[发明专利]指针式仪表图像的倾斜校正方法及倾斜校正装置在审

专利信息
申请号: 202110844952.1 申请日: 2021-07-26
公开(公告)号: CN113487515A 公开(公告)日: 2021-10-08
发明(设计)人: 杨晓云 申请(专利权)人: 北京佳讯飞鸿电气股份有限公司
主分类号: G06T5/00 分类号: G06T5/00;G06T7/12;G06N3/04;G06N3/08;G06K9/62
代理公司: 北京汲智翼成知识产权代理事务所(普通合伙) 11381 代理人: 陈曦;贾兴昌
地址: 100095 北*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 指针 仪表 图像 倾斜 校正 方法 装置
【权利要求书】:

1.一种指针式仪表图像的倾斜校正方法,其特征在于包括如下步骤:

获取待校正的仪表图像,并将所述仪表图像输入至预置分割模型;

通过所述预置分割模型,对所述待校正的仪表图像进行分割,确定所述仪表图像中的指针以及仪表框;

确定所述指针相对于所述仪表框之间的角度,根据所述角度对所述待校正的仪表图像进行校正。

2.如权利要求1所述的倾斜校正方法,其特征在于还包括:

获取仪表图像对应的训练样本,所述训练样本为所述仪表图像中具有不同倾斜角度的仪表;

基于所述训练样本中的仪表图像,标注图像中对应指针的区域和仪表框的区域,生成标签图像;其中,所述仪表框的区域位于所述指针的区域的下方;

根据所述训练样本以及标签图像,对初始的神经网络模型进行训练,得到训练好的模型作为所述预置分割模型。

3.如权利要求2所述的倾斜校正方法,其特征在于,所述根据所述训练样本以及标签图像,对初始的神经网络模型进行训练,包括如下子步骤:

将训练样本中的仪表图像输入至所述初始的神经网络模型中,得到对应的训练输出结果,所述训练输出结果包括对应输入的仪表图像中指针的区域以及仪表框的区域;

根据所述训练输出结果以及标签图像,对所述初始的神经网络模型进行训练。

4.如权利要求3所述的倾斜校正方法,其特征在于,所述将训练样本中的仪表图像输入至所述初始的神经网络模型中,得到对应的训练输出结果,包括如下子步骤:

通过所述初始的神经网络模型确定仪表图像中像素的训练特征数据,并根据所述训练特征数据进行像素的分类,根据训练分类结果得到输入的仪表图像中指针的区域以及仪表框的区域。

5.如权利要求1所述的倾斜校正方法,其特征在于,所述通过所述预置分割模型,对所述待校正的仪表图像进行分割,确定所述仪表图像中的指针以及仪表框,包括如下子步骤:

根据所述预置分割模型,确定所述待校正的仪表图像中像素的特征数据,并根据所述特征数据进行像素的分类,根据分类结果确定待校正的仪表图像中指针的区域以及仪表框的区域。

6.如权利要求1所述的倾斜校正方法,其特征在于,所述确定所述指针相对于所述仪表框之间的角度,包括如下子步骤:

确定指针的区域相对于仪表框的区域的旋转角度。

7.如权利要求6所述的倾斜校正方法,其特征在于,所述确定指针的区域相对于仪表框的区域的旋转角度,包括如下子步骤:

确定所述指针的区域的第一最小外接矩形框以及仪表框的区域的第二最小外接矩形框;

确定第一最小外接矩形框相对于预置参考位置的第一旋转角度,以及确定第二最小外接矩形框相对于预置参考位置的第二旋转角度;

根据所述第一旋转角度以及第二旋转角度,确定指针的区域相对于仪表框的区域的旋转角度。

8.如权利要求1所述的倾斜校正方法,其特征在于,根据所述角度对所述待校正的仪表图像进行校正,包括如下子步骤:

将指针的区域相对于仪表框的区域的旋转角度,作为待校正的仪表图像中指针最终的旋转角度;

根据所述最终的旋转角度,调整所述待校正的仪表图像。

9.如权利要求8所述的倾斜校正方法,其特征在于还包括:

确定调整后的仪表图像中指针所指向的数值。

10.一种指针式仪表图像的倾斜校正装置,其特征在于包括:

获取模块,用于获取待校正的仪表图像,并将所述仪表图像输入至预置分割模型;

确定模块,用于通过所述预置分割模型,对所述待校正的仪表图像进行分割,确定所述仪表图像中的指针以及仪表框;

校正模块,用于确定所述指针相对于所述仪表框之间的角度,根据所述角度对所述待校正的仪表图像进行校正。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京佳讯飞鸿电气股份有限公司,未经北京佳讯飞鸿电气股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110844952.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top