[發明專利]一種指針式儀表圖像傾斜校正方法

有效

• 申請號: 202110143240.7
• 申請日: 2021-02-02
• 公開（公告）號: CN112801094B
• 公開（公告）日: 2022-08-30
• 發明（設計）人: 周登科;史凱特;湯鵬
• 申請（專利權）人: 中國長江三峽集團有限公司
• 主分類號: G06V10/24
• 分類號: G06V10/24;G06V10/44;G06V10/762;G06V10/75;G06V10/764;G06V10/82;G06N3/04;G06N3/08;G06T3/60
• 代理公司: 宜昌市三峽專利事務所 42103
• 代理人: 成鋼

一種指針式儀表圖像傾斜校正方法，Step1、構建指針式儀表數據集，Step2、卷積神經網絡模型選擇，Step3、模型訓練，Step4、表盤關鍵點提取，Step5、構建同類型指針儀表的模板圖像，Step6、根據表盤刻度數字關鍵點坐標和構建的模板圖像的刻度坐標進行關鍵點匹配，計算單應矩陣，Step7、根據單應矩陣，對儀表圖像進行透視變換，校正儀表圖像。過卷積神經網絡提取表盤關鍵點，根據關鍵點坐標構建模板圖像，然后圖像匹配透視變換實現傾斜儀表圖像校正，提高了傳統圖像特征提取的準確度和速度，提高了圖像匹配的速度，明顯縮短了儀表校正的時間，相對于傳統通過四個點對計算單應矩陣的準確度更高。

技術領域

本發明涉及儀表圖像識別領域，具體涉及一種指針式儀表圖像傾斜校正方法。

背景技術

儀器儀表作為電力、能源和航空等工業領域中的監測設備，儀表的指示值反應著設備的運行情況。其中，指針式儀表具有耐溫、耐壓和抗磁等特點，因此被廣泛應用在電力、能源等行業。近年來，隨著智慧電網、智慧能源的發展需求，基于計算機視覺的指針式儀表智能讀數成為研究熱點。儀表示數的準確識別能夠精準反應設備的運行狀態，然而，由于工業環境復雜以及圖像采集過程中的相機鏡頭傾斜，采集的圖像中的指針儀表常常帶有傾斜，儀表的刻度比例尺度發生變化，這給儀表的準確讀數帶來了較大的難度。因此，在儀表讀數識別前對圖像進行傾斜校正對于儀表后續的讀數至關重要。

現有技術也有對儀表進行校正的技術，例如中國專利文獻CN 111401358A記載了一種基于神經網絡的儀表表盤校正方法，通過神經網絡定位表盤刻度數字，根據數字中心擬合橢圓，然后根據橢圓參數確定特征點，然后透視變換校正儀表表盤。

中國專利文獻CN 107292871A記載了一種變電站圓形儀表的實時矯正算法，該發明首先使用Hough變換檢測儀表的輪廓橢圓，然后根據橢圓參數獲得投影坐標點，然后透視變換校正儀表圖像。

在電力生產領域，使用現有技術進行儀表圖像校正具有以下現實問題：

(1)變電站及其他工業環境復雜，相機很難采集到正對儀表平面的正視圖，傾斜的圖像給儀表的智能讀數帶了困難；

(2)儀表圖像校正過程復雜，現有的校正算法預處理步驟較多，并且算法魯棒性較差，難以滿足復雜環境中的儀表圖像校正需求。

發明內容

本發明所要解決的技術問題是提供一種指針式儀表圖像傾斜校正方法，能夠利用卷積神經網絡提取傾斜儀表圖像表盤關鍵點，根據提取的關鍵點自動構建儀表的模板圖像并校正傾斜儀表的圖像，得到儀表圖像的正視圖像。

為解決上述技術問題，本發明所采用的技術方案是：

一種指針式儀表圖像傾斜校正方法，包括以下步驟：

Step1、構建指針式儀表數據集；

Step2、卷積神經網絡模型選擇，選用YOLO系列網絡中的YOLOv3網絡結構；

Step3、模型訓練，首先對模型進行參數選擇和結構優化，然后使用Step2中選擇的網絡帶入Step1構建的數據集訓練模型；

Step4、表盤關鍵點提取，將待校正的指針式儀表圖像輸入到Step3訓練好的關鍵點提取模型中，得到待校正圖像的關鍵點類別和位置信息，同時對刻度數字關鍵點坐標從左下角順時針排序；

Step5、構建同類型指針儀表的模板圖像；

Step6、根據表盤刻度數字關鍵點坐標和構建的模板圖像的刻度坐標進行關鍵點匹配，計算單應矩陣；

Step7、根據單應矩陣，對儀表圖像進行透視變換，校正儀表圖像。

上述的Step1的具體過程為：