一种基于双目三维建模的发电焚烧炉监控方法技术

本发明专利技术公开了一种基于双目三维建模的发电焚烧炉监控方法，包括：采集发电焚烧炉内可燃物燃烧状态图像并对所述图像进行预处理；利用识别算法识别所述预处理后的图像中的可燃物，并利用三维重建算法重建内部燃烧物体积分布；根据所述重建的内部燃烧物体积分布，输出与所述燃烧炉内燃烧物容量状态相关的数据，实现发电焚烧炉的监控。本发明专利技术方法反映实际燃烧炉内的工况，从直观的视觉角度，以辅助工作人员进行合理安排喂料器的运动时间和方式工作，进而提升生产效率。进而提升生产效率。进而提升生产效率。

【技术实现步骤摘要】
一种基于双目三维建模的发电焚烧炉监控方法


[0001]本专利技术涉及焚烧炉实时监控的
，尤其涉及一种基于双目三维建模的发电焚烧炉监控方法。

技术介绍

[0002]现有技术中，基于红外光的TOF/结构光无法重建高燃的物体(以为它在不断释放红外光会干扰它算法成像，双目是可见光波段)，深度重建成像质量相对于其他传感器稳定；激光雷达成本过高，场景不适用，因此，亟需一种方法来实时高效监控发电焚烧炉的容量，提高其智能化程度。

技术实现思路

[0003]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0004]鉴于上述现有存在的问题，提出了本专利技术。
[0005]因此，本专利技术解决的技术问题是：现有技术无法重建高燃的物体或成本过高，场景不适用，生产效率低。
[0006]为解决上述技术问题，本专利技术提供如下技术方案：采集发电焚烧炉内可燃物燃烧状态图像并对所述图像进行预处理；利用识别算法识别所述预处理后的图像中的可燃物，并利用三维重建算法重建内部燃烧物体积分布；根据所述重建的内部燃烧物体积分布，输出与所述燃烧炉内燃烧物容量状态相关的数据，实现发电焚烧炉的监控。
[0007]作为本专利技术所述的基于双目三维建模的发电焚烧炉监控方法的一种优选方案，其中：所述图像预处理过程包括，在正常光状态下采集预设量图片用于构建训练图像增强数据集；利用自监督学习方法训练得到自适应补光、去噪的图像增强结果；利用基于多曝光图像深度融合的低光照图像增强网络实现低光照图像的自动亮度提升及细节增强。
[0008]作为本专利技术所述的基于双目三维建模的发电焚烧炉监控方法的一种优选方案，其中：产生所述多曝光图像的公式为：
[0009]I
i
＝min(k
i
*I
orig
，1) i∈(1，n)
[0010]其中，I
i
为曝光增强后的图像，I
orig
为原始的低光照图像，k
i
为低光照图像与参考图像之间选定的n个曝光率之中的一个值，min运算防止过曝光出现导致的图像过亮；
[0011]融合特征的产生为：
[0012]f
max
＝max(f1，f2，L f
n
)
[0013][0014]f
fusion
＝w*concat(f
max
，f
avg
)
[0015]其中，f
max
为最大滤波特征，f
avg
为平均滤波特征，f
fusion
为融合特征，concat为神经网络中的合并运算；
[0016]所述神经网络训练的损失函数采用输出光照增强图与标准图间的L1范数损失：
[0017]I
high
＝Exfusion(I
ex1
，I
ex2
，L I
exn
)
[0018]loss
Exfusion
＝||I
high
‑
I
gt
||1[0019]其中，I
high
为光照增强图像，I
ex1
～I
exn
为n幅曝光值增加的图像，Exfusion为整个光照增强网络，loss
Exfusion
为多曝光图像融合网络的损失函数，I
gt
为为标准对照图像，L为中间省略变量。
[0020]作为本专利技术所述的基于双目三维建模的发电焚烧炉监控方法的一种优选方案，其中：还包括，所述发电焚烧炉内可燃物燃烧状态图像的采集工具为双目相机；定义所述双目相机中的双目相机标定算法为：定义所述双目相机系统内的内参数为：(f
x
，f
y
，k1，k2，k3，p1，p2，u0，v0)，所述双目相机系统的外参数为：(R，T)；将标定参数输入至所述相机参数配置文件中，并利用双目标定策略完成坐标的转换。
[0021]作为本专利技术所述的基于双目三维建模的发电焚烧炉监控方法的一种优选方案，其中：所述双目标定策略包括，构建单目成像模型，所述单目成像模型包括世界坐标系、相机坐标系、图像坐标系、像素坐标系；所述单目成像模型从所述世界坐标系到所述像素坐标系的转换关系为：
[0022][0023]其中，表示相机内参矩阵，，R＝[R3×3T3×1]表示外参矩阵，表示世界坐标系坐标，表示像素坐标系坐标。
[0024]作为本专利技术所述的基于双目三维建模的发电焚烧炉监控方法的一种优选方案，其中：修正所述相机产生的切向和径向畸变，所述修正公式包括，
[0025][0026]作为本专利技术所述的基于双目三维建模的发电焚烧炉监控方法的一种优选方案，其中：根据所述像素坐标系和所述世界坐标系的坐标轴映射关系和定义标定棋盘平面位于世
界坐标系中Z
w
＝0，简化所述转换关系包括，
[0027][0028]其中，需要标定的单应矩阵为：
[0029][0030]得到坐标关系简化后的公式为：
[0031][0032]作为本专利技术所述的基于双目三维建模的发电焚烧炉监控方法的一种优选方案，其中：利用半全局匹配算法对所述双目相机的左右双目图进行立体匹配算法逐像素计算，包括，利用基于互信息量MI的像素点匹配函数进行匹配：
[0033][0034]其中，q*是p在极线方向上的在不同视差值下待匹配像素点；
[0035]对于每个像素点的匹配代价增加局部视差平滑项构造匹配能量函数用于减少匹配歧义性，其能量函数形式为：
[0036][0037]其中，P1和P2是视差跳变惩罚系数，P1<P2，用于约束像素视差局部平滑性；
[0038]使用一维动态规划算法迭代更新各像素点的在不同视差值下的匹配能量函数；
[0039]视差细化。
[0040]作为本专利技术所述的基于双目三维建模的发电焚烧炉监控方法的一种优选方案，其中：所述视差细化包括，基于胜者为王策略计算像素点代价聚合最小值的对应视差值根据左右视图下对应匹配点的视差一致性原则检测并去除错误匹配点；对视差d值进行局部双线性插值模型计算亚像素视差。
[0041]作为本专利技术所述的基于双目三维建模的发电焚烧炉监控方法的一种优选方案，其中：基于所述视差图d、相机标定参数以及双目基线距离B，根据三角测量的几何关系计算图像像素点深度值：
[0042]Z＝Bf/d
[0043]根据所述相机内参恢复像素点(u,v,1)得到对应相机坐标系下的三维坐标(X,Y,Z)：
[0044][0045]本专利技术的有益效果：本专利技术方法反映实际燃烧炉内的工况，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双目三维建模的发电焚烧炉监控方法，其特征在于，包括：采集发电焚烧炉内可燃物燃烧状态图像并对所述图像进行预处理；利用识别算法识别所述预处理后的图像中的可燃物，并利用三维重建算法重建内部燃烧物体积分布；根据所述重建的内部燃烧物体积分布，输出与所述燃烧炉内燃烧物容量状态相关的数据，实现发电焚烧炉的监控。2.如权利要求1所述的基于双目三维建模的发电焚烧炉监控方法，其特征在于：所述图像预处理过程包括，在正常光状态下采集预设量图片用于构建训练图像增强数据集；利用自监督学习方法训练得到自适应补光、去噪的图像增强结果；利用基于多曝光图像深度融合的低光照图像增强网络实现低光照图像的自动亮度提升及细节增强。3.如权利要求1或2所述的基于双目三维建模的发电焚烧炉监控方法，其特征在于：产生所述多曝光图像的公式为：I
i
＝min(k
i
*I
orig
，1)i∈(1，n)其中，I
i
为曝光增强后的图像，I
orig
为原始的低光照图像，k
i
为低光照图像与参考图像之间选定的n个曝光率之中的一个值，min运算防止过曝光出现导致的图像过亮；融合特征的产生为：f
max
＝max(f1，f2，L f
n
)f
fusion
＝w*concat(f
max
，f
avg
)其中，f
max
为最大滤波特征，f
avg
为平均滤波特征，f
fusion
为融合特征，concat为神经网络中的合并运算；所述神经网络训练的损失函数采用输出光照增强图与标准图间的L1范数损失：I
high
＝Exfusion(I
ex1
，I
ex2
，L I
exn
)loss
Exfusion
＝||I
high
‑
I
gt
||
l
其中，I
high
为光照增强图像，I
ex1
～I
exn
为n幅曝光值增加的图像，Exfusion为整个光照增强网络，loSs
Exfusion
为多曝光图像融合网络的损失函数，I
gt
为为标准对照图像，L为中间...

【专利技术属性】
技术研发人员：刘涛，戴苗武，陈金浩，
申请(专利权)人：南京瀚元科技有限公司，
类型：发明
国别省市：