基于智能机器人的仪表示数识别技术与系统研制

摘要

随着科学技术的发展，越来越多的领域开始使用智能系统。仪表识别技术作为一种智能处理技术，已被广泛地应用在工业领域上，且越来越受到人们的关注。
　　虽然国内外学者对固定式仪表识别已经有了大量的研究，但是对于非固定式仪表识别的研究还非常少。本文研发了基于智能机器人的非固定式仪表示数识别系统，它通过机器人搭载的摄像头获得仪表图像，并实现多类仪表的示数识别。
　　本文主要工作包括仪表识别的算法研究和面向电力领域中非固定仪表识别的多类别仪表示数识别系统的研发。
　　为解决非固定仪表识别中存在的仪表位置的随机性问题，同时降低仪表识别难度，提高识别率，本文提出了基于仪表检测、仪表配准和仪表识别的计算模型。对于多类型的仪表识别难题，本文设计了基于仪表建模的识别方法，降低了识别算法的复杂性，提高了识别算法的精度和鲁棒性，并实现了系统的通用性和兼容性。同时本文还对仪表识别算法中的若干方法做了相应的改进。
　　本文首先提出了一种基于结构化支持向量机的仪表检测算法。该算法使用结构化支持向量机作为分类器，充分利用了目标与背景中其他物体的几何关系，提高了检测准确率。同时算法使用限制对比度自适应直方图均衡的方法进行图像预处理，有利于减少光照等环境因素对图像的影响。
　　其次，本文提出了基于SURF特征的图像配准算法。该算法通过SURF特征和BF算法进行特征匹配，使用PROSAC算法进行匹配对筛选。同时本文在特征点匹配算法上做了一定的改进，包括限制配准区域和对匹配对的预筛选。图像配准算法是后续识别算法的依赖，对降低识别难度，提高识别精确度有较大的帮助。
　　接着，本文针对两类常用的仪表类型提出了识别算法。其中指针式仪表识别基于预建模算法和图像旋转法。预建模算法充分利用了仪表模板的先验信息，降低了指针检测的难度。图像旋转法通过旋转图像后在水平区域提取匹配样本，相比直接旋转搜索窗口，降低了难度和计算量。数显式仪表识别算法通过KNN分类器识别数字。该算法充分利用先验信息进行数显区域的倾斜矫正和数字粗略定位，提高了数字分割的准确性。算法同时提出了使用轮廓和凸包的关系单独识别小数点的方法，相比直接将小数点进行分类识别有更好的效果。
　　最后，针对与大立公司的合作项目，本文研制了基于智能机器人的仪表示数识别系统，该系统由仪表建模软件和仪表识别算法组成，完整地实现了智能机器人从预置点停下后进行检测、配准、识别的整个过程，具有较高的准确率和速度。该仪表示数识别系统已得到实际应用。

目录

声明

致谢

1绪论

1.1研究背景及意义

1.2国内外研究现状

1.3非固定式仪表示数识别系统的存在问题

1.4本文主要内容和章节安排

2基于智能机器人的仪表示数识别系统的设计

2.1系统设计思路

2.2系统设计架构

2.3系统指标要求

2.4系统硬件平台介绍

3基于结构化支持向量机的仪表检测算法

3.1目标检测算法概述

3.2基于结构化支持向量机的仪表检测算法描述

3.3图像预处理

3.4结构化支持向量机（Structured output SVM）

3.5特征选择及组合

3.6实验结果与分析

3.7本章小结

4基于SURF特征的图像配准算法

4.1图像配准算法概述

4.2基于SURF特征的图像配准算法描述

4.3特征检测算子

4.4特征点匹配算法

4.5 PROSAC抽样一致性

4.6实验结果及分析

4.7本章小结

5仪表识别算法

5.1常见仪表类型概述

5.2基于预建模和图像旋转法的指针式仪表识别算法

5.3基于KNN的数显式仪表识别算法

5.4实验结果及分析

5.5本章小结

6基于智能机器人的仪表示数识别系统的实现

6.1系统功能实现

6.2系统实测结果

6.3系统评估

7总结与展望

7.1本文工作总结

7.2未来工作展望

参考文献

攻读硕士学位期间主要科研成果