技术摘要：
本发明给出了一种基于机器人视觉的图像分割方法和系统，包括获取机器人视觉的目标图像，利用opencv获取目标图像的清晰度；响应于目标图像的清晰度大于第一阈值，利用特征匹配算法判断目标图像是否拍摄到指定区域；响应于目标图像拍摄到指定区域并且目标图像与模板的匹  全部
背景技术：
电力仪表作为电网建设的终端单元，广泛应用于变电站场所。由于变电站中仪表 种类繁多，人为检定的工作效率极低，难以适应当前大量仪表需要检定的情况，并且可能存 在主观的观察误差问题。指针仪表具有读数直观、结构简单、精度高、制造成本低、抗电磁干 扰能力强、方便维护等优点，在生产实践中得到了广泛的应用。通常指针仪表没有数字通信 接口，不能将测量信号转化为数字信号，需要依靠人工方式识别仪表示数。指针仪表示数识 别是一项繁琐、枯燥、重复性高的工作。在一些需要大量识别指针仪表读数的场景，如电力 系统、指针仪表检定等，获取仪表示数的准确与否很大程度上依赖操作员的责任心与视觉 疲劳程度，在识别过程中容易出现失误与读数误差，若要及时发现失误则需要增加工作量， 否则可能会造成严重的后果。传统的人工识别指针仪表读数方式，不但造成了人力资源的 浪费，而且不能达到理想的识别效果。 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。目前多数为固 定式的仪表识别，固定式的图像采集设备拍摄，虽然识别效果较好，但是在多组仪表的设置 上需要更多的图像采集设备，极大的增加了使用成本。采用可移动的机器人搭载图像采集 设备进行仪表的采集能够有效的减少设备的投入成本，但需要对图像进行处理分割以便于 对仪表的识别，目前的分割算法较为复杂，且识别率低，容易出现遗漏或错误等现象。
技术实现要素：
为了解决现有技术中的人工检定仪表的效率低、容易出现失误或误差以及智能识 别仪表技术中的算法复杂、识别率低下、成本高昂等技术问题，本发明提出了一种基于机器 人视觉的图像分割方法和系统，用以解决上述技术问题。 在一个方面，本发明提出了一种基于机器人视觉的图像分割方法，包括以下步骤： S1：获取机器人视觉的目标图像，利用opencv获取目标图像的清晰度； S2：响应于目标图像的清晰度大于第一阈值，基于图库中的模板，利用特征匹配算 法判断目标图像是否拍摄到指定区域； S3：响应于目标图像拍摄到指定区域并且利用目标检测算法获得目标图像与模板 的匹配概率大于第二阈值，对目标图像中包含的部件与模板中对应的部件进行相似度匹 配； S4：响应于相似度匹配的结果为完全匹配或者目标图像中包含的部件的种类和/ 或数量大于模板中对应部件的种类和/或数量，基于模板中对应的部件的排序对目标图像 的坐标进行横向排列分割；以及 4 CN 111598913 A 说　明　书 2/8 页 S5：对目标图像中包含的部件赋予表记识别，其中表记识别表征为模板中与目标 图像对应的部件的表记识别。 优选的，步骤S1中的目标检测算法为Tensorflow图像识别算法。 优选的，步骤S2中清晰度的判断方法为利用opencv检测图片模糊度算法，其中，第 一阈值设置为100。凭借模糊度算法以及第一阈值的设置可以过滤掉不清晰的目标图像，减 少系统的运算压力，提高图像分割的效率。 进一步优选的，特征匹配算法包括SIFT尺度不变特征变换算法、SURF加速鲁棒特 征算法或FAST特征检测算法。凭借多种特征匹配算法的可选择性能够更加准确地获取目标 图像的特征点。 进一步优选的，第二阈值为0.7。凭借第二阈值的设置能够便于筛选出与模板相同 或相似的目标图像，方便对其进行分割操作。 优选的，步骤S3还包括：响应于目标图像中包含的部件的种类和/或数量小于模板 中对应部件的种类和/或数量，调整第二阈值为第三阈值重新进行步骤S2，其中，第三阈值 设置为0.5。通过调整第二阈值避免出现漏检的情况，保证数据的有效性。 进一步优选的，步骤S4之前还包括：去除目标图像中相较于模板多余的部件，响应 于目标图像中包含的部件与模板中的部件重叠，保留匹配在先的部件。凭借该设置可以去 除算法过程中可能存在的重复识别等情况，避免数据冲突。 优选的，部件包括仪表盘、指示灯和开关。可以对多种类型的电力仪表元件进行分 割，便于后续的仪表数据的读取识别。 根据本发明的第二方面，提出了一种计算机可读存储介质，其上存储有一或多个 计算机程序，该一或多个计算机程序被计算机处理器执行时实施上述方法。 根据本发明的第三方面，提出了一种基于机器人视觉的图像分割系统，该系统包 括： 目标图像获取单元：配置用于获取机器人视觉的目标图像，利用目opencv获取目 标图像的清晰度； 目标图像筛选单元：配置用于响应于目标图像的清晰度大于第一阈值，基于图库 中的模板，利用特征匹配算法判断目标图像是否拍摄到指定区域； 相似度匹配单元：配置用于响应于目标图像拍摄到指定区域并且利用目标检测算 法获得目标图像与模板的匹配概率大于第二阈值，对目标图像中包含的部件与模板中对应 的部件进行相似度匹配； 图像分割单元：配置用于响应于相似度匹配的结果为完全匹配或者目标图像中包 含的部件的种类和/或数量大于模板中对应部件的种类和/或数量，基于模板中对应的部件 的排序对目标图像的坐标进行横向排列分割；以及； 表记识别赋予单元：配置用于对目标图像中包含的部件赋予表记识别，其中表记 识别表征为模板中与目标图像对应的部件的表记识别。 本发明提出了一种基于机器人视觉的图像分割方法和系统，利用opencv以及 tensorflow目标检测的算法实现了对机器人视觉图像的清晰度筛选以及特征匹配概率的 运算，进而将机器人视觉的目标图像与图库中的模板对应，并将目标图像中的对应仪表等 部件分割，通过模板中对应的仪表部件赋予其表记识别，便于后续通过对应的表记识别算 5 CN 111598913 A 说　明　书 3/8 页 法获取该仪表部件的数据信息。利用该方法和系统进行机器人视觉的图像分割，极大地提 高了仪表图像识别的准确率和速度，配合挂轨或者轮式等可移动的机器人搭载的图像采集 设备获得仪表图像，实现多类仪表的图像分割，便于后续针对性地采用识别仪表读数算法 读取不同仪表的数据。 附图说明 包括附图以提供对实施例的进一步理解并且附图被并入本说明书中并且构成本 说明书的一部分。附图图示了实施例并且与描述一起用于解释本发明的原理。将容易认识 到其它实施例和实施例的很多预期优点，因为通过引用以下详细描述，它们变得被更好地 理解。通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特 征、目的和优点将会变得更明显： 图1是本申请可以应用于其中的示例性系统架构图； 图2是本申请的一个实施例的一种基于机器人视觉的图像分割方法的流程图； 图3是本申请的一个具体的实施例的一种基于机器人视觉的图像分割方法的流程 图； 图4是本申请的一个实施例的一种基于机器人视觉的图像分割系统的框架图； 图5是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。