[发明专利]一种基于计算机视觉的排水管道视频数据修复方法

说明书

本发明涉及的是一种基于计算机视觉的管道视频数据修复方法。通过对管道机器人采集到的管道图像、视频进行灰度拉伸；使用平滑滤波处理噪声干扰；提取视频图像中心的铁索作为模板实现定位；使用SIFT角点检测算法对视频数据中心进行目标识别；使用霍夫变换对目标左右两侧的缆绳进行检测；对视频图像中心的铁索以及两侧缆绳进行灰度覆盖；使用FMM图像修复算法对数据进行修复；本发明能有效修复在管道中采集到的视频数据，降低后期管道数据的处理难度，提升后期病害图像处理速度和识别的效率，适用于城市管道、工业管道检修领域。

技术领域

本发明涉及图像与视频处理技术领域，尤其涉及一种基于计算机视觉，包括目标检测、直线检测在内的图像修复技术。

背景技术

管道缺陷检测与修复工作是城市建设的重要环节，成为当前计算机视觉的热点研究问题。但是获取到高质量的管道视频数据是十分困难的。目前管道探测主要依靠管道机器人搭载高清摄像头来获取管道内部数据，但是市面上主流管道机器人都是以绳索的牵引力作为动力前进，那么绳索就不可避免的会出现在管道视频数据中。绳索会严重干扰管道边缘信息缺陷的识别。针对上述管道视频数据中存在的问题，本发明重点研究基于计算机视觉的视频数据修复算法，使用SIFT(尺度不变特征转换)角点检测进行目标识别，使用霍夫变换来检测缆绳，并且对识别出的区域进行图像修复。该方法可以有效消除管道视频数据中缆绳铁索的干扰。

目前管道缺陷识别领域存在一些问题，如管道视频数据中存在机器人自身动力装置的干扰，导致在实际复杂管道环境中，管道缺陷特征易受其变化影响，无法对高效率应对接下来的管道探测工作，提高了其检测成本。

本发明提出了一种基于计算机视觉的管道视频数据修复方法适用于管道缺陷检修领域。

发明内容

本发明针对现有技术中的上述问题，结合目前在计算机视觉领域的SIFT角点检测算法、霍夫变换直线检测算法、Telea的FMM(基于快速行进修复算法)图像修复算法，本发明提出一种基于计算机视觉的管道视频数据修复方法，该方法能有效去除管道视频视频数据中的绳索动力源干扰，提高了数据的质量，可以使得管道腐蚀检测效率得到显著提升，适用于城市排水管道检修领域。

为了达到上述目的，本发明采用的技术方案如下：

步骤(1)、控制管道机器人在管道内部获取管道图像、视频，进行灰度拉伸及平滑滤波处理；

步骤(2)、选取较为清晰的一帧数据，提取数据中的铁索作为模板；

步骤(3)、使用SIFT算法对视频数据中，管道中心的铁索进行目标检测，确定其位置；

步骤(4)、使用霍夫变换检测铁索左右两侧的缆绳，确定其位置；

步骤(5)、使用灰度值为0的像素将定位的铁索及缆绳覆盖；

步骤(6)、使用Telea的FMM图像修复算法对视频数据进行修复；

步骤(7)、得到修复后的视频数据；

本发明的有益效果是，该方法可有效去除管道视频数据中的铁索及缆绳干扰，可以提高后续对管道缺陷的识别效率，对管道缺陷检测有一定的参考价值。

附图说明

下面结合附图和实施例对本发明进一步说明：

图1为本发明的总体流程图；

图2为本发明灰度拉伸、平滑滤波的效果图；

图3为本发明在视频数据中提取的铁索图；

图4为本发明使用SIFT算法进行目标检测；

图5为本发明使用霍夫变换检测缆绳效果图；

图6为本发明覆盖铁索以及缆绳效果图；