一种基于计算机视觉的智能化机房设备异常状态巡检方法

技术领域

本发明涉及一种基于计算机视觉的智能化机房设备异常状态巡检方法，属于机房运维技术领域。

背景技术

在目前的机房运维中，设备异常状态的巡检主要由人工查看设备灯明暗、颜色和通过监控系统监控的方式完成。

目前，自动化、智能化机房设备异常状态巡检方法可分类两类，一是在机房布设固定位置的传感器覆盖巡检范围，收集范围内设备灯的传感器数据实现巡检；二是依靠可自主移动的机器人、小车或其他设备代替人工对设备灯进行巡检。

本方法的技术路线为上述第二种；在第二种方式中，可配合使用增强现实技术、图像处理技术、激光点云处理计划、云计算技术等完成。主要流程为，通过移动的机器人或小车沿路采集周边的影像或点云数据，以此为数据源设计处理算法，实现实时机房设备灯状态巡检，发现机房中设备异常状态的目的。

在常用的技术中，基于增强现实技术的机房巡检有利于机房巡检内容复杂的场景，需要较多的人为介入，自动化程度不高，对于相对标准、规范化的机房巡检场景不适用；图像处理技术和点云处理技术算法、处理流程多样，处理效果受原始数据影响大，通常很难兼顾成本、实时性和准确度；基于云计算技术的机房巡检可以通过分布式计算的方式加快算法处理速度，但是其优化效果仍然局限于原始算法的算法逻辑和效果。而没有一种计算机视觉算法对移动巡检设备采集的影像进行处理，实现快速、准确的机房设备灯状态识别。因此，迫切需要一种基于计算机视觉的智能化机房设备异常状态巡检方法，以解决现有技术中存在的这一问题。

为了解决上述技术问题，特提出一种新的技术方案。

发明内容

本发明的目的在于提供一种基于计算机视觉的智能化机房设备异常状态巡检方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于计算机视觉的智能化机房设备异常状态巡检方法，所述方法包含下述步骤：

步骤一，计算物方感兴趣立方体；

步骤二，从多维信息决策支持库中获取物方感兴趣立方体范围内的设备灯和设备标签的三维坐标和基线状态；

步骤三，计算左右影像ROI；

步骤四，对双目彩色影像中的ROI区域进行图像处理，提取巡检过程中的设备标签的状态信息；

其中步骤四的实施具体包含下述步骤：

步骤1，使用高斯滤波算法对影像进行滤波处理，过滤影像噪声；

步骤2，使用RGB转HSV算法转换影像的颜色空间用于后续提取指定颜色区域；

步骤3，采用颜色区域提取算法，提取红、黄、绿、橙不同颜色区域，获取不同颜色提取后的黑白二值图像；

步骤4，使用腐蚀与膨胀算法对二值图像的噪声进行处理；

步骤5，获得左右影像ROI中的设备灯状态。

优选地，所述步骤一计算物方感兴趣立方体的方法为，在智能小车巡检过程中获取双目彩色图像和左右影像的六个外方位元素，即摄影中心的三维坐标(X

优选地，所述步骤二移动巡检之前，智能小车会预先采集真值数据——即在机房设备状态完成正常的情况下巡检一次或若干次，采集设备灯和设备标签的三维坐标与正常状态并设置为基线，将这些数据存放在多维信息决策支持库中，后续巡检作业中，处理程序根据物方感兴趣立方体的坐标范围在多维信息决策支持库中获取感兴趣的设备标签的信息，如标签中心三维坐标(X

与现有技术相比，本发明的有益效果是：本发明设计一种计算机视觉算法对移动巡检设备采集的影像进行处理，实现快速、准确的机房设备灯状态识别。

附图说明

图1为移动巡检设备的结构示意图。

图2为基于计算机视觉的设备位置巡检方法示意框图。

图3为计算物方感兴趣立方体的示意图。

图4为计算左右影像ROI的示意图。

图5为在二维影像中逐行逐列地逐像素进行滤波窗口内的加权累加计算，获得滤波处理后的二维影像示意图。

图6为本发明算法和解决方案中核心部件的结构示意图框图。

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。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅说明书附图，本发明提供一种技术方案：一种基于计算机视觉的智能化机房设备异常状态巡检方法，所述方法包含下述步骤：

步骤一，计算物方感兴趣立方体；

步骤二，从多维信息决策支持库中获取物方感兴趣立方体范围内的设备灯和设备标签的三维坐标和基线状态；

步骤三，计算左右影像ROI；

步骤四，对双目彩色影像中的ROI区域进行图像处理，提取巡检过程中的设备标签的状态信息；

其中步骤四的实施具体包含下述步骤：

步骤1，使用高斯滤波算法对影像进行滤波处理，过滤影像噪声；

步骤2，使用RGB转HSV算法转换影像的颜色空间用于后续提取指定颜色区域；

步骤3，采用颜色区域提取算法，提取红、黄、绿、橙不同颜色区域，获取不同颜色提取后的黑白二值图像；

步骤4，使用腐蚀与膨胀算法对二值图像的噪声进行处理；

步骤5，获得左右影像ROI中的设备灯状态。

优选地，所述步骤一计算物方感兴趣立方体的方法为，在智能小车巡检过程中获取双目彩色图像和左右影像的六个外方位元素，即摄影中心的三维坐标(X

优选地，所述步骤二移动巡检之前，智能小车会预先采集真值数据——即在机房设备状态完成正常的情况下巡检一次或若干次，采集设备灯和设备标签的三维坐标与正常状态并设置为基线，将这些数据存放在多维信息决策支持库中，后续巡检作业中，处理程序根据物方感兴趣立方体的坐标范围在多维信息决策支持库中获取感兴趣的设备标签的信息，如标签中心三维坐标(X

本发明设计一种移动巡检设备配合完成机房设备位置的巡检和管理。

1、移动巡检设备，即智能小车，移动小车本体1上设置有小车驱动模块、数据传输模块、激光雷达2、标定后的双目彩色相机3和轮子(履带)4，该智能小车搭载激光雷达用于获取室内激光点云数据，配合陀螺仪等传感器获取的数据在小车驱动模块中通过室内导航定位算法构建室内地图，实现智能小车的室内定位，并将小车的实时三维坐标(X

标定后的双目彩色摄影机在小车移动巡检的过程中对机房设备进行拍摄，获取双目彩色图像，图像通过数据传输模块传输至数据处理程序中，用于后续的计算机视觉算法处理。

2、基于计算机视觉的设备位置巡检。

第一步：计算物方感兴趣立方体

在智能小车巡检过程中获取双目彩色图像和左右影像的六个外方位元素，即摄影中心的三维坐标(X

前方交会公式如下

下述外方位元素(X

第二步：从多维信息决策支持库中获取物方感兴趣立方体范围内的设备灯和设备标签的三维坐标和基线状态

移动巡检之前，智能小车会预先采集真值数据——即在机房设备状态完成正常的情况下巡检一次或若干次，采集设备灯和设备标签的三维坐标与正常状态并设置为基线，将这些数据存放在多维信息决策支持库中。

后续巡检作业中，处理程序根据物方感兴趣立方体的坐标范围在多维信息决策支持库中获取感兴趣的设备标签的信息，如标签中心三维坐标(X

第三步：计算左右影像ROI

根据(X

中心投影法公式如下

下述外方位元素(X

第四步：对双目彩色影像中的ROI区域进行图像处理，提取巡检过程中的设备标签的状态信息

1、使用高斯滤波算法对影像进行滤波处理，过滤影像噪声；

2、使用RGB转HSV算法转换影像的颜色空间用于后续提取指定颜色区域；

3、采用颜色区域提取算法，提取红、黄、绿、橙不同颜色区域，获取不同颜色提取后的黑白二值图像；

4、使用腐蚀与膨胀算法对二值图像的噪声进行处理；

5、获得左右影像ROI中的设备灯状态。

1、高斯滤波算法公式

二维高斯函数公式为：

其中σ为高斯正态分布的标准差。在图像处理过程中，确定一个m×n的滤波窗口和标准差σ，从而计算出滤波窗口中各像素的权重，如一个3×3的滤波窗口，对应的坐标值(x,y)如下，将(x,y)和σ带入上述公式中，则可计算得权重G(x,y,σ)，并最终对各权重进行归一化处理，即使得

2、RGB转HSV算法

通常彩色影像的三通道为红R、绿G、蓝B，三通道的取值均为[0,255]的整数，若需进行颜色提取，HSV模型会比RGB模型效果更好，其中HSV模块中的H为色调，S为饱和度，V为明度。转换公式如下：

3、颜色提取算法

配合上述2中的HSV模型进行颜色提取，例如某种颜色需满足以下条件：

H∈[h

其中阈值随颜色种类不同而各不相同。提完完成后，生成黑白二值图像，特定颜色区域为白色，其余为黑色。

4、腐蚀与膨胀算法

腐蚀与膨胀算法基于3中产出的二值图像，即每个像素的取值非0即1，0为黑色、1为白色。例如以3×3的模板对二值图像进行腐蚀处理，若以像素A为中心的3×3窗口内存在0，则认为像素A的值为0；以3×3的模板对二值图像进行膨胀处理，若以像素A为中心的3×3窗口内存在1，则认为像素A的值为1。腐蚀的效果使得白色区域减小边缘一圈，膨胀的效果使得白色区域增加边缘一圈，该算法可有效去除小的连通区域，而这些区域通常为噪声。

上述处理结束后，若ROI内仍有存在指定颜色的白色区域，则认为该设备灯呈现指定颜色；若ROI内不存在各颜色的白色区域，则认为设备灯处于熄灭状态。

第五步：状态比对，异常告警

第四步中检测到的左右影像ROI中的设备灯状态与第二步中的设备灯基线状态进行比对，若不匹配，则产生告警，发送至告警平台。

本发明提供一套智能化机房设备异常状态巡检方法，用智能小车代替人对设备灯的明暗、颜色进行查看、判读，以达到发现设备异常状态的目的；本方法基于改进后的计算机视觉算法实现智能小车的移动巡检，并通过多维信息决策支持库提升机房设备状态的检测速率与准确度。

本发明算法和解决方案中，核心部件主要有三个，如图6所示：

核心部件：巡检小车、数据处理程序、多维信息决策支持库

巡检小车：按照指定路线进行移动巡检、并在巡检过程中采集双目彩色图像，同时利用自身的硬件设备和室内导航算法实时计算小车的三维坐标以及方位角，用于与双目摄像机标定所得的外方位元素进行换算，计算得到双目彩色影像的外方位元素。

数据处理程序：数据处理程序根据双目彩色图像和它们的外方位元素进行影像拍摄区域的物方ROI，前往多维信息决策支持库中获取物方ROI中的设备灯与设备标签的信息，并利用多维信息决策支持库中的设备灯与设备标签的信息换算影像中的像方ROI，缩小影像检测范围，提升检测准确度，在像方ROI中提取并计算巡检过程中的设备灯和设备标签的状态，与多维信息决策支持库中的信息进行比对，若不匹配则产生异常上报至监控告警平台。

多维信息决策支持库：该库中的数据为机房设备在正常状态下的数据，这些数据认为是基线数据，这些数据的采集是在巡检之前，在保证机房设备完全正常的情况下，巡检小车在机房中事先采集的数据，为保证基线数据的正确性，第一次采集需要运维人员辅助人工确认所检测的目标是否为设备灯或设备标签，若不是则可删除，以及需要运维人员辅助人工确认设备灯和设备标签的信息录入是否正确(通常情况下是正确的)；若后续有设备下架或上架，则运维人员开启小车的事先检测模式，遥控巡检小车至设备变化的位置，小车即可重新录入基线信数据。

本发明该专利可生产出自动化机房巡检产品；或该专利中优化算法可直接内嵌在移动巡检设备的处理程序中。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。