CN102393904A - 图像处理装置以及图像处理方法 - Google Patents

图像处理装置以及图像处理方法 Download PDF

Info

Publication number
CN102393904A
CN102393904A CN2011101703636A CN201110170363A CN102393904A CN 102393904 A CN102393904 A CN 102393904A CN 2011101703636 A CN2011101703636 A CN 2011101703636A CN 201110170363 A CN201110170363 A CN 201110170363A CN 102393904 A CN102393904 A CN 102393904A
Authority
CN
China
Prior art keywords
shape
processing unit
relativeness
normal
point
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2011101703636A
Other languages
English (en)
Other versions
CN102393904B (zh
Inventor
吴刚
刘伟杰
谢晓辉
魏强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Panasonic Holdings Corp
Original Assignee
Matsushita Electric Industrial Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Matsushita Electric Industrial Co Ltd filed Critical Matsushita Electric Industrial Co Ltd
Priority to CN2011101703636A priority Critical patent/CN102393904B/zh
Publication of CN102393904A publication Critical patent/CN102393904A/zh
Application granted granted Critical
Publication of CN102393904B publication Critical patent/CN102393904B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/48—Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30184—Infrastructure
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30236—Traffic on road, railway or crossing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

公开了图像处理装置，包括：边缘处理单元，从由摄像机所拍摄的图像提取多个边缘；法线矢量处理单元，求所述多个边缘的各边缘点的法线的方向；投票处理单元，对于所述多个边缘的每一个，求在从边缘点到法线方向的规定的距离中的、与所述法线正交的投票领域，对所述投票领域中所包含的点加算对应于所述法线方向的得票值；部分形状检测处理单元，从包含于所述图像中的所有的点提取在局部所述得票值高的局部峰值位置，判断第1相对关系和第2相对关系是否一致，形状形态处理单元，在所述部分形状检测单元中判断为一致的情况下，求与所述第1局部峰值位置对应的第1相对尺度变化率和第1相对旋转角度；形状识别处理单元，根据所述第1相对尺度变化率、所述第1相对旋转角度以及所述事先存储的形状，识别所述图像中所包含的图形。

Description

图像处理装置以及图像处理方法
分案说明
本申请是2009年1月19日进入中国的、发明名称为“图像处理装置以及图像处理方法”的、国家申请号为200780027216.5的中国专利申请的分案申请。
技术领域
本发明涉及从图像中检测特定形状的图像处理装置以及图像处理方法。
背景技术
现在，广泛利用了从摄像图像中检测出特定形状的图像处理装置以及方法。例如，在适用于FA(自动化工场)的图像处理装置中，通过进行部件形状的检测，实现了部件的取错或缺陷的检测。此外，最近的机器人导航中的诱导标识的识别或遥感中的建筑物的识别也利用了特定形状的检测。此外，存在以下的用于辅助驾驶的装置，识别道路标识，并将该识别出的标识信息通知给驾驶员或将该标识信息用于车辆控制的装置。在标识识别装置中，用相机摄像前方，从该摄像图像中提取出标识所使用的形状等特定区域的图像，并进行该提取出的图像和模板的标识图像的模板匹配等图案识别，从而识别标识。
在形状检测中，利用以往的霍夫变换方法(参照专利文献1)。从图像的边缘点，对表现了形状的解析式的参数进行投票，基于参数空间中的峰值，求形状的解析式的参数。标准霍夫变换算法只能利用于直线或圆等可用解析式表现的形状。与此相对，广义霍夫变换算法(参照非专利文献1)能够对任意形状进行检测。在广义霍夫变换中，指定某一参照点，基于形状的标准模板，预先生成形状上的点和参照点间的几何关系，与该点的特征之间的对应关系。由于通常存在多个上述对应关系，所以在从图像中检测形状时，基于图像的边缘点对所有可能的对应关系进行投票。基于投票结果，求可能性高的对应关系，检测出对象形状。此外，为了改善霍夫变换或广义霍夫变换的运行速度，采用了限制投票点的数目等方法(参照专利文献2)。
此外，还提出了使用与霍夫变换不同的投票方式来检测正多边形的技术(参照专利文献3)。在该技术中，对边缘点具有辐射对称(radial symmetry)的形状的中心点进行投票，所以投票空间实际上与图像空间相同。由此，与以往的霍夫变换相比，运行速度变快。
专利文献1：美国专利3069654号专利说明书
专利文献2：美国专利申请公开第2006/0291726号说明书
专利文献3：美国专利申请公开第2006/0098877号说明书
非专利文献1：D.H.Ballard著“ハフ変換の一般化による任意形状の検出、パタ一ン認識(Generalizing the Hough transform to detect arbitrary shapes，Pattern Recognition)”、Vol.13，No.2，1981年
发明内容
本发明要解决的问题
以往的技术存在不能高速地检测任意形状的问题。虽然广义霍夫变换能够适用于任意形状，但由于投票空间的维数较高，很难实现高速检测。例如，考虑到形状的尺度变换或旋转参数时，通常投票空间为三维以上。此外，专利文献3中记载的技术能够实现高速检测，但存在无法适用于正多边形以外的形状的问题。
此外，以往的形状检测方法为一个一个地检测对象形状的结构分量或综合地检测全部结构分量。因此，例如，由于在专利文献3中使用边缘点的强度，所以对于特定的组合的检测，鲁棒性不充分。
本发明的目的在于提供图像处理装置以及图像处理方法，能够从图像中高速地检测出特定形状，而且能够改善鲁棒性。
解决问题的方案
本发明的图像处理装置采用的结构包括：候补位置计算单元，从所提供的图像中，求第一圆的中心点的第一候补位置，所述第一圆与包含在检测对象的形状中的三边以三点相接；角度计算单元，求从所述三边至所述第一候补位置的法线与基准线之间的角度，所述基准线通过所述法线和各边相交的点且具有一定方向；相对关系计算单元，求与关于所述第一候补位置的所述角度的相对关系；以及识别单元，基于所述角度的相对关系以及预先存储的形状的角度的相对关系，识别包含在所述所提供的图像中的形状。
根据本发明的一个方面，提供一种图像处理装置，包括：边缘处理单元，从由摄像机所拍摄的图像提取多个边缘；法线矢量处理单元，求所述多个边缘的各边缘点的法线的方向；投票处理单元，对于所述多个边缘的每一个，求在从边缘点到法线方向的规定的距离中的、与所述法线正交的投票领域，对所述投票领域中所包含的点加算对应于所述法线方向的得票值；部分形状检测处理单元，从包含于所述图像中的所有的点提取在局部所述得票值高的局部峰值位置，判断第1相对关系和第2相对关系是否一致，所述第1相对关系为与加算到第1局部峰值位置的所述得票值对应的所述法线的方向的角度的相对关系，所述第2相对关系为在事先存储的形状的内切圆的切点的法线方向的角度的相对关系；形状形态处理单元，在所述部分形状检测单元中判断为一致的情况下，求与所述第1局部峰值位置对应的第1相对尺度变化率和第1相对旋转角度，所述第1相对尺度变化率和第1相对旋转角度根据所述第1峰值位置、与所述规定的距离以及所述得票值对应的法线方向的角度、所述事先存储的形状的内切圆的中心点和半径、以及在所述切点的法线方向的角度求得；形状识别处理单元，根据所述第1相对尺度变化率、所述第1相对旋转角度以及所述事先存储的形状，识别所述图像中所包含的图形。
根据本发明的另一个方面，提供一种图像处理装置，包括：边缘处理单元，从由摄像机所拍摄的图像提取多个边缘；法线矢量处理单元，求所述多个边缘的各边缘点的法线的方向；投票处理单元，对于所述多个边缘的每一个，求在从边缘点到法线方向的规定的距离中的、与所述法线正交的投票领域，对所述投票领域中所包含的点加算对应于所述法线方向的得票值；部分形状检测处理单元，将与加算于第1局部峰值位置的所述得票值对应的所述法线方向进行聚类，在聚类的误差小于规定阈值的情况下，判断第1相对关系和第2相对关系是否一致，所述第1相对关系为与加算到所述第1局部峰值位置的所述得票值对应的所述法线的方向的角度的相对关系，所述第2相对关系为在事先存储的形状的内切圆的切点的法线方向的角度的相对关系；形状形态处理单元，在所述部分形状检测单元中判断为一致的情况下，求与所述第1局部峰值位置对应的第1相对尺度变化率和第1相对旋转角度，所述第1相对尺度变化率和第1相对旋转角度根据所述第1峰值位置、与所述规定的距离以及所述得票值对应的法线方向的角度、所述事先存储的形状的内切圆的中心点和半径、以及在所述切点的法线方向的角度求得；形状识别处理单元，根据所述第1相对尺度变化率、所述第1相对旋转角度以及所述事先存储的形状，识别所述图像中所包含的图形。
根据本发明的再一个方面，提供一种图像处理方法，包括以下步骤：边缘处理步骤，从由摄像机所拍摄的图像提取多个边缘；法线矢量处理步骤，求所述多个边缘的各边缘点的法线的方向；投票处理步骤，对于所述多个边缘的每一个，求在从边缘点到法线方向的规定的距离中的、与所述法线正交的投票领域，对所述投票领域中所包含的点加算对应于所述法线方向的得票值；部分形状检测处理步骤，从包含于所述图像中的所有的点提取在局部所述得票值高的局部峰值位置，判断第1相对关系和第2相对关系是否一致，所述第1相对关系为与加算到第1局部峰值位置的所述得票值对应的所述法线的方向的角度的相对关系，所述第2相对关系为在事先存储的形状的内切圆的切点的法线方向的角度的相对关系；形状形态处理步骤，在所述部分形状检测单元中判断为一致的情况下，求与所述第1局部峰值位置对应的第1相对尺度变化率和第1相对旋转角度，所述第1相对尺度变化率和第1相对旋转角度根据所述第1峰值位置、与所述规定的距离以及所述得票值对应的法线方向的角度、所述事先存储的形状的内切圆的中心点和半径、以及在所述切点的法线方向的角度求得；形状识别处理步骤，根据所述第1相对尺度变化率、所述第1相对旋转角度以及所述事先存储的形状，识别所述图像中所包含的图形。
根据本发明的再一个方面，提供一种图像处理方法，包括以下步骤：边缘处理步骤，从由摄像机所拍摄的图像提取多个边缘；法线矢量处理步骤，求所述多个边缘的各边缘点的法线的方向；投票处理步骤，对于所述多个边缘的每一个，求在从边缘点到法线方向的规定的距离中的、与所述法线正交的投票领域，对所述投票领域中所包含的点加算与所述法线方向对应的得票值；部分形状检测处理步骤，将与加算于第1局部峰值位置的所述得票值对应的所述法线方向进行聚类，在聚类的误差小于规定阈值的情况下，判断第1相对关系和第2相对关系是否一致，所述第1相对关系为与加算到所述第1局部峰值位置的所述得票值对应的所述法线的方向的角度的相对关系，所述第2相对关系为在事先存储的形状的内切圆的切点的法线方向的角度的相对关系；形状形态处理步骤，在所述部分形状检测单元中判断为一致的情况下，求与所述第1局部峰值位置对应的第1相对尺度变化率和第1相对旋转角度，所述第1相对尺度变化率和第1相对旋转角度根据所述第1峰值位置、与所述规定的距离以及所述得票值对应的法线方向的角度、所述事先存储的形状的内切圆的中心点和半径、以及在所述切点的法线方向的角度求得；形状识别处理步骤，根据所述第1相对尺度变化率、所述第1相对旋转角度以及所述事先存储的形状，识别所述图像中所包含的图形。
发明的效果
根据本发明，能够从图像中高速地检测特定形状，而且能够改善鲁棒性。
附图说明
图1是表示本发明实施方式1的图像处理装置的结构图。
图2A是表示实施方式1的一例检测对象形状的标准模板的图。
图2B表示一例从摄像单元输出的输入图像的图。
图2C是表示实施方式1的一例边缘点以及法线方向的图。
图3是实施方式1的内切圆的提取例子的图。
图4是表示输入图像中所包含形状的内切圆的提取例子的图。
图5是表示实施方式1的一例投票区域的图。
图6是表示图1中的部分形状检测处理单元的内切圆检测的处理的流程图。
图7是表示本发明实施方式2的一例求骨架(skeleton)(细线)的图。
图8A是表示本发明实施方式3的一例检测对象形状的标准模板的图。
图8B是表示输入图像中所包含的图像形状的提取例子的图。
图9A是表示本发明实施方式4的一例检测对象形状的标准模板的图。
图9B是表示输入图像中所包含的图像形状的提取例子的图。
图10A是表示输入图像中所包含的图像形状的提取例子的图。
图10B是表示输入图像中所包含的图像形状的提取例子的图。
具体实施方式
以下，参照附图详细地说明本发明的实施方式。在以下说明的实施方式中，特定形状的线段的组合是指，检测对象的图像的轮廓包含一个以上的线段。轮廓可以是开放形状也可以是闭合形状。此外，也可以包含曲线作为线段。
2006年7月17日申请的中国专利申请第200610105671.X号中包含的说明书、附图及说明书摘要公开的内容全部被引用在本申请。
<实施方式1>
图1是本发明实施方式1的图像处理装置的结构图。在图1所示的图像处理装置100中，存储单元101将检测对象的特定形状作为标准模板存储。形状特征处理单元102基于存储单元101所存储的检测对象的特定形状的标准模板，生成描述了特定形状的结构特征的结构特征表。例如，形状特征处理单元102对于图2A所示的标准模板，提取如图3所示的与任意的三边以三点相切的圆(以下称为内切圆)。在图3所示的例子中，形状特征处理单元102合计提取四个内切圆(O1，r1；O2，r2；O3，r3；O4，r4)。形状特征处理单元102对各个内切圆的中心点、半径、切点的法线方向以及内切圆中心点间的相对位置关系作为结构特征表进行如表1所示的描述。在为直线时，各点的法线方向相同。对于内切圆，求相当于切点数的法线方向。在图3中，由于法线方向共有四个，所以内切圆之间共享部分法线方向。形状特征处理单元102的处理通常在离线状态下进行。
表1
  中心点   半径   切点的法线方向
  O1   r1   θ4，θ1，θ2
  O2   r2   θ1，θ2，θ3
  O3   r3   θ2，θ3，θ4
  O4   r4   θ3，θ4，θ1
中心点O2、O3、O4的座标表示相对于中心点O1的座标的相对位置的中心点O2、O3、O4。
边缘处理单元103提取各个图形的边缘，所述各个图形包含在从相机等摄像单元输出的输入图像中。例如，在图2B所示的例子中，提取图形S1、S2、S3的所有图形的边缘。在本实施方式中并不限定边缘提取方法。可以利用公知的方法，例如Canny、Sobel、LoG等任意的方法。在本实施方式中，以从输入图像中识别图形的形状为例进行说明，但对已存储的图像也可以适用用于识别图形的形状的处理。
法线矢量处理单元104求由边缘处理单元103求出的各个边缘上的边缘点的法线方向。例如，法线矢量处理单元104对图2B的原图像，就各个图形，求图2C所示的边缘点以及法线方向。
投票处理单元105对边缘点求投票区域，将属于投票区域的各点的得票值相加并进行投票。例如，图5表示一例投票区域。在图5中，p是边缘点，θ是边缘点p的法线方向，r是指定的投票半径，线段AB和CD是投票区域。法线方向θ是边缘点p的梯度方向。线段AB和线段CD的方向与法线正交，长度通常与r成比例。例如，用下式表示线段的长度L。
L＝a·r+b  …(1)
其中，a和b是任意的系数。
投票处理单元105通常依次指定在某个范围[rmin，rmax]中的多个值作为投票半径。投票是指，对于属于投票区域AB和CD的所有点q，累计其得票值S(q)。例如，得票值S(q)用下式(2)表示得票值S(q)。
S(q)＝S(q)+1…(2)
其中，投票处理单元105使S(q)的初始值为同一值，例如为“0”。同时，投票处理单元105也存储得票方向D(s(q))。例如，用下式(3)表示得票方向D(s(q))。
D(s(q))＝θ或θ+π…(3)
进行投票时，点q的位置可以设定在输入图像的像素点位置上，也可以设定在像素间的位置上。此外，将全像素点的可能的投票区域的和称为投票范围。通常，可以将投票范围设定为与图像范围相同，即设定为整个像素点范围。以上，说明了投票处理的基本方法。但是，并不特别限定投票范围、投票区域、得票值的相加方法等具体的计算方法。例如，也可以利用专利文献3提出的投票区域的设定方法。
部分形状检测处理单元106基于形状特征处理单元102的处理结果和投票处理单元105的处理结果，检测与模板形状对应的线段的组合。具体而言，以图3以及表1所示的内切圆(O1，r1)的检测为例，参照图6说明部分形状检测处理单元106的动作流程。图6是表示部分形状检测处理单元106中的内切圆检测的处理的流程图。
首先，在步骤10中，部分形状检测处理单元106(相当于本发明的“候补位置计算单元”)对投票范围Q内的所有点q，求全部得票值S(q)的局部峰值位置。局部峰值位置为在局部上得票值高的点。例如，用xj，j＝1，...，J表现局部峰值位置，并作为内切圆中心点位置O1的候补位置。
接着，在步骤11，部分形状检测处理单元106整理局部峰值位置xj的得票方向。具体而言，由于对应于内切圆(O1，r1)的切点的法线方向数n＝3，所以公知的方法将由投票处理单元105存储的得票方向D(S(q))聚类为三个聚类(cluster)。这里，作为公知的方法有K-means算法。
在步骤12，聚类的误差小于规定阈值时(“是”)，部分形状检测处理单元106将得票方向数设为n＝3，并将各个聚类的中心方向设定为局部峰值位置xj，j＝1，...，J的得票方向。进而，部分形状检测处理单元106(相当于本发明的“角度计算单元”)求从进行投票的三边至候补位置的法线与直线之间的角度，所述直线通过所述法线与各边相交的点且具有一定方向。换言之，部分形状检测处理单元106求得票方向。
在步骤13，在聚类的误差大于规定阈值时(步骤12：“否”)，部分形状检测处理单元106存储xj不是内切圆中心点位置O1的候补点。
在聚类的误差小于规定阈值时(步骤12：“是”)，接着，在步骤14，部分形状检测处理单元106(相当于本发明的“相对关系计算单元”)判断局部峰值位置xj，j＝1，...，J的得票方向的角度的相对关系与内切圆(O1，r1)的切点的法线方向的角度的相对关系是否一致。
在各个角度的相对关系一致时(步骤14：“是”)，在步骤15，部分形状检测处理单元106(相当于本发明的“相对关系计算单元”)将局部峰值位置xj作为内切圆中心点位置O1的候补点进行存储。在步骤13，在各个角度的相对关系不一致时(步骤14：“否”)，部分形状检测处理单元106存储xj不是内切圆中心点位置O1的候补点。例如，如图4所示，在求出内切圆中心点位置O1的候补位置O1’的三个得票方向θ1’、θ2’、θ4’时，部分形状检测处理单元106判断得票方向θ1’、θ2’、θ4’的角度的相对关系|θ1’-θ2’|、|θ2’-θ4’|、|θ4’-θ1’|与表1所示的三个切点的法线方向θ4、θ1、θ2的角度的相对关系|θ1-θ2|、|θ2-θ4|、|θ4-θ1|是否相等。但是，并不必须限定对应关系为θ1’与θ1、θ2’与θ2、θ4’与θ4。在角度的相对关系|θ1’-θ2’|、|θ2’-θ4’|、|θ4’-θ1’|与角度的相对关系|θ1-θ2|、|θ2-θ4|、|θ4-θ1|分别相等时，部分形状检测处理单元106求与θ1、θ2、θ4分别对应的得票方向。
在步骤16，部分形状检测处理单元106直至j＝J为止判断是否完成了对所有的局部峰值位置xj的处理。
在没有完成对所有的局部峰值位置xj的处理时(步骤16：“否”)，在步骤17，对j加“1”，然后，进行从步骤11直至步骤15为止的处理。在完成对所有的局部峰值位置xj的处理时(步骤16：“是”)，进至步骤18。
在步骤18，部分形状检测处理单元106输出与内切圆中心点位置O1对应的局部峰值位置O1’、对应的半径r1’以及对应的得票方向(θ1’、θ2’、θ4’)。
接着，形状形态处理单元107基于形状特征处理单元102的处理结果与部分形状检测处理单元106的处理结果，求输入图像上的形状与标准模板的相对尺度变化率和相对旋转角度。例如，对于图2C所示的四边形S1，如图4所示，内切圆候补(O1’r1’)在从部分形状检测处理单元106输出时，形状形态处理单元107用r1’/r1计算相对尺度变化率，用(θ1’-θ1+θ2’-θ2+θ4’-θ4)/3计算相对旋转角度。
形状识别处理单元108(相当于本发明的“识别单元”)基于由形状形态处理单元107求出的各个部分形状的相对位置关系，检测整个形状。考虑到形状形态处理单元107求出的相对尺度变化率和相对旋转角度的结果，形状识别处理单元108判断O2’、O3’、O4’相对于O1’的相对位置关系与表1所示的各个中心点的相对位置关系是否一致。在各个相对位置关系一致时，形状识别处理单元108将包含在输入图像中的图形S1与图2A所示的模板形状一致作为检测结果输出。
<变形例>
上述的具体说明并不限定本发明的范围。例如，也可以考虑到以下的利用方式。
在从输入图像中检测出对应于内切圆中心点位置O1的部分形状的局部峰值位置O1’时，考虑相对尺度变化率、相对旋转角度以及表1所示的结构特征表，则能够预测局部峰值位置O2’、O3’、O4’的位置。使用投票处理单元105的结果，通过判断在所预测的局部峰值位置O2’、O3’、O4’附近是否存在局部峰值位置，也能实现形状检测。
此外，对于图3的模板形状，也可以在表1的结构特征表中描述四个内切圆中的两个内切圆而不是四个内切圆。通过检测两个内切圆以及角度的相对关系，实现图形S1的形状检测。
此外，在不利用所有的内切圆的情况下，可以选择任意的内切圆。此外，可以依据半径大小的顺序或其他基准进行选择。
此外，在本实施方式中，以形状特征处理单元102提取与任意的三边以三点相切的圆为例进行了说明，但并不限于此。也可以为以下结构，形状特征处理单元102提取与任意的三边以上以三点以上相切的圆。例如，也可以为以下结构，形状特征处理单元102提取与任意的四边以四点相切的圆。这里，即使在提取与任意的四边以四点相切的圆的情况下，也是认定为提取与任意的三边以三点相切的圆。
此外，来自形状识别处理单元108的检测结果可以在上述过程中被利用于检测有无特定形状或利用于提取与特定形状相近的形状。
根据本实施方式，由于能够高速地进行在指定位置上是否存在线段的验证，所以在本实施方式中也能够高速地检测特定形状。此外，由于检测多个线段的组合，所以与边缘点的强度相比要更重视其分布。因此，能够改善鲁棒性。
<实施方式2>
在本实施方式中，说明由形状特征处理单元102生成的检测对象形状的结构特征表的生成方法。
目前，在图像处理领域，已知二值图像的骨架提取技术。形状特征处理单元102例如对图2A的标准模板形状，将形状内部设为1，将形状外部设为0，生成二值图像。如图7所示，形状特征处理单元102基于骨架提取技术，能够求骨架(细线)。形状特征处理单元102将骨架中存在的交点T1、T2作为表1所示的与三边以三点相切的内切圆的中心点进行设定。
形状特征处理单元102按照以下方式求内切圆的半径。首先，形状特征处理单元102求上述二值图像的边缘点。接着，形状特征处理单元102假设半径为r，以求出的边缘点进行投票。接着，形状特征处理单元102计算上述骨架交点T1、T2的位置上的得票值。形状特征处理单元102基于上述得票值与r的依附关系，将使得票值为最大的r设定为内切圆的半径，求切点的法线方向，生成表1所示的结构特征表。
<实施方式3>
在本实施方式中，形状特征处理单元102不仅生成内切圆的特征，而且生成用于构成形状的一个以上的直线线段的特征，并将它们在检测对象形状的结构特征表中描述。
在为图8A所示的标准模板的情况下，形状特征处理单元102生成下面的表2A和表2B的结构特征表。表2A与表1同样描述内切圆的特征，表2B描述没有共享内切圆的其他线段的特征。
表2A
  内切圆中心点   内切圆半径   切点的法线方向
  O   r   θ3，θ4，θ5
表2B
  线段   中点(以与内切圆中心点的相对位置进行描述)   方向   长度
  m1   P1   α1   L1
  m2   P2   α2   L2
  m3   P3   α3   L3
  m4   P4   α4   L4
形状特征处理单元102在表2B中描述各个直线线段m1、m2、m3、m4的中点位置P1、P2、P3、P4、连结中点位置与内切圆中心点的线段OP1、OP2、OP3、OP4的方向(未图示)以及它们的长度L1、L2、L3、L4(未图示)。以其相对于内切圆的中心点O的座标的相对位置来表示中点位置P1、P2、P3、P4。方向α1～α4(未图示)为，线段OP1、OP2、OP3、OP4与通过中心点O的具有一定方向的直线(例如，画面的扫描线)所形成的角度。
如实施方式1中的说明，对表2A的内切圆(O，r)的特征进行检测。例如，部分形状检测处理单元106对图8B的图像形状，基于内切圆的检测，对特定形状的线段的组合(L3’、L4’、L5’)进行检测。
形状形态处理单元107求与表2B的标准模板的组合(L3、L4、L5)的相对尺度变化率和相对旋转角度。
形状识别处理单元108基于内切圆的位置、相对尺度变化率、相对旋转角度以及表2B的结构特征表，验证与线段m1、m2、m3、m4对应的图像边缘是否存在。具体而言，形状识别处理单元108计算各个线段的应在图像中的位置和长度，合计在线段上所存在的边缘点的数目。形状识别处理单元108在边缘点的数目大于指定阈值时，识别为存在线段。形状识别处理单元108如果能够确认所有线段的存在，则检测出图8A所示的整个形状存在。也就是说，形状识别处理单元108预测其他所有的边，并求预测出的其他的所有边的边缘点的数目，识别包含有其他的所有边的形状。
根据本实施方式，对在检测对象形状上存在的相对较短的线段、例如图8A的m1和m4，特别有效。由于能够高速地进行在指定位置上是否存在线段的验证，所以在本实施方式中也能够高速地检测特定形状。此外，由于检测多个线段的组合，所以与边缘点的强度相比要更重视其分布。因此，能够改善鲁棒性。
<实施方式4>
在本实施方式中，以在检测对象形状上存在曲线线段的情况下的检测为例进行说明。
图9A表示一例标准模板。形状特征处理单元102生成以下的表3A和表3B的结构特征表。表3A与表1同样描述了内切圆的特征，表3B描述了没有共享内切圆的曲线线段的特征。
表3A
  内切圆中心点   内切圆半径   切点的法线方向
  O   r   θ1，θ2，θ3
表3B
  曲线线段  采样点1 …  采样点m
  c1  P1 …  Pm
如表3B所示，形状特征处理单元102描述了对曲线线段c1进行采样的点m的位置。用与表3A的内切圆(O，r)的中心点的相对位置，表示曲线线段c1上的采样点的位置。
在从图像中检测与该标准模板对应的形状、例如图9B所示的形状时，首先，如实施方式1中的说明，部分形状检测处理单元106检测共享了内切圆的特定形状的线段的组合。接着，形状形态处理单元107检测与标准模板的相对尺度变化率和相对旋转角度。接着，形状识别处理单元108基于内切圆的位置、相对尺度变化率、相对旋转角度以及结构特征表，验证与曲线线段对应的图像边缘是否存在。也就是说，形状识别处理单元108合计与设定的采样点对应的应在图像位置上存在的边缘点的数目。形状识别处理单元108如果能够确认相对应的边缘的存在，则检测出图9A所示的整个形状存在。
此外，在用解析式表示曲线线段时，也可以基于图像，求与曲线线段对应的位置，合计在求出的位置上存在的边缘点。
根据本实施方式，由于能够高速地进行在指定位置上时是否存在线段的验证，所以在本实施方式中也能够高速地检测特定形状。此外，由于检测多个线段的组合，所以与边缘点的强度相比更重视其分布。因此，能够改善鲁棒性。
<实施方式5>
在本实施方式中，实现在检测对象形状中存在一个共享内切圆的情况下的检测。
此时，由于仅记载切点的相对法线方向作为特征表，所以即使不利用标准模板，也能够检测特定形状。
作为例子，在检测图10A的三角形时，如果不仅存在三个投票方向，而且相对方向都小于180度，则能够检测出三角形的存在。进而，如果相对方向都是120度，则能够检测出是正三角形。
而且，对图10B所示的形状，如果存在三个投票方向，而且相对方向分别为90度、180度、90度，则能够检测出是规定的形状。
根据本实施方式，由于检测多个线段的组合，所以与边缘点的强度相比要更重视其分布。因此，能够改善鲁棒性。
以上，说明了实施方式1至实施方式5的图像处理装置及图像处理方法。本发明也能够适用于可以执行图像处理方法的计算机程序。
工业实用性
本发明具有能够从图像中高速地检测出特定形状而且改善鲁棒性的效果，对图像处理装置及图像处理方法、车载装置、机器人导航、遥感的建筑物检测等各种装置及方法极为有用。

Claims (8)

1.图像处理装置，包括：
边缘处理单元，从由摄像机所拍摄的图像提取多个边缘；
法线矢量处理单元，求所述多个边缘的各边缘点的法线的方向；
投票处理单元，对于所述多个边缘的每一个，求在从边缘点到法线方向的规定的距离中的、与所述法线正交的投票领域，对所述投票领域中所包含的点加算对应于所述法线方向的得票值；
部分形状检测处理单元，从包含于所述图像中的所有的点提取在局部所述得票值高的局部峰值位置，判断第1相对关系和第2相对关系是否一致，所述第1相对关系为与加算到第1局部峰值位置的所述得票值对应的所述法线的方向的角度的相对关系，所述第2相对关系为在事先存储的形状的内切圆的切点的法线方向的角度的相对关系；
形状形态处理单元，在所述部分形状检测单元中判断为一致的情况下，求与所述第1局部峰值位置对应的第1相对尺度变化率和第1相对旋转角度，所述第1相对尺度变化率和第1相对旋转角度根据所述第1峰值位置、与所述规定的距离以及所述得票值对应的法线方向的角度、所述事先存储的形状的内切圆的中心点和半径、以及在所述切点的法线方向的角度求得；
形状识别处理单元，根据所述第1相对尺度变化率、所述第1相对旋转角度以及所述事先存储的形状，识别所述图像中所包含的图形。
2.根据权利要求1所述的图像处理装置，
所述第1相对关系为与所述得票值对应的所述法线方向的角度的差分的绝对值，所述第2相对关系为在所述切点中的法线方向的角度的差分的绝对值。
3.根据权利要求1所述的图像处理装置，
在有多个所述局部峰值位置存在的情况下，
所述形状形态处理单元，进一步求与第2局部峰值位置对应的第2相对尺度变化率以及第2相对旋转角度，
所述形状识别处理单元，进一步根据所述第1局部峰值位置与所述第2局部峰值位置之间的相对位置、所述第2相对尺度变化率以及所述第2相对旋转角度，识别所述图像中所包含的图形。
4.图像处理装置，包括：
边缘处理单元，从由摄像机所拍摄的图像提取多个边缘；
法线矢量处理单元，求所述多个边缘的各边缘点的法线的方向；
投票处理单元，对于所述多个边缘的每一个，求在从边缘点到法线方向的规定的距离中的、与所述法线正交的投票领域，对所述投票领域中所包含的点加算对应于所述法线方向的得票值；
部分形状检测处理单元，将与加算于第1局部峰值位置的所述得票值对应的所述法线方向进行聚类，在聚类的误差小于规定阈值的情况下，判断第1相对关系和第2相对关系是否一致，所述第1相对关系为与加算到所述第1局部峰值位置的所述得票值对应的所述法线的方向的角度的相对关系，所述第2相对关系为在事先存储的形状的内切圆的切点的法线方向的角度的相对关系；
形状形态处理单元，在所述部分形状检测单元中判断为一致的情况下，求与所述第1局部峰值位置对应的第1相对尺度变化率和第1相对旋转角度，所述第1相对尺度变化率和第1相对旋转角度根据所述第1峰值位置、与所述规定的距离以及所述得票值对应的法线方向的角度、所述事先存储的形状的内切圆的中心点和半径、以及在所述切点的法线方向的角度求得；
形状识别处理单元，根据所述第1相对尺度变化率、所述第1相对旋转角度以及所述事先存储的形状，识别所述图像中所包含的图形。
5.图像处理方法，包括以下步骤：
边缘处理步骤，从由摄像机所拍摄的图像提取多个边缘；
法线矢量处理步骤，求所述多个边缘的各边缘点的法线的方向；
投票处理步骤，对于所述多个边缘的每一个，求在从边缘点到法线方向的规定的距离中的、与所述法线正交的投票领域，对所述投票领域中所包含的点加算对应于所述法线方向的得票值；
部分形状检测处理步骤，从包含于所述图像中的所有的点提取在局部所述得票值高的局部峰值位置，判断第1相对关系和第2相对关系是否一致，所述第1相对关系为与加算到第1局部峰值位置的所述得票值对应的所述法线的方向的角度的相对关系，所述第2相对关系为在事先存储的形状的内切圆的切点的法线方向的角度的相对关系；
形状形态处理步骤，在所述部分形状检测单元中判断为一致的情况下，求与所述第1局部峰值位置对应的第1相对尺度变化率和第1相对旋转角度，所述第1相对尺度变化率和第1相对旋转角度根据所述第1峰值位置、与所述规定的距离以及所述得票值对应的法线方向的角度、所述事先存储的形状的内切圆的中心点和半径、以及在所述切点的法线方向的角度求得；
形状识别处理步骤，根据所述第1相对尺度变化率、所述第1相对旋转角度以及所述事先存储的形状，识别所述图像中所包含的图形。
6.根据权利要求5所述的图像处理装置，
所述第1相对关系为与所述得票值对应的所述法线方向的角度的差分的绝对值，所述第2相对关系为在所述切点中的法线方向的角度的差分的绝对值。
7.根据权利要求5所述的图像处理装置，
在有多个所述局部峰值位置存在的情况下，
所述形状形态处理单元，进一步求与第2局部峰值位置对应的第2相对尺度变化率以及第2相对旋转角度，
所述形状识别处理单元，进一步根据所述第1局部峰值位置与所述第2局部峰值位置之间的相对位置、所述第2相对尺度变化率以及所述第2相对旋转角度，识别所述图像中所包含的图形。
8.图像处理方法，包括以下步骤：
边缘处理步骤，从由摄像机所拍摄的图像提取多个边缘；
法线矢量处理步骤，求所述多个边缘的各边缘点的法线的方向；
投票处理步骤，对于所述多个边缘的每一个，求在从边缘点到法线方向的规定的距离中的、与所述法线正交的投票领域，对所述投票领域中所包含的点加算与所述法线方向对应的得票值；
部分形状检测处理步骤，将与加算于第1局部峰值位置的所述得票值对应的所述法线方向进行聚类，在聚类的误差小于规定阈值的情况下，判断第1相对关系和第2相对关系是否一致，所述第1相对关系为与加算到所述第1局部峰值位置的所述得票值对应的所述法线的方向的角度的相对关系，所述第2相对关系为在事先存储的形状的内切圆的切点的法线方向的角度的相对关系；
形状形态处理步骤，在所述部分形状检测单元中判断为一致的情况下，求与所述第1局部峰值位置对应的第1相对尺度变化率和第1相对旋转角度，所述第1相对尺度变化率和第1相对旋转角度根据所述第1峰值位置、与所述规定的距离以及所述得票值对应的法线方向的角度、所述事先存储的形状的内切圆的中心点和半径、以及在所述切点的法线方向的角度求得；
形状识别处理步骤，根据所述第1相对尺度变化率、所述第1相对旋转角度以及所述事先存储的形状，识别所述图像中所包含的图形。
CN2011101703636A 2006-07-17 2007-07-17 图像处理装置以及图像处理方法 Expired - Fee Related CN102393904B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2011101703636A CN102393904B (zh) 2006-07-17 2007-07-17 图像处理装置以及图像处理方法

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN200610105671.X 2006-07-17
CNA200610105671XA CN101110101A (zh) 2006-07-17 2006-07-17 识别图像的方法及设备
CN2011101703636A CN102393904B (zh) 2006-07-17 2007-07-17 图像处理装置以及图像处理方法

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN2007800272165A Division CN101490711B (zh) 2006-07-17 2007-07-17 图像处理装置以及图像处理方法

Publications (2)

Publication Number Publication Date
CN102393904A true CN102393904A (zh) 2012-03-28
CN102393904B CN102393904B (zh) 2013-09-04

Family

ID=38956819

Family Applications (4)

Application Number Title Priority Date Filing Date
CN2006101056673A Expired - Fee Related CN101110100B (zh) 2006-07-17 2006-07-17 检测包含任意线段组合的形状的方法及装置
CNA200610105671XA Pending CN101110101A (zh) 2006-07-17 2006-07-17 识别图像的方法及设备
CN2007800272165A Expired - Fee Related CN101490711B (zh) 2006-07-17 2007-07-17 图像处理装置以及图像处理方法
CN2011101703636A Expired - Fee Related CN102393904B (zh) 2006-07-17 2007-07-17 图像处理装置以及图像处理方法

Family Applications Before (3)

Application Number Title Priority Date Filing Date
CN2006101056673A Expired - Fee Related CN101110100B (zh) 2006-07-17 2006-07-17 检测包含任意线段组合的形状的方法及装置
CNA200610105671XA Pending CN101110101A (zh) 2006-07-17 2006-07-17 识别图像的方法及设备
CN2007800272165A Expired - Fee Related CN101490711B (zh) 2006-07-17 2007-07-17 图像处理装置以及图像处理方法

Country Status (5)

Country Link
US (2) US20090304285A1 (zh)
EP (1) EP2043046A1 (zh)
JP (2) JP4794625B2 (zh)
CN (4) CN101110100B (zh)
WO (1) WO2008010488A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109509165A (zh) * 2017-09-11 2019-03-22 凌云光技术集团有限责任公司 图像定位区域选取方法及装置
CN113271407A (zh) * 2020-02-14 2021-08-17 佳能株式会社 成像装置及其控制方法和存储介质
CN113272877A (zh) * 2019-01-09 2021-08-17 捷豹路虎有限公司 用于车辆的控制系统
CN113343944A (zh) * 2021-07-28 2021-09-03 浙江华睿科技股份有限公司 机器人图像采集方法及装置、电子设备、存储介质

Families Citing this family (48)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7831098B2 (en) * 2006-11-07 2010-11-09 Recognition Robotics System and method for visual searching of objects using lines
CN101388077A (zh) 2007-09-11 2009-03-18 松下电器产业株式会社 目标形状检测方法及装置
CN101539999B (zh) * 2008-03-19 2013-03-06 北大方正集团有限公司 平面几何形状的识别方法及装置
CN101727452B (zh) * 2008-10-22 2012-09-19 富士通株式会社 图像处理方法和设备
CN101625722B (zh) * 2009-08-11 2012-01-11 中国农业大学 载物识别图像的分类方法
WO2011021605A1 (ja) * 2009-08-18 2011-02-24 公立大学法人大阪府立大学 物体検出方法
CN101814139B (zh) * 2010-04-14 2012-02-29 华中科技大学 一种雨滴识别方法
CN102511049B (zh) * 2010-05-13 2013-07-17 中国科学院自动化研究所 基于拓扑知觉组织理论的形状图像分类方法
CN101916381B (zh) * 2010-07-13 2012-06-20 北京大学 基于稀疏表示的物体轮廓提取方法
JP5682282B2 (ja) * 2010-12-15 2015-03-11 富士通株式会社 弧検出装置、弧検出プログラム及び携帯端末装置
AU2011201024A1 (en) * 2011-03-08 2012-09-27 Canon Kabushiki Kaisha Shape parameterisation for editable document generation
JP5773736B2 (ja) * 2011-05-10 2015-09-02 アズビル株式会社 照合装置
US10081308B2 (en) 2011-07-08 2018-09-25 Bendix Commercial Vehicle Systems Llc Image-based vehicle detection and distance measuring method and apparatus
US9443318B2 (en) * 2011-08-30 2016-09-13 Megachips Corporation Line segment and arc detection apparatus
KR101509003B1 (ko) * 2011-12-16 2015-04-07 도꾸리쯔교세이호징 가가꾸 기쥬쯔 신꼬 기꼬 특징량 추출 방법, 피사체 분류 방법, 피사체 판별 방법, 특징량 추출 장치, 피사체 분류 장치, 피사체 판별 장치, 특징량 추출·피사체 분류 및 피사체 판별 프로그램, 및 그 프로그램을 기록한 기록 매체
US8811675B2 (en) 2012-03-30 2014-08-19 MindTree Limited Circular object identification system
TWI475422B (zh) * 2012-10-31 2015-03-01 Wistron Corp 手勢辨識方法與電子裝置
CN103870828B (zh) * 2012-12-17 2018-06-15 富泰华工业（深圳）有限公司 图像相似度判断系统及方法
CN103324948B (zh) * 2013-07-01 2016-04-27 武汉大学 一种基于线特征的低空遥感影像稳健匹配方法
CN103971087B (zh) * 2013-07-12 2017-04-19 湖南纽思曼导航定位科技有限公司 一种实时搜索及识别交通标志的方法及装置
CN104346798B (zh) * 2013-08-01 2019-01-11 深圳力维智联技术有限公司 目标轮廓多边形逼近方法及其装置
CN103425984B (zh) * 2013-08-15 2016-09-07 京北方信息技术股份有限公司 一种检测票据中正多边形印章的方法和装置
CN103645890B (zh) * 2013-11-29 2017-12-01 北京奇虎科技有限公司 一种用于在图形用户界面中定位控件的方法和装置
CN103712560A (zh) * 2013-12-27 2014-04-09 镇江冈山电子有限公司 基于多个传感器信息融合的零件检测方法、系统及装置
KR101596299B1 (ko) * 2014-01-06 2016-02-22 현대모비스 주식회사 교통 표지판 인식 방법 및 장치
EP3118813B1 (en) * 2014-03-14 2021-06-02 Omron Corporation Image recognition device, image sensor, and image recognition method
JP2015184929A (ja) * 2014-03-24 2015-10-22 株式会社東芝 立体物検出装置、立体物検出方法、および立体物検出プログラム
CN103955925B (zh) * 2014-04-22 2017-03-29 湖南大学 基于分块固定最小采样的改进概率霍夫变换曲线检测方法
US9495609B2 (en) 2014-04-30 2016-11-15 Bendix Commercial Vehicle Systems Llc System and method for evaluating data
CN105334765A (zh) * 2014-08-06 2016-02-17 北大方正集团有限公司 电源电路控制方法及装置
JP6528308B2 (ja) * 2015-02-05 2019-06-12 国立大学法人神戸大学 形状評価方法および形状評価装置
CN106033613B (zh) * 2015-03-16 2019-04-30 北京大学 目标跟踪方法及装置
CN104794723A (zh) * 2015-05-04 2015-07-22 福建师范大学 一种基于概率的遥感影像建筑物位置检测方法
CN105069454A (zh) * 2015-08-24 2015-11-18 广州视睿电子科技有限公司 图像识别的方法及装置
CN105260743A (zh) * 2015-09-29 2016-01-20 小米科技有限责任公司 图形分类方法和装置
CN106355744B (zh) * 2016-08-24 2019-07-26 深圳怡化电脑股份有限公司 一种印尼盾币值的识别方法及装置
CN107578438A (zh) * 2017-07-13 2018-01-12 南京协辰电子科技有限公司 圆识别方法、装置及电子设备
CN107610236B (zh) * 2017-08-21 2021-05-11 武汉秀宝软件有限公司 一种基于图形识别的交互方法及系统
CN108764344B (zh) * 2018-05-29 2021-08-24 北京物灵智能科技有限公司 一种基于边缘识别卡片的方法、装置及存储设备
CN109101982B (zh) * 2018-07-26 2022-02-25 珠海格力智能装备有限公司 目标对象的识别方法和装置
CN109242016B (zh) * 2018-08-30 2019-09-17 天津理工大学 一种空间曲线的相似性判断方法
CN112488983A (zh) * 2019-09-11 2021-03-12 中信戴卡股份有限公司 缺陷识别网络的获得方法、缺陷识别方法和等级确定方法
CN110908377B (zh) * 2019-11-26 2021-04-27 南京大学 一种机器人导航空间约简方法
CN111192242B (zh) * 2019-12-23 2023-03-28 中国电子科技集团公司第十三研究所 微米级格栅特征的一致性检测方法、装置及终端设备
CN113554582B (zh) * 2020-04-22 2022-11-08 中国科学院长春光学精密机械与物理研究所 电子设备盖板上功能孔的缺陷检测方法、装置以及系统
CN112153422B (zh) * 2020-09-25 2023-03-31 连尚(北京)网络科技有限公司 视频融合方法和设备
CN112132091A (zh) * 2020-09-29 2020-12-25 陕西省交通规划设计研究院 遥感图像的解译方法、装置、计算机设备及其存储介质
CN113390801B (zh) * 2021-04-28 2023-03-14 中国农业科学院农产品加工研究所 一种光学无损评价不规则肉品品质的在线检测系统及方法

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3069654A (en) 1960-03-25 1962-12-18 Paul V C Hough Method and means for recognizing complex patterns
US4783829A (en) * 1983-02-23 1988-11-08 Hitachi, Ltd. Pattern recognition apparatus
US4922543A (en) * 1984-12-14 1990-05-01 Sten Hugo Nils Ahlbom Image processing device
JPS62125481A (ja) * 1985-11-26 1987-06-06 インターナショナル・ビジネス・マシーンズ・コーポレーション パタ−ン認識装置
JPH077448B2 (ja) * 1987-10-08 1995-01-30 日立ソフトウェアエンジニアリング株式会社 円弧部認識方法
JPH0296287A (ja) * 1988-10-03 1990-04-09 Nissan Motor Co Ltd 図形検出装置
JP2942454B2 (ja) * 1993-05-26 1999-08-30 松下電工株式会社 形状認識方法
JPH0765175A (ja) * 1993-08-31 1995-03-10 Matsushita Electric Ind Co Ltd 位置認識方法
US5579415A (en) * 1993-08-06 1996-11-26 Matsushita Electric Industrial Co., Ltd. Computer implemented method of recognizing a position of an object
JPH07271979A (ja) * 1994-03-29 1995-10-20 Meidensha Corp 画像認識方法及びその装置
FR2735598B1 (fr) * 1995-06-16 1997-07-11 Alsthom Cge Alcatel Methode d'extraction de contours par une approche mixte contour actif et amorce/guidage
KR100219072B1 (ko) * 1996-04-02 1999-09-01 김영환 중심축 변환을 이용한 폰트 및 그 폰트 서체의 변형 및 라스터라이징 방식
US6393159B1 (en) * 1998-06-29 2002-05-21 The Regents Of The University Of California Multiscale characterization and analysis of shapes
CN1106155C (zh) * 1999-09-30 2003-04-23 李金华 柿子加工方法
CA2405772A1 (en) * 2000-04-07 2001-10-18 Daniel Fritsch Systems and methods for tubular object processing
US6735343B2 (en) * 2000-08-07 2004-05-11 Electro Scientific Industries Inc. Polygon finder and pruned tree geometric match method
JP2002350110A (ja) * 2001-05-28 2002-12-04 Tokyo Seimitsu Co Ltd ワークの中心位置検出方法及び装置
JP3997749B2 (ja) * 2001-10-22 2007-10-24 ソニー株式会社 信号処理方法及び装置、信号処理プログラム、並びに記録媒体
DE10159604A1 (de) 2001-12-05 2003-06-12 Atmel Germany Gmbh Verfahren zur Erkennung einer Weiterleitung bei einer kontaktlosen Datenübertragung
CN101288582A (zh) * 2003-04-25 2008-10-22 奥林巴斯株式会社 图像显示装置和图像显示方法
JP4068596B2 (ja) * 2003-06-27 2008-03-26 株式会社東芝 図形処理方法、図形処理装置およびコンピュータ読取り可能な図形処理プログラム
JP2005044033A (ja) 2003-07-24 2005-02-17 Mega Chips Corp 画像検出方法および画像検出プログラム
JP2005346287A (ja) 2004-06-01 2005-12-15 Denso Corp 画像認識方法および装置
US20060098877A1 (en) 2004-11-09 2006-05-11 Nick Barnes Detecting shapes in image data
JP2007004709A (ja) * 2005-06-27 2007-01-11 Toshiba Corp 対象パターン検出方法及びその装置

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109509165A (zh) * 2017-09-11 2019-03-22 凌云光技术集团有限责任公司 图像定位区域选取方法及装置
CN109509165B (zh) * 2017-09-11 2021-01-29 凌云光技术股份有限公司 图像定位区域选取方法及装置
CN113272877A (zh) * 2019-01-09 2021-08-17 捷豹路虎有限公司 用于车辆的控制系统
CN113272877B (zh) * 2019-01-09 2023-10-24 捷豹路虎有限公司 用于车辆的控制系统
CN113271407A (zh) * 2020-02-14 2021-08-17 佳能株式会社 成像装置及其控制方法和存储介质
CN113343944A (zh) * 2021-07-28 2021-09-03 浙江华睿科技股份有限公司 机器人图像采集方法及装置、电子设备、存储介质

Also Published As

Publication number Publication date
JP2011170893A (ja) 2011-09-01
CN101490711A (zh) 2009-07-22
US8180158B2 (en) 2012-05-15
JP4794625B2 (ja) 2011-10-19
CN101110101A (zh) 2008-01-23
CN101110100A (zh) 2008-01-23
JPWO2008010488A1 (ja) 2009-12-17
WO2008010488A1 (fr) 2008-01-24
US20090304285A1 (en) 2009-12-10
US20100086219A1 (en) 2010-04-08
JP5020395B2 (ja) 2012-09-05
EP2043046A1 (en) 2009-04-01
CN101490711B (zh) 2012-01-11
CN101110100B (zh) 2012-05-02
CN102393904B (zh) 2013-09-04

Similar Documents

Publication Publication Date Title
CN101490711B (zh) 图像处理装置以及图像处理方法
CN101785028B (zh) 图像处理装置和图像处理方法
US6111993A (en) Straight line detecting method
CN102568009B (zh) 用于电子地图的线段抽稀装置及其方法
CN102521838B (zh) 一种图像匹配方法及系统
CN103136525B (zh) 一种利用广义Hough变换的异型扩展目标高精度定位方法
CN101719220A (zh) 基于有向截尾均值距离的轨迹聚类方法
CN105678304A (zh) 一种车标识别方法及装置
Lyasheva et al. The image analysis using fast radial symmetry transform in control systems base on the computer vision
CN101833763A (zh) 一种水面倒影图像检测方法
Ding et al. Efficient vanishing point detection method in unstructured road environments based on dark channel prior
CN105678311A (zh) 一种用于模板识别的空间目标isar图像处理方法
CN100553349C (zh) 确定靶标拓扑关系的方法及可任意摆放的摄像机标定靶标
CN102156869B (zh) 检测由任意线段组合的形状的方法及装置
CN105416290B (zh) 检测车距的方法和装置
CN103473566A (zh) 一种基于多尺度模型的车辆检测方法
CN112200107A (zh) 一种发票文本检测方法
CN103136524A (zh) 能够抑制检测结果冗余的对象检测系统和方法
CN103514434A (zh) 一种图像识别方法及装置
Kwon et al. Ellipse detection method based on the advanced three point algorithm
Pan et al. Fast vanishing point estimation based on particle swarm optimization
CN103559494A (zh) 一种平面图形对象的对称轴的检测方法
Chung et al. Comment on:“Extended Hough transform for linear feature detection”
Chan et al. Fast detection of ellipses using chord bisectors
Zhu et al. BY-SLAM: Dynamic Visual SLAM System Based on BEBLID and Semantic Information Extraction

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20130904

Termination date: 20200717