巡检机器人中的指针式仪表读数识别系统.docx
版权申诉
5星 · 超过95%的资源 141 浏览量
2022-06-18
05:02:04
上传
评论 3
收藏 12KB DOCX 举报 
巡检机器人中的指针式仪表读数识别系统
摘要：巡检机器人能自动识别仪表设备的状态，先准确定位图像中的仪表设备，
在此基础上，实现了仪表读数的自动识别。
关键词：巡检机器人；仪表读数识别；指针提取
巡检机器人主要在户外工作，仪器识别算法需适用于各种不同的光照和天气
情况，基于此，本文提出了一种迭代最大类间方法，解决了由光照或镜面反射引
起的仪器图像过亮或过暗时指针提取问题；提出基于 Hough 变换的指针角度计算
方法，推导了指针角度与仪表读数间的函数关系，实现了指针仪表读数的自动识
别。
一、仪表识别算法概述
变电站的仪表多数安置在室外，巡检机器人采集的仪表图像通常受到环境的
影响。现有的识别算法为，利用仪表表盘的形状特征，通过模板匹配或椭圆拟合
确定仪表表盘在图像中的基本位置及区域范围。其算法虽具备一定实时性和鲁棒
性，但并不适用于巡检机器人采集到的变电站仪表图像。这是因变电站设备结构
复杂，在机器人采集到的图像中，背景紊乱，并不仅包含仪表区域，还同时囊括
了其它设备。在指针识别方面，通常在获取仪表表盘的子图像后，再使用多种的
图像处理方法提取仪表指针的位置及指向方向。另外，智能机器人能自动实现对
仪表设备的状态识别，必须进行仪表设备在图像中的准确定位，在这基础上，实
现仪表读数的自动识别。
二、指针式仪表读数识别
1、指针区域提取。在仪器图像采集过程中，由于受仪器玻璃的光照条件或镜
面反射的影响，很难提取仪器指针等特征信息，从而影响仪器的读数识别。因此，
在提取指针区域前，需要去除噪声，增强高通图像。为后续指针中心线的精确提
取提供清晰的图像，从而提高仪器识别的精度。
1)表盘图像去噪。由于仪器图像在采集过程中会受到噪声的干扰，可采用图
像平滑的方法来降低噪声对仪器图像质量的影响。如果平滑窗口太大或太小，仪
器图像的细节将变得模糊或边界轮廓将被破坏。本文采用 5*5 方形窗口的中值滤
波去除图像噪声，不仅达到了去噪的目的，而且保持了图像的细节信息。
2)高通增强。为了提高背景与目标区域的灰度差，准确提取指针区域，采用
Buerworth 高通滤波器对仪器图像进行增强，抑制低频信息。
3)目标分割。最大类间方差是一种常用的自适应目标阈值分割算法，对背景
清晰的普通图像具有良好的分割效果，但在对前后景灰度变化不大的情况下，很
难实现目标提取。
在实际变电所采集的指针式仪表灰度图像二值化阈值分割过程中发现，当仪
表图像在过亮或过暗的光照条件下采集时，目标区域和背景区域的灰度变化很小。
采用传统的最大类间方差法进行二值阈值分割后，二值图像中存在较大的黑白区
域，无法从仪表表盘区域正确分割，严重影响了后续的指针提取。
鉴于这种现象，在指针区域无法分割的过亮或过暗仪器图像中，背景和目标
间的最大类间方差值较小。当最大类间方差在区间范围内时，可正确地实现分割，
否则分割失败。最大类间方差可作为衡量指针目标提取是否准确的标准。基于此
准则，本文提出了一种迭代的最大类方差方法。采用最大类间方差法对仪器灰度
图像进行第一阈值分割时，最大类间方差在其范围内，相应的阈值为最优阈值，
否则将第一阈值分割中划分的目标类作为第二最大类间方差阈值分割的对象，判
资源评论
金禺2022-06-26用户下载后在一定时间内未进行评价，系统默认好评。
