基于双目匹配的管内检测方法、装置、电子设备及介质制造方法及图纸

本申请公开了一种基于双目匹配的管内检测方法、装置、电子设备及介质，该方法包括：首先，根据两个相机的位置，确定双目相机的内部参数和外部参数；然后，利用双目相机拍摄管内的图像，得到双目图像对，并且将不同的拍摄相机拍摄的图像进行分组，确定左图像集和右图像集；接下来，利用图像代价算法，分别对左图像集和右图像集进行处理，再将处理结果综合，从而确定图像对匹配视差图；最后，利用深度计算公式，对图像对匹配视差图进行数据处理，确定管内图像深度图。通过双目相机采集管内图像，能够更好地定位管内图像，并且利用图像代价算法确定图像对匹配视差图，能够得到精度较高的代价值，从而实现提高管内图像的定位精度。从而实现提高管内图像的定位精度。从而实现提高管内图像的定位精度。

【技术实现步骤摘要】
基于双目匹配的管内检测方法、装置、电子设备及介质


[0001]本专利技术涉及计算机视觉领域，尤其涉及一种基于双目匹配的管内检测方法、装置、电子设备及介质。

技术介绍

[0002]随着城市的规模不断扩大，工业、排污、生活等各种管道铺设在城市管网中，与城市生活息息相关，管道检测维护的任务也越来越重要，成为一项不可忽视的重要工作。
[0003]目前，管道检测根据检测设备所处位置不同可分为管道外检测和管道内检测两大类。外检测是将检测设备放在管道外部检测管道的情况，内检测是指将检测器放在管道内进行检测。内检测通常采用双目立体视觉的方法确定管道缺陷位置，并且双目立体视觉中的半全局算法采用SGBM算法。然而，SGBM算法中的SGBM匹配方法采用Sobel X算子进行边缘检测，存在一定的误匹配率；SGBM算法中的代价计算主要为灰度绝对差值(SAD)，匹配精度较差，且容易受到环境光照等因素的影响，难以获取到管道内部较为精准的深度信息。
[0004]因此，在管内检测的过程中，现有技术存在管内深度的检测精度较低的问题。

技术实现思路

[0005]有鉴于此，有必要提供一种基于双目匹配的管内检测方法、装置、电子设备及介质，用以解决现有技术中管内深度的检测精度较低的问题。
[0006]为了解决上述问题，本专利技术提供一种基于双目匹配的管内检测方法，包括：
[0007]获取双目相机的内部参数、外部参数以及双目相机拍摄的双目图像对，并基于内部参数和外部参数，确定左图像集和右图像集；
[0008]根据左图像集和右图像集，利用图像代价算法，确定图像对匹配视差图；
[0009]根据图像对匹配视差图，利用深度计算公式，确定管内图像深度图。
[0010]进一步地，获取双目相机的内部参数和外部参数，包括：
[0011]根据张正友棋盘格标定法计算，确定双目相机的内部参数和外部参数。
[0012]进一步地，基于内部参数和外部参数，确定左图像集和右图像集，包括：
[0013]获取双目相机拍摄的双目图像对，根据内部参数和外部参数，校正双目图像对，得到水平一致的图像对；
[0014]对水平一致的图像对进行灰度化处理，得到灰度图像对；
[0015]对灰度图像对进行分类，确定左图像集和右图像集。
[0016]进一步地，图像代价算法包括梯度代价算法和汉明距离代价算法，利用图像代价算法，确定图像对匹配视差图，包括：
[0017]根据左图像集和右图像集，基于梯度代价算法，确定管内图像的梯度代价；
[0018]基于汉明距离代价算法，确定管内图像的汉明距离代价；
[0019]基于梯度代价和汉明距离代价，根据路径聚合函数，确定图像对匹配视差图。
[0020]进一步地，基于梯度代价算法，确定管内图像的梯度代价，包括：
[0021]利用双边滤波分别对左图像集和右图像集进行处理，去除异常值，得到目标左图像集和目标右图像集；
[0022]根据Canny算法分别对目标左图像集和目标右图像集进行边缘检测，确定管内图像的梯度特征图；
[0023]对梯度特征图进行Census变换，确定管内图像的梯度代价。
[0024]进一步地，基于汉明距离代价算法，确定管内图像的汉明距离代价，包括：
[0025]分别获取左图像集和右图像集的代价计算区域；
[0026]对代价计算区域进行滤波，得到中值滤波，并将代价计算区域的中心值替换为中值滤波；
[0027]对左图像集和右图像集进行Census变换，确定管内图像的汉明距离代价。
[0028]进一步地，根据路径聚合函数，确定图像对匹配视差图，包括：
[0029]根据具有调整参数的动态规划法，调控梯度代价和汉明距离代价对应的惩罚参数，确定最优路径聚合函数；
[0030]根据最优路径聚合函数，确定图像对匹配视差图。
[0031]为了解决上述问题，本专利技术还提供一种基于双目匹配的管内检测装置，包括：
[0032]图像集获取模块，用于获取双目相机的内部参数、外部参数以及双目相机拍摄的双目图像对，并基于内部参数和外部参数，确定左图像集和右图像集；
[0033]图像对匹配视差图获取模块，用于根据左图像集和右图像集，利用图像代价算法，确定图像对匹配视差图；
[0034]管内深度图确定模块，用于根据图像对匹配视差图，利用深度计算公式，确定管内深度图。
[0035]为了解决上述问题，本专利技术还提供一种电子设备，包括处理器以及存储器，存储器上存储有计算机程序，计算机程序被处理器执行时，实现如前文所述的基于双目匹配的管内检测方法。
[0036]为了解决上述问题，本专利技术还提供一种计算机可读存储介质，存储介质存储有计算机程序指令，当计算机程序指令被计算机执行时，使计算机执行如前文所述的基于双目匹配的管内检测方法。
[0037]采用上述技术方案的有益效果是：本专利技术提供一种基于双目匹配的管内检测方法、装置、电子设备及介质，该方法包括：首先，通过双目相机采集管内图像，利用两个相机同时采集图像，能够实现立体匹配图像数据；然后，利用图像代价算法，确定图像对匹配视差图，不仅降低了外界光照条件的影响，并且能够有效抑制噪声，提高了管内图像的有效度；最后，利用深度计算公式，对管内图像数据进行处理，平衡了代价聚合中噪音的影响。本申请中，通过图像代价算法提取双目图像对中的数据信息，能够有效提高图像数据的精确度；由于是通过双目相机获取图像，能够从多个角度观测到管内的信息，并且生成立体图像，从而降低了低维度信息带来的精度影响，提高了管内图像深度的检测精度；最后，基于深度计算，有针对性地获取图像的深度图，提高了管内深度的检测精度。
附图说明
[0038]图1为本专利技术提供的基于双目匹配的管内检测方法一实施例的流程示意图；
[0039]图2为本专利技术提供的确定左图像集和右图像集一实施例的流程示意图；
[0040]图3为本专利技术提供的确定图像对匹配视差图一实施例的流程示意图；
[0041]图4为本专利技术提供的确定管内图像的梯度代价一实施例的流程示意图；
[0042]图5为本专利技术提供的确定管内图像的汉明距离代价一实施例的流程示意图；
[0043]图6为路径聚合示意图一实施例的角度图；
[0044]图7为管内图像深度图一实施例的结果图；
[0045]图8为本专利技术提供的基于双目匹配的管内检测装置的结构示意图；
[0046]图9为本专利技术提供的电子设备一实施例的结构框图。
具体实施方式
[0047]下面结合附图来具体描述本专利技术的优选实施例，其中，附图构成本申请一部分，并与本专利技术的实施例一起用于阐释本专利技术的原理，并非用于限定本专利技术的范围。
[0048]在陈述实施例之前，先对管内检测进行阐述：
[0049]管内检测是指利用管输介质驱动检测器在管道内运行，实时检测和记录管道的变形、腐蚀等损伤情况，并进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双目匹配的管内检测方法，其特征在于，包括：获取双目相机的内部参数、外部参数以及所述双目相机拍摄的双目图像对，并基于所述内部参数和所述外部参数，确定左图像集和右图像集；根据所述左图像集和所述右图像集，利用图像代价算法，确定图像对匹配视差图；根据所述图像对匹配视差图，利用深度计算公式，确定管内图像深度图。2.根据权利要求1所述的基于双目匹配的管内检测方法，其特征在于，获取双目相机的内部参数和外部参数，包括：根据张正友棋盘格标定法计算，确定所述双目相机的内部参数和外部参数。3.根据权利要求1所述的基于双目匹配的管内检测方法，其特征在于，所述基于所述内部参数和所述外部参数，确定左图像集和右图像集，包括：获取所述双目相机拍摄的双目图像对，根据所述内部参数和所述外部参数，校正所述双目图像对，得到水平一致的图像对；对所述水平一致的图像对进行灰度化处理，得到灰度图像对；对所述灰度图像对进行分类，确定左图像集和右图像集。4.根据权利要求1所述的基于双目匹配的管内检测方法，其特征在于，所述图像代价算法包括梯度代价算法和汉明距离代价算法，所述利用图像代价算法，确定图像对匹配视差图，包括：根据所述左图像集和所述右图像集，基于所述梯度代价算法，确定所述管内图像的梯度代价；基于所述汉明距离代价算法，确定所述管内图像的汉明距离代价；基于所述梯度代价和所述汉明距离代价，根据路径聚合函数，确定图像对匹配视差图。5.根据权利要求4所述的基于双目匹配的管内检测方法，其特征在于，所述基于所述梯度代价算法，确定管内图像的梯度代价，包括：利用双边滤波分别对所述左图像集和所述右图像集进行处理，去除异常值，得到目标左图像集和目标右图像集；根据Canny算法分别对所述目标左图像集和所述目标右图像集进行边缘检测，确定所...

【专利技术属性】
技术研发人员：喻九阳，胡天豪，戴耀南，郑小涛，张德安，夏文凤，
申请(专利权)人：武汉金惠科技有限公司，
类型：发明
国别省市：