一种基于图像配准的机械式表计识别方法
【技术领域】
[0001] 本发明属于电表设备技术领域，特别涉及一种基于图像配准的机械式表计识别方 法。
【背景技术】
[0002] 变电站是输电和配电的集合点，是电力系统的重要组成部分。变电站需要记录各 表计的读数并监测其相关状态以保障电变站的正常运作和电力数据的收集、统计。变电站 中各种表计数目繁多，传统人工抄表方式下，工作量大，效率低，不安全，不利于数据统计和 查询，同时也无法实时对变电站中基础电力设施进行监控，造成了一定的安全隐患。
[0003] 随着电子信息技术高速发展，各行各业都在走向数字化和智能化的今天，利用现 代化设备和识别算法，针对复杂的实际工业环境，实现自然场景下表计的智能读数并记录， 以高效安全的方式代替落后的传统抄表方式有着非常重要的意义。
[0004] 实时监控变电站中基础电力设施，在第一时间发现并解决供电故障，以保证民用 和工业的稳定供电十分重要。但是，现有的表计智能识别系统也大多基于ARM嵌入式系统， 硬件成本高，通用性低，可移植性较差。
【发明内容】
[0005] 为了解决上述问题，本发明提供一种可在复杂环境下对机械式电表进行快速、可 靠、精确地远程智能读数的智能识别方法，采用如下技术方案：
[0006] -种基于图像配准的机械式表计识别方法，其特征在于，包括以下步骤：
[0007] (1)对机械式电表的标准图像的刻度点进行手工标定；
[0008] (2)特征点检测和匹配：利用快速鲁棒性特征匹配方法将待识别图像与标准图像 的特征点对进行匹配；
[0009] (3)图像配准：对待识别图像做透视变换，并完成待识别表计图像的配准；
[0010] ⑷指针位置识别：通过对表盘中特定区域的灰度值比较识别指针的位置；
[0011] (5)通过指针位置，获得机械式电表的读数。
[0012] 进一步地，步骤（3)中所述的图像配准包括以下内容：
[0013]al.对标准图像和待配准图像进行特征点检测；
[0014]a2.对检测到的特征点进行匹配，分别对特征点对进行正反双向匹配，当双向均匹 配时，则认识此特征点对为匹配；
[0015]a3.寻找变换矩阵，对待配准图像做透视变换，便可获得完成配准。
[0016] 进一步地，步骤（4)中所述的指针位置识别包括以下内容：
[0017]bl.对标准图像进行标定；
[0018]b2.定义配准后的图像为待识别图像；
[0019]b3.根据灰度值识别指针位置。
[0020] 本发明产生的有益效果如下：
[0021] 1.相比于未经图像配准的变电站机械式电表的智能识别中，识别的准确率强烈地 依赖于摄像头与机械式电表的相对位置，只要摄像头稍有移动，拍出的电表图像与标定的 标准图像将有相应偏移。而本发明提供的基于图像配准的机械式表计识别方法中，包括特 殊的图像配准，对摄像头与电表的相对位置的依赖性低，即使摄像头有移动也不会降低识 别的准确率。
[0022] 2.传统的人工抄表方式，工作量大，效率低，不安全，不利于数据统计和查询，同时 也无法实时对变电站中基础电力设施进行监控，造成了一定的安全隐患。而本发明提供的 基于图像配准的机械式表计识别方法，可以复杂环境下对机械式电表进行快速、可靠、精确 地远程智能读数，可在变电站中进行广泛的运用。
【附图说明】
[0023] 图1为处理流程示意图；
[0024] 图2为图像配准流程示意图。
【具体实施方式】
[0025] 下面参照附图对本发明的实施方式进行详细说明，但不限制本发明的保护范围。
[0026] 实施例1
[0027] 一种基于图像配准的机械式表计识别方法，包括以下步骤：
[0028] 在对机械式电表进行识别的过程中，本发明先选出一个图像用作标准图像，并对 此标准图像进行适当标定（为最后的指针位置识别做准备）；输入待配准图像，提取标准图 像和带配准图像中的特征点，并进行匹配；然后对待配准图像做透视变换，完成图像配准工 作；在识别过程中，先对待识别图像进行灰度处理，根据标定位置与圆心所形成的线段上的 灰度值比较得出仪表指针的位置，从而判断出仪表读数。具体处理流程如图1所示。
[0029] 实施例2
[0030] 一种基于图像配准的机械式表计识别方法，包括以下步骤：
[0031] (1)对机械式电表的标准图像的刻度点进行手工标定；
[0032] (2)特征点检测和匹配：利用快速鲁棒性特征匹配方法将待识别图像与标准图像 的特征点对进行匹配；
[0033] (3)图像配准：对待识别图像做透视变换，并完成待识别表计图像的配准；
[0034] 图像配准的目的是将待配准的图像进行拉伸和变换，使之与标准图像"相同"，这 里的相同是指目标图像中点的坐标与标准图像中对应点的坐标相同。故配准后，在标准图 像中的表计圆心和各刻度点的坐标已被标定的基础上，相当于获取了待识别图像中表计的 各刻度和圆心的坐标，为指针位置的识别工作做前期准备。图像配准主要分为三个步骤：一 是对标准图像和待配准图像进行特征点检测；二是对检测到的特征点进行匹配，分别对特 征点对进行正反双向匹配，当且仅当双向均匹配时，才认识此特征点对是匹配的；三是寻找 变换矩阵，对待配准图像做透视变换，便可获得完成配准。如图2所示，为图像配准流程示 意图。
[0035] 图像匹配的具体步骤如下：
[0036] al.基于Hessian矩阵的特征点检测为了获得SURF特征点，通过使用3*3高斯 滤波器在三维尺度空间进行非最大值抑制，即当X点的值同时满足大于预设阈值H和其三 维空间中其它26个点的特征值（即Hessian矩阵行列式的值）时，x点才被选为特征点。 Hessian阈值越大，被检测出的特征点数量越少。
[0037] a2.特征点匹配
[0038] 对于两个特征点的匹配，通过计算其特征向量的相似度得出。采用欧式距离进行 计算：
[0040] 其中，xik表示待配准图像中第i个特征描述子的第k个元素，乂^表示待配准图像 中第i个特征描述子的第k个元素，n则表示特征向量的维数。通过欧氏距离计算得到一 个距离集合，相应的，也得到了其最小欧氏距离和次最小欧氏距离，设定一个阈值，一般为 0.8,当最小欧式距离与次小欧氏距离的比值小于该阈值时，认为这两点匹配。阈值越小，匹 配越稳定，但特征点越少。本算法对标准图像和待配准图像中的特征点对分别进行了正向 匹配和反向匹配，当双向匹配均成功时，才认为此特征点对匹配。
[0041] a3?透视变换
[0042] 透视变换是中心投影的射影变换，常用于图像的校正。对源图像src中的所有点 做矩阵变换，得到目标图像dst:
[0044] 其中，M是一个3*3的变换矩阵，通过寻找两个点集合中的单映射变换得出。
[0045] 图像配准过程关键代码如下表所示：
[0047]
[0048] (4)指针位置识别：通过对表盘中特定区域的灰度值比较识别指针的位置；
[0049] 对M0A在线监测仪表的识别：识别指针位置的前提是得到已经完成配准的表计图 像，对于指针位置的识别算法步骤如下：
[0050]bl.对标准图像进行标定。在经过灰度处理的标准图像中标出表计圆心0,并连接 圆心〇与特定刻度的连线，在刻度与圆心之间相对干净，噪声较小的位置标出三条水平线 段，使得圆心〇与特定刻度的连线与这三条线段有交点A~Q，并记下交点A~Q的坐标值 和三条水平线的y坐标（注：0penCV中坐标系原点位于左上角）。
[0051]b2.记配准后的图像为待识别图像，它是由待配准图像根据相匹配的特征点不变 的原则拉伸得到的，故点A~Q也是待识别图像的圆心与特定刻度点连线和三条水平线的 交点。将这些点根据水平线的不同分为三个区域：F(First)，S(Sec〇nd)，T(Third)。即读 取待识别图像，对图像进行灰度处理，获取三条特定水平线上所有点