一种指针仪表识别增强检测方法技术

本发明专利技术公开了一种指针仪表识别增强检测方法，所述检测方法包括点位图片录入模块、参数调试选取模块、识别模块，所述图片录入模块用以获取模板照片，所述参数调试选取模块用以对获取的模板照片识别指针仪表的各项数据，所述识别模块用以获取巡检机器人所拍摄目标设备图片信息，并将目标设备图片信息与模板照片进行特征匹配。本发明专利技术对仪器指针和表盘目标的联合检测，基于标定轮廓框，摆脱了单种传统算法，极大的提高了检测准度和部分抗干扰能力。极大的提高了检测准度和部分抗干扰能力。极大的提高了检测准度和部分抗干扰能力。

【技术实现步骤摘要】
一种指针仪表识别增强检测方法


[0001]本专利技术涉及图像识别
，具体为一种指针仪表识别增强检测方法。

技术介绍

[0002]现阶段的仪表刻度指针检测识别方法包括传统的图像识别技术方法和基于深度学习的识别方法。传统的图像识别方法分为模板匹配法，最大连通域法，剪影法，最小二乘拟合法，画线法及区域生长法等。再在矩形框内运用传统检测刻度读数和指针角度。基于深度学习的网络模型训练方法具抗干扰，简易性等优点。但是需要一定量差异化数据样本，大量具有差异数据样本可以提高识别的准确性。在常见的的工业场景，部分异常表计样本获取困难，基于深度学习的端到端识别方法，由于深度网络的黑盒效应和实际生产环境中的数据采集问题，数据样本的长尾效应，在实际应用中有一定的局限性。传统方法通过分析少量图片人工提取关键信例如常用的特征模板匹配定位法在实用过程中鲁棒性较差,对不同清晰度图片的匹配效果较差，使用新型的匹配网络可以提高匹配的稳定性。最小二乘拟合法，画线法在具有噪声的图像中单独使用鲁棒性一般。传统方法需要使用教通用的参数提取设计方法，通过配置的参数集合，降低不同噪声的影响。

技术实现思路

[0003]为解决上述技术问题，本专利技术提供以下的技术方案：
[0004]本专利技术提供了一种指针仪表识别增强检测方法，
[0005]所述检测方法包括点位图片录入模块、参数调试选取模块、识别模块，所述图片录入模块用以获取模板照片，所述参数调试选取模块用以对获取的模板照片识别指针仪表的各项数据，所述识别模块用以获取巡检机器人所拍摄目标设备图片信息，并将目标设备图片信息与模板照片进行特征匹配。
[0006]可选的，所述模板照片的各项数据包括仪表类型、指针长度、图像腐蚀参数，所述模板照片的各项数据存储至数据库存储模块内，所述模板照片的各项数据存储至数据库存储模块内采用ros机器人话题消息或GRPC远程调用。
[0007]可选的，所述参数调试选取模块用以查看拍摄的模板图片的结果和二值化过程图片，根据读数和二值化图片返回调整表计参数。
[0008]可选的，执行巡检任务中机器人或摄像头到达预设点位后，定位后拍摄目标设备图片信息，将点位预设模板图片、识别参数信息和点位拍摄图片三个信息发送给所述识别模块，识别模块用于对目标设备图片信息与模板照片进行特征匹配。
[0009]可选的，所述识别模块包括以下流程：
[0010]S1：识别拍摄图片位置矫正，使用特征关键点匹配模型包括传统sift/lift/superpoint传统特征点和深度匹配网络模型，得到模板图片到拍摄图片的仿射变换转化矩阵；
[0011]S2：解析参数数据集合，由仿射变换矩阵得到拍摄设别图片的标定参数信息；
[0012]S3：在拍摄识别图片中选取可选识别区域，根据标定的中心点和识别刻度点信息，以中心点为圆心，刻度信息到中心点的距离为半径的圆弧找出指针所在区域的二值化图片。
[0013]可选的，所述参数数据包括模板图片表计位置、直线选取参数、中心点、刻度点、读数选取、腐蚀参数信息。
[0014]可选的，所述找出指针所在区域的二值化图片包括以下步骤：
[0015]第一步、使用Hough直线检测方法找到所有符合直线参数长度的指针，同时计算直线到中心圆点的距离，过滤距离过大的直线；
[0016]第二步、如果在测试结果中的图片找到错误的指针直线，识别模块读取标定区域，去除干扰区域的影响，在指定识别区域中找符合到中心圆心距离和长度的直线长度，如果找不到直线，跳转第三步；
[0017]第三步、在第二步中的指定识别区域中，根据刻度值，将识别选取等距离分割，为了提高精度，通常识别区域分割数量等于最小刻度数量的2倍数公式如下：即最大读数scale，单位刻度值为0.1，读数精度为0.05，num＝scale/0.1*2，分割区域以0.05刻度值依次迭代选取，得到分割区域集合，在分割选取集合中，分别计算每个分割区域内的轮廓区域，轮廓区域拟合成外接矩形框，如果满足外接矩形框的长宽比值大于阈值，并且轮廓区域拟合的直线到中心原点的距离小于阈值的条件，则该直线为指针读数，如果不满足条件，使用图像增强或受限区域图像增强方法，找出分割区域集合中的最大轮廓区域的分割区域，该分割区域对应所在的读数值即为最大概率指针区域。
[0018]本专利技术有益效果
[0019]本专利技术对仪器指针和表盘目标的联合检测，基于标定轮廓框，摆脱了单种传统算法，极大的提高了检测准度和部分抗干扰能力。
附图说明
[0020]图1为本专利技术识别模块步骤示意图。
[0021]图2为本专利技术表计图片的二值化中间结果示意图。
具体实施方式
[0022]下面将结合本专利技术的实施例中的附图，对本专利技术的实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0023]实施例
[0024]如图1
‑
图2所示，本专利技术提供了一种指针仪表识别增强检测方法，
[0025]所述检测方法包括点位图片录入模块、参数调试选取模块、识别模块，所述图片录入模块用以获取模板照片，所述参数调试选取模块用以对获取的模板照片识别指针仪表的各项数据，所述识别模块用以获取巡检机器人所拍摄目标设备图片信息，并将目标设备图片信息与模板照片进行特征匹配，所述模板照片的各项数据包括仪表类型、指针长度、图像腐蚀参数，所述模板照片的各项数据存储至数据库存储模块内，所述模板照片的各项数据
存储至数据库存储模块内采用ros机器人话题消息或GRPC远程调用，所述参数调试选取模块用以查看拍摄的模板图片的结果和二值化过程图片，根据读数和二值化图片返回调整表计参数，执行巡检任务中机器人或摄像头到达预设点位后，定位后拍摄目标设备图片信息，将点位预设模板图片、识别参数信息和点位拍摄图片三个信息发送给所述识别模块，识别模块用于对目标设备图片信息与模板照片进行特征匹配，
[0026]所述识别模块包括以下流程：
[0027]S1：识别拍摄图片位置矫正，使用特征关键点匹配模型包括传统sift/lift/superpoint传统特征点和深度匹配网络模型，得到模板图片到拍摄图片的仿射变换转化矩阵；
[0028]S2：解析参数数据集合，所述参数数据包括模板图片表计位置、直线选取参数、中心点、刻度点、读数选取、腐蚀参数信息，由仿射变换矩阵得到拍摄设别图片的标定参数信息；
[0029]S3：在拍摄识别图片中选取可选识别区域，根据标定的中心点和识别刻度点信息，以中心点为圆心，刻度信息到中心点的距离为半径的圆弧找出指针所在区域的二值化图片，
[0030]识别模块还包括以下步骤：
[0031]S101：变电站指针式仪表指针表在线拍摄；
[0032]S102：解析模板标定数据，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种指针仪表识别增强检测方法，其特征在于，所述检测方法包括点位图片录入模块、参数调试选取模块、识别模块，所述图片录入模块用以获取模板照片，所述参数调试选取模块用以对获取的模板照片识别指针仪表的各项数据，所述识别模块用以获取巡检机器人所拍摄目标设备图片信息，并将目标设备图片信息与模板照片进行特征匹配。2.根据权利要求1所述的一种指针仪表识别增强检测方法，其特征在于，所述模板照片的各项数据包括仪表类型、指针长度、图像腐蚀参数，所述模板照片的各项数据存储至数据库存储模块内，所述模板照片的各项数据存储至数据库存储模块内采用ros机器人话题消息或GRPC远程调用。3.根据权利要求1所述的一种指针仪表识别增强检测方法，其特征在于，所述参数调试选取模块用以查看拍摄的模板图片的结果和二值化过程图片，根据读数和二值化图片返回调整表计参数。4.根据权利要求1所述的一种指针仪表识别增强检测方法，其特征在于，执行巡检任务中机器人或摄像头到达预设点位后，定位后拍摄目标设备图片信息，将点位预设模板图片、识别参数信息和点位拍摄图片三个信息发送给所述识别模块，识别模块用于对目标设备图片信息与模板照片进行特征匹配。5.根据权利要求4所述的一种指针仪表识别增强检测方法，其特征在于，所述识别模块包括以下流程：S1：识别拍摄图片位置矫正，使用特征关键点匹配模型包括传统sift/lift/superpoint传统特征点和深度匹配网络模型，得到模板图片到拍摄图片的仿射变换转化矩阵；S2：解析参数数据集合，由仿射变换矩阵得到拍摄设别图片的标定参数信息；S3：在拍摄识...

【专利技术属性】
技术研发人员：于洪洲，蔡孙增，卢华兵，
申请(专利权)人：上海利淘豪斯机器人有限公司，
类型：发明
国别省市：