[发明专利]一种用于管道内部监测基于九宫原理的图像匹配方法

说明书

本发明提供了一种用于管道内部监测基于九宫原理的图像匹配方法。首先系统对管道内部各种情况的图片集进行机器学习，每张图片依次经过转化灰度、归一化、图像分宫、计算每宫的像素特征值、各宫特征值相嵌为一维的九宫向量，实现轻量化储存在机器人单片机中。机器人搭载摄像头进入管道后，实时对采集到的视频进行取帧，此帧图片迅速转为一维的九宫向量，与已经储存在单片机内的九宫向量集计算相似度，当相似度大于预设匹配度时，即匹配成功。本发明的图像匹配方法，其机器学习的流程简单，不需要复杂的数学运算，可以实现轻量化的算法与数据集存储，减少了设备成本，同时提升了管道内部的监测效率，加快了工程进度，也给工程安全也提供了有力保证。

技术领域

本发明涉及图像处理领域，具体涉及一种用于管道内部监测基于九宫原理的视频图像匹配方法。

背景技术

现代工业与生活离不开各种管道，例如石油管道、天然气管道、输电管道与输水管道。当今对管道监测自动化的实际需求为管道监测技术的发展和应用创造了条件。但是，目前很多相关技术在尚不成熟、操作的危险性大、设备的成本高。例如，在线腐蚀监测、基于放射源的监测以及基于磁探伤的监测，虽然监测的效果可以满足需求，但是其设备与技术复杂，往往被大型公司垄断，配套的设备昂贵，使用成本极高。管道内使用摄像头视频监控的设备虽然价格相对低，但是由于受到多种因素的限制，例如图像处理、机器学习以及实时视频处理需要强大的计算机，小型单片机无法处理，设备与管道机器人如何进行搭载使其进入管道往往成为问题。同时，因为计算量的巨大，所搭载的机器人消耗电量被增大，这使得机器人不得不挂载更多的电池。这导致机器人的整体重量与体积增大，不仅严重影响了机器人的工作效率，降低了机器人在管道内的灵活度，而且也增加了工作中的遇到危险的可能性。由于管道内部条件恶劣，视频采集过程中往往会出现中断再继续的情况，所以如果机器人在管道内只采集图像不进行数据的实时处理，等机器人巡航结束再由工作人员取出视频进行分析，那往往会造成后期处理时很难确认发现管道问题的视频图片所对应的确切位置。这种方式也没有充分发挥自动监测系统的作用。目前也有技术是在管道外面平行运动一台机器，管道内的机器人不做数据处理，只通过无线设备实时发送视频数据到管道外的机器，有管道外的机器进行实时运算。这虽然减轻了管道内机器人的工作量，但是由于管道深埋在地下或管道外恶略的自然环境或地理环境，在实际操作中，往往是不可行的，管道外机器无法与管道内机器人同步或者接收不到其发来的无线通讯数据。

如果轻量化的图像计算即可完成对管道内情况的分析，那么将大幅度提高管道内机器人的性能和其监控工作效率，增加其自动化的程度，并且降低成本。图像匹配是发现管道内的异常情况的图像处理技术核心技术，机器人通过与学习库中正常情况图片与各种异常情况图片的匹配，自主判断管道内部的情况，并存储信息。除此之外，图像匹配技术在卫星遥感、空间飞行器的自动导航、武器投射系统的末制导和寻的、光学和雷达的图像目标跟踪、地球资源分析与检测、气象预报、医疗诊断、文字读取以及景物分析中的变化检测等许多领域中得到广泛应用。当今图像匹配算法主要分为两类：一类是基于灰度匹配的方法；另一类是基于特征匹配的方法。前者主要用空间的一维或二维滑动模板进行图像匹配，不同算法的区别主要在模板及相关准则的选择方面，这类方法一般匹配率高，但计算量大，速度较慢；后者则通过在原始图像中提取点、线、区域等显著特征作为匹配基元，进而用于特征匹配，一般匹配速度较快，但匹配精度不一定高。

发明内容

本发明的目的在于提供一种用于管道内部监测基于九宫原理并且只需要轻量级计算的视频图像匹配方法。

为达到上述目的，本发明提供一种用于管道内部监测基于九宫原理的视频图像匹配方法，包括机器人下管道前的图像机器学习与机器人下管道之后图像实时匹配。

机器人下管道前的图像机器学习包括以下步骤：

步骤一: 系统导入正常情况管道内部图片集与异常情况图片集；

步骤二: 对图像进行转灰度处理，把不同格式的三原色或四原色图像转为统一的灰度图；