巡检机器人云台的二次对准方法、装置、设备和存储介质与流程

1.本申请涉及巡检机器人技术领域，尤其涉及一种巡检机器人云台的二次对准方法、装置、设备和存储介质。


背景技术：

2.随着电力系统复杂化和机器人智能化，很多成熟机器人产品已经在不同领域得到广泛的应用。例如，变电站内的巡检机器人，其可以替代传统的人工巡检。
3.在巡检时，巡检机器人沿巡检道路行走，到达预置位置后停靠，调用云台预置位后利用拍摄设备拍摄待巡检设备。但由于机器人导航定位精度、行进姿态偏差和云台预置位定位误差的影响，导致巡检时同一待巡检设备的成像位置在整幅图像中有较大偏差，甚至偏移出成像位置。


技术实现要素：

4.本申请提供了一种巡检机器人云台的二次对准方法、装置、设备和存储介质，解决了由于机器人导航定位精度、行进姿态偏差和云台预置位定位误差的影响，导致巡检时同一待巡检设备的成像位置在整幅图像中有较大偏差，甚至偏移出成像位置的技术问题。
5.有鉴于此，本申请第一方面提供了一种巡检机器人云台的二次对准方法，应用于巡检机器人，包括：
6.获取巡检机器人云台位于预置位时拍摄待巡检设备得到的第一图片；
7.根据预置分区方式对所述第一图片进行分区，得到若干图片分区；
8.计算基准图片和各图片分区的融合相似度，其中，所述基准图片为所述待巡检设备的目标成像图，且所述基准图片和所述第一图片的拍摄焦距均为第一焦距；
9.将所述融合相似度最大的图片分区作为所述待巡检设备的所处位置；
10.对比所述所处位置和目标位置，得到位置调整量，其中，所述目标位置为所述目标成像图中所述待巡检设备的位置，且所述目标位置为所述目标成像图的中心；
11.基于所述位置调整量，调整所述巡检机器人云台。
12.可选地，计算基准图片和各图片分区的融合相似度，具体包括：
13.获取所述待巡检设备对应的基准图片；
14.分别求解基准图片和各图片分区的哈希相似度、余弦相似度和直方图相似度；
15.判断各图片分区的所述哈希相似度、所述余弦相似度、所述直方图相似度是否均大于预置阈值，若是，则将所述哈希相似度、所述余弦相似度、所述直方图相似度中最大的值作为该图片分区的融合相似度，若否，则将所述哈希相似度、所述余弦相似度、所述直方图相似度中最小的值作为该图片分区的融合相似度。
16.可选地，分别求解基准图片和各图片分区的哈希相似度、余弦相似度和直方图相似度，具体包括：
17.根据哈希相似度算法，计算所述基准图片和各图片分区的哈希相似度；
18.根据余弦相似度算法，计算所述基准图片和各图片分区的余弦相似度；
19.根据直方图相似度算法，计算所述基准图片和各图片分区的直方图相似度。
20.可选地，获取所述待巡检设备的基准图片，具体包括：
21.根据所述待巡检设备的设备信息，获取所述待巡检设备的基准图片。
22.可选地，对比所述所处位置和目标位置，得到位置调整量，具体包括：
23.对比所述所处位置的像素和所述目标位置的像素，得到像素偏差；
24.基于所述像素偏差，根据所述像素偏差和位置调整量的对应关系，确定所述像素偏差对应的位置调整量。
25.可选地，所述像素偏差包括：x轴像素偏差和y轴像素偏差，则所述位置调整量包括：x轴位置调整量和y轴调整量；
26.基于所述像素偏差，根据所述像素偏差和位置调整量的对应关系，确定所述像素偏差对应的位置调整量，具体包括：
27.基于所述x轴像素偏差，根据所述x轴像素偏差和x轴位置调整量的第一对应关系，确定所述x轴像素偏差对应的x轴位置调整量；
28.基于所述y轴像素偏差，根据所述y轴像素偏差和y轴位置调整量的第二对应关系，确定所述y轴像素偏差对应的y轴位置调整量。
29.可选地，基于所述位置调整量，调整所述巡检机器人云台，之后还包括：
30.以第二焦距拍摄所述待巡检设备，其中，所述第二焦距大于所述第一焦距。
31.本申请第二方面提供了一种巡检机器人云台的二次对准装置，装配于巡检机器人上，包括：
32.获取单元，用于获取巡检机器人云台位于预置位时拍摄待巡检设备得到的第一图片；
33.分区单元，用于根据预置分区方式对所述第一图片进行分区，得到若干图片分区；
34.计算单元，用于计算基准图片和各图片分区的融合相似度，其中，所述基准图片为所述待巡检设备的目标成像图，且所述基准图片和所述第一图片的拍摄焦距均为第一焦距；
35.赋值单元，用于将所述融合相似度最大的图片分区作为所述待巡检设备的所处位置；
36.对比单元，用于对比所述所处位置和目标位置，得到位置调整量，其中，所述目标位置为所述目标成像图中所述待巡检设备的位置，且所述目标位置为所述目标成像图的中心；
37.调整单元，用于基于所述位置调整量，调整所述巡检机器人云台。
38.本申请第三方面提供了一种巡检机器人云台的二次对准设备，所述设备包括处理器以及存储器：
39.所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
40.所述处理器用于根据所述程序代码中的指令执行第一方面所述的巡检机器人云台的二次对准方法。
41.本申请第四方面提供了一种存储介质，其特征在于，所述存储介质用于存储程序代码，所述程序代码用于执行第一方面所述的巡检机器人云台的二次对准方法。
42.从以上技术方案可以看出，本申请具有以下优点：
43.本申请提供了一种巡检机器人云台的二次对准方法，包括：获取巡检机器人云台位于预置位时拍摄待巡检设备得到的第一图片；根据预置分区方式对第一图片进行分区，得到若干图片分区；计算基准图片和各图片分区的融合相似度，其中，基准图片为待巡检设备的目标成像图，且基准图片和第一图片的拍摄焦距均为第一焦距；将融合相似度最大的图片分区作为待巡检设备的所处位置；对比所处位置和目标位置，得到位置调整量，其中，目标位置为目标成像图中待巡检设备的位置，且目标位置为目标成像图的中心；基于位置调整量，调整巡检机器人云台。
44.本申请中，首先获取巡检机器人实际拍摄待巡检设备得到的第一图片，为了初步确定第一图片中待巡检设备的所处位置，本申请中将第一图片进行分区，然后对照各图片分区和基准图片的融合相似度，融合相似度最大的区域作为待巡检设备的所处位置，由于基准图片和第一图片为均在第一拍摄焦距下拍摄，且基准图片中待巡检设备位于基准图片的中心，这样便可以根据待巡检设备在第一图片中的位置和在基准图片中的目标位置，计算位置调整量，然后根据该位置调整量调整巡检机器人云台，便可以使得待巡检设备位于所巡检机器人的视野正中，以实现巡检机器人云台的对准，从而解决了由于机器人导航定位精度、行进姿态偏差和云台预置位定位误差的影响，导致巡检时同一待巡检设备的成像位置在整幅图像中有较大偏差，甚至偏移出成像位置的技术问题。
附图说明
45.为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
46.图1为本申请实施例中一种巡检机器人云台的二次对准方法的实施例一的流程示意图；
47.图2为本申请实施例中一种巡检机器人云台的二次对准方法的实施例二的流程示意图；
48.图3为本申请实施例中一种巡检机器人云台的二次对准装置的实施例的结构示意图。
具体实施方式
49.本申请实施例提供了一种巡检机器人云台的二次对准方法、装置、设备和存储介质，解决了由于机器人导航定位精度、行进姿态偏差和云台预置位定位误差的影响，导致巡检时同一待巡检设备的成像位置在整幅图像中有较大偏差，甚至偏移出成像位置的技术问题。
50.为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
51.请参阅图1，本申请实施例中一种巡检机器人云台的二次对准方法的实施例一的流程示意图。
52.本实施例中的巡检机器人云台的二次对准方法，应用于巡检机器人，包括：
53.步骤101、获取巡检机器人云台位于预置位时拍摄待巡检设备得到的第一图片。
54.当巡检机器人到达预置巡检位置后，调用巡检机器人云台的预置位，此时认为巡检机器人一次对准位于预置位置处的待巡检设备，但是巡检机器人的拍摄图像中可能待巡检设备不是位于图像中心，出现偏差，此时需要调整巡检机器人云台，使得巡检机器人的拍摄图像中待巡检设备处于正中间的位置。
55.可以理解的是，待巡检设备可以是变电站内的示数仪表，例如，温度计、压力计等；也可以是其他如变电柜、设备开关等，本领域技术人员可以根据自己的分析需要进行选择，在此不做限定和赘述。
56.预置位的设置是预先设置在待巡检设备内的，当巡检机器人到达预置巡检位置后，便调用该预置巡检位置对应的预置位以调节巡检机器人云台。
57.步骤102、根据预置分区方式对第一图片进行分区，得到若干图片分区。
58.对第一图片进行分区并通过第一分区确定待巡检设备在第一图片中的位置的方式，相较于以整个第一图片确定待巡检设备的位置的方式，
59.需要说明的是，预置分区方式可以是多种，例如根据第一图片的成像大小，将其均分为：2*2的图片分区，也可以是3*3或其他类型的图片分区，本领域技术人员可以根据需要进行选择。
60.步骤103、计算基准图片和各图片分区的融合相似度，其中，基准图片为待巡检设备的目标成像图，且基准图片和第一图片的拍摄焦距均为第一焦距。
61.模板匹配算法(mtm)可以被用作检测图像与模板图像的匹配程度。模板匹配可以用于二次对准，以提高匹配的准确率。本实施例中的检测图像是第一图片，模板图像是基准图片，本实施例中通过模板匹配算法提高二次对准的准确率。
62.在得到第一图片的若干图片分区后，计算基准图片和各图片分区的融合相似度。此时的第一图片和基准图片是同一焦距下拍摄得到的图片。
63.步骤104、将融合相似度最大的图片分区作为待巡检设备的所处位置。
64.步骤105、对比所处位置和目标位置，得到位置调整量，其中，目标位置为目标成像图中待巡检设备的位置，且目标位置为目标成像图的中心。
65.步骤106、基于位置调整量，调整巡检机器人云台。
66.本实施例中，首先获取巡检机器人实际拍摄待巡检设备得到的第一图片，为了初步确定第一图片中待巡检设备的所处位置，本申请中将第一图片进行分区，然后对照各图片分区和基准图片的融合相似度，融合相似度最大的区域作为待巡检设备的所处位置，由于基准图片和第一图片为均在第一拍摄焦距下拍摄，且基准图片中待巡检设备位于基准图片的中心，这样便可以根据待巡检设备在第一图片中的位置和在基准图片中的目标位置，计算位置调整量，然后根据该位置调整量调整巡检机器人云台，便可以使得待巡检设备位于所巡检机器人的视野正中，以实现巡检机器人云台的对准，从而解决了由于机器人导航定位精度、行进姿态偏差和云台预置位定位误差的影响，导致巡检时同一待巡检设备的成像位置在整幅图像中有较大偏差，甚至偏移出成像位置的技术问题。
67.以上为本申请实施例提供的一种巡检机器人云台的二次对准方法的实施例一，以下为本申请实施例提供的一种巡检机器人云台的二次对准方法的实施例二。
68.请参阅图2，本申请实施例中一种巡检机器人云台的二次对准方法的实施例二的流程示意图。
69.本实施例中的巡检机器人云台的二次对准方法，应用于巡检机器人，包括：
70.步骤201、获取巡检机器人云台位于预置位时拍摄待巡检设备得到的第一图片。
71.需要说明的是，步骤201的说明与第一实施例中步骤101的描述相同，具体可以参见上述步骤101的描述，在此不再赘述。
72.步骤202、根据预置分区方式对第一图片进行分区，得到若干图片分区。
73.需要说明的是，步骤202的说明与第一实施例中步骤102的描述相同，具体可以参见上述步骤102的描述，在此不再赘述。
74.步骤203、获取待巡检设备对应的基准图片。
75.基准图片为待巡检设备的目标成像图，且基准图片和第一图片的拍摄焦距均为第一焦距。
76.本实施例中，获取待巡检设备的基准图片，具体包括：
77.根据待巡检设备的设备信息，获取待巡检设备的基准图片。可以理解的是，本实施例中的设备信息包括但不限于：设备名称、设备类型和设备编号等。
78.步骤204、分别求解基准图片和各图片分区的哈希相似度、余弦相似度和直方图相似度。
79.本实施例中，分别求解基准图片和各图片分区的哈希相似度、余弦相似度和直方图相似度，具体包括：
80.根据哈希相似度算法，计算基准图片和各图片分区的哈希相似度；
81.根据余弦相似度算法，计算基准图片和各图片分区的余弦相似度；
82.根据直方图相似度算法，计算基准图片和各图片分区的直方图相似度。
83.具体地，哈希相似度算法是对基准图片和图片分区分别生成一个“指纹”字符串，然后通过比较基准图片和图片分区的指纹来确定图片的相似性，比较结果越接近，则说明图片越相似。具体算法流程如下：
84.(1)缩小尺寸。将图片缩小到8
×
8的尺寸，总共64个像素。这一步的作用是去除图片的细节，只保留结构、明暗等基本信息，摒弃不同尺寸、比例带来的图片差异；
85.(2)简化色彩。将缩小后的图片，转为64级灰度。也就是说，所有像素点总共只有64种颜色；
86.(3)计算平均值。计算所有64个像素的灰度平均值；
87.(4)比较像素的灰度。将每个像素的灰度，与平均值进行比较。大于或等于平均值，记为1；小于平均值，记为0。
88.(5)计算哈希值。将上一步的比较结果，组合在一起，就构成了一个64位的整数，这就是这张图片的指纹。组合的次序并不重要，只要保证所有图片都采用同样次序就行了。
89.对基准图片和各图片分区分别执行上述的步骤(1)到步骤(5)后，便得到基准图片和图片分区各自对应的“指纹”，就可以对比基准图片和图片分区，看看64位中有多少位是不一样的。在理论上，这等同于计算“汉明距离”(hamming distance)。如果不相同的数据位
不超过5，就说明两张图片很相似；如果大于10，就说明这是两张不同的图片。
90.需要说明的是，余弦相似度算法是根据图像的灰度直方图，将基准图片和图片分区转换为向量形式，通过两向量之间的余弦值计算图像的相似度。具体算法流程如下：
91.(1)将基准图片和图片分区的大小调整为同样大小；
92.(2)获得基准图片和图片分区的灰度直方图；
93.(3)分别将基准图片和图片分区每4个灰度级划分成一个区，共64个区；
94.(4)对基准图片和图片分区中每个区的4个值进行求和运算，得到64个值，以此作为该图像的向量；
95.(5)计算两个向量的余弦相似度：
96.(6)输出基准图片和图片分区的余弦相似度。
97.详细地，直方图相似度算法是对基准图片和图片分区进行直方图数据采集，对采集的基准图片和图片分区进行归一化处理后，再使用巴氏系数算法对直方图数据进行计算，最终得出图像相似度值，其值范围在[0,1]之间，0表示极其不同，1表示极其相似(相同)。算法步骤大致可以分为两步：
[0098]
第一步：根据基准图片和图片分区的像素数据，生成各自的直方图结果。
[0099]
第二步：使用第一步输出的直方图结果，运用巴氏系数(bhattacharyya coefficient)算法，计算出直方图相似度，其中巴氏系数算法对应的巴氏系数计算公式如下：
[0100][0101]
式中，ρ(p,p')为基准图片和图片分区的直方图相似度，p'(i)为基准图片的直方图结果，p(i)为图片分区的直方图结果，n为图像向量(指纹)的维数。
[0102]
步骤205、判断各图片分区的哈希相似度、余弦相似度、直方图相似度是否均大于预置阈值，若是，则执行步骤206，若否，则执行步骤207。
[0103]
可以理解的是，预置阈值可以根据需要进行设置，例如0.85或者0.95等，本实施例中对此不做限定和赘述。
[0104]
步骤206、将哈希相似度、余弦相似度、直方图相似度中最大的值作为该图片分区的融合相似度。
[0105]
步骤207、将哈希相似度、余弦相似度、直方图相似度中最小的值作为该图片分区的融合相似度。
[0106]
步骤208、将融合相似度最大的图片分区作为待巡检设备的所处位置。
[0107]
步骤209、对比所处位置的像素和目标位置的像素，得到像素偏差。
[0108]
像素偏差包括：x轴像素偏差和y轴像素偏差，则位置调整量包括：x轴位置调整量和y轴调整量；
[0109]
步骤210、基于像素偏差，根据像素偏差和位置调整量的对应关系，确定像素偏差对应的位置调整量。
[0110]
基于像素偏差，根据像素偏差和位置调整量的对应关系，确定像素偏差对应的位置调整量，具体包括：
[0111]
基于x轴像素偏差，根据x轴像素偏差和x轴位置调整量的第一对应关系，确定x轴
像素偏差对应的x轴位置调整量；
[0112]
基于y轴像素偏差，根据y轴像素偏差和y轴位置调整量的第二对应关系，确定y轴像素偏差对应的y轴位置调整量。
[0113]
步骤211、基于位置调整量，调整巡检机器人云台。
[0114]
步骤212、以第二焦距拍摄待巡检设备，其中，第二焦距大于第一焦距。
[0115]
当巡检机器人的云台正对准待巡检设备时，便可采用更大的焦距对待巡检设备进行拍摄，以得到待巡检设备的细节信息。
[0116]
本实施例中，首先获取巡检机器人实际拍摄待巡检设备得到的第一图片，为了初步确定第一图片中待巡检设备的所处位置，本申请中将第一图片进行分区，然后对照各图片分区和基准图片的融合相似度，融合相似度最大的区域作为待巡检设备的所处位置，由于基准图片和第一图片为均在第一拍摄焦距下拍摄，且基准图片中待巡检设备位于基准图片的中心，这样便可以根据待巡检设备在第一图片中的位置和在基准图片中的目标位置，计算位置调整量，然后根据该位置调整量调整巡检机器人云台，便可以使得待巡检设备位于所巡检机器人的视野正中，以实现巡检机器人云台的对准，从而解决了由于机器人导航定位精度、行进姿态偏差和云台预置位定位误差的影响，导致巡检时同一待巡检设备的成像位置在整幅图像中有较大偏差，甚至偏移出成像位置的技术问题。
[0117]
以上为本申请实施例提供的一种巡检机器人云台的二次对准方法的实施例二，以下为本申请实施例提供的一种巡检机器人云台的二次对准装置的实施例，请参阅图3。
[0118]
请参阅图3，本申请实施例中一种巡检机器人云台的二次对准装置的实施例的结构示意图，包括：
[0119]
获取单元301，用于获取巡检机器人云台位于预置位时拍摄待巡检设备得到的第一图片；
[0120]
分区单元302，用于根据预置分区方式对第一图片进行分区，得到若干图片分区；
[0121]
计算单元303，用于计算基准图片和各图片分区的融合相似度，其中，基准图片为待巡检设备的目标成像图，且基准图片和第一图片的拍摄焦距均为第一焦距；
[0122]
赋值单元304，用于将融合相似度最大的图片分区作为待巡检设备的所处位置；
[0123]
对比单元305，用于对比所处位置和目标位置，得到位置调整量，其中，目标位置为目标成像图中待巡检设备的位置，且目标位置为目标成像图的中心；
[0124]
调整单元306，用于基于位置调整量，调整巡检机器人云台。
[0125]
本实施例中，首先获取巡检机器人实际拍摄待巡检设备得到的第一图片，为了初步确定第一图片中待巡检设备的所处位置，本申请中将第一图片进行分区，然后对照各图片分区和基准图片的融合相似度，融合相似度最大的区域作为待巡检设备的所处位置，由于基准图片和第一图片为均在第一拍摄焦距下拍摄，且基准图片中待巡检设备位于基准图片的中心，这样便可以根据待巡检设备在第一图片中的位置和在基准图片中的目标位置，计算位置调整量，然后根据该位置调整量调整巡检机器人云台，便可以使得待巡检设备位于所巡检机器人的视野正中，以实现巡检机器人云台的对准，从而解决了由于机器人导航定位精度、行进姿态偏差和云台预置位定位误差的影响，导致巡检时同一待巡检设备的成像位置在整幅图像中有较大偏差，甚至偏移出成像位置的技术问题。
[0126]
本申请实施例还提供了一种巡检机器人云台的二次对准设备，设备包括处理器以
及存储器；存储器用于存储程序代码，并将程序代码传输给处理器；处理器用于根据程序代码中的指令执行实施例一或实施例二的巡检机器人云台的二次对准方法。
[0127]
本申请实施例还提供了一种存储介质，存储介质用于存储程序代码，程序代码用于执行实施例一或实施例二的巡检机器人云台的二次对准方法。
[0128]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0129]
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个待安装电网网络，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0130]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0131]
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0132]
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read
‑
onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0133]
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。