CN107729853B - 一种适用于变电站窄刻度指针式仪表的自动识别方法 - Google Patents

Abstract

本发明公开了一种适用于变电站窄刻度指针式仪表的自动识别方法，通过检测刻度直线所在椭圆圆周，且刻度直线经过某一中心，刻度线对应轮廓线段成对出现的原理，来实现自动读数；通过以上方法能够降低指针式仪表自动识别过程中对人工标定的依赖性，提高识别算法的智能性，可应用于变电站巡检机器人巡检任务地执行，同时还可以推广至其他指针式仪表地识别中如：水表、汽车油位表等指针式仪表的自动识别。

Description

一种适用于变电站窄刻度指针式仪表的自动识别方法

技术领域

本发明属于图像模式识别领域，尤其涉及一种适用于变电站窄刻度指针式仪表的自动识别方法。

背景技术

变电站巡检机器人执行巡检任务的工作流程主要包括：

1、利用路径规划算法行进至巡检点，云台带动检测设备对准待检测的监控仪表并抓取仪表图像；

2、利用仪表识别算法分析仪表图像，获取仪表读数，进而获知设备运行状态。

在整个巡检过程中，仪表识别算法起着决定性作用，其性能直接影响到巡检机器人完成巡检任务的质量，因此，智能化仪表识别算法地设计对于巡检机器人意义重大。

指针式仪表由于具有结构简单、使用维护方便、可靠性高、价格便宜、防水、防冻、防尘等优点，被广泛地应用于智能变电站。

针对变电站指针式仪表地自动识别，现有的研究主要集中在图像预处理、指针定位上，表盘地识别主要通过预先在模板上进行手工标定，巡检机器人执行巡检任务时，将模板上标定的参数匹配到巡检图像中，对于人工标定具有较大的依赖性，当巡检机器人未能准确地行进至巡检点时，观测角度会存在偏差，待观测仪表图像的仿射拉伸程度会发生一定变化，预先手工标定的仪表表盘模版参数与当前实际的仪表表盘刻度参数可能会造成一定差异，因此，在进行自动读数时，读数结果会出现一定地误差，使得得到的读数结果不准确。同时由于不同量程的仪表使用不同的模板，也使得适应性差。

发明内容

本发明要解决的技术问题是：针对上述技术问题，提供一种适用于变电站窄刻度指针式仪表的自动识别方法，实现指针式仪表的自动读数，且能够对变电站指针式仪表表盘刻度进行较为准确地识别，可应用于变电站巡检机器人巡检任务地执行，同时还可以推广至其他指针式仪表地识别中如：水表、汽车油位表等指针式仪表的自动识别。

本发明为解决上述技术问题，采用如下技术方案：

一种适用于变电站窄刻度指针式仪表的自动识别方法，变电站窄刻度指针式仪表的表盘刻度直线顺次排列分布于一个椭圆圆周之上，其特征在于通过检测刻度直线所在椭圆圆周，且刻度直线经过某一中心，刻度线对应轮廓线段成对出现的原理，来实现自动读数；主要包括如下步骤：

首先，拍摄仪表表盘形成图片，读入图片并进行图像预处理；

然后，获取图片上仪表刻度线段中点所在椭圆圆周参数；

之后，利用线段长度的差异性区分指针和刻度线；

最后，对缺省刻度进行恢复，进而建立仪表刻度的角度坐标系，进行自动读数。

进一步的，上述方法中：通过基于Canny的直线段检测算法获取仪表刻度线段中点所在椭圆圆周参数；利用椭圆圆周对LSD算法检测到的线段进行过滤，获取仪表刻度线段及指针以区分指针和刻度线；通过基于近邻相似性的层级式插值方法对缺省刻度进行恢复，进而建立仪表刻度的角度坐标系，实现指针式仪表的自动读数。

进一步的，上述方法中，图像预处理包括灰度化、高斯平滑处理。

进一步的，上述方法包括如下具体步骤：

步骤S1：基于Canny的直线段检测：首先，使用Canny算法对仪表图像进行边缘检测，并利用八领域轮廓跟踪算法获取连续的边缘轮廓；然后，利用线性性对边缘轮廓进行分析，对边缘轮廓进行打断、调整操作，获得直线段轮廓；最后对每个直线段轮廓进行最小二乘直线拟合，获得直线段轮廓对应直线参数，并将直线段的起点、终点和直线参数作为直线段轮廓的形态描述。

步骤S2：获取仪表刻度线段中点所在椭圆圆周参数：首先，基于刻度线对应轮廓应该是成对出现，且长度和位置相近这一先验知识，对步骤S1中获取的直线段进行配对，获取候选的刻度直线段队列；然后，将候选的刻度直线段队列分为左右两个部分，对两个部分分别进行两两求交点操作，得到两个交点集——左交点集和右交点集，并求取左交点集和右交点集的平均坐标作为刻度直线段所在圆周的近似中心；其次，基于刻度所在直线经过某一中心这一先验知识，过滤掉候选队列中不满足要求的刻度线轮廓；最后，对满足要求的刻度直线段线的中点进行椭圆拟合，得到仪表刻度线段中点所在椭圆圆周参数；

步骤S3：获取仪表刻度线段及指针：首先，使用LSD算法对仪表区域进行线段检测，得到仪表区域中的线段集；然后，基于表盘刻度分布于某个圆周之上这一先验知识，利用S2中获取的椭圆圆周参数对仪表区域中的线段集进行过滤，获取候选的刻度线线段，并利用指针和刻度线长度的差异性获取指针；其次，基于刻度线对应轮廓应该是成对出现，且长度和位置相近这一先验知识，对候选的刻度线线段进行配对，并对配对后的刻度线线段对进行合并——将线段对长度均值、角度均值作为刻度线的形态描述；

步骤S4：恢复缺省刻度：采用一种基于近邻相似性的层级式插值方法对缺省刻度进行恢复。

进一步的，上述方法中步骤S4按如下顺序进行：

步骤S41：近邻相似性确认：图像由于拍摄角度问题，仪表图像可能存在不同程度地仿射拉伸，但是邻近的刻度线之间拉伸程度存在相似性；

步骤S42：层级式插值：首先，利用刻度线大刻度比小刻度要长的长度特征，将大刻度与小刻度进行分离；然后，基于大刻度间的近邻相似性，完成对大刻度的插值；最后，基于小刻度间的近邻相似性，完成对小刻度的插值，通过这种层级式的插值方式，得到完备的仪表刻度分布；

步骤S5：建立仪表刻度的角度坐标系：以椭圆的中心为中心，图像坐标系y轴方向为基准，顺时针方向建立仪表刻度的角度坐标系，通过步骤S3中的指针对应角度在仪表刻度的角度坐标系中位置，指针式仪表的自动读数。

进一步的，上述方法基于windows 7操作系统下的Visual Studio 2013，以及版本为3.1.0的开源OpenCV库。

上述方案中，图片的读入、灰度化处理、高斯滤波、Canny算法、最小二乘直线拟合、椭圆拟合、LSD算法，都是基于OpenCV库的库函数。

本发明的适用于变电站指针式仪表的自动识别方法，利用仪表刻度排布原理，通过检测表盘刻度分布于某个圆周之上，且刻度所在直线经过某一中心，刻度线对应轮廓线段成对出现的识别逻辑，自动地识别出仪表刻度分布及指针，进而实现指针式仪表地自动识别。

相对于现有技术中对变电站指针式仪表进行识别，指针式仪表表盘地识别主要通过预先在模板上进行手工标定，巡检机器人执行巡检任务时，将模板上标定的参数匹配到巡检图像中，当巡检机器人未能准确地行进至巡检点时，观测角度会存在偏差，待观测仪表图像的仿射拉伸程度会发生一定的变化，将预先手工标定的模版参数作为当前仪表表盘刻度参数用于仪表的自动识别，可能会造成一定的偏差。基于自下而上的视觉机制及仪表刻度分布先验知识，本发明提出的一种适用于变电站指针式仪表的自动识别方法，利用两种不同的线段检测算法，依次地获取仪表刻度线段中点所在椭圆圆周、仪表刻度线段和指针参数，然后采用一种基于近邻相似性的层级式插值方法对缺省刻度进行恢复，进而建立仪表刻度的角度坐标系，实现指针式仪表的自动读数。本发明通过以上方法能够降低指针式仪表自动识别过程中对人工标定的依赖性，提高识别算法的智能性，对变电站指针式仪表表盘刻度进行较为准确地识别，可应用于变电站巡检机器人巡检任务地执行，同时还可以推广至其他指针式仪表地识别中如：水表、汽车油位表等指针式仪表的自动识别。

附图说明

图1为根据本发明实施的适用于变电站窄刻度指针式仪表的自动识别方法整体流程图；

图2是本发明的基于Canny的直线段检测算法流程图；

图3是本发明的基于Canny的直线段检测算法中线段提取算法程序流程图；

图4是本发明的LSD算法流程图。

具体实施方式

为了进一步说明本发明的技术方案，下面将结合附图1-4对本方案进行详细的说明。

本发明的适用于变电站窄刻度指针式仪表的自动识别方法按如下方式进行：

步骤S1：基于Canny的直线检测，如图2所示：

步骤S11：首先，读入仪表图像，经过灰度化处理后，使用5x5的高斯卷积核进行平滑处理；然后使用Canny算法对仪表图像进行边缘检测，并利用八领域轮廓跟踪算法获取连续的单像素边缘轮廓；

步骤S12：利用单像素边缘轮廓的长度信息进行轮廓过滤，即滤除掉长度小于2m(m取值范围为[3,5])的单像素边缘轮廓；

步骤S13：如图3所示，分析每一个单像素边缘轮廓，进行线段提取：

步骤S131：获取直线段：首先，获取当前单像素边缘第[j,2m+j-1](其中0≤j≤N-2m,N表示当前单像素边缘长度)个像素点，以第[j,m+j-1]个像素点坐标的平均值作为前参考点A的坐标，以第[m+j,2m+j-1]个像素点的平均值作为后参考点B的坐标；然后，遍历第[j,2m+j-1]个点，计算每一个点到经过点A，B所在直线的距离d，将满足条件d＜threshold(threshold取值范围为[1.0,3.0])点存入seg(k)，并计算点的个数size(seg(k))，如果size(seg(k))＞2m-2，则认为第[m+i,2m+i-1]个像素点所在线段为直线段，并进行最小二乘直线拟合，反之，j＝j+1；

步骤S132：直线段扩展：遍历第[2m+j,N]个点，顺序地计算每一个点到拟合直线的距离d1，如果d1＜threshold，将当前点存入seg(k)，反之，从当前点(第i个点)开始，进行下一个直线段的获取，即j＝i,k＝k+1，重复步骤S131和步骤S132直到遍历完所有的单像素边缘轮廓；

步骤S133：对所有直线段边缘进行最小二乘直线拟合，并将直线段的起点、终点和所在直线参数作为直线段的形态描述。

步骤S2：获取仪表刻度线段中点所在椭圆圆周参数；

步骤S21：基于刻度线分布先验知识，对步骤S1中获取的直线段进行配对：计算直线段两两之间中点距离d2，长度差异l2，所在直线倾斜角度差异a2，如果同时满足d2<threshod1,l2<threshod2,a2<threshold3(其中，三个阈值的取值范围为：

2.0≤threshold1≤4.0,3.0≤threshold2≤5.0,10.0≤threshold3≤25.0)，则进行配对，获取候选的刻度直线段队列；

步骤S22：将候选的刻度直线段队列分为左右两个部分，对两个部分分别进行两两求交点操作，得到两个交点集——左交点集和右交点集，并求取左交点集和右交点集中点平均坐标作为刻度直线段所在圆周的近似中心c；

步骤S23：利用近似中心对候选直线段进行过滤：计算近似圆心c到每个直线段所在直线的距离d3，如果d3＜0.2*min(H,W)(H，W分别表示图像的高度和宽度)，则认为是仪表刻度对应直线段；

步骤S23：对满足要求的刻度直线段中点进行椭圆拟合，得到仪表刻度线段中点所在椭圆圆周参数；

步骤S3：获取仪表刻度线段及指针：

步骤S31：如图4所示，使用LSD算法对仪表区域进行线段检测：

步骤S311：缩放尺度：对仪表图像的灰度图使用高斯下采样，降低图像锯齿效应造成影响；

步骤S312：计算梯度及方向：首先，为保证使用contrario model模型时，相邻点方向分布的独立性，采用2x2大小模版来计算图像在每个像素点位置的梯度分量，如式(1)所示：

式(1)中g_x(x,y)，g_y(x,y)分别表示(x,y)位置像素梯度的x分量和y分量，i(x+1,y)，i(x+1,y+1)，i(x,y)，i(x,y+1)分别表示图像在(x+1,y)，(x+1,y+1)，(x,y)，(x,y+1)位置的灰度值；

然后，利用式(2)和式(3)来计算图像在每个像素点位置的梯度：

ang(x,y)＝arctan(g_x(x,y)/-g_y(x,y)) (3)

式中g(x,y)表示(x,y)位置像素的梯度值，ang(x,y)表示(x,y)位置像素的梯度方向；最后，使用预先设置的梯度阈值进行过滤，滤除较小梯度值；

步骤S313：对梯度的伪排序操作：基于某个像素点的梯度值越大，表明该点为边缘点的可能性越大，更加适合作为种子点这一先验知识，将[0,255]的梯度取值区间平均划分为1024个bins区间，对梯度值进行统计进而实现对梯度的伪排序操作；

步骤S314：线段矩形区域生长：首先，按照从大到小的顺序依次将伪排序后的点作为种子点，进行区域生长，区域生长终止条件为当前点与种子点角度的偏差大于某一阈值(这里设置的是22.5度)；然后，将矩形的旋转角度、矩形重心、矩形的长宽作为线段的形态描述，矩形区域角度、重心的计算如式(4)、(5)所示：

式中，region_Ang、Ang_j分别表示矩形区域角度和矩形区域内第j个像素点的梯度方向，c_x，c_y表示矩形区域重心的x，y坐标，G(j)表示矩形区域中第j个点的梯度值；

步骤S315：计算每个区域对应外接矩形，并计算区域矩形中同性点(alignedpoint)的密度，如果密度不满足要求，利用降低区域生长角度阈值和减小半径两种方法来对矩形区域进行调整；

步骤S316：利用设定的NFA(Number of False Alarms)值来进一步对矩形区域进行调整；

步骤S32：获取仪表刻度线段及指针：首先，计算步骤S31得到线段所在直线与椭圆交点，如果交点存在且交点在线段上，则认为当前线段为仪表刻度线段或者指针；然后，判断线段长度是否满足l3＞0.25*min(a,b)(a，b分别表示椭圆长半轴和短半轴长度)，如果满足条件，则判断该直线段为指针直线段，反之，判断该直线段为仪表刻度直线段；

步骤S33：获取仪表刻度线及指针的形态描述：基于刻度线对应轮廓应该是成对出现，且长度和位置相近这一先验知识，对候选的刻度线线段进行配对，并对配对后的刻度线线段对进行合并——将线段对长度平均值、角度平均值作为刻度线的形态描述；

步骤S4：恢复缺省刻度：采用一种基于近邻相似性的层级式插值方法对缺省刻度进行恢复；

步骤S41：近邻相似性——图像由于拍摄角度问题，仪表图像可能存在不同程度地仿射拉伸，但是邻近的刻度线之间拉伸程度存在相似性；

步骤S42：层级式插值插值方法：首先，利用刻度线的长度特征(大刻度比小刻度要长)，将大刻度与小刻度进行分离；然后，基于大刻度间的近邻相似性，完成对大刻度的插值；最后，基于小刻度间的近邻相似性，完成对小刻度的插值，通过这种层级式的插值方式，得到完备的仪表刻度分布；

步骤S5：建立仪表刻度的角度坐标系：以椭圆的中心为中心，图像坐标系y轴方向为基准，顺时针方向建立仪表刻度的角度坐标系，通过步骤S3中的指针对应角度在仪表刻度的角度坐标系中位置，指针式仪表的自动读数。

上述方案中，上述一种适用于变电站指针式仪表的自动识别方法，基于windows 7操作系统下的Visual Studio 2013，以及版本为3.1.0的开源OpenCV库。

上述方案中，图片的读入、灰度化处理、高斯滤波、Canny算法、最小二乘直线拟合、椭圆拟合、LSD算法，都是基于OpenCV库的库函数。

相对于现有技术中对变电站指针式仪表进行识别，指针式仪表表盘地识别主要通过预先在模板上进行手工标定，巡检机器人执行巡检任务时，将模板上标定的参数匹配到巡检图像中，当巡检机器人未能准确地行进至巡检点时，观测角度会存在偏差，待观测仪表图像的仿射拉伸程度会发生一定的变化，将预先手工标定的模版参数作为当前仪表表盘刻度参数用于仪表的自动识别，可能会造成一定的偏差。基于自下而上的视觉机制及仪表刻度分布先验知识，本发明提出的一种适用于变电站指针式仪表的自动识别方法，利用两种不同的线段检测算法，依次地获取仪表刻度线段中点所在椭圆圆周、仪表刻度线段和指针参数，然后采用一种基于近邻相似性的层级式插值方法对缺省刻度进行恢复，进而建立仪表刻度的角度坐标系，实现指针式仪表的自动读数。本发明通过以上方法能够对变电站指针式仪表表盘刻度进行较为准确地识别，可应用于变电站巡检机器人巡检任务地执行，同时还可以推广至其他指针式仪表地识别中如：水表、汽车油位表等指针式仪表的自动识别。本发明的提出，使得变电站指针式仪表自动识别更加智能，具有很好的拓展性与实用性。

Claims (5)

1.一种适用于变电站窄刻度指针式仪表的自动识别方法，变电站窄刻度指针式仪表的表盘刻度直线顺次排列分布于一个椭圆圆周之上，其特征在于拍摄仪表表盘形成图片，读入图片并进行图像预处理；通过检测刻度直线所在椭圆圆周，且刻度直线经过某一中心，刻度线对应轮廓线段成对出现的原理，来实现自动读数；主要包括如下步骤：

步骤S1：基于Canny的直线段检测获取连续的边缘轮廓：首先，使用Canny算法对仪表图像进行边缘检测，并利用八领域轮廓跟踪算法获取连续的边缘轮廓；然后，利用线性性对边缘轮廓进行分析，对边缘轮廓进行打断、调整操作，获得直线段轮廓；最后对每个直线段轮廓进行最小二乘直线拟合，获得直线段轮廓对应直线参数，并将直线段的起点、终点和直线参数作为直线段轮廓的形态描述；

步骤S2：获取仪表刻度线段中点所在椭圆圆周参数：首先，基于刻度线对应轮廓应该是成对出现，且长度和位置相近这一先验知识，对步骤S1中获取的直线段进行配对，获取候选的刻度直线段队列；然后，将候选的刻度直线段队列分为左右两个部分，对两个部分分别进行两两求交点操作，得到两个交点集——左交点集和右交点集，并求取左交点集和右交点集的平均坐标作为刻度直线段所在圆周的近似中心；其次，基于刻度所在直线经过某一中心这一先验知识，过滤掉候选队列中不满足要求的刻度线轮廓；最后，对满足要求的刻度直线段线的中点进行椭圆拟合，得到仪表刻度线段中点所在椭圆圆周参数；

步骤S3：利用线段长度的差异性区分指针和刻度线：首先，使用LSD算法对仪表区域进行线段检测，得到仪表区域中的线段集；然后，基于表盘刻度分布于某个圆周之上这一先验知识，利用S2中获取的椭圆圆周参数对仪表区域中的线段集进行过滤，获取候选的刻度线线段，并利用指针和刻度线长度的差异性获取指针；其次，基于刻度线对应轮廓应该是成对出现，且长度和位置相近这一先验知识，对候选的刻度线线段进行配对，并对配对后的刻度线线段对进行合并——将线段对长度均值、角度均值作为刻度线的形态描述；

步骤S4：对缺省刻度进行恢复，进而建立仪表刻度的角度坐标系，进行自动读数；采用用一种基于近邻相似性的层级式插值方法对缺省刻度进行恢复。

2.根据权利要求1所述的适用于变电站窄刻度指针式仪表的自动识别方法，其特征在于上述方法中，图像预处理包括灰度化、高斯平滑处理。

3.根据权利要求1所述的适用于变电站窄刻度指针式仪表的自动识别方法，其特征在于上述方法中步骤S4按如下顺序进行：

步骤S41：近邻相似性确认：图像由于拍摄角度问题，仪表图像可能存在不同程度地仿射拉伸，但是邻近的刻度线之间拉伸程度存在相似性；

步骤S42：层级式插值：首先，利用刻度线大刻度比小刻度要长的长度特征，将大刻度与小刻度进行分离；然后，基于大刻度间的近邻相似性，完成对大刻度的插值；最后，基于小刻度间的近邻相似性，完成对小刻度的插值，通过这种层级式的插值方式，得到完备的仪表刻度分布；

步骤S5：建立仪表刻度的角度坐标系：以椭圆的中心为中心，图像坐标系y轴方向为基准，顺时针方向建立仪表刻度的角度坐标系，通过步骤S3中的指针对应角度在仪表刻度的角度坐标系中位置，指针式仪表的自动读数。

4.根据权利要求1所述的适用于变电站窄刻度指针式仪表的自动识别方法，其特征在于上述方法基于windows 7操作系统下的Visual Studio 2013，以及版本为3.1.0的开源OpenCV库。

5.根据权利要求1所述的适用于变电站窄刻度指针式仪表的自动识别方法，其特征在于图片的读入、灰度化处理、高斯滤波、Canny算法、最小二乘直线拟合、椭圆拟合、LSD算法，都是基于OpenCV库的库函数。

Images