[发明专利]一种能够快速识别电线的刀闸状态检测方法在审
申请号: | 201910895603.5 | 申请日: | 2019-09-21 |
公开(公告)号: | CN110717923A | 公开(公告)日: | 2020-01-21 |
发明(设计)人: | 任大明;汪辉 | 申请(专利权)人: | 南京鑫和汇通电子科技有限公司 |
主分类号: | G06T7/13 | 分类号: | G06T7/13;G06T5/40;G06T7/181 |
代理公司: | 14106 山西华炬律师事务所 | 代理人: | 杨秉一 |
地址: | 210032 江苏省南京市*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 边缘线 刀闸 电线 臂边缘 集合 剔除 分段边缘 局部区域 更新 分布直方图 边缘检测 电线识别 方法识别 固定特征 灰度分布 建立模型 快速识别 目标图像 同等条件 状态检测 直方图 边界线 多段 分段 对称 采集 检测 应用 统计 帮助 | ||
1.一种能够快速识别电线的刀闸状态检测方法,其特征在于,采集刀闸的模板图像,根据模板图像建立该型号刀闸臂的边界线模型并保存为模型文件;
在同样的位置利用同样的设备采集同一刀闸的目标图像,对目标图像进行边缘检测,获取边缘线集合;
将根据模型文件计算的刀闸的固定特征点对应到目标图像中,将不符合固定特征的边缘线剔除,获取第一更新边缘线集合;
遍历第一更新边缘线集合内的每条边缘线,将任一条边缘线划分成多段,每一段记作分段边缘线,统计每条分段边缘线的局部区域范围内的灰度分布直方图;
对于每条边缘线的每一条分段边缘线,根据其分布直方图在其局部区域范围内寻找其作为分段电线的边界线,并记录其两侧背景区域的灰度值和两侧边界线间的宽度;对于每条边缘线,计算其所有的分段边缘线作为分段电线的边界线的两侧背景区域的灰度值的平均值和两侧边界线间的宽度的平均值,作为其两侧的背景区域灰度值和当前边缘线作为电线的宽度;计算每条边缘线两侧的背景区域灰度值的差值,给定平均灰度差阈值和平均宽度阈值,差值小于平均灰度差阈值且宽度小于平均宽度阈值的边缘线则判定为电线,将所有的电线剔除,获取第二更新边缘线集合;
将第二更新边缘线集合根据刀闸的特性对称区分,分别获取第一刀闸臂集合和第二刀闸臂集合并进行对称配对,确定最终的第一刀闸臂边缘线和第二刀闸臂边缘线,计算第一刀闸臂和第二刀闸臂间的夹角。
2.根据权利要求1所述的能够快速识别电线的刀闸状态检测方法,其特征在于,“将任一条边缘线划分成多段,每一段记作分段边缘线,统计每条分段边缘线的局部区域范围内的灰度分布直方图”的具体方式为:
遍历第一更新边缘线集合中的每一条边缘线,设当前边缘线的起点坐标为pt1=(pt1.x,pt1.y),终点坐标为pt2=(pt2.x,pt2.y),若|pt2.y-pt1.y|<|pt2.x-pt1.x|,则判定当前边缘线为水平边缘线,否则判定当前边缘线为垂直边缘线;
根据类别和长度将每条边缘线划分为多条分段边缘线,设每条分段边缘线长度为len,分段数目为nSegs,对于水平边缘线,nSegs=∣pt2.x-pt1.x∣/len+1;对于垂直边缘线,nSegs=∣pt2.y-pt1.y∣/len+1,其中,若∣pt2.x-pt1.x∣/len或∣pt2.y-pt1.y∣/len不是整数,则只取其整数部分;
对于水平边缘线,给定每条水平边缘线的每条分段边缘线的上下局部区域,该上下局部区域的左右长度为所在分段边缘线的长度;以每条分段边缘线为基准,向上或向下移动单位像素,每移动一次计算移动后边缘线上的所有边缘点位置对应的图像的灰度值,计算该次移动后所有灰度值的平均灰度值,统计其在上下局部区域内每次移动的平均灰度值形成的灰度分布直方图,直方图中直方柱值的排列顺序为局部区域范围内从上到下的平均灰度值,对当前水平边缘线,统计其nSegs个分段分边缘线的灰度分布直方图;
对于垂直边缘线,给定每条水平边缘线的每条分段边缘线的左右局部区域,该左右局部区域的上下宽度为所在分段边缘线的长度;以每条分段边缘线为基准,向左或向右移动单位像素,每移动一次计算移动后边缘线上的所有边缘点位置对应的图像的灰度值的平均灰度值,统计其在左右局部区域内每次移动的平均灰度值形成的灰度分布直方图,直方图中直方柱值的排列顺序为局部区域范围内从左到右的平均灰度值,对当前垂直边缘线,统计其nSegs个分段分边缘线的灰度分布直方图。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京鑫和汇通电子科技有限公司,未经南京鑫和汇通电子科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910895603.5/1.html,转载请声明来源钻瓜专利网。