[发明专利]一种基于机器视觉的单指针仪表读数方法

说明书

本发明公开了一种基于机器视觉的单指针仪表读数方法，包括：采集模板图，对模板图进行建模，对模板图的表计区域进行特征检测，把不同刻度的表计进行分类，同一类的生成一个二维码，然后保存建模信息、特征信息和二维码信息；对待识别仪表图像进行特征检测，利用特征匹配技术完成待识别仪表图像和模板图之间的特征点匹配，获取待识别仪表图中表计区域的定位，并且将待识别的表计区域校准为模板图状态；确定指针角度；读取表计上的二维码，得到表计刻度分布；利用角度法确定仪表读数。本发明的方法具有实时性高，计算速度快，能适应各种不同刻度分布表计的优点。

技术领域

本发明涉及数字图像处理技术，具体涉及一种基于机器视觉的单指针仪表读数方法。

背景技术

在电力行业中，大部分位置都配备有指针式仪表。利用传统人工读数方法进去读取时，会出现效率低下且有的仪表安装位置人为测量困难，人工读数无法直接进行，随着计算机的发展和人工智能的兴起，越来越多的基于图像处理的仪表读数方法被提出。

专利CN201611055991.9提出了一种仪表读数自动识别的方法，该方法用正视图作为模板图，利用直线检测完成对模板图中仪表的最大最小刻度线的角度仪表的圆心位置保存在模板图中，然后利用SIFT特征匹配和模板图中的信息完成表计定位与校准，最后利用霍夫变换检测指针直线，利用角度法完成读数。该方法在特征匹配时使用的SIFT算法特征检测速度慢、具有较低的旋转鲁棒性、尺度不变鲁棒性和实时性，在一些巡检条件下无法适用。且变电站巡检中每类表计的可能会存在刻度不均匀的问题，该专利并未解决此问题。

专利CN201711168146.7提出了一种基于机器视觉的单指针仪表读数方法，该方法在采集模板图之后，对模板图的目标区域进行SURF特征检测，保存模板特征信息。在采集待测图之后，对待测图进行SURF特征检测，然后与模板图的特征信息进行匹配，定位出待测图中的目标区域，并且利用透视变换矩阵将待测图校准到模板图的状态。该方法的特征检测使用的是SURF算法，该算法相对于SIFT算法尺度不变鲁棒性和旋转鲁棒性得到了很大的提升，但是在计算时间上耗时较长、实时性较低，在某些室外坏境下使用效果不是很理想。

鉴于此，现有技术还有待改进。

发明内容

针对现有技术的不足，本发明提供一种基于机器视觉的单指针仪表读数方法，能够在检测表计时克服图像倾斜的问题，计算时间极短，实时性极高，并且针对不同刻度分配的表计也能从指针角度偏移中读取读数。

为实现上述目的，本发明的技术方案为：

一种基于机器视觉的单指针仪表读数方法，包括如下步骤：

步骤1：采集模板图：拍摄仪表的正视图作为模板图，对模板图进行建模，对模板图的表计区域进行特征检测，把不同刻度的表计进行分类，同一类的生成一个二维码，然后保存建模信息、特征信息和二维码信息；

步骤2：对待识别仪表图像进行特征检测，利用特征匹配技术完成待识别仪表图像和模板图之间的特征点匹配，获取待识别仪表图中表计区域的定位，并且将待识别的表计区域校准为模板图状态；

步骤3：确定指针角度：对校准后的表计区域进行灰度化和滤波处理；提取建模时选取的刻度点和指针回转中心；简化表计信息，使其包括尽可能多的直线信息；利用Hough变换方法进行直线检测得到指针角度；

步骤4：读取表计上的二维码，得到表计刻度分布；

步骤5：利用角度法确定仪表读数。

其中，步骤1和步骤2中所述的特征检测采用改进的ORB特征检测，具体包括：

(a)特征点提取：包括以下步骤：①对表计特征点进行初提取；②机器学习的方法筛选出表计中最优特征点；③非极大值抑制去除局部较密集的特征点；④特征点的尺度不变形；⑤特征点的旋转不变形；