一种基于特征点的异物检测方法和系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115376073A(43)申请公布日2022.11.22(21)申请号202211298502.8G06V10/74(2022.01)(22)申请日2022.10.24G06V10/762(2022.01)G06V10/764(2022.01)(71)申请人广东科凯达智能机器人有限公司地址528000广东省佛山市顺德区大良街道五沙社区新凯路7号科盈国际工业园一期厂房二首层104单元及二层201单元(72)发明人钟小芳魏钰尧陈曦王嘉利(74)专利代理机构佛山市禾才知识产权代理有限公司44379专利代理师梁永健(51)Int.Cl.G06V20/52(2022.01)G06V10/46(2022.01)G06V10/75(2022.01)权利要求书3页说明书7页附图4页(54)发明名称一种基于特征点的异物检测方法和系统(57)摘要一种基于特征点的异物检测方法和系统，包括以下步骤:对电力隧道内的多个巡检点环境进行拍摄，获取模板图片，并对模板图片进行sift特征点提取，其中模板图片不包含除电力装置以外的异常；获取巡检时的检查图片，对检查图片进行sift特征点提取；根据第一特征点与第二特征点对检查图片与模板图片进行对齐操作；重新对对齐后的模板图片和检测图片进行sift特征点提取，比较对齐后的检测图片以及检测图片，获取两者之间不能相互匹配的特征点；获取模板图片与匹配图片中对应聚类区域的相似度，若相似度低于相似度阈值，则将该聚类区域标记为异常。本方法能够准确高效地自动定位出电力隧道内的遗留物，极大地减少了巡检工作人员的工作量，提高了工作效率。CN115376073ACN115376073A权利要求书1/3页1.一种基于特征点的异物检测方法，其特征在于，包括以下步骤:步骤S1：对电力隧道内的多个巡检点环境进行拍摄，获取模板图片，并对模板图片进行sift特征点提取，得到每个模板图片的至少一个第一特征点；获取巡检时的检查图片，对检查图片进行sift特征点提取，得到每个检查图片中至少一个第二特征点；步骤S2：根据第一特征点与第二特征点对检查图片与模板图片进行对齐操作；步骤S3：重新对对齐后的模板图片和检测图片进行sift特征点提取，分别得到至少一个第三特征点与第四特征点；步骤S4：比较对齐后的检测图片以及检测图片，获取两者之间不能相互匹配的特征点，并对检测图片与模板图片中不匹配的特征点进行保存；步骤S5：对不匹配的特征点进行聚类，获取得到多个聚类区域；获取模板图片与匹配图片中对应聚类区域的相似度，若相似度低于相似度阈值，则将该聚类区域标记为异常。2.根据权利要求1所述的一种基于特征点的异物检测方法，其特征在于，所述步骤S1、步骤S2与步骤S3中提取sift特征点的方法如下：调用第三方图像处理库Opencv自带的API接口cv.sift_create（）；输入待提取sift特征点的图片，获取图片中的sift特征点，其中每一个sift特征点由一个二维坐标点(x,y)和一个128维的特征向量进行表示。3.根据权利要求1所述的一种基于特征点的异物检测方法，其特征在于，步骤S2中对齐操作包括如下步骤:步骤S21：采用K近邻方法对第一特征点与第二特征点进行匹配，获取模板图片与检查图片中的匹配成功的所有匹配点对；步骤S22：调用匹配点对计算法获取得到模板图片的仿射变化矩阵，基于模板图片的仿射变化矩阵对检测图片进行仿射，得到仿射变化后的检测图片；步骤S23：调用仿射变化矩阵对检测图片的两个对角坐标分别进行仿射变化，得到变化后的对角坐标；基于变化后的对角坐标分别对模板图片与检测图片进行裁剪，分别得到对齐后的模板图片与检测图片。4.根据权利要求1所述的一种基于特征点的异物检测方法，其特征在于，所述步骤S4的具体步骤如下：步骤S41：采用K近邻方法对第三特征点与对应第四特征点进行匹配，获取模板图片与检查图片中的匹配成功的所有匹配点对；步骤S42：在所述检测图片与模板图片中滤除所述匹配点对，分别得到检测图片与模板图片中不匹配的特征点，并进行保存。5.根据权利要求1所述的一种基于特征点的异物检测方法，其特征在于，所述步骤S5的具体步骤如下：步骤S51：选取不匹配的特征点集中的任一特征点，获取该特征点与不匹配的特征点集中所有的特征点的欧氏距离，若两个特征点之间的欧式距离小于距离阈值，则将欧式距离小于距离阈值的特征点作为一个聚类；2CN115376073A权利要求书2/3页步骤S52：将形成聚类的特征点从所述不匹配的特征点集中去除；步骤S53：重复步骤S51~S52，直到将所有的不匹配的特征点集中所有的特征点都进行聚类；步骤S54：在每一个聚类中，获取该聚类中特征点的平均纵坐标与平均横坐标，作为该聚类的中心坐标，