申请/专利权人：西安安森智能仪器股份有限公司;杭州安森智能信息技术有限公司

申请日：2021-08-28

公开（公告）日：2024-04-26

公开（公告）号：CN113570631B

主分类号：G06T7/13

分类号：G06T7/13;G06T7/12;G06V10/26;G06V10/25;G07C1/20

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2021.11.16#实质审查的生效;2021.10.29#公开

摘要：一种基于图像的指针式仪表智能识别方法及设备，设备包括智能巡检机器人及其上安装的FRID识别器、前避障、后避障、磁导航AGV、工控机、云台和高清摄像头；先对智能巡检机器人进行软件建模；然后进行智能巡检机器人拍照获取的图像智能识别，输出表计读数；识别时先通过深度检测模型，从智能巡检机器人的采集图像中截取目标区域；再通过深度语义分割模型对于目标区域中的表盘和指针进行分割，分割后得到指针区域图像以及表盘区域图像；针对指针区域图像，通过骨架提取和距离变换，直线拟合代表指针位置；针对表盘区域图像，经形态学滤波，利用表盘轮廓椭圆计算变换矩阵，通过变换矩阵校正图像点，计算出表计读数；本发明鲁棒性高，能在自然场景下应用。

主权项：1.一种基于图像的指针式仪表智能识别方法，其特征在于，包括以下步骤：S1：对智能巡检机器人进行软件建模，获得最小刻度坐标点、指针轴心点、最大刻度坐标点以及表盘最小、最大值；S2：智能巡检机器人对拍照获取的图像智能识别，将智能巡检机器人获取的图像作为输入，结合建模信息，最终输出表计读数；步骤S2包括以下步骤：1）通过深度检测模型，从智能巡检机器人采集图像中截取目标区域；2）通过深度语义分割模型对于目标区域中的表盘和指针进行分割，分割后得到指针区域图像以及表盘区域图像；3）针对指针区域图像，通过骨架提取和距离变换的操作，最终直线拟合得到的直线代表指针位置；针对表盘区域图像，经形态学滤波，利用表盘轮廓计算变换矩阵M，通过变换矩阵校正图像点，最终计算出表计读数；步骤3）中针对指针区域图像，分别进行骨架提取和距离变换，得到骨架图像和距离变换图像；利用骨架图像进行直线拟合操作，拟合出的直线就代表指针中心线位置，借助距离图像以及直线参数找到调整后的最大、最小点坐标pHead、pTail，分别代表指针尾部和头部；步骤3）中针对表盘区域图像，首先进行形态学滤波，对滤波后图像提取最外层轮廓；对于矩形表盘，针对轮廓四个边进行直线拟合，然后利用四条直线计算出四个交点坐标，找出四个点最小外接矩形上对应四个点，计算出变换矩阵；对于圆形表盘，利用轮廓坐标点进行椭圆拟合，拟合出椭圆体现了表盘变形程度，通过拟合得到的椭圆参数，计算得到四个端点坐标信息，同时计算出与椭圆中心重合的圆上对应四个端点的点坐标，由这四对坐标点计算得出变换矩阵M，用于后续图像上点的校正；步骤3）中利用变换矩阵M以及建模输入的表盘最小刻度点p1、指针轴心点p2、最大刻度点p3和计算出的指针头部点pHead、指针尾部点pTail，计算出矫正后的最小刻度点pNew1、指针轴中心点pNew2、最大刻度点pNew3、指针头部点pNewHead、指针尾部点pNewTail，计算出最小刻度点与指针轴中心点、最大刻度与指针轴中心点间向量夹角，最小刻度点与指针轴中心点、指针尾部点与指针头部点间向量夹角，利用角度比例ratio以及建模输入的量程大小信息，获得指针表读数；所述的深度检测模型为yolov4、yolov3或ssd检测模型；所述的深度语义分割模型为mobilenetv3的deeplabv3模型，或为segnet、unet、pspnet深度分割模型中的任意一种。

全文数据：

权利要求：

百度查询： 西安安森智能仪器股份有限公司;杭州安森智能信息技术有限公司 一种基于图像的指针式仪表智能识别方法及设备

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD