[发明专利]一种基于机器视觉的指针仪表读数方法及系统、存储介质

说明书

本发明公开了一种基于机器视觉的指针仪表读数方法及系统、存储介质，所述方法包括：获取模板仪表正面的第一图像与待测仪表正面的第二图像；基于所述第一图像和所述第二图像，计算仿射变换矩阵；其中，所述仿射变换矩阵表征第二图像相对于第一图像的位置映射关系；根据所述仿射变换矩阵，对第二图像进行校正，得到第三图像；通过图像分割算法从所述第三图像中分割出指针图像，根据所述指针图像，得到指针图像中的特征直线；根据所述特征直线，得到指针读数，通过基于深度学习的算法对指针进行读数。本发明通过利用深度学习领域来解决仪表自动读数问题，即使在恶劣环境，仍能取得较准确的读数，而且读数精准。

技术领域

本发明涉及指针式仪表领域，特别涉及一种基于机器视觉的指针仪表读数方法及系统、存储介质。

背景技术

指针式仪表因结构简单，价格便宜，便于维护等优点，目前广泛应用于电力、交通和居民生活中。指针式仪表的读数一般通过人工读数，但人工读数的精度和速度均容易受自身因素影响。特别是面对一些不适宜人靠近的恶劣环境下的仪表读数问题，更需要一种仪表自动读数技术来取代人工读数。由于机器视觉比人类的生理视觉更具优势，它更加准确、客观和稳定，因而图像识别技术就成为指针式仪表自动读数的重要应用手段。

当前很多应用于指针自动读数的经典方法中，精度容易受各种因素影响，比如光照不均、仪表表面刻度图像部分被污染、摄像机安装角度等等。传统的基于图像识别的指针式仪表自动读数算法，例如，SIFT算法读数，需要在理想环境下进行的，容易受光照不均、仪表表面刻度图像部分被污染、摄像机安装角度等因素影响，使读数精度大大降低。很多情况下，仪表安装的环境都不较理想。因此，亟需一种即使在恶劣环境下依然能正确读数的指针仪表算法。

发明内容

鉴于以上技术问题，本发明的目的在于提供一种基于机器视觉的指针仪表读数方法及系统、存储介质，解决传统的基于图像识别的指针式仪表自动读数算法在恶劣环境下无法正确读数的问题。

本发明采用以下技术方案：

一种基于机器视觉的指针仪表读数方法，包括以下步骤:

获取模板仪表正面的第一图像与待测仪表正面的第二图像；

基于所述第一图像和所述第二图像，计算仿射变换矩阵；其中，所述仿射变换矩阵表征第二图像相对于第一图像的位置映射关系；

根据所述仿射变换矩阵，对第二图像进行校正，得到第三图像；

通过图像分割算法从所述第三图像中分割出指针图像，根据所述指针图像，得到指针图像中的特征直线；

根据所述特征直线，得到指针读数。

优选的，所述基于所述第一图像和所述第二图像，计算仿射变换矩阵，包括：

通过superpoint算法分别提取出第一图像的第一特征点、第一描述符、第一分数，以及第二图像的第二特征点、第二描述符、第二分数；

基于所述第一特征点、第一描述符、第一分数，以及第二特征点、第二描述符、第二分数，通过superglue算法计算所述第一图像和所述第二图像的匹配点对；

基于所述匹配点对，通过opencv函数计算得到仿射变换矩阵。

优选的，所述根据所述仿射变换矩阵，对第二图像进行校正，得到第三图像，包括：

基于所述仿射变换矩阵，通过warpAffine函数计算第二图像的映射图像，并根据第一图像的尺寸参数截取所述映射图像的尺寸参数，得到对第二图像进行校正后的第三图像。

优选的，所述通过图像分割算法从所述第三图像中分割出指针图像，根据所述指针图像，得到指针图像中的特征直线，包括：通过u2net网络从所述第三图像中分割出指针图像，通过RANSAC算法计算出所述指针图像中的特征直线。