基于ORB和改进Hough变换的指针仪表智能识读方法

为了满足变电站巡检机器人对电站指针仪表的智能识读要求,提出一种基于ORB和改进Hough变换的指针仪表识读方法,描述了该算法中仪表区域识别、二值化处理、骨架提取和读数获取等环节,利用C++在计算机上进行算法实现、验证。结果表明该算法满足读数精度要求、具有较好的实时性,拥有较高的可靠性和应用价值。

基于HSI模型和Hough变换的指针式汽车仪表自动校验

为了克服传统的汽车仪表人工校验普遍存在准确率不高的弊端,提出一种指针式汽车仪表自动校验算法.针对汽车仪表盘颜色信息丰富的特征和采集图像时目标物体周边有阴影的现象,将RGB模型下的表盘图像转到HSI(色调、饱和度、亮度)模型以消除阴影影响,并利用色调和饱和度分量作为特征参数进行图像分割,并采用Hough变换检测目标;分别计算出指针指向主要刻度线时相对于零刻度线的偏转角,并与相对应的标准偏转角比较,若超过允许误差范围则返回重调.对常用汽车仪表盘的自动校验结果表明该算法精度好,校验准确率高.

结合HSV与局部Hough变换的指针式仪表识别算法

随着电力系统行业对自动化程度的要求不断提高,关于指针式仪表识别技术有待进一步改进。传统检测常常忽视阴影的影响,速度及准确性也常常不能满足要求,文章提出一种实用性强的识别算法。首先通过HSV空间变换操作消除阴影对指针识别的影响,结合减影法得到指针图像,然后利用Canny算法实现指针边缘的检测,再通过消除指针两端复杂图像以实现局部区域的Hough变换,最终利用指针夹角判别指针读数。实验结果表明,本算法的阴影消除效果明显,识别结果的准确性、实时性得到了较大提高。

Hough变换的改进及其在电厂指针式仪表自动识别中的应用

在图像处理中,Hough变换广泛应用于图像空间中的直线检测,但其本身具有存储空间大、计算时间长的缺点。研究了传统Hough变换算法,针对其缺点,提出了一种改进的Hough变换算法。通过减小Hough变换的搜索范围来减小变换所需的存储空间和计算量,并将提前确定好的圆心直接加入到累加器中来减小计算量,从而大大减小了计算时间。将改进算法应用于电厂指针式仪表的自动识别中,对改进算法和传统Hough变换算法的识别速度进行了比较。实验结果表明该算法可以有效地减小存储空间和计算时间。

Hough变换的改进及其在指针式水表识别过程中的应用

在图像处理中,Hough变换广泛地应用于图像空间图形的检测,是从图像中识别几何图形的基本方法之一,但是其对于除直线之外的检测基本都会涉及3个甚至3个以上的参数,导致变换过程中所使用的存储空间大,计算时间长。针对传统Hough变换的算法缺点,提出一种改进的Hough变换算法,首先对原图像进行灰度化、滤波等图像预处理,然后结合图像的结构信息缩小变换像素点所处的范围,从而大大减少计算时间。进一步再将改进的Hough变换应用于图像特征提取,即圆和指针的提取。最后根据圆心连线与指针的角度来对指针的读数进行判别。

Hough变换在指针式仪表判读中的应用

Hough变换在指针式仪表判读中的应用含读数的判读以及误差分析两步。前者步骤包括:利用CMOS摄像头采集获取原始图像,对图像进行增强和滤波处理,完成平滑滤波和中值滤波,并找出秒针、分针、时针对应的三个局部最大值,采用Hough变换判读手表读数;后者则根据相应公式估算分针和时针的读数误差,其自动判读系统可精确到一个像素。

基于Hough变换的指针式仪表的自动判读

提出了一种利用计算机视觉技术和模式识别解决指针式仪表判读的方法。由摄像头获取仪表盘图像,将其转换成数字信号,再利用相关的图像处理方法对表盘图像进行中值滤波、图像的增强和锐化、二值化处理,然后根据Hough变换提取目标信息,确定出指针式仪表的读数。经实验结果表明,该算法具有较高的精度。

基于Hough变换的指针式仪表自动判读方法

针对航空机载气压式高度表的自动精确判读,提出一种基于Hough变换的判读方法,为提高运算速度,采用中轴变换的方法将仪表指针图像处理为仅有一个像素宽,所有算法均用Visual C++6.0实现。实验证明,该方法的判读速度与精度均优于人眼。

双阈值Hough变换在指针式仪表示值自动判读中的应用

本文针对指针式仪表自动读取中的指针提取提出了一种改进的Hough变换算法,利用双阈值大大提高了Hough变换直线提取的运算速度,降低了占用内存,同时减少了直线误匹配的机会。并且用VC语言实现了该算法,通过实验证明了双阈值的范围,表明了该方法在指针提取中的有效性。

双阈值Hough变换在指针式仪表示值自动判读中的应用

文章针对指针式仪表自动读取中的指针提取提出了一种改进的 Hough变换算法 ,利用双阈值大大提高了 Hough变换直线提取的运算速度 ,降低了内存占用 ,同时减少了直线误匹配的机会。并且用 VC+ +语言实现了该算法 ,通过实验证明了双阈值的范围 。

概率Hough变换在仪表检测中的应用

介绍了图像处理技术在汽车仪表检测中的应用。利用图像处理技术,如阈值分割、图像膨胀、图像细化等各种图像处理方法进行图像处理。对表盘指针的识别,采用了一种概率Hough变换法。

改进ORB和Hough变换的指针式仪表识读方法

为了实现指针式仪表的自动识读,提出一种基于改进ORB(Oriented FAST and Rotated BRIEF)和Hough变换算法的指针式仪表识读算法。利用角点强化方法加强ORB算法检测的特征点,通过特征点匹配对计算模板图像与待检测图像之间的透视变换矩阵。利用数学形态学处理、阈值分割等图像预处理提取指针,并提出一种用于确定指针旋转圆心的基于ORB特征匹配对的相似特征三角形方法,结合投影法定位指针方向。利用指针细化算法和添加圆心约束的Hough变换算法检测指针角度。最后根据仪表的先验信息得到读数结果。实验结果表明该算法在识读速度和精度等方面都能够满足指针式仪表识读的要求,具有较高的可靠性和工程应用价值。

基于改进Hough变换的指针式仪表识别方法

为解决指针式仪表自动识别系统中,光照不均匀、精确度不高等问题,提出一种Otsu算法和改进的Hough算法对仪表图像进行处理。首先预处理仪表图像,增强仪表指针区域特征,Otsu算法进行图像二值化,分割出仅属于指针的像素;再进行改进的Hough变换检测指针,通过快速提取表盘指针连通区域的中心像素点,结合表盘圆心约束,对提取过的像素点进行双阈值Hough变换直线检测。实验结果表明,提出的算法识别仪表读数最大相对误差为4.76%左右,满足系统精确度要求。

基于HOUGH变换的指针式压力表自动识别算法

目前压力仪表计量读数以人工读数为主,存在读取数值偏差问题,通过计算机自动识别压力表示数代替人工读数,可提高读数精度和工作效率,进而实现无人工操作的实时监测。为实现压力仪表的自动化精准高效读数,研究了基于Hough变换算法的计算机视觉读数,开发了相应的程序。首先采集压力表示数变化照片,通过Hough变换检测圆形表盘,采用二值化算法进行前期预处理,然后进行指针细化,将呈现长三角形的指针细化成一条直线,并通过Hough变换检测直线确定细化后的指针所在象限位置以及斜率,根据斜率判断指针偏转角度,并采用最小二乘法拟合压力值与偏转角度的关系,最终计算出指针在任意位置时的压力表示值。实验结果显示:采用该方法的判读值与压力表实际示值的误差在-0.17^+0.21 MPa之间,证明了算法的有效性。

基于概率Hough变换的指针仪表去影算法

提出了一种能够在存在干扰光源的情况下正确判别指针、去除干扰阴影的算法。通过使用Hough概率变换对二值图像处理,通过任意两个不同位置的指针来确定指针的回转中心,根据回转中心坐标固定不变的特点,当图像中出现干扰时,通过图中所有检测到的直线与仪表零刻度指针所在直线的交点与回转中心坐标的大小关系,确定正确代表指针的直线。所提算法提高了仪表检测的稳定性,通过对电流表的判别实验证明了方法的有效性与正确性。

基于改进Hough变换的指针式仪表自动识别方法研究

在对指针式仪表进行识别的过程中,Hough变换被广泛应用于检测指针的位置,但其存储空间大、计算时间长的缺点让识别的过程效率降低很多。针对传统Hough变换的缺点提出了一种改进的Hough变换,通过减小Hough变换的搜索范围来减小其存储空间和计算量,利用指针与表盘圆心之间的关系限定了Hough变换的累加量,从而大大减少了计算时间。将改进的Hough变换应用于指针式仪表的识别中,与传统的Hough变换识别速度进行了比较。实验结果表明:改进后的Hough变换可有效减少计算时间,提高识别效率。

基于改进Hough变换和BP网络的指针仪表识别

指针仪表示数的视觉识别,对于提高电气、机械、汽车等工业领域的生产效率具有重要意义。采用Hough变换方法完成指针直线特征的识别,进而在表盘圆形特征的识别过程中对Hough变换方法进行了改进,通过减少累加像素数目结合灰度中心法来提高原性特征定位的效率和精度。在字符识别阶段,构建了一个三层次的BP神经网络。实验结果表明,该方法对于Hough变换的改进措施达到了预期效果,BP神经网络也实现了字符特征的准确识别。

基于机器视觉的指针式仪表自动读数方法研究

为了实现指针式仪表的精确自动读数,提出了一种基于机器视觉的指针式仪表自动读数方法。针对仪表展开图像中可能存在的部分刻度不可见和刻度间隔非等距的问题,构建了刻度线缺失下的插补方法和非等距情况下的指针读数计算模型。插补方法利用刻度间距的统计信息,实现了位置的自动插补。指针读数计算模型采用二次样条函数提高计算的精度。实验结果表明:该方法能够有效地减小读数误差,更好地满足指针式仪表的自动读数要求。

基于改进Canny检测与Hough变换的仪表图像识别算法

针对发电厂中指针式仪表数量多、周围环境复杂、灰尘污染等因素导致获得的图像含有大量噪声从而影响仪表读数识别精度的问题,提出了一种改进Canny边缘检测算法,通过采用5×5邻域计算像素梯度幅值的方法,提高了边缘检测精度,并采用自适应双阈值选择法,有效避免了传统Canny算法易出现伪边缘、边缘信息多等现象,结合Hough变换技术提取仪表指针信息,提高仪表识别精度。经实验对比验证,该算法检测效果优于传统Canny算法,仪表读数识别精度达到95%。

基于Hough变换的指针仪表特征提取

指针仪表有着广泛的应用,但由于指针仪表数据记录大都由人工手抄,人工读数精度较低、劳动强度大,且受到光照、气候以及工作人员疲劳等因素影响,会产生一些安全隐患。为了避免人工判读带来的误差,降低人员工作强度,提高指针式仪表读数的客观性,文中采用基于霍夫变换提取指针仪表读数,围绕指针仪表的自动读数,对数字图像处理、图像特征提取、Hough变换、示值判读等一系列技术进行详细的研究。采用基于阈值分割和基于边缘分割相结合的方法,先降低图像的复杂度,再对图像进行边缘检测,提取仪表骨架的直线特征,将指针直线提取出来。最后测量指针直线相对于竖直方向的偏移角度,并利用角度法计算出仪表的数值。通过Matlab软件对设计方案进行仿真,成功提取到指针仪表图像的特征,得到指针仪表中的指针直线。