及时，造成安全事故。

技术实现思路

[0003]本专利技术要解决的技术问题是针对现有技术的上述不足，本专利技术的目的是提供一种可以替代人工巡检的应用于轮式巡检机器人的仪表自动定位识别方法。
[0004]本专利技术的技术方案是：一种应用于轮式巡检机器人的仪表自动定位识别方法，包括：
[0005]步骤S1.采集仪表检测点图像，通过深度学习算法进行无标牌定位，得到仪表区域；
[0006]步骤S2.利用阈值法和形态学预处理方法对所述仪表区域进行预处理得到仪表指针区域；
[0007]步骤S3.通过比较所述仪表指针区域两端的像素本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用于轮式巡检机器人的仪表自动定位识别方法，其特征在于，包括：步骤S1.采集仪表检测点图像，通过深度学习算法进行无标牌定位，得到仪表区域；步骤S2.利用阈值法和形态学预处理方法对所述仪表区域进行预处理得到仪表指针区域；步骤S3.通过比较所述仪表指针区域两端的像素数量来判断指针的前后端；步骤S4.通过指针的直线斜率及指针的前端顶点确定旋转角度，最后计算读数。2.根据权利要求1所述的一种应用于轮式巡检机器人的仪表自动定位识别方法，其特征在于，所述步骤S2包括：步骤S21.对所述仪表区域进行均值滤波并拉伸，获取所述仪表区域内所有像素点的灰度直方图，获取波谷灰度值、波峰灰度值、像素数量非零的最小灰度值、像素数量非零的最大灰度值；步骤S22.以所述波谷灰度值作为所述仪表区域的二值化阈值的初始值；步骤S23.将所述二值化阈值作为阈值对所述仪表区域进行阈值化，得到阈值图像，通过形态学处理消除噪声干扰，统计灰度值为255的像素点的实际数量；步骤S24.如果所述实际数量与所述仪表区域的像素数量的比值小于设定阈值，则所述二值化阈值增加(最大灰度值
‑
最小灰度值)*设定阈值+最小灰度值，执行步骤S23；否则将当前的二值化阈值赋值给滤波阈值；步骤S25.对步骤S23得到的阈值图像进行形态学计算，去除干扰噪点，计算该阈值图像的轮廓以及最小面积包围矩形，判断最长边矩形的长宽比以及长度是否符合要求；如果符合，则将最长边矩形作为仪表指针区域，执行步骤S3；否则，执行步骤S26；步骤S26.进行二次计算，判断次最长边矩形是否符合要求，如果符合则执行步骤S3；否则执行步骤S1。3.根据权利要求2所述的一种应用于轮式巡检机器人的仪表自动定位识别方法，其特征在于，判断最长边矩形的长宽比以及长度是否符合要求具体为：最长边矩形的长宽比大于4以及最长边矩形的长度大于仪表区域*0.66。4.根据权利要求2所述的一种应用于轮式巡检机器人的仪表自动定位识别方法，其特征在于，二次计算具体为：如果次最长边矩形和最长比矩形的长宽比至少有一个大于3.5，则比较两个矩形的长宽比，选择长宽比较大的矩形作为仪表指针区域；否则；如果次最长边矩形和最长边矩形的长度至少有一个小于仪表区域*0.5，比较两个矩形的长宽比，选取较大的作为仪表指针区域。5.根据权利要求2所述的一种应用于轮式巡检机器人的仪表自动定位识别方法，其特征在于，所述设定阈值为0....

【专利技术属性】
技术研发人员：田中山，王现中，杨昌群，杨文，李苗，李凌波，
申请(专利权)人：国家石油天然气管网集团有限公司，
类型：发明
国别省市：