技术领域
本发明涉及油罐油泥测量技术领域,尤其涉及一种基于多源影像的非接触式油泥体积测量方法。
背景技术
原油储罐的清洗是一项非常重要并且风险较大的现场作业,经过多年的发展,原油储罐的清洗已经由人工入罐清洗演变到机械清洗,油罐清洗时间短,为后期的清罐打好基础,罐底油泥的测量应该得到高度的重视,红外热成像运用光电技术检测物体热辐射的红外线特定波段信号,将该信号转换成可供人类视觉分辨的图像和图形,并可以进一步计算出温度值。
红外热成像技术使人类超越了视觉障碍,物体表面的温度分布状况,物体表面温度如果超过绝对零度即会辐射出电磁波,随着温度变化,电磁波的辐射强度与波长分布特性也随之改变,波长介于0.76μm到1000μm间的电磁波称为“红外线”,而人类视觉可见的“可见光”介于0.38μm到0.76μm。其中波长为0.76~3.0微米的部分称为近红外,波长为3.0~1000微米的部分称为热红外线。红外线在地表传送时,会受到大气组成物质(特别是H2O、CO2、CH4、N2O、O3等)的吸收,强度明显下降,仅在中波3μm~5μm及长波8~12μm的两个波段有较好的穿透率,通称大气窗口,大部分的红外热像仪就是针对这两个波段进行检测,计算并显示物体的表面温度分布。基于红外热成像的原理如果按照清理周期进行油罐清洗,当罐内油泥体积较少就进行清洗,则造成了生产成本的增加,当油泥体积过多但还未到周期时,则容易造成管道堵塞、油罐腐蚀等危害。
现有的测量方式较为复杂,且成本高,危险系数高。
发明内容
本发明的目的是为了解决现有的测量方式较为复杂,且成本高,危险系数高的缺点,而提出的一种基于多源影像的非接触式油泥体积测量方法。
一种基于多源影像的非接触式油泥体积测量方法,包括以下步骤:
S1:准备热红外成像仪;
S2:预测使用热红外成像仪;
S3:利用可见光影像和热红外影像特征的高精度自动配准,及罐体全自动提取;
S4:获取逐渐逼近多尺度序列影像的高精度定位定姿与融合;
S5:结合可见光影像和低成本IMU,获取影像的高精度位置和姿态参数;
S6:低纹理罐体目标的整体三维模型;
S7:热红外影像与可见光像的深度融合;
S8:结合油泥三维界面,设计深度学习模型,实现油泥体积的精确测定。
优选的,所述S1中准备的热红外成像仪,符合防爆性能要求,且能够获取拍摄时仪器与罐体的拍摄距离定位。
优选的,所述S2中预测使用热红外成像仪时,热红外成像仪自动调整拍摄视角,并结合储油罐罐体大小,自动按需拍摄不同角度的影像信息用于后续的计算。
优选的,所述S3中通过可见光影像和热红外影像特征,研究适合热红外影像特征提取方法,实现热红外影像与可见光影像高精度自动配准,结合前景提取理论,剔除罐体以外的物体,实现罐体目标的全自动提取,基于多源影像的油泥体积测量方法是集可见光影像、热红外影像和IMU数据的高度集成化技术体系。
优选的,所述S4中获取逐渐逼近罐体的多尺度序列影像,实现序列影像的高精度定位定姿与融合,为后续整个罐体的多尺度红外影像融合提供基础。
优选的,所述S5中获取罐体的序列影像,进行可见光影像的特征点提取,采用卡尔曼滤波对低成本IMU获取的初始信息进行处理,结合附加闭合约束条件的光東法平差模型,实现影像高精度位置和姿态参数的获取。
优选的,所述S6中基于罐体目标的全自动提取结果,获取红外立体影像中的罐体部分,结合半全局立体匹配方法,获得罐体的局部三维点云,围绕罐体获取红外立体的序列影像,根据局部三维点云序列,结合平差后的高精度位置和姿态约束,采用快速点特征直方图描述子和ICP点云拼接算法,完成罐体的整体点云拼接,建立罐体的整体三维模型。
优选的,所述S7中结合影像拍摄时刻的相机内、外参数、局部三维点云和影像尺度因子,获取热红外影像与可见光像的偏移,在此基础上通过IHS变换和小波变换结合的方法,实现两种影像的深度融合。
优选的,所述S8中将热红外影像的油泥边缘自动提取后,联合其对应的点云位置信息,实现罐壁油泥边界的精确确定,在此基础上,综合采用其他手段测量得到的油泥测量数据,分析其三维分布特征,设计深度学习模型,实现油泥三维表面的准确测定及体积的精确计算。
与现有技术相比,本发明的优点在于:
(1)本方案通过非接触式手段进行数据采集,结合图像处理、目标自动提取、低成本IMU高精度位姿获取及三维重建等技术实现原有储罐油泥体积的安全、快速、低成本测量,大大降低油泥体积测量过程中的危险和操作难度,实现油泥测量的突破性进展。
本发明操作方便,测量安全,成本低。
附图说明
图1为本发明提出的一种基于多源影像的非接触式油泥体积测量方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
实施例一
参照图1,一种基于多源影像的非接触式油泥体积测量方法,包括以下步骤:
S1:准备热红外成像仪;
S2:预测使用热红外成像仪;
S3:利用可见光影像和热红外影像特征的高精度自动配准,及罐体全自动提取;
S4:获取逐渐逼近多尺度序列影像的高精度定位定姿与融合;
S5:结合可见光影像和低成本IMU,获取影像的高精度位置和姿态参数;
S6:低纹理罐体目标的整体三维模型;
S7:热红外影像与可见光像的深度融合;
S8:结合油泥三维界面,设计深度学习模型,实现油泥体积的精确测定。
本实施例中,S1中准备的热红外成像仪,符合防爆性能要求,且能够获取拍摄时仪器与罐体的拍摄距离定位。
本实施例中,S2中预测使用热红外成像仪时,热红外成像仪自动调整拍摄视角,并结合储油罐罐体大小,自动按需拍摄不同角度的影像信息用于后续的计算。
本实施例中,S3中通过可见光影像和热红外影像特征,研究适合热红外影像特征提取方法,实现热红外影像与可见光影像高精度自动配准,结合前景提取理论,剔除罐体以外的物体,实现罐体目标的全自动提取。
本实施例中,S4中获取逐渐逼近罐体的多尺度序列影像,实现序列影像的高精度定位定姿与融合,为后续整个罐体的多尺度红外影像融合提供基础。
本实施例中,S5中获取罐体的序列影像,进行可见光影像的特征点提取,采用卡尔曼滤波对低成本IMU获取的初始信息进行处理,结合附加闭合约束条件的光東法平差模型,实现影像高精度位置和姿态参数的获取。
本实施例中,S6中基于罐体目标的全自动提取结果,获取红外立体影像中的罐体部分,结合半全局立体匹配方法,获得罐体的局部三维点云,围绕罐体获取红外立体的序列影像,根据局部三维点云序列,结合平差后的高精度位置和姿态约束,采用快速点特征直方图描述子和ICP点云拼接算法,完成罐体的整体点云拼接,建立罐体的整体三维模型。
本实施例中,S7中结合影像拍摄时刻的相机内、外参数、局部三维点云和影像尺度因子,获取热红外影像与可见光像的偏移,在此基础上通过IHS变换和小波变换结合的方法,实现两种影像的深度融合。
本实施例中,S8中将热红外影像的油泥边缘自动提取后,联合其对应的点云位置信息,实现罐壁油泥边界的精确确定,在此基础上,综合采用其他手段测量得到的油泥测量数据,分析其三维分布特征,设计深度学习模型,实现油泥三维表面的准确测定及体积的精确计算。
实施例二
一种基于多源影像的非接触式油泥体积测量方法,包括以下步骤:
S1:准备热红外成像仪;
S2:预测使用热红外成像仪;
S3:在热成像仪上设置照明灯光,照明灯光与热成像仪镜头同步;
S4:将热红外成像仪放置到油罐的顶部测量孔内,油罐顶部的测量孔设置有多个,利用可见光影像和热红外影像特征的高精度自动配准;
S5:获取逐渐逼近多尺度序列影像的高精度定位定姿与融合;
S6:结合可见光影像和低成本IMU,获取影像的高精度位置和姿态参数;
S7:低纹理罐体目标的整体三维模型;
S8:热红外影像与可见光像的深度融合;
S9:结合油泥三维界面,设计深度学习模型,实现油泥体积的精确测定。
本实施例中,S1中准备的热红外成像仪,符合防爆性能要求,且能够获取拍摄时仪器与罐体的拍摄距离定位。
本实施例中,S2中预测使用热红外成像仪时,热红外成像仪自动调整拍摄视角,并结合储油罐罐体大小,自动按需拍摄不同角度的影像信息用于后续的计算,将红外成像仪连接电脑控制器。
本实施例中,S3中在热成像仪上设置照明灯光,照明灯光与热成像仪镜头同步,可以在测量时增加油罐内部光线和亮度,同时热成像仪上可以连接伸缩杆,可以调节伸缩到油罐内部的深度;
本实施例中,S4中通过可见光影像和热红外影像特征,研究适合热红外影像特征提取方法,实现热红外影像与可见光影像高精度自动配准,结合前景提取理论,剔除罐体以外的物体,实现罐体目标的全自动提取。
本实施例中,S5中获取逐渐逼近罐体的多尺度序列影像,实现序列影像的高精度定位定姿与融合,为后续整个罐体的多尺度红外影像融合提供基础。
本实施例中,S6中获取罐体的序列影像,进行可见光影像的特征点提取,采用卡尔曼滤波对低成本IMU获取的初始信息进行处理,结合附加闭合约束条件的光東法平差模型,实现影像高精度位置和姿态参数的获取。
本实施例中,S7中基于罐体目标的全自动提取结果,获取红外立体影像中的罐体部分,结合半全局立体匹配方法,获得罐体的局部三维点云,围绕罐体获取红外立体的序列影像,根据局部三维点云序列,结合平差后的高精度位置和姿态约束,采用快速点特征直方图描述子和ICP点云拼接算法,完成罐体的整体点云拼接,建立罐体的整体三维模型。
本实施例中,S8中结合影像拍摄时刻的相机内、外参数、局部三维点云和影像尺度因子,获取热红外影像与可见光像的偏移,在此基础上通过IHS变换和小波变换结合的方法,实现两种影像的深度融合。
本实施例中,S9中将热红外影像的油泥边缘自动提取后,联合其对应的点云位置信息,实现罐壁油泥边界的精确确定,在此基础上,综合采用其他手段测量得到的油泥测量数据,分析其三维分布特征,设计深度学习模型,实现油泥三维表面的准确测定及体积的精确计算,计算结构,计算的结果反馈给电脑控制器,结果可以直观观察读取。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
机译: 散装松散物料的体积流量测量方法,例如用于物料搬运站,采用两种或更多种非接触式测量方法,以确定最佳参考测量值
机译: 一种基于光学三角测量的非接触式三维物体测量方法
机译: 测量方法例如液体流入容器的体积流量,例如微工艺工程领域,涉及基于测量的气压确定体积和/或体积流量