[发明专利]一种基于机器人视觉的图像分割方法和系统

说明书

本发明给出了一种基于机器人视觉的图像分割方法和系统，包括获取机器人视觉的目标图像，利用opencv获取目标图像的清晰度；响应于目标图像的清晰度大于第一阈值，利用特征匹配算法判断目标图像是否拍摄到指定区域；响应于目标图像拍摄到指定区域并且目标图像与模板的匹配概率大于第二阈值，对目标图像中包含的部件与模板中对应的部件进行相似度匹配；响应于相似度匹配的结果为完全匹配或者目标图像中包含的部件的种类和/或数量大于模板中对应部件的种类和/或数量，基于模板中对应的部件的排序对目标图像的坐标进行横向排列分割；对目标图像中包含的部件赋予表记识别。该方法和系统可以准确的对目标图像进行分割便于后续识别工作。

技术领域

本发明涉及机器人视觉的图像处理技术领域，尤其是一种基于机器人视觉的图像分割方法和系统。

背景技术

电力仪表作为电网建设的终端单元，广泛应用于变电站场所。由于变电站中仪表种类繁多，人为检定的工作效率极低，难以适应当前大量仪表需要检定的情况，并且可能存在主观的观察误差问题。指针仪表具有读数直观、结构简单、精度高、制造成本低、抗电磁干扰能力强、方便维护等优点，在生产实践中得到了广泛的应用。通常指针仪表没有数字通信接口，不能将测量信号转化为数字信号，需要依靠人工方式识别仪表示数。指针仪表示数识别是一项繁琐、枯燥、重复性高的工作。在一些需要大量识别指针仪表读数的场景，如电力系统、指针仪表检定等，获取仪表示数的准确与否很大程度上依赖操作员的责任心与视觉疲劳程度，在识别过程中容易出现失误与读数误差，若要及时发现失误则需要增加工作量，否则可能会造成严重的后果。传统的人工识别指针仪表读数方式，不但造成了人力资源的浪费，而且不能达到理想的识别效果。

随着科学技术的发展，越来越多的领域开始使用智能系统。仪表识别技术作为一种智能处理技术，已被广泛地应用在工业领域上，且越来越受到人们的关注。目前多数为固定式的仪表识别，固定式的图像采集设备拍摄，虽然识别效果较好，但是在多组仪表的设置上需要更多的图像采集设备，极大的增加了使用成本。采用可移动的机器人搭载图像采集设备进行仪表的采集能够有效的减少设备的投入成本，但需要对图像进行处理分割以便于对仪表的识别，目前的分割算法较为复杂，且识别率低，容易出现遗漏或错误等现象。

发明内容

为了解决现有技术中的人工检定仪表的效率低、容易出现失误或误差以及智能识别仪表技术中的算法复杂、识别率低下、成本高昂等技术问题，本发明提出了一种基于机器人视觉的图像分割方法和系统，用以解决上述技术问题。

在一个方面，本发明提出了一种基于机器人视觉的图像分割方法，包括以下步骤：

S1：获取机器人视觉的目标图像，利用opencv获取目标图像的清晰度；

S2：响应于目标图像的清晰度大于第一阈值，基于图库中的模板，利用特征匹配算法判断目标图像是否拍摄到指定区域；

S3：响应于目标图像拍摄到指定区域并且利用目标检测算法获得目标图像与模板的匹配概率大于第二阈值，对目标图像中包含的部件与模板中对应的部件进行相似度匹配；

S4：响应于相似度匹配的结果为完全匹配或者目标图像中包含的部件的种类和/或数量大于模板中对应部件的种类和/或数量，基于模板中对应的部件的排序对目标图像的坐标进行横向排列分割；以及

S5：对目标图像中包含的部件赋予表记识别，其中表记识别表征为模板中与目标图像对应的部件的表记识别。

优选的，步骤S1中的目标检测算法为Tensorflow图像识别算法。

优选的，步骤S2中清晰度的判断方法为利用opencv检测图片模糊度算法，其中，第一阈值设置为100。凭借模糊度算法以及第一阈值的设置可以过滤掉不清晰的目标图像，减少系统的运算压力，提高图像分割的效率。