一种巡检机器人用管廊支吊架异常检测方法技术

本发明专利技术涉及计算机视觉技术领域，提出了一种巡检机器人用管廊支吊架异常检测方法，获取管廊支吊架灰度图像；对管廊支吊架灰度图像进行边缘检测和角点检测得到各边缘段以及各角点，根据管廊支吊架的缺陷特征及角点分布得到各边缘段的边缘段位置指数，获取边缘段的边缘坡度平稳度及边缘段内陷度，计算边缘段的纹理变化度，根据边缘段的边缘段内陷度及纹理变化度得到各边缘段的锈层识别度，划分管廊支吊架区域得到各判别窗口，计算各判别窗口的区域锈蚀度以及整体距离差值，从而得到各判别窗口的显著性值，实现管廊支吊架缺陷检测

【技术实现步骤摘要】
一种巡检机器人用管廊支吊架异常检测方法


[0001]本专利技术涉及计算机视觉领域，具体涉及一种巡检机器人用管廊支吊架异常检测方法
。

技术介绍

[0002]管廊是现代城市重要的地下综合管道设施，通常城市公共管线
、
电力
、
通信等设置就汇聚于此，不仅减少了设备损坏的风险，还方便日常维护和管理
。
随着近年智慧管廊的推进，采用智能巡检机器人代替人工日常巡检管廊的方法得到了大力普及，极大程度上节约了人力成本和时间成本
。
智能巡检机器人通过身上搭载的高清光学摄像机在管廊中对管廊内各种设施进行数据采集和分析，实现实时监控管廊内设施的状态
。
[0003]然而目前巡检机器人对缺陷检测采用的是阈值分割算法，通过对阈值的迭代寻找缺陷，尽管可以寻找出大部分的缺陷，但对于管道支吊架上的防腐涂层不均匀区域与锈蚀区域的分辨存在较大误差，支吊架的防腐涂层不均匀为非必要处理情况，而锈蚀则是必须马上处理的缺陷，如果检测有误将需要消耗更多人力资源前往实地确认
。
[0004]综上所述，本专利技术提出一种巡检机器人用管廊支吊架异常检测方法，通过获取管廊支吊架图像中的各边缘段，并对各边缘段上的角点进行分析，得到各判别窗口的显著性值，实现管廊支吊架的缺陷识别，提高了智能巡检机器人缺陷识别的准确率及效率
。

技术实现思路

[0005]为了解决上述技术问题，本专利技术提供一种巡检机器人用管廊支吊架异常检测方法，以解决现有的问题
。
[0006]本专利技术的一种巡检机器人用管廊支吊架异常检测方法采用如下技术方案：本专利技术一个实施例提供了一种巡检机器人用管廊支吊架异常检测方法，该方法包括以下步骤：采集管廊支吊架灰度图像；获取支吊架所在区域；对支吊架所在区域进行边缘检测和角点检测得到各边缘段以及各角点；获取边缘段上两角点间的直线方程；根据两角点间的直线方程及边缘像素点分布得到各边缘段的边缘段位置指数；计算各边缘段的边缘坡度平稳度；结合各边缘段的边缘段位置指数及边缘坡度平稳度得到各边缘段的边缘段内陷度；根据管廊支吊架灰度图像的角点分布获取距离边缘段各像素点最近的纹理颗粒点；根据纹理颗粒点的分布得到各边缘段的纹理变化度；结合各边缘段的边缘段内陷度及纹理变化度得到各边缘段的锈层识别度；将支吊架所在区域进行等分得到各判别窗口；根据各边缘段的锈层识别度得到各判别窗口的区域锈蚀度；根据判别窗口之间的区域锈蚀度差异得到判别窗口之间的整体距离差值；根据判别窗口与其他各判别窗口之间的整体距离差值得到各判别窗口的显著性值；根据各判别窗口的显著性值完成智能巡检机器人对管廊支吊架缺陷的识别
。
[0007]优选的，所述根据两角点间的直线方程及边缘像素点分布得到各边缘段的边缘段位置指数，包括：将边缘段上的像素点位于该边缘段对应直线方程下方像素点的标记值记为0，位于该边缘段对应直线方程上方像素点的标记值记1，统计边缘段上各像素点标记值的和值，将所述和值作为边缘段的边缘段位置指数
。
[0008]优选的，所述计算各边缘段的边缘坡度平稳度，表达式为：；式中，
BH
为边缘坡度平稳度，
d
i
为边缘段上的第
i
个像素点与同横坐标下边缘段对应直线上像素点的距离，
d
i+1
为边缘段上的第
i+1
个像素点与同横坐标下边缘段对应直线上像素点的距离，
h
为边缘段上像素点的个数
。
[0009]优选的，所述结合各边缘段的边缘段位置指数及边缘坡度平稳度得到各边缘段的边缘段内陷度，包括：将边缘段位置指数的相反数作为以自然常数为底数的指数函数的指数，将所述指数函数的计算结果与边缘坡度平稳度的乘积作为边缘段内陷度
。
[0010]优选的，所述根据纹理颗粒点的分布得到各边缘段的纹理变化度，表达式为：；式中，
P
为边缘段的纹理变化度，
g
为边缘段上像素点的个数，
u
i
为边缘段上的第
i
个像素点对应的两纹理颗粒点间的欧氏距离，
u
i+1
为边缘段上的第
i+1
个像素点对应的两纹理颗粒点间的欧氏距离
。
[0011]优选的，所述结合各边缘段的边缘段内陷度及纹理变化度得到各边缘段的锈层识别度，包括：针对各边缘段，锈层识别度为边缘段内陷度与纹理变化度的乘积
。
[0012]优选的，所述根据各边缘段的锈层识别度得到各判别窗口的区域锈蚀度，具体包括：针对各判别窗口，计算判别窗口内所包含边缘段的锈层识别度与边缘段面积的乘积，将所述乘积与判别窗口面积的比值作为区域锈蚀度
。
[0013]优选的，所述根据判别窗口之间的区域锈蚀度差异得到判别窗口之间的整体距离差值，表达式为：；式中，
d(p
i
,p
j
)
为判别窗口
p
i
与判别窗口
p
j
的整体距离差值，为判别窗口
p
i
的区域锈蚀度，为判别窗口
p
j
的区域锈蚀度，
c
为调节参数，
d
position
(p
i
,p
j
)
为判别窗口
p
i
与判别窗口
p
j
的位置距离差
。
[0014]优选的，所述根据判别窗口与其他各判别窗口之间的整体距离差值得到各判别窗
口的显著性值，包括：分别计算判别窗口与其余各判别窗口之间的整体距离差值，将所有整体距离差值的均值的相反数作为以自然常数为底数的指数函数的指数，将所述指数函数的计算结果的相反数作为判别窗口的显著性值
。
[0015]优选的，所述根据各判别窗口的显著性值完成智能巡检机器人对管廊支吊架缺陷的识别，具体步骤包括：将显著性值大于第一阈值的判别窗口标记为管廊支吊架的锈蚀区域，将显著性值小于第二阈值的判别窗口标记为管廊支吊架的涂层不均匀区域，将显著性值处于第二阈值与第一阈值之间的判别窗口标记为管廊支吊架的正常区域，其中第一阈值大于第二阈值
。
[0016]本专利技术至少具有如下有益效果：本专利技术主要通过分析管廊支吊架的边缘特征
、
角点特征实现对管廊支吊架各判别窗口的显著性特征进行计算，得到各判别窗口的显著性值，完成管廊支吊架的缺陷识别，有效降低了管廊支吊架缺陷识别的误差
。
本专利技术结合管廊支吊架所在区域内边缘的锈层识别度及各判别窗口的整体距离差值进行综合分析，提高了管廊支吊架缺陷识别的准确率及可靠度；进一步，本专利技术通过获取管廊支吊架图像中的各边缘段，对各边缘段特征进行综合分析，结合边缘段位置指数及边缘坡度平稳度得到各个边本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种巡检机器人用管廊支吊架异常检测方法，其特征在于，该方法包括以下步骤：采集管廊支吊架灰度图像；获取支吊架所在区域；对支吊架所在区域进行边缘检测和角点检测得到各边缘段以及各角点；获取边缘段上两角点间的直线方程；根据两角点间的直线方程及边缘像素点分布得到各边缘段的边缘段位置指数；计算各边缘段的边缘坡度平稳度；结合各边缘段的边缘段位置指数及边缘坡度平稳度得到各边缘段的边缘段内陷度；根据管廊支吊架灰度图像的角点分布获取距离边缘段各像素点最近的纹理颗粒点；根据纹理颗粒点的分布得到各边缘段的纹理变化度；结合各边缘段的边缘段内陷度及纹理变化度得到各边缘段的锈层识别度；将支吊架所在区域进行等分得到各判别窗口；根据各边缘段的锈层识别度得到各判别窗口的区域锈蚀度；根据判别窗口之间的区域锈蚀度差异得到判别窗口之间的整体距离差值；根据判别窗口与其他各判别窗口之间的整体距离差值得到各判别窗口的显著性值；根据各判别窗口的显著性值完成智能巡检机器人对管廊支吊架缺陷的识别
。2.
根据权利要求1所述的一种巡检机器人用管廊支吊架异常检测方法，其特征在于，所述根据两角点间的直线方程及边缘像素点分布得到各边缘段的边缘段位置指数，包括：将边缘段上的像素点位于该边缘段对应直线方程下方像素点的标记值记为0，位于该边缘段对应直线方程上方像素点的标记值记1，统计边缘段上各像素点标记值的和值，将所述和值作为边缘段的边缘段位置指数
。3.
根据权利要求1所述的一种巡检机器人用管廊支吊架异常检测方法，其特征在于，所述计算各边缘段的边缘坡度平稳度，表达式为：；式中，
BH
为边缘坡度平稳度，
d
i
为边缘段上的第
i
个像素点与同横坐标下边缘段对应直线上像素点的距离，
d
i+1
为边缘段上的第
i+1
个像素点与同横坐标下边缘段对应直线上像素点的距离，
h
为边缘段上像素点的个数
。4.
根据权利要求1所述的一种巡检机器人用管廊支吊架异常检测方法，其特征在于，所述结合各边缘段的边缘段位置指数及边缘坡度平稳度得到各边缘段的边缘段内陷度，包括：将边缘段位置指数的相反数作为以自然常数为底数的指数函数的指数，将所述指数函数的计算结果与边缘坡度平稳度的乘积作为边缘段内陷度
。5.
根据权利要求1所述的一种巡检机器人用管廊支吊架异常检测方法，其特征在于，所述根据纹理颗粒点的分布得到各边缘段的纹理变化度，表达式为：；式中，
P
为边缘段的纹理变化度，
g
为边缘段上像素点的个数，
u
i
为边缘...

【专利技术属性】
技术研发人员：钱灏，谭海川，马朝华，
申请(专利权)人：张家港极客嘉智能科技研发有限公司，
类型：发明
国别省市：