一种基于智能巡检机器人的指针式仪表自动读数方法与流程

本发明属于智能识别技术领域，特别地涉及一种基于智能巡检机器人的指针式仪表自动读数方法。在建模部分，涉及了近似处理和表盘中心点和半径的模拟计算；在识别部分，涉及了图像配准技术，和旋转比对的搜索策略。

背景技术：

基于智能巡检机器人的指针式仪表自动读数是一个工程性的应用。1994年，Sablatnig等人就研究过单类指针标的指针提取问题，其中使用的方法为用Hough变换检测圆形的表盘区域，并使用灰度级侧写(gray-level profiles)的方法提取指针。Alegria等提出了自动校准仪表区域的方法，使用减影法将两幅不同时间的图像相减获取指针位置，可以视为在这个问题上的重要发展。

国内学者在这方面做了较多的研究。李治玮等提出最大灰度相减法，即比较两幅任意刻度的指针图像子同一位置的两个像素值，取大者以获得无指针图像，再将实际图像与无指针图像相减提取指针。但是减影法对光照非常敏感，相减后容易引入噪声。戴亚文等对水表图像按照光照的差异划分区域，采用具有不同参量的模板匹配指针，从而确定指针的方向。这种模板特征法是以指针的形状特征、面积、灰度分布、灰度阈值等多个特征为判断准则来识别指针方向，能够克服光照不均、背景干扰等多种因素，但建模过于复杂且结果不太令人满意。杨耀权等对压力表采用Hough变化直线检测直接定位指针，但是这种在区别噪声和短直线宽度上存在问题，而且对于复杂仪表不一定适用，也容易受到光照影响。金连文等先用零刻度和满刻度指针位置提取仪表刻度的圆心点，然后将指针图像向圆心进行投影来搜索检测指针位置。

但是这些方法所假设的情况比较简单，比如只有一种仪表，或者仪表的表盘非常清晰，指针比较容易提取等。这些在实际情况中是不可能的，现实场景中指针仪表是多样的，而且表盘的信息可能非常复杂，大多数算法并不适用。

技术实现要素：

为解决上述问题，本发明的目的在于提供了一种基于智能巡检机器人的指针式仪表自动读数方法，采用了通过近似处理，表盘中心点和半径模拟计算的先验信息建模，以及图像配准技术，和旋转比对的搜索策略，有效地提高了指针式仪表的识别率和识别速度。

为实现上述目的，本发明的技术方案为：一种基于智能巡检机器人的指针式仪表自动读数方法，通过智能巡检机器人的云台摄像头获得仪表图像，对仪表图像I进行以下步骤处理：

步骤1：将仪表图像I与仪表模板M进行图像配准，得到配准后的仪表图像I′。

步骤2：根据先验建模信息，对仪表图像I′进行旋转搜索，获得指针角度；并使用插值方法计算示数。

进一步地，所述仪表模板M为与仪表图像I仪表类型相同的图像。

进一步地，所述先验建模信息包括仪表模板M的表盘中心位置、表盘半径、指针的颜色信息以及每个刻度点信息，分别通过以下方法得到：

(2.1)获取仪表模板M的刻度点位置p_l和指针所在线段L₀，近似估计表盘中心位置，即指针中心轴位置(x_c，y_c)。

(2.2)根据表盘中心位置(x_c，y_c)，计算表盘半径，即中心轴位置(x_c，y_c)到刻度点的距离，同时提取指针的颜色信息。

(2.3)以仪表模板M的表盘中心为原点，重建图像坐标系，获得每个刻度点信息。

进一步地，(2.1)中所述的表盘中心位置(x_c，y_c)的估计，通过以下方法得到：

(2.1.1)标定刻度点，标定n个(n≥3)刻度点，获得每个刻度点的位置，即图像坐标p_l＝(x_l，y_l)，l＝1，2，…，n；并记录每个刻度点的刻度值v_l。

(2.1.2)标定指针，即画出指针所在线段L₀＝(x_s，y_s，x_e，y_e)，其中x_s，y_s是指针线段起点的图像坐标，x_e，y_e是指针线段终点的图像坐标。

(2.1.3)从标定后的n个(n≥3)刻度点中任取3个刻度点的图像坐标(x_i，y_i)，(x_j，y_j)，(x_k，y_k)，i＝1，2，…，n；j＝1，2，…，n；k＝1，2，…，n，根据这3组坐标以及指针直线L₀，通过方程计算出中心

(2.1.4)重复此方法多次，直至所有坐标组合都被覆盖，得到个中心坐标，然后选择平均值作为仪表模板M的表盘中心。

进一步地，(2.2)中所述的表盘半径通过以下方法得到：计算表盘中心到各刻度点的距离取平均距离的λ倍作为表盘半径的估计值λ＝(0，1]。

进一步地，(2.2)中所述的指针的颜色信息，通过以下方法得到：旋转仪表模板M，使得指针位于水平位置；从表盘中心(x_c，y_c)向刻度方向框取宽度为d，长度为r_est的水平识别区域，使得指针位于水平识别区域内，并保存该水平识别区域中的颜色信息

进一步地，(2.3)中所述的刻度点信息，通过以下方法得到：计算刻度点与原点的连线和x轴正方向的角度θ_l，并记录最大角度θ_max和最小角度θ_min。结合每个刻度点的刻度值v_l，则每个刻度点信息为p′_l＝(v_l，θ_l)；

进一步地，步骤2中所述的指针角度，通过以下方法得到：

(8.1)以仪表模板M的表盘中心(x_c，y_c)为旋转中心点，对仪表图像I′进行旋转搜索，仪表图像I′的旋转角度范围为θ∈(θ_min，θ_max)，步长为Δθ，然后提取水平识别区域内的图像颜色信息

(8.2)将P和R_θ进行比对，即计算P和R_θ中每个对应元素间的距离并求和S_θ，取其中最小的值对应的角度θ_opt，作为搜索到的指针角度，即θ_opt＝arg min_θS_θ。

本发明的有益效果是：

(1)本发明通过先配准后识别的方式，使得相同类型不同位置的仪表图像只需一次建模即可，提高了识别的效率，同时也有利于提高识别率。

(2)将表盘近似处理，降低了后续建模和计算的复杂性，提高了算法运行速度。

附图说明

图1为本发明实施例的基于智能巡检机器人的指针式仪表自动读数方法的步骤流程图；

图2为本发明实施例的基于智能巡检机器人的指针式仪表自动读数方法的仪表模板；

图3为本发明实施例的基于智能巡检机器人的指针式仪表自动读数方法的仪表模板先验信息建模；

图4为本发明实施例的基于智能巡检机器人的指针式仪表自动读数方法的提取仪表模板的指针颜色的示意图；

图5为本发明实施例的基于智能巡检机器人的指针式仪表自动读数方法的坐标系重建示意图；

图6为本发明实施例的基于智能巡检机器人的指针式仪表自动读数方法的仪表图像；

图7为本发明实施例的基于智能巡检机器人的指针式仪表自动读数方法的仪表图像配准结果；

图8为本发明实施例的基于智能巡检机器人的指针式仪表自动读数方法的旋转搜索示意图；

图9为本发明实施例的基于智能巡检机器人的指针式仪表自动读数方法的仪表图像指针识别结果。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应该理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

相反，本发明涵盖任何由权利要求定义的在本发明的精髓和范围上做的替代、修改、等效方法以及方案。进一步，为了使公众对本发明有更好的了解，在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述可以完全理解本发明。

参考图1，所示为本发明实施例的基于智能巡检机器人的指针式仪表自动读数方法的步骤流程图。

通过智能巡检机器人的云台摄像头，获得仪表图像I，进行以下步骤处理：

1.获得仪表模板M，方法是使用智能巡检机器人的云台摄像头，拍摄一张与仪表图像I仪表类型相同的图像，如图2所示。

2.对仪表模板M进行先验信息建模，包括仪表模板M的表盘中心位置、表盘半径、指针的颜色信息以及每个刻度点信息，分别通过以下方法得到：

(2.1)获取仪表模板M的刻度点位置p_l和指针所在线段L₀，近似估计表盘中心位置，即指针中心轴位置(x_c，y_c)。具体如下：

(2.1.1)标定刻度点，标定6个刻度点的位置p₁＝(411，274)，p₂＝(386，187)，p₃＝(411，116)，p₄＝(531，121)，p₅＝(583，196)，p₆＝(555，274)。并记录每个刻度点的刻度值v₁＝0，v₂＝20，v₃＝40，v₄＝60，v₅＝80，v₆＝100。如图3所示。

(2.1.2)标定指针，即画出指针所在线段L₀＝(391，195，474，201)，如图4所示。

(2.1.3)从标定后的刻度点中任取3个刻度点的图像坐标(x_i，y_i)，(x_j，y_j)，(x_k，y_k)，i＝1，2，…，6；j＝1，2，…，6；k＝1，2，…，6，根据这3组坐标以及指针直线L₀，通过方程计算出中心

(2.1.4)重复此方法多次，直至所有坐标组合都被覆盖，得到20个中心坐标，然后计算平均值作为仪表模板M的表盘中心，结果为(483，202)。

(2.2)根据表盘中心位置(x_c，y_c)，计算表盘半径，即中心轴位置(x_c，y_c)到刻度点的距离，同时提取指针的颜色信息。

其中表盘半径通过以下方法得到：计算表盘中心到各刻度点的距离取平均距离的0.9倍作为表盘半径的估计值

指针的颜色信息，通过以下方法得到：旋转仪表模板M，使得指针位于水平位置；从表盘中心(x_c，y_c)向刻度方向框取宽度为3，长度为95的水平识别区域，使得指针位于水平识别区域内，并保存该水平识别区域中的颜色信息P＝{(r，g，b)}^95×3，如图4所示。

(2.3)以仪表模板M的表盘中心为原点，重建图像坐标系，获得每个刻度点信息。通过以下方法得到：以表盘中心为原点，水平方向为x轴，垂直方向为y轴，中心右侧为x轴正方向，中心上方为y轴正方向，重建坐标系，如图5所示，计算刻度点与原点的连线和x轴正方向的角度θ_l，并记录最大角度225°和最小角度-45°。结合每个刻度点的刻度值v_l，则每个刻度点信息为p′₁＝(0，225°)，p′₂＝(20，171°)，p′₃＝(40，116°)，p′₄＝(60，60°)，p′₅＝(80，3°)，p′₆＝(100，-45°)；

3.对仪表图像I，如图6所示，进行以下步骤处理：

步骤1：使用SURF特征和FLANN算法，将仪表图像I与仪表模板M进行图像配准，得到配准后的仪表图像I′，如图7所示。

步骤2：根据先验建模信息，对仪表图像I′进行旋转搜索，获得指针角度；并使用拉格朗日插值方法计算，得到示数为53.10。具体为：

(3.1)以仪表模板M的表盘中心(483，202)为旋转中心点，对仪表图像I′进行旋转搜索，如图8所示，仪表图像I′的旋转角度范围为θ∈(-45°，225°)，步长1°，然后提取水平识别区域内的图像颜色信息R_θ＝{(r，g，b)}^95×3。

(3.2)将P和R_θ进行比对，即计算P和R_θ中每个对应元素间的绝对距离并求和S_θ，取其中最小的值对应的角度θ_opt，作为搜索到的指针角度，如图9所示。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。