一种高精度指针式仪表识别方法与流程

1.本发明涉及仪表识别技术领域，具体涉及一种高精度指针式仪表识别方法。


背景技术：

2.现今的工业生产中，由于生产的自动化和更全面地监控生产过程，越来越多的仪表会在工厂中安装和投入使用。目前多靠人工对仪表盘进行读书和记载。
3.但是很多工厂环境恶劣，比如存在辐射等情况，由工作人员定时进入进行数据读取工程较为繁琐且仍然可能对人体造成危害，同时人工读取可能出现误差过大的情况，尤其是指针式仪表盘，读取角度对误差的影响很大。
4.因此，使用智能化识别方式取代人工读取指针式仪表可以提供准确率和工作效率。


技术实现要素：

5.本发明公开了一种高精度指针式仪表识别方法，目的是实现指针式仪表的高精度智能化识别。
6.为了实现以上目的，本发明采取以下技术方案：
7.一种高精度指针式仪表识别方法，包括以下步骤：
8.步骤1：获取仪表场景rgb图，获取仪表实时图{i
i,j
}和预置仪表图{i
′
i,j
}，匹配预置图像特征点进行投影变换，求取透视矩阵a，将{i
i,j
}的坐标用透视矩阵a映射得到{i
″
i,j
}；
9.步骤2：根据预先转入的仪表区域信息{x,y,w,h}，对{i
″
i,j
}进行裁剪，用裁剪区域作为新的仪表实时图{i
i,j
}，同时对预置仪表图{i
′
i,j
}进行裁剪，用裁剪区域作为新{i
′
i,j
}；
10.步骤3：将{i
i,j
}从rgb空间变换到灰度空间得到
[0011][0012]
和分别代表对应点在红、绿和蓝通道的值；
[0013]
步骤4：求取检测仪表的实际轮廓b；
[0014]
步骤5：将属于仪表实际轮廓b外部区域的像素赋值为0；
[0015]
步骤6：将的像素质心作为表盘中心o，像素质心的坐标为
[0016]
[0017]
步骤7：对进行概率霍夫直线检测，得到候选线段族
[0018]
步骤8：获取中每条线段两端到表盘中心o的向量若
[0019][0020]
则从中剔除l
i
组成新的
[0021]
步骤9：取中最长线段
[0022]
步骤10：计算两端与表盘中心o的距离，取最远端与表盘中心的连线段作为仪表指针
[0023]
步骤11：根据仪表信息确定当前仪表读数。
[0024]
优选地，所述步骤1包括以下步骤：
[0025]
步骤101：获取仪表实时图{i
i,j
}；
[0026]
步骤102：获取预置仪表图{i
′
i,j
}；
[0027]
步骤103：分别提取仪表实时图和预置仪表图的orb特征点，分别提取仪表实时图和预置仪表图的主方向，然后分别对仪表实时图和预置仪表图的进行旋转不变性处理，分别提取仪表实时图和预置仪表图的bri ef特征描述子；
[0028]
步骤104：比较仪表实时图的特征描述子和预置仪表图的相对应的特征描述子之间的汉明距离，获得其中的最小汉明距离disth
min
；
[0029]
步骤105：分别从仪表实时图和预置仪表图中提取特征点{p
i
}和{q
i
}组成汉明距离小于2倍disth
min
的特征点对，i为特征点的序号，p和q中序号一致的组成一个特征点对，其中：
[0030][0031]
步骤106：pa≈q，其中a为求透视矩阵且
[0032][0033]
用最小二乘法求a的最优解；
[0034]
步骤107：将{i
i,j
}的坐标用a映射到{i
″
i,j
}。
[0035]
优选地，所述步骤4包括以下步骤：
[0036]
(a)对变幻到灰度空间的进行高斯模糊，高斯核为3x3，σ＝0.1；
[0037]
(b)利用canny算子获取仪表边缘图
[0038]
(c)计算每一个边缘点处，边缘的切线矢量是对的5x5邻域非零像素点坐标
集合进行pca分解，将分解得到的正方向作为的方向；
[0039]
(d)根据仪表边缘图将分解为多个不相交区域的集合{s
i
}；
[0040]
(e)取一个空集以中心为核，随机近邻聚合直到面积大于*∑area of s
i
；
[0041]
(f)取外包络作为仪表包络，取仪表包络对应的子集每个对应si的轮廓包络点集，按照边缘点在包络上的相邻关系重新排列
[0042]
(g)取对应的方向角{α
j
},α
j
∈[0,2π]；
[0043]
(h)对
″
j
‑
α
j
″
曲线进行滑动中值滤波，滑动窗口大小为其中a为行、列中较小的值，即(a＝min(max(i)，max(j)))；
[0044]
(i)对滤波后的
″
j
‑
α
j
″
曲线进行极值检测，若极值点数不为1则认为未检测到仪表，终止识别；若极值点数为1则进入下一步；
[0045]
(j)用最小二乘法将
″
j
‑
α
j
″
拟合为直线，计算拟合方差δ
j
；
[0046]
(k)重复(e)
‑
(j)过程10次，取使得δ
j
最小的集合作为仪表实际轮廓b。
[0047]
优选地，所述步骤11中的仪表信息包括量程、表盘圆周角范围、表盘起始圆周角、表盘数据递增方向和零位圆周角。
[0048]
本发明通过获取仪表场景的rgb图来进行信息处理实现指针式仪表的智能化识别；通过多次计算求取仪表轮廓减小计算产生的误差；提取多种仪表信息，如量程、表盘圆周角范围、表盘起始圆周角、表盘数据递增方向、零位圆周角辅助判断仪表实际的读数，提升了识别的精准度。
附图说明
[0049]
图1为实施例1中的高精度指针式仪表识别方法的流程示意图。
具体实施方式
[0050]
实施例1
[0051]
本发明公开了一种高精度指针式仪表识别方法，其流程如图1所示，包括以下步骤：
[0052]
步骤1：获取仪表场景rgb图，获取仪表实时图{i
i,j
}和预置仪表图{i
′
i,j
}，匹配预置图像特征点进行投影变换，求取透视矩阵a，将{i
i,j
}的坐标用透视矩阵a映射得到{i
″
i,j
}；为了实现这一步，本实施例采以下步骤：
[0053]
步骤101：获取仪表实时图{i
i,j
}；
[0054]
步骤102：获取预置仪表图{i
′
i,j
}；
[0055]
步骤103：分别提取仪表实时图和预置仪表图的orb特征点，分别提取仪表实时图和预置仪表图的主方向，然后分别对仪表实时图和预置仪表图的进行旋转不变性处理，分
别提取仪表实时图和预置仪表图的brief特征描述子；
[0056]
步骤104：比较仪表实时图的特征描述子和预置仪表图的相对应的特征描述子之间的汉明距离，获得其中的最小汉明距离disth
min
；
[0057]
步骤105：分别从仪表实时图和预置仪表图中提取特征点{p
i
}和{q
i
}组成汉明距离小于2倍disth
min
的特征点对，i为特征点的序号，p和q中序号一致的组成一个特征点对，其中：
[0058][0059]
步骤106：pa≈q，其中a为求透视矩阵且
[0060][0061]
用最小二乘法求a的最优解；
[0062]
步骤107：将{i
i,j
}的坐标用a映射到{i
″
i,j
}。
[0063]
步骤2：根据预先转入的仪表区域信息{x,y,w,h}，对{i
″
i,j
}进行裁剪，用裁剪区域作为新的仪表实时图{i
i,j
}，同时对预置仪表图{i
′
i,j
}进行裁剪，用裁剪区域作为新{i
′
i,j
}；
[0064]
步骤3：将{i
i,j
}从rgb空间变换到灰度空间得到
[0065][0066]
和分别代表对应点在红、绿和蓝通道的值；
[0067]
步骤4：求取检测仪表的实际轮廓b；
[0068]
作为优选方式，步骤4包括以下步骤：
[0069]
(a)对变幻到灰度空间的进行高斯模糊，高斯核为3x3，σ＝0.1；
[0070]
(b)利用canny算子获取仪表边缘图
[0071]
(c)计算每一个边缘点处，边缘的切线矢量是对的5x5邻域非零像素点坐标集合进行pca分解，将分解得到的正方向作为的方向；
[0072]
(d)根据仪表边缘图将分解为多个不相交区域的集合{s
i
}；
[0073]
(e)取一个空集以中心为核，随机近邻聚合直到面积大于*∑area of s
i
；
[0074]
(f)取外包络作为仪表包络，取仪表包络对应的子集每个对应si的轮廓包络点集，按照边缘点在包络上的相邻关系重新排列
[0075]
(g)取对应的方向角{α
j
},α
j
∈[0,2π]；
[0076]
(h)对
″
j
‑
α
j
″
曲线进行滑动中值滤波，滑动窗口大小为其中a为行、列中较小的值，即(a＝min(max(i)，max(j)))；
[0077]
(i)对滤波后的
″
j
‑
α
j
″
曲线进行极值检测，该曲线可以表示出轮廓的凸性，若极值点数不为1则认为未检测到仪表，终止识别；若极值点数为1则进入下一步；
[0078]
(j)用最小二乘法将
″
j
‑
α
j
″
拟合为直线，计算拟合方差δ
j
；
[0079]
(k)重复(e)
‑
(j)过程10次，取使得δ
j
最小的集合作为仪表实际轮廓b。
[0080]
完成步骤4后接着进入步骤5。
[0081]
步骤5：将属于仪表实际轮廓b外部区域的像素赋值为0。
[0082]
步骤6：将的像素质心作为表盘中心o，像素质心的坐标为
[0083][0084]
步骤7：对进行概率霍夫直线检测，得到候选线段族
[0085]
步骤8：获取中每条线段两端到表盘中心o的向量若
[0086][0087]
则从中剔除l
i
组成新的
[0088]
步骤9：取中最长线段
[0089]
步骤10：计算两端与表盘中心o的距离，取最远端与表盘中心的连线段作为仪表指针
[0090]
步骤11：根据仪表信息确定当前仪表读数。
[0091]
为了更精准地识别，步骤209中的仪表信息包括量程、表盘圆周角范围、表盘起始圆周角、表盘数据递增方向和零位圆周角。