【技术实现步骤摘要】
本专利技术涉及自动化控制领域，具体而言，涉及一种图像采集方法、巡检机器人、计算机设备及存储介质。
技术介绍
1、现有技术中，巡检机器人通常会配置摄像机对包含待检测设备的巡检区域进行图像采集，然后对采集到的图像中的待检测设备进行相关检测，例如对图像中的压力指针表、指示灯、数字表等待检测设备做识别处理，并将识别结果上传到中心数据库后进行后续分析。
2、但是在研究中发现，由于云台是设置在机器人上的，其位姿会受到巡检机器人姿态的影响，而巡检机器人巡检过程中的姿态会发生变化，从而导致云台的位姿也会发生变化。因此，当通过设置在云台上的摄像机对巡检区域进行图像采集时，若此时云台位姿发生偏移，那么采集到的图像的视野也会发生偏移，出现图像中不包含待检测设备，或者是图像角度或者尺寸不符合识别要求的情况，从而导致无法对待检测设备进行识别和分析，从而降低了采集到的图像的有效性和可用性。
技术实现思路
1、有鉴于此，本专利技术的目的在于提供一种图像采集方法、巡检机器人、计算机设备及存储介质，以提高采集到的图像的有效性和可用性。
2、第一方面，本申请实施例提供了一种图像采集方法，应用于巡检机器人，在所述巡检机器人进行巡检时，所述方法包括：
3、通过设置在云台上的摄像头对巡检区域进行图像采集得到初始图像，其中，所述云台设置在所述巡检机器人上；
4、通过微处理器对所述初始图像中的各第一特征点和参考图像中的各参考特征点进行特征匹配，确定出所述初始图像中的第一目标特征点
5、通过所述微处理器根据各第一目标特征点的坐标和各第二目标特征点的坐标确定出所述初始图像相对于所述参考图像的图像偏移量；
6、通过所述微处理器根据所述图像偏移量，利用目标拟合函数确定出所述云台的位姿补偿量；
7、控制所述云台根据所述位姿补偿量进行位姿调整，并通过所述摄像头再次对所述巡检区域进行图像采集得到目标图像。
8、可选地，在通过所述微处理器对所述初始图像中的各第一特征点和参考图像中的各参考特征点进行特征匹配，确定出所述初始图像中的第一目标特征点和所述参考图像中的第二目标特征点前，所述方法还包括：
9、通过所述微处理器利用预设的特征点提取算法对所述初始图像进行特征点提取，得到多个第一特征点。
10、可选地，在所述巡检机器人进行巡检前，所述方法还包括：
11、响应用户的参考图像采集指令，通过所述摄像头采集所述巡检区域的参考图像；
12、通过所述微处理器利用预设的特征点提取算法对所述参考图像进行特征点提取，得到多个第二特征点。
13、可选地，所述通过所述微处理器对所述初始图像中的各第一特征点和参考图像中的各参考特征点进行特征匹配，确定出所述初始图像中的第一目标特征点和所述参考图像中的第二目标特征点，包括：
14、对于各第一特征点，通过所述微处理器判断各参考特征点中是否存在所具有的特征描述符与该第一特征点的特征描述符相同的参考特征点，且对于各参考特征点，通过所述微处理器判断各第一特征点中是否存在所具有的特征描述符与该参考特征点的特征描述符相同的第一特征点；
15、若各参考特征点中存在所具有的特征描述符与该第一特征点的特征描述符相同的参考特征点，则通过所述微处理器将各参考特征点中所具有的特征描述符与该第一特征点的特征描述符相同的参考特征点，确定为所述第二目标特征点；
16、若各第一特征点中存在所具有的特征描述符与该参考特征点的特征描述符相同的第一特征点，则通过所述微处理器将各第一特征点中所具有的特征描述符与该参考特征点的特征描述符相同的第一特征点，确定为所述第一目标特征点。
17、可选地，所述图像偏移量包括在图像x方向上的x偏移量、在图像y方向上的y偏移量和图像缩放量；
18、通过所述微处理器根据各第一目标特征点的坐标和各第二目标特征点的坐标确定出所述初始图像相对于所述参考图像的图像偏移量，包括：
19、通过下述表达式分别确定出所述x偏移量δx、所述y偏移量δy和所述图像缩放量δz：
20、
21、
22、
23、其中，n为第一目标特征点的数量，i∈[0,n]，为第i个第一目标特征点的x坐标，为第i个第二目标特征点的x坐标，即与第i个第一目标特征点相匹配的第二目标特征点，w为所述初始图像的宽度，为第i个第一目标特征点的y坐标，为第i个第二目标特征点的y坐标，h为所述初始图像的高度，为进行数据中心化处理后的为进行数据中心化处理后的为进行数据中心化处理后的为进行数据中心化处理后的
24、可选地，在通过所述微处理器根据所述图像偏移量，利用目标拟合函数确定出所述云台的位姿补偿量前，所述方法还包括：
25、通过所述摄像头采集所述云台在具有不同位姿时所述巡检区域的区域图像；
26、对于每两个所述区域图像，通过所述微处理器根据该两个区域图像之间的区域图像偏差值和采集到该两个区域图像时所述云台的位姿偏差量生成拟合数据组；
27、通过所述微处理器利用各拟合数据组对初始拟合函数中的常量进行求解；
28、通过所述微处理器根据所述初始拟合函数中的常量确定出所述目标拟合函数。
29、可选地，通过所述微处理器根据所述图像偏移量，利用目标拟合函数确定出所述云台的位姿补偿量，包括：
30、通过所述微处理器将所述图像偏移量作为输入变量输入至所述目标拟合函数，得到输出结果；
31、通过所述微处理器将所述输出结果确定为所述位姿补偿量。
32、第二方面，本申请实施例提供了一种巡检机器人，所述巡检机器人包括云台、摄像头和微处理器，所述摄像头设置在所述云台上；
33、所述摄像头，用于在所述巡检机器人进行巡检时，对巡检区域进行图像采集得到初始图像；
34、所述微处理器，用于对所述初始图像中的各第一特征点和参考图像中的各参考特征点进行特征匹配，确定出所述初始图像中的第一目标特征点和所述参考图像中的第二目标特征点，其中，各第一目标特征点分别与一个第二目标特征点相匹配；
35、所述微处理器，用于根据各第一目标特征点的坐标和各第二目标特征点的坐标确定出所述初始图像相对于所述参考图像的图像偏移量；
36、所述微处理器，用于根据所述图像偏移量，利用目标拟合函数确定出所述云台的位姿补偿量；
37、所述云台，用于根据所述位姿补偿量进行位姿调整；
38、所述摄像头，用于再次对所述巡检区域进行图像采集得到目标图像。第三方面，本申请实施例提供了一种计算机设备，包括：计算机处理器、存储器和总线，所述存储器存储有所述计算机处理器可执行的机器可读指令，当计算机设备运行时，所述计算机处理器与所述存储器之间通过总线通信，所述机器可读本文档来自技高网...
【技术保护点】
1.一种图像采集方法，其特征在于，应用于巡检机器人，在所述巡检机器人进行巡检时，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，在通过所述微处理器对所述初始图像中的各第一特征点和参考图像中的各参考特征点进行特征匹配，确定出所述初始图像中的第一目标特征点和所述参考图像中的第二目标特征点前，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，在所述巡检机器人进行巡检前，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，所述通过所述微处理器对所述初始图像中的各第一特征点和参考图像中的各参考特征点进行特征匹配，确定出所述初始图像中的第一目标特征点和所述参考图像中的第二目标特征点，包括：
5.根据权利要求1所述的方法，其特征在于，所述图像偏移量包括在图像x方向上的x偏移量、在图像y方向上的y偏移量和图像缩放量；
6.根据权利要求1所述的方法，其特征在于，在通过所述微处理器根据所述图像偏移量，利用目标拟合函数确定出所述云台的位姿补偿量前，所述方法还包括：
7.根据权利要求1所述的方法，其特征在
8.一种巡检机器人，其特征在于，所述巡检机器人包括云台、摄像头和微处理器，所述摄像头设置在所述云台上；
9.一种计算机设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至7中任意一项所述的图像采集方法的步骤。
10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至7中任意一项所述的图像采集方法的步骤。
...【技术特征摘要】
1.一种图像采集方法，其特征在于，应用于巡检机器人，在所述巡检机器人进行巡检时，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，在通过所述微处理器对所述初始图像中的各第一特征点和参考图像中的各参考特征点进行特征匹配，确定出所述初始图像中的第一目标特征点和所述参考图像中的第二目标特征点前，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，在所述巡检机器人进行巡检前，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，所述通过所述微处理器对所述初始图像中的各第一特征点和参考图像中的各参考特征点进行特征匹配，确定出所述初始图像中的第一目标特征点和所述参考图像中的第二目标特征点，包括：
5.根据权利要求1所述的方法，其特征在于，所述图像偏移量包括在图像x方向上的x偏移量、在图像y方向上的y偏移量和图像缩放量；
6.根据权利要求1所述的方...
【专利技术属性】
技术研发人员：边福强，
申请(专利权)人：东营眸视机器人科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。