高建龍，郭 亮，呂耀宇，吳清文 ，母德強(qiáng)

1.中國(guó)科學(xué)院 長(zhǎng)春光學(xué)精密機(jī)械與物理研究所 空間機(jī)器人工程中心，長(zhǎng)春 130033

2.中國(guó)科學(xué)院大學(xué)，北京 100049

3.長(zhǎng)春工業(yè)大學(xué) 機(jī)電工程學(xué)院，長(zhǎng)春 130033

1 引言

指針式儀表因其結(jié)構(gòu)簡(jiǎn)單、安裝維護(hù)方便、可靠性高等優(yōu)點(diǎn)在電力系統(tǒng)、石油化工等行業(yè)大量使用。以變電站系統(tǒng)為例，其中很多設(shè)備的工作狀態(tài)需要通過(guò)儀表進(jìn)行監(jiān)測(cè)，如壓力表，溫度表等。然而在變電站系統(tǒng)的日常維護(hù)中，傳統(tǒng)的人工巡檢由于受工作環(huán)境高壓高溫、工作人員主觀因素等影響，使得其存在安全性低，工作效率低，工作可靠性差等弊端。隨著機(jī)器人和計(jì)算機(jī)視覺(jué)技術(shù)的不斷進(jìn)步，利用巡檢機(jī)器人搭載攝像頭進(jìn)行視覺(jué)巡檢大大提高了巡檢工作的工作效率和可靠性。在通過(guò)視覺(jué)方法進(jìn)行指針儀表讀數(shù)方面，國(guó)內(nèi)外科研工作者已經(jīng)積累了豐富的經(jīng)驗(yàn)。李偉[1]等人利用中心投影法求取指針角度以實(shí)現(xiàn)指針儀表的讀數(shù)。楊志娟[2]等人利用模板特征獲得儀表先驗(yàn)信息，并提出基于圓周區(qū)域的累積直方圖法對(duì)指針進(jìn)行定位，進(jìn)而讀取儀表示數(shù)。但中心投影法、模板特征法計(jì)算結(jié)果受圖像噪聲影響較大。李治瑋[3]等人利用減影法通過(guò)模板圖像與待測(cè)儀表圖像相減計(jì)算指針位置。但是減影法只能簡(jiǎn)單有效適用于光照充足條件下的儀表指針定位，對(duì)于光照變化大、有陰影、圖像背景復(fù)雜等情況，減影法會(huì)影響檢測(cè)出的指針區(qū)域。李棟[4]、施健[5]等人利用添加圓心約束的Hough變換算法檢測(cè)指針角度從而進(jìn)行儀表的自動(dòng)讀數(shù)，但是在文中并沒(méi)有明確給出圓心坐標(biāo)的提取方法。李祖賀[6]等人結(jié)合指針質(zhì)心，利用幀差法和角度法較好地實(shí)現(xiàn)了壓力表的讀數(shù)。

本文提出一種基于改進(jìn)ORB和Hough變換算法的指針式儀表識(shí)讀方法。通過(guò)改進(jìn)ORB算法實(shí)現(xiàn)儀表的識(shí)別與透視變換矩陣的計(jì)算。利用圖像預(yù)處理、投影法等方法進(jìn)行指針的提取、定向。利用基于ORB特征匹配對(duì)的相似特征三角形法確定指針旋轉(zhuǎn)圓心，運(yùn)用添加圓心約束的Hough變換提取指針角度，并根據(jù)儀表的先驗(yàn)信息得到儀表讀數(shù)結(jié)果。該方法流程圖如圖1所示。

圖1 儀表識(shí)讀方法流程圖

2 儀表模板圖像采集

為了準(zhǔn)確識(shí)別指針式儀表，得到后續(xù)可靠的透視變換矩陣和定位指針旋轉(zhuǎn)區(qū)域，首先要采集儀表的模板圖像。采集模板圖像時(shí)要求攝像頭和表盤垂直在一條直線上。以一種壓力表為例，采集其模板圖像如圖2所示。對(duì)模板圖像進(jìn)行處理得到儀表的先驗(yàn)信息，如表盤指針旋轉(zhuǎn)圓心、半徑、最大值、最小值等。其中，最重要的是指針角度與刻度之間的函數(shù)關(guān)系。圖2儀表的指針角度與刻度之間的函數(shù)關(guān)系如下式：

圖2 儀表模板圖像

3 ORB算法及改進(jìn)

ORB[7-8]算法是一種快速匹配算法，利用Oriented FAST檢測(cè)算法檢測(cè)圖像上的特征點(diǎn)，再通過(guò)Rotated BRIEF描述符對(duì)特征點(diǎn)進(jìn)行二進(jìn)制向量描述，最后模板圖像與采集圖像的特征匹配采用漢明距離比值準(zhǔn)則獲得最終匹配結(jié)果。

3.1 特征提取

ORB算法采用計(jì)算效率高的FAST（Features from Accelerated Segment Test）角點(diǎn)檢測(cè)算子實(shí)現(xiàn)圖像特征點(diǎn)檢測(cè)。針對(duì)FAST算子沒(méi)有角點(diǎn)響應(yīng)函數(shù)，并且具有很大的邊緣響應(yīng)的缺點(diǎn)，ORB算法采用Harris角點(diǎn)檢測(cè)算法對(duì)特征點(diǎn)進(jìn)行排序，再提取前n個(gè)點(diǎn)。Harris角點(diǎn)檢測(cè)的排序依據(jù)的是Harris角點(diǎn)響應(yīng)函數(shù)，如式（2）所示，其中M為描述像素點(diǎn)局部鄰域內(nèi)梯度分布的自相關(guān)矩陣，k一般取0.04，λ1、λ2為自相關(guān)矩陣的兩個(gè)特征值。

本文采用角點(diǎn)強(qiáng)化方法，通過(guò)選取λ1、λ2中的較小值λmin，與預(yù)先設(shè)定的閾值ε進(jìn)行比較，若λmin＞ε，則保留該特征點(diǎn)。這種方式得到的特征點(diǎn)即為強(qiáng)化的角點(diǎn)，具有易于識(shí)別且穩(wěn)定的特性，可以有效地去除分布密集的現(xiàn)象，剔除不穩(wěn)定的邊緣響應(yīng)點(diǎn)，加強(qiáng)后續(xù)匹配的穩(wěn)定性。

本文改進(jìn)的FAST特征檢測(cè)算法實(shí)現(xiàn)步驟如下：

（1）對(duì)預(yù)處理后的圖像進(jìn)行FAST角點(diǎn)檢測(cè)，得到總個(gè)數(shù)為N的角點(diǎn)集S。

（2）對(duì)于集合S中的每個(gè)點(diǎn)進(jìn)行角點(diǎn)強(qiáng)化，比較λmin與閾值ε的大小。當(dāng)λmin＞ε時(shí)，保留該點(diǎn)為強(qiáng)角點(diǎn)，否則剔除。

（3）特征點(diǎn)數(shù)量閾值化處理。由于特征點(diǎn)數(shù)量過(guò)少會(huì)降低目標(biāo)定位精度，過(guò)多則會(huì)增加冗余信息，降低處理速度。因此，采用特征點(diǎn)數(shù)量閾值化進(jìn)行處理?？紤]到后期儀表圓心定位至少需要8個(gè)特征點(diǎn)，取數(shù)量閾值n1=8,n2=100。當(dāng)強(qiáng)角點(diǎn)數(shù)小于n1時(shí)，則返回1重新提取特征點(diǎn)；當(dāng)強(qiáng)角點(diǎn)數(shù)大于n2時(shí)，則取排序后的前n2個(gè)特征點(diǎn)。

針對(duì)FAST檢測(cè)的角點(diǎn)不具有方向信息，ORB算法應(yīng)用灰度矩心法添加角點(diǎn)主方向。圖像角點(diǎn)區(qū)域的灰度矩定義為：

其中，p,q決定了灰度矩的階數(shù)。為了提高FAST角點(diǎn)的旋轉(zhuǎn)不變性，x、y需滿足x,y∈[ ]-r,r，r等于鄰域半徑。于是，可以得到灰度矩心為：

這樣可構(gòu)造角點(diǎn)中心O到矩心C的向量OC，則角點(diǎn)主方向?yàn)椋?/p>

對(duì)于ORB算法不具有尺度不變性的問(wèn)題，本文通過(guò)構(gòu)造圖像金字塔來(lái)加以補(bǔ)充。首先，利用高斯函數(shù)G(x ,y,σ)與圖像函數(shù)F(x ,y)的卷積得到尺度函數(shù)：

利用高斯差分函數(shù)與圖像函數(shù)卷積得到尺寸空間：

這樣就可以得到一系列金字塔圖像，同時(shí)應(yīng)用改進(jìn)的FAST角點(diǎn)檢測(cè)算子可以得到不同尺度空間的特征點(diǎn)。于是，改進(jìn)了ORB算法的尺度不變性。

3.2 特征描述

對(duì)添加主方向的角點(diǎn)，ORB應(yīng)用Rotated BRIEF描述子進(jìn)行描述。通過(guò)貪婪式搜索，并設(shè)置閾值，篩選向量點(diǎn)對(duì)相關(guān)性較低的描述子，得到最終描述子。

3.3 特征匹配

由以上方法獲得的描述子為二進(jìn)制比特串形式，ORB采用Hamming距離進(jìn)行特征點(diǎn)匹配，即計(jì)算兩個(gè)特征點(diǎn)的最近鄰和次近鄰距離，并與閾值比較來(lái)判斷兩者是否匹配。但這種方法匹配速度慢，出現(xiàn)錯(cuò)誤匹配的頻率高，影響程序運(yùn)行效率和識(shí)別準(zhǔn)確率。本文采用文獻(xiàn)[9]提出的適合高維二進(jìn)制特征的最近鄰搜索算法FLANN進(jìn)行粗匹配，并利用PROSAC[10]進(jìn)行精匹配。最近鄰距離采用漢明距離計(jì)算，如公式（8）所示：

式中，ai為模板圖像任意角點(diǎn)的Rotated BRIEF描述向量中T(a0,a1,…,an)中第i位，bi為攝像機(jī)采集的待處理圖像任意角點(diǎn)的Rotated BRIEF描述向量中C(b0,b1,…,bn)中第i位。假設(shè)模板圖像中特征點(diǎn)k與待處理圖像特征點(diǎn)中對(duì)應(yīng)的最近鄰和次近鄰特征點(diǎn)分別為m,n，則漢明距離表示為Dkm、Dkn。于是，匹配比率為Dr=Dkm/Dkn。規(guī)定閾值Td=0.6，若Dr＜Td，則滿足匹配要求，進(jìn)行保留；否則舍棄。按照此方法得到FLANN匹配點(diǎn)對(duì)集。

采用FLANN匹配算法獲得的匹配結(jié)果仍然會(huì)出現(xiàn)錯(cuò)誤匹配的結(jié)果，于是利用PROSAC算法，根據(jù)特征匹配點(diǎn)對(duì)的相似程度對(duì)特征點(diǎn)進(jìn)行排序，從中抽取相似度較高的樣本估算出基礎(chǔ)矩陣，并利用基礎(chǔ)矩陣剔除誤差較大的匹配。

3.4 透視變換矩陣計(jì)算

利用ORB特征匹配對(duì)計(jì)算模板圖像與待處理圖像的透視變換矩陣[11]。模板圖像與待處理圖像之間的關(guān)系如下：

其中，x、y分別為模板圖像的行與列坐標(biāo)，x′、y′分別為待處理圖像的行與列坐標(biāo)，H為3×3的透視變換矩陣。通過(guò)透視變換矩陣可以得到待處理圖像中的儀表相對(duì)于模板圖像中的儀表的偏轉(zhuǎn)角度。

4 基于Hough變換的儀表讀數(shù)

指針式儀表的一般特征是表盤背景與刻度、指針灰度差異較大，根據(jù)這一特點(diǎn)，本文通過(guò)對(duì)采集圖像進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理、灰度拉伸、閾值分割等預(yù)處理。針對(duì)變電站儀表中指針頂部細(xì)、底部粗的特點(diǎn)，結(jié)合投影法判斷指針?lè)较?，利用骨架算法?xì)化指針，最后通過(guò)Hough變換法提取指針角度。結(jié)合偏轉(zhuǎn)角度校正和函數(shù)關(guān)系式（1）即可得到最終的儀表讀數(shù)。

4.1 指針提取

為了保證儀表讀數(shù)的準(zhǔn)確度，首先需要提取儀表指針，去除背景干擾。在采集儀表圖像的過(guò)程中，由于光線、投影等干擾的影響，采集圖像中會(huì)包含大量噪聲。指針式儀表圖像中的噪聲大多服從高斯分布，因此可以選用高斯濾波器進(jìn)行去除。首先，為提升圖像質(zhì)量、提取完整指針，利用5×5的高斯模板對(duì)儀表圖像進(jìn)行高斯濾波處理。

為了突出表盤區(qū)域，對(duì)高斯處理后的圖像應(yīng)用數(shù)學(xué)形態(tài)學(xué)處理。黑帽運(yùn)算是閉運(yùn)算的結(jié)果圖與原圖像的差，可以突出比原圖輪廓周圍的區(qū)域更暗的區(qū)域，從而可以有效地分離出表盤區(qū)域和指針。將黑帽運(yùn)算后的圖像轉(zhuǎn)化為灰度圖，然后利用灰度拉伸算法增強(qiáng)圖像對(duì)比度，使后續(xù)指針提取更加可靠。

為了簡(jiǎn)單快速完整地提取指針的二值圖像，最后結(jié)合直方圖利用最大類間方差法（OSTU）[12]提取儀表指針二值圖。OSTU算法將兩個(gè)區(qū)域之間的方差最大化作為閾值選擇準(zhǔn)則。閾值計(jì)算公式如下式：

儀表所示真實(shí)值分別為0.82 MPa和1.77 MPa時(shí)，上述指針提取結(jié)果如圖3所示。

圖3 指針提取結(jié)果

4.2 指針定向

由于指針的形狀特點(diǎn)，當(dāng)指針處于水平位置時(shí)，將指針向圖像橫軸投影，則指針底部由于較粗在橫軸上的投影值較大。由于指針式儀表的刻度呈現(xiàn)關(guān)于通過(guò)指針旋轉(zhuǎn)圓心的垂直線對(duì)稱分布的特點(diǎn)，因此可以通過(guò)投影法[13]判斷指針底部所在垂直線的左側(cè)或右側(cè)來(lái)確定指針的所指方向。如圖4所示為對(duì)應(yīng)上述指針提取結(jié)果的指針向x軸投影的效果圖。

在確定指針?lè)较蚝?，利用骨架?xì)化算法[14-15]細(xì)化指針，以使后續(xù)Hough變化法提取指針角度更準(zhǔn)確。骨架細(xì)化算法通過(guò)對(duì)8鄰域的迭代計(jì)算去除指針多余的邊緣像素，使細(xì)化的指針圖像的連通性與原圖像保持一致，細(xì)化指針線條寬度為單像素且為指針中心線。指針細(xì)化效果圖如圖5所示。

圖4 指針向x軸投影圖

圖5 骨架細(xì)化的指針圖

4.3 儀表讀數(shù)

針對(duì)原始Hough變換算法計(jì)算量大、實(shí)時(shí)性差等缺點(diǎn)，本文通過(guò)圓心約束改善該算法的實(shí)時(shí)性與準(zhǔn)確性。

在變電站各種各樣的指針式儀表中，指針都具有一個(gè)共同的特征，即通過(guò)表盤圓心（或由指針旋轉(zhuǎn)圓心起始）的具有一定長(zhǎng)度的近似直線。因此在很多指針式儀表的識(shí)讀研究中，都利用了指針旋轉(zhuǎn)圓心這一特點(diǎn)來(lái)檢測(cè)指針直線[4-5]。目前常用的提取圓形目標(biāo)圓心的算法主要有極值均值法、Hough變換法和能量最小原理法[4]。但是在背景復(fù)雜環(huán)境情況下，難免存在圓形物體，因此利用Hough變換確定目標(biāo)指針旋轉(zhuǎn)圓心的方法可靠性較差；極值均值法在指針旋轉(zhuǎn)圓心與表盤圓心不重合時(shí)不能滿足指針旋轉(zhuǎn)圓心要求。本文提出相似特征三角形方法確定目標(biāo)指針旋轉(zhuǎn)圓心，為Hough變換添加圓心約束。相似特征三角形方法原理如圖6所示。具體方法如下：

首先在模板圖像A中確定儀表的指針旋轉(zhuǎn)圓心O。在利用上述ORB檢測(cè)的模板圖像的特征點(diǎn)集中，隨機(jī)選取三個(gè)特征點(diǎn)P、Q、R，構(gòu)成滿足最小角大于5°的三角形，否則，重新選取特征點(diǎn)。在確定滿足要求的特征三角形后，由圓心向任意兩條邊投影，投影點(diǎn)分別記為M、N。

圖6 相似特征三角形方法原理圖

在儀表待處理圖像B的特征點(diǎn)集中，選取與模板圖像P、Q、R編號(hào)相同，即相匹配的特征點(diǎn)記為P′、Q′、R′。這樣，△PQR 與△P′Q′R′構(gòu)成相似特征三角形。記O′、P′、Q′、R′坐標(biāo)分別為，利用相似三角形性質(zhì)可得目標(biāo)指針旋轉(zhuǎn)圓心在 △P′Q′R′對(duì)應(yīng)邊上的投影點(diǎn) M′、N′的坐標(biāo)：

由向量垂直關(guān)系可得待處理圖像中關(guān)于目標(biāo)指針旋轉(zhuǎn)圓心O′的坐標(biāo)的關(guān)系式如下：

利用式（14）便可以求得目標(biāo)指針旋轉(zhuǎn)圓心O′坐標(biāo)。則k時(shí)刻目標(biāo)指針旋轉(zhuǎn)圓心在圖像平面內(nèi)的坐標(biāo)位置 (uk,vk)，即

Hough變換原理中，一條直線的極坐標(biāo)方程可以表示為：

ρ為原點(diǎn)到直線的垂直距離，θ為直線的法線方向與x軸的夾角。該方程表示笛卡爾空間對(duì)于一個(gè)給定點(diǎn)，對(duì)應(yīng)極坐標(biāo)平面上的一條正弦曲線?？臻g的多個(gè)點(diǎn)映射到極坐標(biāo)平面就可以得到曲線簇。因此，空間中共線的點(diǎn)對(duì)應(yīng)于極坐標(biāo)中交于一點(diǎn)的曲線，只需確定極坐標(biāo)平面中多條曲線的交點(diǎn)便能確定笛卡爾空間中對(duì)應(yīng)的直線。Hough變換算法由于對(duì)每條曲線和點(diǎn)進(jìn)行累計(jì)，所以運(yùn)算量和耗時(shí)較大。改進(jìn)的Hough變換通過(guò)添加檢測(cè)的直線通過(guò)圓心的約束，即極坐標(biāo)平面內(nèi)指針直線對(duì)應(yīng)的點(diǎn)限定在圓心對(duì)應(yīng)的曲線上，這樣大大減少了Hough變換的運(yùn)算。如圖7所示為指針直線檢測(cè)結(jié)果。

由直線檢測(cè)結(jié)果便可以得到指針偏轉(zhuǎn)角度，結(jié)合透視變換進(jìn)行儀表校正，將其帶入由模板圖像獲得的指針偏轉(zhuǎn)角度與刻度的函數(shù)關(guān)系式，便可以得到儀表最終讀數(shù)結(jié)果。

圖7 指針直線檢測(cè)結(jié)果

5 實(shí)驗(yàn)結(jié)果與分析

為了驗(yàn)證本文指針式儀表識(shí)讀算法的有效性和穩(wěn)定性，實(shí)驗(yàn)環(huán)境如下：以0～2.5 MPa的指針式壓力表為實(shí)驗(yàn)對(duì)象，實(shí)驗(yàn)平臺(tái)如圖8所示，采用內(nèi)存4 GB，CPU主頻2.40 GHz的計(jì)算機(jī)，利用C++和OpenCV視覺(jué)庫(kù)在VS2012環(huán)境下編程實(shí)現(xiàn)，攝像機(jī)分辨率為640像素×480像素，安裝在二自由度旋轉(zhuǎn)云臺(tái)上。該云臺(tái)可以設(shè)計(jì)搭載在變電站巡檢機(jī)器人上，以實(shí)現(xiàn)變電站的全自動(dòng)巡檢。

圖8 指針式儀表識(shí)讀實(shí)驗(yàn)環(huán)境

5.1 改進(jìn)ORB算法實(shí)驗(yàn)

為驗(yàn)證本文改進(jìn)ORB算法FAST特征點(diǎn)檢測(cè)效果，分別對(duì)模板圖像和待處理圖像進(jìn)行處理。圖9為ORB算法中FAST角點(diǎn)檢測(cè)結(jié)果，角點(diǎn)分布存在較嚴(yán)重的聚集現(xiàn)象，使錯(cuò)誤匹配的概率提高。圖10為本文改進(jìn)的FAST角點(diǎn)檢測(cè)結(jié)果，優(yōu)化后的特征點(diǎn)檢測(cè)具有穩(wěn)定性好、分布相對(duì)分散均勻、不存在過(guò)于聚集等特點(diǎn)，為后續(xù)特征點(diǎn)匹配定位目標(biāo)儀表和計(jì)算透視變換矩陣提供了穩(wěn)定的特征點(diǎn)。

圖9 FAST角點(diǎn)檢測(cè)

圖10 本文改進(jìn)的FAST角點(diǎn)檢測(cè)

為了驗(yàn)證本文改進(jìn)ORB算法的可靠性，圖11分別給出了本文算法與原始ORB特征匹配算法、傳統(tǒng)SURF算法[16]在特征點(diǎn)數(shù)量閾值為200時(shí)的匹配效果對(duì)比圖。表1為圖11對(duì)應(yīng)的每一幀的實(shí)驗(yàn)結(jié)果。

圖11 不同特征匹配算法實(shí)驗(yàn)結(jié)果對(duì)比

表1 不同特征匹配算法實(shí)驗(yàn)數(shù)據(jù)對(duì)比

由圖表數(shù)據(jù)對(duì)比可以看出，在檢測(cè)的特征點(diǎn)數(shù)量一定時(shí)，本文算法檢測(cè)到的特征點(diǎn)穩(wěn)定，分布均勻，環(huán)境背景影響較小，正確匹配的特征點(diǎn)對(duì)較多，為后續(xù)獲取指針旋轉(zhuǎn)圓心和儀表讀數(shù)提供了可靠的特征點(diǎn)匹配對(duì)。

5.2 指針旋轉(zhuǎn)圓心提取

為了驗(yàn)證本文指針旋轉(zhuǎn)圓心提取算法的準(zhǔn)確性，分別進(jìn)行了相似特征三角形法與文獻(xiàn)[4]能量最小原理提取指針旋轉(zhuǎn)圓心的對(duì)比實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如表2所示，列出了指針旋轉(zhuǎn)圓心在圖像中的坐標(biāo)為（395，298）時(shí)，相似特征三角形法與能量最小原理法確定圓心的實(shí)驗(yàn)數(shù)據(jù)。

由表2可以看出相似特征三角形方法確定圓心的平均偏差為3.696 pix，平均用時(shí)為53.725 ms，相比于能量最小原理方法識(shí)別準(zhǔn)確度和速度分別提高了88.48%和88.08%，具有更高的準(zhǔn)確度和實(shí)時(shí)性，能夠?yàn)镠ough變換提供可靠的圓心坐標(biāo)限制條件。

表2 相同指針旋轉(zhuǎn)圓心位置相似特征三角形法與文獻(xiàn)[4]方法對(duì)比

5.3 儀表讀數(shù)實(shí)驗(yàn)

首先采集實(shí)驗(yàn)中所用儀表的模板圖像，并處理獲得其先驗(yàn)信息。利用添加圓心約束的Hough變換方法獲得指針角度，通過(guò)特征點(diǎn)匹配對(duì)得到的透視變換矩陣進(jìn)行儀表偏轉(zhuǎn)校正，再帶入刻度與角度函數(shù)關(guān)系得到當(dāng)前指針的讀數(shù)。表3為原始Hough變換與本文改進(jìn)算法的儀表讀數(shù)實(shí)驗(yàn)結(jié)果。

表3 儀表讀數(shù)實(shí)驗(yàn)結(jié)果

在實(shí)際工程應(yīng)用中，指針角度的識(shí)別誤差要求在3°以內(nèi)，即對(duì)應(yīng)于讀數(shù)誤差要求在±0.027 9 MPa范圍內(nèi)。由表3可知本文算法最大絕對(duì)偏差為0.01 MPa，比原始Hough變換算法準(zhǔn)確度有了很大的提高，滿足指針儀表自動(dòng)讀數(shù)的要求。

在算法實(shí)時(shí)性方面，利用相似特征三角形方法大大縮減了確定指針旋轉(zhuǎn)圓心的時(shí)間，加上對(duì)ORB和Hough變換算法的改進(jìn)，保證了本文算法的實(shí)時(shí)性。文獻(xiàn)[5]沒(méi)有說(shuō)明儀表圓心確定的方法，因此本文考慮上述能量最小原理方法進(jìn)行比較。兩種方法對(duì)10幅待測(cè)儀表圖像讀數(shù)實(shí)驗(yàn)平均用時(shí)結(jié)果如表4。

表4 不同算法實(shí)時(shí)性比較 s

由表4可以看出，在保證儀表識(shí)讀精度的前提下，本文算法較文獻(xiàn)[5]方法用時(shí)降低了20.48%，能夠滿足儀表識(shí)讀的要求。

6 結(jié)束語(yǔ)

本文利用改進(jìn)的ORB特征匹配算法和添加圓心約束的Hough變換算法進(jìn)行指針式儀表的識(shí)讀。首先，對(duì)經(jīng)典ORB算法進(jìn)行了改進(jìn)，使其檢測(cè)的特征點(diǎn)分布更加均勻，使后續(xù)計(jì)算透視變換矩陣和Hough變換添加圓心約束更加可靠。然后利用圖像預(yù)處理提取儀表指針，并通過(guò)骨架算法細(xì)化指針，利用投影法確定指針?lè)较?。最后利用基于ORB特征匹配對(duì)的相似特征三角形方法確定指針旋轉(zhuǎn)圓心，并使Hough變換添加圓心約束，以提高檢測(cè)指針角度的速度。實(shí)驗(yàn)結(jié)果表明，該方法能夠?qū)崿F(xiàn)指針式儀表的準(zhǔn)確快速識(shí)讀，滿足變電站巡檢的需求。