[发明专利]一种面向可见光图像的锁孔检测方法

说明书

本发明公开一种基于机器视觉的面向可见光图像进行锁孔检测的方法：基于边缘特征的圆形快速检测算法；基于CNN(卷积神经网络)的圆形区域锁孔正负样本分类；所述圆形快速检测算法使用灰度化、局部阈值二值化、Two‑Pass法从图像提取完成连通域边界标定，根据圆形特征构建的筛选条件实现圆形连通域的快速定位，从而定位出锁孔的可能位置；所述圆形区域锁孔分类器基于大量锁孔正负样本构建训练集，自行搭建CNN网络训练圆形区域锁孔正负样本分类器，从而定位出图像中锁孔的具体位置。本发明锁孔检测算法具有精确性高、适用性广、响应速度快等特点，能更好的满足实际应用的需要。

技术领域

本发明涉及机器视觉领域，特别是涉及一种基于机器视觉的面向可见光图像的锁孔检测算法。

背景技术

随着现代控制技术的不断发展，机器人开始逐步替代重复、繁杂、危险性高的人工工作，但是在工厂巡检、室内抢修、家居服务等场景中，机器人往往需要独立实现开门开锁操作，由此对于具备开门开锁能力的机器人的需求不断提升。以变电站的巡检机器人为例，目前变电站巡检机器人已经广泛应用，但其只能对仪器进行基本的外部监测工作，不具备对变电站现场设备的操作功能，难以监测变电站现场如端子箱、汇控柜、机构箱、消防应急箱等电力箱柜内部的设备状态，对于电力器件的监测能力不足、事故处理能力欠缺，具体的维修检测等工作仍旧需要人工进行，人员工作量并未减少，且在变电站处于危险情况时，人员抢险可能负伤。

发明内容

发明目的：为了解决机器人进行开锁时遇到的环境复杂、锁孔类型多样的问题，本发明针对机器人在进行现场开锁时环境复杂、锁孔多样、需要快速完成开锁操作的问题提出一种基于多种机器视觉技术的可见光图像锁孔检测算法，可以使机器人快速完成开锁前必须的锁孔检测任务，为赋予机器人开锁能力做出贡献。

技术方案：

一种面向可见光图像的锁孔检测方法，具体步骤如下：

步骤1，基于卷积神经网络CNN，构建圆形区域图像锁孔正负样本分类器，其中正样本为圆形锁孔区域图像，负样本包括圆形非锁孔图像和随机图像；

步骤2，对待测可见光图像依次进行灰度化以及局部阈值二值化处理，得到二值化图像；

步骤3，对二值化图像进行连通域标定，并获取连通域边界坐标矩阵；

步骤4，遍历已标定的各个连通域，滤除不能同时满足如下三个筛选条件的连通域，得到符合圆形要求的连通域：μ＞0.001、δ＜0.01和f＜0.15，其中μ表示连通域像素面积相对待测可见光图像总像素面积占比，δ表示归一化后连通域xy方向跨度差，f表示连通域边界点指向连通域中心向量模长集合标准差；

步骤5，将步骤4中符合圆形要求的连通域作为圆形区域图像锁孔正负样本分类器的输入，即确定待测可见光图像中是否存在锁孔以及锁孔的位置。

进一步，步骤2中采用加权平均法进行灰度化处理，采用Niblack法进行局部阈值二值化处理。

进一步，步骤3中采用Two-Pass法对二值化图像进行连通域标定并获取连通域边界坐标矩阵。

进一步，步骤4中，S(i)表示第i个连通域的像素面积，S_graph表示待测可见光图像总像素面积。

进一步，步骤4中，x_max和x_min表示连通域边界坐标在x方向上的最大值和最小值，y_max和y_min表示边界坐标集合y方向上的最大值和最小值。

进一步，步骤4中，f＝std(r)，std(·)表示求标准差，r表示边界点指向圆心的向量模长集合。

进一步，以若干圆形锁孔区域图像、若干圆形非锁孔图像和随机图像作为训练集，对搭建的CNN进行训练，构建圆形区域图像锁孔正负样本分类器；