[發(fā)明專利]基于事件相機的極坐標系下轉速測量方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202210760307.6
• 申請日: 2022-06-30
• 公開（公告）號: CN115205368A
• 公開（公告）日: 2022-10-18
• 發(fā)明（設計）人: 沈益冉;趙廣榮
• 申請（專利權）人: 山東大學
• 主分類號: G06T7/66
• 分類號: G06T7/66;G01P3/38;G06F17/18;G06K9/62;G06V10/762;G06V10/764
• 代理公司: 濟南圣達知識產(chǎn)權代理有限公司 37221
• 代理人: 黃海麗

本公開提供了一種基于事件相機的極坐標系下轉速測量方法及系統(tǒng)，其屬于旋轉裝置轉速測量技術領域，所述方案包括：獲取待測旋轉裝置的事件流數(shù)據(jù)，其中，所述事件流數(shù)據(jù)為利用事件相機拍攝的預設時間段內(nèi)的事件幀圖像序列；基于Kmeans算法計算每個事件幀圖像內(nèi)各扇葉的質(zhì)心，并基于所述質(zhì)心實現(xiàn)扇葉分離；其中，對于相鄰事件幀中的后一事件幀采用其前一事件幀的質(zhì)心作為其初始質(zhì)心；將笛卡爾坐標系下各扇葉的質(zhì)心位置轉換為極坐標系下的質(zhì)心位置；基于相鄰幀圖像內(nèi)各扇葉質(zhì)心的極角變化率，獲得待測旋轉裝置的轉速。

技術領域

本公開屬于旋轉裝置轉速測量技術領域，尤其涉及一種基于事件相機的極坐標系下轉速測量方法及系統(tǒng)。

背景技術

本部分的陳述僅僅是提供了與本公開相關的背景技術信息，不必然構成在先技術。

發(fā)電機、電動機、壓縮機、離心機等旋轉裝置。在能源、電力、航空、汽車等各類工業(yè)領域發(fā)揮著重要作用。轉速作為旋轉機械的關鍵指標之一，反映了設備的工作狀態(tài)，通過測量它，可以檢測當前設備是否存在著機械故。例如，在家用電器領域，操作人員可以通過測量洗衣機和空調(diào)壓縮機的轉速來檢測它們的故障。在汽車領域，許多國家都提出了年度車輛檢查手冊，其中車輪轉速是一個重要的指標。在生物醫(yī)學領域，離心機可以通過施加不同的離心力來分離不同密度的顆粒，而轉速直接影響著離心力大小。

而為了獲得不同目標在不同情況下的轉速，現(xiàn)有許多不同的測量方法。它們基于不同的物理信號有著不同的傳感原理以及不同的工作方式(接觸或非接觸)。然而，現(xiàn)有的一系列傳統(tǒng)的轉速測量方法仍然具有著一定的局限性。如基于接觸式的機械轉速表，通過剛體運動帶動轉速表的傳動軸來獲取讀數(shù)。此外，還有基于靜電和霍爾效應的磁電轉速儀，以及光電編碼器轉速儀。但是以上這些轉速測量方法均是侵入性的，物理接觸和附加的硬件，會對旋轉本身產(chǎn)生重大的影響。激光轉速表是當前轉速測量的主流儀器，然而其使用時仍然需要往被測物體上粘貼反光標簽。并且需要被測物和測量儀之間保持相對靜止，使用不便。

隨著數(shù)字圖像處理技術的發(fā)展，基于視覺的轉速測量儀被提出，其無需在旋轉目標上安裝額外的硬件，可以通過變焦鏡頭來進一步延長工作距離，具有較強的環(huán)境適應性和魯棒性。然而，發(fā)明人發(fā)現(xiàn)，目前傳統(tǒng)的基于視覺的方法，受到了相機幀率限制(30-60幀/秒)，容易產(chǎn)生運動模糊現(xiàn)象，無法進行高精度測量，還有一些使用高速攝像的轉速儀，存在著功耗過大，安裝復雜的問題。

發(fā)明內(nèi)容

本公開為了解決上述問題，提供了一種基于事件相機的極坐標系下轉速測量方法及系統(tǒng)，所述方案無需與被測物體直接接觸，也無需在被測物體上粘貼反光標簽，因而不會對被測物體產(chǎn)生附加影響；同時，使用者手持事件相機對準高速旋轉物體即可快速獲取準確讀數(shù)，精度接近激光轉速儀，使用方便快捷。

根據(jù)本公開實施例的第一個方面，提供了一種基于事件相機的極坐標系下轉速測量方法，包括：

獲取待測旋轉裝置的事件流數(shù)據(jù)，其中，所述事件流數(shù)據(jù)為利用事件相機拍攝的預設時間段內(nèi)的事件幀圖像序列；

基于Kmeans算法計算每個事件幀圖像內(nèi)各扇葉的質(zhì)心，并基于所述質(zhì)心實現(xiàn)扇葉分離；其中，對于相鄰事件幀中的后一事件幀采用其前一事件幀的質(zhì)心作為其初始質(zhì)心；

將笛卡爾坐標系下各扇葉的質(zhì)心位置轉換為極坐標系下的質(zhì)心位置；

基于相鄰幀圖像內(nèi)各扇葉質(zhì)心的極角變化率，獲得待測旋轉裝置的轉速。

進一步的，所述基于Kmeans算法計算每個事件幀圖像內(nèi)各扇葉的質(zhì)心，并基于所述質(zhì)心實現(xiàn)扇葉分離，各扇葉的質(zhì)心確定方法具體為：

基于扇葉數(shù)量，確定若干扇葉的初始質(zhì)心；

基于所述初始質(zhì)心及事件幀圖像內(nèi)的每個事件點被分類到距其最近質(zhì)心為目標，并基于質(zhì)心所在類簇中的事件點對質(zhì)心進行更新，循環(huán)迭代直至質(zhì)心不變，獲得各扇葉的最終質(zhì)心位置。