[发明专利]一种基于目标检测及双目视觉的管道缺陷识别与定位方法

说明书

本发明提出了一种基于目标检测及双目视觉的管道缺陷识别与定位方法，其步骤包括：对双目相机进行标定与立体匹配，得到畸变相对很小的图像，通过立体匹配与深度计算确定图像中某一点在世界坐标系下的具体位置与其像素点位置的具体函数关系；通过目标检测算法训练目标检测模型并对视频图像进行识别；当识别到图像存在某一类缺陷时，该模型将框定缺陷目标，将其中心位置的世界坐标显示在屏幕上。本发明的管道缺陷检测与定位方法具有监测范围广，实时性好，精确度高，并能够准确定位等优点。同时，该方法克服了漏磁检测法等传统管道检测方法只能检测铁磁性材料管道的局限性，且不会产生虚假信号，对漏报、误报的情况有一定程度的改善。

技术领域

本发明涉及计算机视觉中的目标检测及多目视觉定位技术领域，特别是指一种基于目标检测及双目视觉的管道缺陷识别与定位方法。

背景技术

目标检测是计算机视觉中的重要部分，用于检测数字图像和视频中某一类语义对象，研究重点是复杂环境下的类别检测，其中YOLO在速度方面表现突出，该方法采用单个神经网络直接预测对象边界和类别概率，实现了端到端的类别检测。双目视觉是计算机被动测距方法中重要的距离感知技术，在非接触式测量的前提下，通过对摄像头进行校准、立体匹配等操作后，计算左右图像的视差并得到深度图，以此反映物体在真实世界的坐标位置。

YOLOX是YOLO算法的最新成果，相比于YOLOV3-V5系列，在识别精度上有提升，速度上也具有一定的竞争优势。在整合各个版本的优点后，通过改进数据增强策略、增加训练的正例样本，来提高目标检测精度，同时加入了无锚点的检测器提高检测速度。将YOLOX网络框架下训练出的模型代入识别网络中，可以实现对多目标、多类别的目标检测，具有检测类别范围广、准确率高、速度快等特点。

然而，目前主流的对管道缺陷检测方法，即光电检测方法，包含内窥镜法、激光投射法、CCD摄像机图像采集法等。尽管上述方法采用了图像视觉领域的检测技术，但检测精度较低且未涉及缺陷尺寸的进一步测量，需要耗费一定的人力，同时无法提取管道内表面环的数据，不能在视觉上进一步表示管道内表面的缺陷情况。而计算机视觉方法在管道缺陷分类领域的限制主要是检测精确度较低与数据集的缺乏。

发明内容

针对现有管道识别与定位技术在实际检测缺陷目标时，无法高精度检测与定位管道内部缺陷的技术问题，本发明提出了一种基于目标检测及双目视觉的管道缺陷识别与定位方法，将端到端的深度学习算法与双目视觉的位置测量结合，通过自建管道缺陷数据集，训练轻量化深度学习网络，预测缺陷类别，兼顾定位的速度与精度，能够在不同的管道环境下均呈现良好的检测效果，具有全自动、非接触式测量、定位精准且实时性高的特点。

本发明的技术方案是这样实现的：

一种基于目标检测及双目视觉的管道缺陷识别与定位方法，包括相机标定、立体校正、图像捕获与目标检测、立体匹配与深度计算模块四部分；其步骤如下：

步骤一：相机标定：建立相机成像的几何模型，确定空间物体表面上一点的三维几何位置与其在图像中对应点之间的相互关系，由标定板上特征点的图像坐标和世界坐标求解双目摄像机的标定参数，其中，标定参数包括左摄像头和右摄像头的内参、外参和畸变参数；

步骤二：立体校正：通过极线约束进行立体校正，使两幅图像中的对应点在同一条水平极线上，获取校正后的双目摄像机的标定参数；

步骤三：图像捕获与目标检测：自建数据集，进行目标检测模型训练，利用双目摄像机捕获图像，预测左摄像头显示的实时画面信息，并输出物体识别信息；

步骤四：立体匹配与深度计算模块：将经过立体校正后的左摄像头和右摄像头图像与步骤三中的物体识别信息作为输入量传输至立体匹配与深度计算模块，得到双目摄像头左摄像头图像中被识别物体映射到实际三维空间中的空间三维坐标。

优选地，所述相机标定的实现方法为：