CN102831595A - 用于自然环境下目标点图像识别的标识物检测方法 - Google Patents
用于自然环境下目标点图像识别的标识物检测方法 Download PDFInfo
- Publication number
- CN102831595A CN102831595A CN2012102108647A CN201210210864A CN102831595A CN 102831595 A CN102831595 A CN 102831595A CN 2012102108647 A CN2012102108647 A CN 2012102108647A CN 201210210864 A CN201210210864 A CN 201210210864A CN 102831595 A CN102831595 A CN 102831595A
- Authority
- CN
- China
- Prior art keywords
- point
- xsize
- scale
- label
- value
- 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
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供了一种用于自然环境下目标点图像识别的标识物检测方法,为了实现自然环境下目标点的快速自动图像检测,本发明设计了蓝黄相间的标识物,利用线扫描、色差增强、轮廓追踪及几何参数测量等方法,实现了对其的准确识别与定位。通过实验证明本发明在室外自然环境,包括光照适中、光照偏暗、强光直射、阴影干扰、夜间等多种情况下均能够准确快速地完成待测目标点的识别与定位。检测方法具有准确、稳定、快速、受光照影响小、适应性强等优点。
Description
技术领域
本发明属于数字图像处理技术领域,特别涉及一种用于自然环境下,目标点图像识别的标识物设计与快速检测方法。
背景技术
数字图像处理是指将图像信号转换成数字信号并利用计算机对其进行处理的过程,最早出现于20世纪中期,已广泛应用于空间探测、遥感、生物医学、人工智能以及工业检测等领域。目前,在实际应用中,很多场合需要对自然环境下图像中的目标点进行准确识别,如智能交通领域的车辆事故现场自动勘查,水利工程中的水库水位自动检测等。由于这些应用是在自然环境中进行,因此需要考虑光照及天气的影响,这也是目前图像识别过程中的难点问题。以往的研究多数是在室内人造环境下进行图像检测,对于自然环境下目标点的识别,由于受光照、天气影响较大,没有通用准确的识别方法。
发明内容
(一)要解决的技术问题
本发明针对自然环境下目标点快速图像识别问题,设计了颜色相间的标识物,利用线扫描、色差增强、轮廓追踪及几何参数测量等方法,实现了对目标点的准确识别与定位,为后续各种应用提供准确且稳定的数据输入。
(二)技术方案
为了解决上述问题,本发明提供了一种用于自然环境下目标点图像识别的标识物检测方法,包括:
步骤2.1将图像水平方向中心1/3区域等分为4份,其值分别为xsize/3、5*xsize/12、xsize/2、7*xsize/12、2*xsize/3,其中xsize为图像宽度;
步骤2.2定义整数数组L[ysize]和整数j,其中ysize为图像高度,j为当前读入像素的个数,且0≤j<ysize;
步骤2.3从j=0开始逐元素扫描数组L,若数组L中最大值小于预定值,则认为该扫描线上没有待追踪目标,改变扫描线位置,重复步骤2.1并重新计算数组L;
步骤2.4以点(i,j)为追踪起始点进行标尺追踪操作;
步骤2.5若轮廓长度s满足不等式(4),则计算当前追踪区域的面积、圆形度,分别记为A和C,其中C=4πA/s2,
xsize/50<s<xsize/5 (4);
步骤2.6若未追踪到标尺目标,则以当前追踪区域的上端位置开始,继续扫描数组L,寻找符合不等式(2)的追踪起始点,重新执行步骤2.4和2.5,
步骤2.7若完成追踪后检测到标尺目标则开始标签的检测。
优选地,所述步骤2.2包括:首先从图像底部开始读取线i上像素点的颜色信息,并分别记为R,G,B,分别表示当前点的红色、绿色、蓝色分量,若该点满足不等式(1),则令L[j]=R+2*G-3*B,否则令L[j]=0,完成对黄色目标像素点的增强和对蓝色目标像素的抑制,之后,向上依次读取该线上其他位置的像素颜色信息,每次读取完成后j的值加1,
优选地,所述步骤2.3包括:若L中最大值大于240,则计算数组L的均值及标准偏差,分别记为La及Ld,若L[j]满足不等式(2),停止扫描,将点(i,j)作为追踪起始点,并将彩色图像上该点标记成红、绿、蓝分量分别为250、0、0的标记颜色记为Fc。
优选地,所述步骤2.4包括:(1)以不等式(1)计算点(i,j)及其8邻域的像素点的值,并分别记为p[k](0≤k≤8),若当前计算点满足不等式(1),则令该点的值为R+2*G-3*B,记为b,否则令该点的值为0,若b大于设定阈值100时,则令b的值为255,表示白色,否则令b的值为0,表示黑色,获得点(i,j)及其8邻域的二值形式并记录于数组p中;
(2)从p[1]开始逆时针扫描p[0]的8邻域,若当前p[m]值为0且其后p[n]值为255,其中1≤m≤8,1≤n≤8,则停止扫描,记录p[n]对应的坐标(in,jn)并将图像上该点设为标记颜色Fc;
(3)以步骤(1)中的方法计算点(in,jn)及其8邻域的二值形式,并记录于数组p中,将n的位置围绕p[0]按顺时针方向移动3次,记为k(1≤k≤8),之后以k位置开始,逆时针扫描数组p,在扫描过程中当遇到数组元素值为255时,停止扫描,记录该点位置为(in,jn)并将图像上该点设为标记颜色Fc;
(4)重复步骤(3),直至当前点位置(in,jn)与追踪起始点(i,j)重合,表明完成目标的追踪,之后统计已追踪点的个数,即轮廓长度,记为s,若s大于xsize/5,则计算不等式(3),若其成立,则认为当前追踪目标为标尺,将标尺轮廓所有点的坐标存入链表,并计算出标尺的上下左右范围分别记为Pt、Pb、Pl、Pr,为避免在后续进行目标追踪时重复追踪此目标,以上下左右范围为基础,分别向外扩展xsize/80像素,计算出后续追踪过程中的排除区域,
优选地,所述步骤2.5包括:若A和C满足不等式(5),则认为该物体为标签,并将其轮廓各点坐标存入数组中,在数组中寻找标签的两条斜边上的点,之后分别进行Hough变换,得到两条拟合直线l1,l2,计算l1与l2的交点O,并将其作为当前标签的顶点存入链表,之后,计算出标签的上下左右范围,同样分别向外扩展xsize/80像素,计算出后续追踪过程中的排除区域,
优选地,所述步骤2.6包括:若数组L完成扫描,但仍未找到标尺,则改变扫描线的位置,令i=xsize/3、i=2*xsize/3、i=5*xsize/12或i=7*xsize/12,直至检测到标尺目标为止。
优选地,所述步骤2.6包括:在扫描过程中,如果发现标尺,则直接进行步骤2.7的操作。
优选地,所述步骤2.6包括:若5条扫描线均已完成扫描,仍未发现标尺,则改变算法重新进行检测。
优选地,所述步骤2.6包括:(1)确定标尺检测时扫描线的位置;
(2)读取扫描线上各点的颜色信息,若该点B<100,则令L[j]=0,否则令L[j]=3*B-R-2*G,完成对蓝色目标像素点的增强和黄色目标像素的抑制,之后,依次读取该线上其他位置的像素颜色信息,每次读取完成后j的值加1;
(3)扫描数组L,计算La及Ld,若L[j]满足不等式(6)停止扫描并以当前点(i,j)为起始点进行标尺追踪操作,
在追踪过程中,以不等式B<100计算点(i,j)及其8邻域的像素点的值,若当前点满足B<100,则令该点的值为0,否则令该点的值为3*B-R-2*G,记为b,若b大于设定阈值100时,则令b的值为255,表示白色,否则令b的值为0,表示黑色,获得点(i,j)及其8邻域的二值化形式并记录于数组p中,最终完成追踪并获得轮廓长度s;
(4)在步骤(3)中若s大于xsize/5且满足不等式(3),则认为当前追踪的轮廓为标尺最外面的轮廓,并进一步对标尺中蓝黄相间处的轮廓进行追踪,计算轮廓C1的上下顶点记为B、A,寻找AB连线上的追踪起始点并完成轮廓C2的追踪,得到轮廓长度s,若s大于xsize/5,且满足不等式(3)则认为C2轮廓为最终的标尺目标,将C2轮廓所有点的坐标存入链表,计算出标尺的上下左右范围并分别向外扩展xsize/80像素获得后续追踪过程中的排除区域;
(5)若在步骤(3)中追踪目标得到的轮廓长度s满足不等式(4),则在追踪到的各点中寻找斜边上的点,之后对所有斜边的点进行Hough变换,找到斜边的拟合直线,记为l1,之后,计算当前已追踪轮廓的两直角边中较长的一个边的中点,水平方向以中点位置,垂直方向以另一直角边最上方确定寻找标签另一半的起始点位置,以起始点开始,依次向上下左右方向延伸xsize/60像素长度,并读取各方向上xsize/60长度内各点像素值,分别记为Rf、Gf、Bf,若Bf<100,则令该点值为0,记为bf,否则令bf=3*Bf-Rf-2*Gf,当bf大于设定阈值200时,停止各个方向的查找,认为该点为另一半的追踪起始点,若当前方向上xsize/60长度内未发现符合条件的点,则改变方向继续寻找,若在当前方向发现以前已追踪过的边界,则放弃此方向,改变另一个方向重新查找,在完成查找后,若已得到追踪起始点,则以步骤(3)中的方法完成标签另一半的追踪,之后提取斜边的点,进行Hough变换,得到另一条拟合直线记为l2,计算l1与l2的交点O,最终得到标签的顶点并将其坐标存入链表,计算出标签的上下左右范围,分别向外扩展xsize/80像素,计算出后续追踪过程中的排除区域,若4个方向查找完成后,未发现追踪起始点,则认为当前追踪的目标不是标签,舍弃该目标;
(6)若未追踪到标尺目标,则以当前追踪区域的最上端位置开始,继续扫描数组L,寻找符合不等式(7)的追踪起始点,重新执行步骤(3)~(5)。若数组L完成扫描但仍未找到标尺,则改变扫描线的位置,令i=xsize/3、i=2*xsize/3、i=5*xsize/12或i=7*xsize/12,直至检测到标尺目标为止,若5条扫描线均已完成扫描,仍未发现标尺,则认为该图中不含有标尺,不再进行标尺检测;
(7)当完成标尺检测后,开始标签检测操作,从图像横坐标为0处开始,以xsize/200为步长,重新确定扫描线位置并读取扫描线上各点的颜色信息,之后重复步骤(3)~(5)操作,直至扫描完整幅图像,在进行步骤(3)寻找追踪起始点时,判断若其位于步骤(4)、(5)所计算的排除区域内,则舍弃该起始点,继续寻找下一起始点,在完成整幅图像标签追踪后,为了防止遗漏标签,排除已追踪区域重新扫描图像,从而使图像中遗漏的标签被检测出来,整理标尺各边数据及所有检出标签的顶点数据,之后对数据进行输出。
优选地,所述步骤2.7包括:扫描过程中以xsize/200为步长,重复步骤2.3~2.5操作,直至扫描完整幅图像,在扫描过程中为避免重复追踪,在进行步骤2.3寻找追踪起始点时,判断若其位于步骤2.4、2.5所计算的排除区域内,则舍弃该起始点,继续寻找下一起始点,在完成整幅图像标签追踪后,为了防止遗漏标签,排除已追踪区域重新扫描图像,从而使图像中遗漏的标签被检测出来,整理标尺各边数据及所有检出标签的顶点数据,之后对数据进行输出。
(三)有益效果
为了实现自然环境下目标点的快速自动图像检测,本发明设计了蓝黄相间的标识物,利用线扫描、色差增强、轮廓追踪及几何参数测量等方法,实现了对其的准确识别与定位。通过实验证明本发明在室外自然环境,包括光照适中、光照偏暗、强光直射、阴影干扰、夜间等多种情况下均能够准确快速地完成待测目标点的识别与定位。检测方法具有准确、稳定、快速、受光照影响小、适应性强等优点。
附图说明
下面参照附图并结合实例来进一步描述本发明。其中:
图1为根据本发明实施例的标识物示意图。
图2为根据本发明实施例的标尺线扫描示意图。
图3为根据本发明实施例的8邻域示意图。
图4为根据本发明实施例的标尺排除区域示意图。
图5为根据本发明实施例的标签检测示意图。
图6为根据本发明实施例的标尺发生变色情况下的追踪示意图。
图7为根据本发明实施例的标签检测示意图。
图8为根据本发明实施例的标签检测扫描过程示意图。
图9为根据本发明实施例的标识物识别与定位方法的流程图。
图10为根据本发明实施例的正常光照下标尺与标签图像。
图11为根据本发明实施例的图10经过处理后的结果。
图12(a)为根据本发明实施例的光照偏暗情况下标尺及标签的检测。
图12(b)为根据本发明实施例的强光照射情况下标尺及标签的检测。
图12(c)为根据本发明实施例的阴影干扰情况下标尺及标签的检测。
图12(d)为根据本发明实施例的雨天夜晚加辅助光源情况下标尺及标签的检测。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
考虑到自然环境的复杂性及多变性,为实现自动检测,本发明设计了蓝黄相间的标尺与标签作为标识物。其中,标尺与标签均为正方形(如图1所示),边长分别为80cm和20cm。标尺被置于图像中心且以对角线对准拍摄方向进行摆放,标签按正面对准相机进行摆放。标尺可以用于测量时的比例标定,标签可以用于指示测量点。
由于标尺被置于图像中间且占据一定大小,故在进行标尺检测时采用固定位置线扫描的方式;而标签将在图像中随机出现,故在进行标签检测时采用固定步长扫描整幅图像的方式。具体方法如下:
步骤2.1将图像水平方向中心1/3区域等分为4份,其值分别为xsize/3、5*xsize/12、xsize/2、7*xsize/12、2*xsize/3,其中xsize为图像宽度。以这5条线的位置为目标进行如下线扫描操作。如图2所示,其中虚线为各扫描线位置。
步骤2.2定义整数数组L[ysize]和整数j(其中ysize为图像高度,j为当前读入像素的个数,且0≤j<ysize)。首先从图像底部开始读取线i(i=xsize/2,5*xsize/12,7*xsize/12,xsize/3,2*xsize/3)上像素点的颜色信息,并分别记为R,G,B(分别表示当前点的红色、绿色、蓝色分量)。若该点满足不等式(1),则令L[j]=R+2*G-3*B,否则令L[j]=0,完成对黄色目标像素点的增强和对蓝色目标像素的抑制。之后,向上依次读取该线上其他位置的像素颜色信息,每次读取完成后j的值加1。
步骤2.3从j=0开始逐元素扫描数组L,若数组L中最大值小于240,则认为该扫描线上没有待追踪目标,改变扫描线位置,重复步骤2.1并重新计算数组L。若L中最大值大于240,则计算数组L的均值及标准偏差,分别记为La及Ld。若L[j]满足不等式(2),停止扫描,将点(i,j)作为追踪起始点,并将彩色图像上该点标记成红、绿、蓝分量分别为250、0、0的标记颜色记为Fc。
步骤2.4以点(i,j)为追踪起始点进行标尺追踪操作。具体步骤如下:
(1)以不等式(1)计算点(i,j)及其8邻域的像素点的值,并分别记为p[k](0≤k≤8),如图3所示。若当前计算点满足不等式(1),则令该点的值为R+2*G-3*B,记为b,否则令该点的值为0,若b大于设定阈值100时,则令b的值为255(白色),否则令b的值为0(黑色),获得点(i,j)及其8邻域的二值形式并记录于数组p中。
(2)从p[1]开始逆时针扫描p[0]的8邻域,若当前p[m]值为0且其后p[n]值为255(其中1≤m≤8,1≤n≤8),则停止扫描,记录p[n]对应的坐标(in,jn)并将图像上该点设为标记颜色Fc。
(3)以步骤(1)中的方法计算点(in,jn)及其8邻域的二值形式,并记录于数组p中,将n的位置围绕p[0]按顺时针方向移动3次,记为k(1≤k≤8)(如图3所示,若n为7,则移动后k值为2),之后以k位置开始,逆时针扫描数组p,在扫描过程中当遇到数组元素值为255时,停止扫描,记录该点位置为(in,jn)并将图像上该点设为标记颜色Fc。
(4)重复步骤(3),直至当前点位置(in,jn)与追踪起始点(i,j)重合,表明完成目标的追踪。之后统计已追踪点的个数,即轮廓长度,记为s。若s大于xsize/5,则计算不等式(3);若其成立,则认为当前追踪目标为标尺。将标尺轮廓所有点的坐标存入链表,并计算出标尺的上下左右范围分别记为Pt、Pb、Pl、Pr。为避免在后续进行目标追踪时重复追踪此目标,以上下左右范围为基础,分别向外扩展xsize/80像素,计算出后续追踪过程中的排除区域。如图4所示,虚线框即为排除区域。
步骤2.5在步骤2.4中追踪目标,若s满足不等式(4),则计算当前追踪区域的面积、圆形度,分别记为A和C(其中C=4πA/s2)。若A和C满足不等式(5),则认为该物体为标签,并将其轮廓各点坐标存入数组中。在数组中寻找标签的两条斜边上的点(图5中线段AB、AC之间的点),之后分别进行Hough变换,得到两条拟合直线l1,l2。计算l1与l2的交点O,并将其作为当前标签的顶点存入链表。之后,计算出标签的上下左右范围,同样分别向外扩展xsize/80像素,计算出后续追踪过程中的排除区域,如图5中虚线框所示。
xsize/50<s<xsize/5 (4)
步骤2.6完成上述步骤后,若未追踪到标尺目标,则以当前追踪区域的上端位置开始,继续扫描数组L,寻找符合不等式(2)的追踪起始点,重新执行步骤2.4和2.5。若数组L完成扫描,但仍未找到标尺,则改变扫描线(如图2)的位置,令i=xsize/3、i=2*xsize/3、i=5*xsize/12或i=7*xsize/12,直至检测到标尺目标为止。在扫描过程中,如果发现标尺,则直接进行步骤2.7的操作。若5条扫描线均已完成扫描,仍未发现标尺,则可能是标尺在强光照射下发生不规则变色,此时需要改变算法重新进行检测,具体方法如下:
(1)以与步骤2.1相同的方法确定标尺检测时扫描线的位置。
(2)以与步骤2.2相同的方法读取扫描线上各点的颜色信息。若该点B<100,则令L[j]=0,否则令L[j]=3*B-R-2*G,完成对蓝色目标像素点的增强和黄色目标像素的抑制。之后,依次读取该线上其他位置的像素颜色信息,每次读取完成后j的值加1。
(3)以与步骤2.3中相同的方法扫描数组L,计算La及Ld,若L[j]满足不等式(6)停止扫描并以当前点(i,j)为起始点以步骤2.4的方法进行标尺追踪操作。
在追踪过程中,以不等式B<100计算点(i,j)及其8邻域的像素点的值,若当前点满足B<100,则令该点的值为0,否则令该点的值为3*B-R-2*G,记为b,若b大于设定阈值100时,则令b的值为255(白色),否则令b的值为0(黑色),获得点(i,j)及其8邻域的二值化形式并记录于数组p中。最终完成追踪并获得轮廓长度s。
(4)在步骤(3)中若s大于xsize/5且满足不等式(3),则认为当前追踪的轮廓为标尺最外面的轮廓如图6中C1所示,但我们最终需要标尺中蓝黄相间处的轮廓,即图6中C2所示。因此需要近一步对标尺进行追踪。计算轮廓C1的上下顶点记为B、A,以与步骤(2)、(3)中相同的方法寻找AB连线上的追踪起始点并完成轮廓C2的追踪得到轮廓长度s。如图6中所示,点C为追踪起始点,粗线表示追踪得到的C2轮廓。若s大于xsize/5,且满足不等式(3)则认为C2轮廓为最终的标尺目标。将C2轮廓所有点的坐标存入链表,计算出标尺的上下左右范围并分别向外扩展xsize/80像素获得后续追踪过程中的排除区域。
(5)若在步骤(3)中追踪目标得到的轮廓长度s满足不等式(4),则在追踪到的各点中寻找斜边上的点(如图7中AB段之间的点),之后对所有斜边的点进行Hough变换,找到斜边的拟合直线,记为l1,以备后续使用。之后,计算当前已追踪轮廓的两直角边中较长的一个边的中点(如图7中BC边),水平方向以中点位置,垂直方向以另一直角边最上方确定寻找标签另一半的起始点位置,如图7中点D所示。以起始点开始,依次向上下左右(图7中d1~d4)方向延伸xsize/60像素长度,并读取各方向上xsize/60长度内各点像素值,分别记为Rf、Gf、Bf。若Bf<100,则令该点值为0,记为bf,否则令bf=3*Bf-Rf-2*Gf。当发现bf大于设定阈值200时,停止各个方向的查找,认为该点为另一半的追踪起始点。若当前方向上xsize/60长度内未发现符合条件的点,则改变方向继续寻找。在查找过程中,若在当前方向发现以前已追踪过的边界,如图7中d3方向,则放弃此方向,改变另一个方向重新查找。在完成查找后,若已得到追踪起始点(如图7中P1点所示),则以步骤(3)中的方法完成标签另一半的追踪,之后提取斜边的点,进行Hough变换,得到另一条拟合直线记为l2。计算l1与l2的交点O,最终得到标签的顶点并将其坐标存入链表;计算出标签的上下左右范围,同样分别向外扩展xsize/80像素,计算出后续追踪过程中的排除区域。若4个方向查找完成后,未发现追踪起始点,则认为当前追踪的目标不是标签,舍弃该目标。
(6)完成上述步骤后,若未追踪到标尺目标,则以当前追踪区域的最上端位置开始,继续扫描数组L,寻找符合不等式(7)的追踪起始点,重新执行步骤(3)~(5)。若数组L完成扫描但仍未找到标尺,则改变扫描线的位置(如图2),令i=xsize/3、i=2*xsize/3、i=5*xsize/12或i=7*xsize/12,直至检测到标尺目标为止。若5条扫描线均已完成扫描,仍未发现标尺,则认为该图中不含有标尺,不再进行标尺检测。
(7)当完成标尺检测后,开始标签检测操作。由于在图中标签宽度均大于xsize/200,故为减少运算次数,提高运算速度,从图像横坐标为0处开始,以xsize/200为步长,重新确定扫描线位置并读取扫描线上各点的颜色信息,之后重复步骤(3)~(5)操作,直至扫描完整幅图像。在扫描过程中,由于标签在图像中随机摆放,因此在垂直方向的扫描范围为整个图像高度;每当扫描出标签后,下次垂直方向上扫描起始位置便以标签最上端位置为准,如图8中A点所示。由于标尺已经在前面步骤中检测,故在此过程中不会出现标尺目标;并且在追踪标尺过程中可能会完成一些标签的检测,在此步骤中需要对已完成追踪的区域进行排除,避免重复追踪。在进行步骤(3)寻找追踪起始点时,判断若其位于步骤(4)、(5)所计算的排除区域内,则舍弃该起始点,继续寻找下一起始点。在完成整幅图像标签追踪后,为了防止遗漏标签,程序继续采用步骤2.7的方法并排除已追踪区域重新扫描图像,从而使图像中遗漏的标签被检测出来。整理标尺各边数据及所有检出标签的顶点数据,之后对数据进行输出。至此程序结束。
步骤2.7若在步骤2.6中完成追踪后检测到标尺目标则开始标签的检测。其检测过程同步骤2.6中(7)所用的方法相同,扫描过程中以xsize/200为步长,重复步骤2.3~2.5操作,直至扫描完整幅图像。此外,在扫描过程中为避免重复追踪,在进行步骤2.3寻找追踪起始点时,判断若其位于步骤2.4、2.5所计算的排除区域内,则舍弃该起始点,继续寻找下一起始点。
完成步骤2.7操作后,为了防止遗漏图像中的标签,利用步骤2.6中(7)所用的方法并排除已追踪区域重新扫描了图像,从而使图像中遗漏的标签被检测出来。整理标尺各边数据及所有检出标签的顶点数据,之后对数据进行输出。至此程序结束。
实施例
实验中本发明将被用于交通事故现场快速勘测中。随着汽车工业和道路交通运输事业的高速发展,道路交通事故已成为一个极为严重的社会问题。为了减少因交通事故造成的交通阻塞,需要实现对事故现场的快速处置。传统的现场勘测主要是人工测量车辆拖痕长度、散落物位置、车辆损坏情况等数据,不仅费时、容易产生人为误差,而且还存在漏测数据等情况。随着图像识别及摄影测量技术的发展,使事故现场的处置科学、快速成为可能,而且可以为交通事故的评判、绘制交通肇事现场平面图以及交通事故三维模拟再现提供真实客观的数据。
为了完成交通事故现场勘查工作,需要测量事故车辆及散落物的位置数据。其中本发明中的标尺用于完成相机的标定工作,标签用于指示事故车辆及散落物的位置。实验用图像样本均在北京室外环境下利用数码相机拍摄,其中包括光照适中、光照偏暗、强光直射、阴影干扰、夜间等多种自然环境下的图像共500张,数码相机型号为NIKOND60,图像分辨率为3872×2592像素。拍摄时,尽量使标尺位于图像水平方向中心1/3处且垂直方向1/2以下;标签以正面对准相机。图10为实验过程中拍摄的彩色图像,光照均匀;在图像中心处存在一个标尺目标,此外,共有7个标签目标随机分布在图像中。图11为图10经过处理后的结果。为便于观察,图11经过处理变成只保留处理结果的黑白图像。从图11中可以看出,标尺与7个标签均成功检出,图中十字线分别表示标签顶点及标尺各边的等分点。在图11中除了检测到标尺与标签外,还有一些非目标物的轮廓线。造成该现象的主要原因是由于图像中一些非目标物的颜色特征与标尺及标签的颜色特征很接近。如图11中1处,在图10中对应的是黄色停车位,其颜色与标尺及标签中的黄色很相近,故在扫描过程中,被认为是目标进行了检测。同理,图11中2处在图10中对应着车辆玻璃处,由于玻璃反光,其颜色偏蓝,与标尺及标签中的蓝色接近,因此也被检测出来,图中其他非目标轮廓的情况也类似。但最终根据公式(3)、(4)及(5)所示的条件,非目标轮廓被全部排除。
图12(a)~(d)为一些典型环境下拍摄的图像及处理后的结果,其中处理结果直接绘制到原图像上,图中十字线表示标签顶点及标尺各边等分点的位置(为了显示清晰,一些细节采用局部放大处理)。
在图12(a)中,由于无阳光直射,图像整体发暗,图像中标尺及标签的颜色并未发生变化,经过R+2G-3B标尺及R+2G-3B标签检测后,待测目标全部被检出。图12(b)中标尺及部分标签由于阳光照射黄色部分发生变色,经过R+2G-3B标尺检测后,未检测到标尺,于是进行3B-R-2G标尺及标签检测。经上述操作后,图像中的标尺及标签全部被检出。图12(c)中,标尺位于树阴下,阴影使标尺表面颜色斑驳,经过R+2G-3B标尺检测后,标尺被成功检出;同时由于标签1(如图12(c)中所示)正好位于标尺xsize/2的扫描线上,故它也被一同检出。之后利用R+2G-3B标签检测将剩余的另一个标签检出。图12(d)为夜间加辅助LED光源拍摄,图像整体发亮,标尺及标签的黄色部分已经变白,因此经过R+2G-3B标尺检测后未检出标尺。之后利用3B-R-2G标尺及标签检测完成后,除图像12(d)中所示标签1外,其他待测目标均被检出。分析标签1,发现其蓝色区域模糊,利用3B-R-2G增强后标签边界不明显,故没有被检出,但是由于在算法中含有防止遗漏标签的环节,即再次运行R+2G-3B标签检测,最终该标签也得以检出(如图12(d)中标签1所示)。
在500张样本图像的检测中,其中按要求摆放的为495张,最终实验结果显示:平均每幅图像处理时间为952ms(图像大小为3872x 2592像素,计算机配置Pentium(R)Dual-Core处理器,主频为2.6GHz,内存为2.00GB),其中按要求摆放的495张均被正确检测,而另外5张由于摆放位置的原因造成错误检测。
以上所述仅是本发明的一种实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,如本发明中的标识物并非限定于蓝黄色,只要是与检测环境有区分且不同颜色的两种纯色均可,此外还有标识物的形状与尺寸等均可依据具体检测环境进行调节。这些改进和变形也应视为本发明的保护范围。
本发明的描述是为了示例和描述起见而给出的,而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用,并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。
Claims (10)
1.一种用于自然环境下目标点图像识别的标识物检测方法,其特征在于,包括:
步骤2.1将图像水平方向中心1/3区域等分为4份,其值分别为xsize/3、5*xsize/12、xsize/2、7*xsize/12、2*xsize/3,其中xsize为图像宽度;
步骤2.2定义整数数组L[ysize]和整数j,其中ysize为图像高度,j为当前读入像素的个数,且0≤j<ysize;
步骤2.3从j=0开始逐元素扫描数组L,若数组L中最大值小于预定值,则认为该扫描线上没有待追踪目标,改变扫描线位置,重复步骤2.1并重新计算数组L;
步骤2.4以点(i,j)为追踪起始点进行标尺追踪操作;
步骤2.5若轮廓长度s满足不等式(4),则计算当前追踪区域的面积、圆形度,分别记为A和C,其中C=4πA/s2,
xsize/50<s<xsize/5(4);
步骤2.6若未追踪到标尺目标,则以当前追踪区域的上端位置开始,继续扫描数组L,寻找符合不等式(2)的追踪起始点,重新执行步骤2.4和2.5,
步骤2.7若完成追踪后检测到标尺目标则开始标签的检测。
2.如权利要求1所述的方法,其特征在于:
所述步骤2.2包括:首先从图像底部开始读取线i上像素点的颜色信息,并分别记为R,G,B,分别表示当前点的红色、绿色、蓝色分量,若该点满足不等式(1),则令L[j]=R+2*G-3*B,否则令L[j]=0,完成对黄色目标像素点的增强和对蓝色目标像素的抑制,之后,向上依次读取该线上其他位置的像素颜色信息,每次读取完成后j的值加1,
3.如权利要求1所述的方法,其特征在于:
所述步骤2.3包括:若L中最大值大于240,则计算数组L的均值及标准偏差,分别记为La及Ld,若L[j]满足不等式(2),停止扫描,将点(i,j)作为追踪起始点,并将彩色图像上该点标记成红、绿、蓝分量分别为250、0、0的标记颜色记为Fc。
4.如权利要求1所述的方法,其特征在于:
所述步骤2.4包括:(1)以不等式(1)计算点(i,j)及其8邻域的像素点的值,并分别记为p[k](0≤k≤8),若当前计算点满足不等式(1),则令该点的值为R+2*G-3*B,记为b,否则令该点的值为0,若b大于设定阈值100时,则令b的值为255,表示白色,否则令b的值为0,表示黑色,获得点(i,j)及其8邻域的二值形式并记录于数组p中;
(2)从p[1]开始逆时针扫描p[0]的8邻域,若当前p[m]值为0且其后p[n]值为255,其中1≤m≤8,1≤n≤8,则停止扫描,记录p[n]对应的坐标(in,jn)并将图像上该点设为标记颜色Fc;
(3)以步骤(1)中的方法计算点(in,jn)及其8邻域的二值形式,并记录于数组p中,将n的位置围绕p[0]按顺时针方向移动3次,记为k(1≤k≤8),之后以k位置开始,逆时针扫描数组p,在扫描过程中当遇到数组元素值为255时,停止扫描,记录该点位置为(in,jn)并将图像上该点设为标记颜色Fc;
(4)重复步骤(3),直至当前点位置(in,jn)与追踪起始点(i,j)重合,表明完成目标的追踪,之后统计已追踪点的个数,即轮廓长度,记为s,若s大于xsize/5,则计算不等式(3),若其成立,则认为当前追踪目标为标尺,将标尺轮廓所有点的坐标存入链表,并计算出标尺的上下左右范围分别记为Pt、Pb、Pl、Pr,为避免在后续进行目标追踪时重复追踪此目标,以上下左右范围为基础,分别向外扩展xsize/80像素,计算出后续追踪过程中的排除区域,
5.如权利要求1所述的方法,其特征在于:
所述步骤2.5包括:若A和C满足不等式(5),则认为该物体为标签,并将其轮廓各点坐标存入数组中,在数组中寻找标签的两条斜边上的点,之后分别进行Hough变换,得到两条拟合直线l1,l2,计算l1与l2的交点O,并将其作为当前标签的顶点存入链表,之后,计算出标签的上下左右范围,同样分别向外扩展xsize/80像素,计算出后续追踪过程中的排除区域,
6.如权利要求1所述的方法,其特征在于:
所述步骤2.6包括:若数组L完成扫描,但仍未找到标尺,则改变扫描线的位置,令i=xsize/3、i=2*xsize/3、i=5*xsize/12或i=7*xsize/12,直至检测到标尺目标为止。
7.如权利要求1所述的方法,其特征在于:
所述步骤2.6包括:在扫描过程中,如果发现标尺,则直接进行步骤2.7的操作。
8.如权利要求1所述的方法,其特征在于:
所述步骤2.6包括:若5条扫描线均已完成扫描,仍未发现标尺,则改变算法重新进行检测。
9.如权利要求1所述的方法,其特征在于:
所述步骤2.6包括:(1)确定标尺检测时扫描线的位置;
(2)读取扫描线上各点的颜色信息,若该点B<100,则令L[j]=0,否则令L[j]=3*B-R-2*G,完成对蓝色目标像素点的增强和黄色目标像素的抑制,之后,依次读取该线上其他位置的像素颜色信息,每次读取完成后j的值加1;
(3)扫描数组L,计算La及Ld,若L[j]满足不等式(6)停止扫描并以当前点(i,j)为起始点进行标尺追踪操作,
在追踪过程中,以不等式B<100计算点(i,j)及其8邻域的像素点的值,若当前点满足B<100,则令该点的值为0,否则令该点的值为3*B-R-2*G,记为b,若b大于设定阈值100时,则令b的值为255,表示白色,否则令b的值为0,表示黑色,获得点(i,j)及其8邻域的二值化形式并记录于数组p中,最终完成追踪并获得轮廓长度s;
(4)在步骤(3)中若s大于xsize/5且满足不等式(3),则认为当前追踪的轮廓为标尺最外面的轮廓,并进一步对标尺中蓝黄相间处的轮廓进行追踪,计算轮廓C1的上下顶点记为B、A,寻找AB连线上的追踪起始点并完成轮廓C2的追踪,得到轮廓长度s,若s大于xsize/5,且满足不等式(3)则认为C2轮廓为最终的标尺目标,将C2轮廓所有点的坐标存入链表,计算出标尺的上下左右范围并分别向外扩展xsize/80像素获得后续追踪过程中的排除区域;
(5)若在步骤(3)中追踪目标得到的轮廓长度s满足不等式(4),则在追踪到的各点中寻找斜边上的点,之后对所有斜边的点进行Hough变换,找到斜边的拟合直线,记为l1,之后,计算当前已追踪轮廓的两直角边中较长的一个边的中点,水平方向以中点位置,垂直方向以另一直角边最上方确定寻找标签另一半的起始点位置,以起始点开始,依次向上下左右方向延伸xsize/60像素长度,并读取各方向上xsize/60长度内各点像素值,分别记为Rf、Gf、Bf,若Bf<100,则令该点值为0,记为bf,否则令bf=3*Bf-Rf-2*Gf,当bf大于设定阈值200时,停止各个方向的查找,认为该点为另一半的追踪起始点,若当前方向上xsize/60长度内未发现符合条件的点,则改变方向继续寻找,若在当前方向发现以前已追踪过的边界,则放弃此方向,改变另一个方向重新查找,在完成查找后,若已得到追踪起始点,则以步骤(3)中的方法完成标签另一半的追踪,之后提取斜边的点,进行Hough变换,得到另一条拟合直线记为l2,计算l1与l2的交点O,最终得到标签的顶点并将其坐标存入链表,计算出标签的上下左右范围,分别向外扩展xsize/80像素,计算出后续追踪过程中的排除区域,若4个方向查找完成后,未发现追踪起始点,则认为当前追踪的目标不是标签,舍弃该目标;
(6)若未追踪到标尺目标,则以当前追踪区域的最上端位置开始,继续扫描数组L,寻找符合不等式(7)的追踪起始点,重新执行步骤(3)~(5)。若数组L完成扫描但仍未找到标尺,则改变扫描线的位置,令i=xsize/3、i=2*xsize/3、i=5*xsize/12或i=7*xsize/12,直至检测到标尺目标为止,若5条扫描线均已完成扫描,仍未发现标尺,则认为该图中不含有标尺,不再进行标尺检测;
(7)当完成标尺检测后,开始标签检测操作,从图像横坐标为0处开始,以xsize/200为步长,重新确定扫描线位置并读取扫描线上各点的颜色信息,之后重复步骤(3)~(5)操作,直至扫描完整幅图像,在进行步骤(3)寻找追踪起始点时,判断若其位于步骤(4)、(5)所计算的排除区域内,则舍弃该起始点,继续寻找下一起始点,在完成整幅图像标签追踪后,为了防止遗漏标签,排除已追踪区域重新扫描图像,从而使图像中遗漏的标签被检测出来,整理标尺各边数据及所有检出标签的顶点数据,之后对数据进行输出。
10.如权利要求1所述的方法,其特征在于:
所述步骤2.7包括:扫描过程中以xsize/200为步长,重复步骤2.3~2.5操作,直至扫描完整幅图像,在扫描过程中为避免重复追踪,在进行步骤2.3寻找追踪起始点时,判断若其位于步骤2.4、2.5所计算的排除区域内,则舍弃该起始点,继续寻找下一起始点,在完成整幅图像标签追踪后,为了防止遗漏标签,排除已追踪区域重新扫描图像,从而使图像中遗漏的标签被检测出来,整理标尺各边数据及所有检出标签的顶点数据,之后对数据进行输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210210864.7A CN102831595B (zh) | 2012-06-20 | 2012-06-20 | 用于自然环境下目标点图像识别的标识物检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210210864.7A CN102831595B (zh) | 2012-06-20 | 2012-06-20 | 用于自然环境下目标点图像识别的标识物检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102831595A true CN102831595A (zh) | 2012-12-19 |
CN102831595B CN102831595B (zh) | 2014-12-10 |
Family
ID=47334711
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210210864.7A Expired - Fee Related CN102831595B (zh) | 2012-06-20 | 2012-06-20 | 用于自然环境下目标点图像识别的标识物检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102831595B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105092608A (zh) * | 2015-09-24 | 2015-11-25 | 哈尔滨工业大学 | 终端光学元件损伤在线检测中孪生像的剔除方法 |
CN105159630A (zh) * | 2014-05-26 | 2015-12-16 | 联想(北京)有限公司 | 一种获取标记物的标识的方法及装置 |
CN103824067B (zh) * | 2014-03-18 | 2016-10-05 | 北京理工大学 | 一种图像主要目标的定位与识别方法 |
CN108897899A (zh) * | 2018-08-23 | 2018-11-27 | 深圳码隆科技有限公司 | 一种对视频流的目标区域的定位方法及其装置 |
CN110909668A (zh) * | 2019-11-20 | 2020-03-24 | 广州极飞科技有限公司 | 目标检测方法、装置、计算机可读存储介质和电子设备 |
CN111062233A (zh) * | 2018-10-17 | 2020-04-24 | 北京地平线机器人技术研发有限公司 | 标识物表示的获取方法、标识物表示的获取装置和电子设备 |
CN112036385A (zh) * | 2020-11-04 | 2020-12-04 | 天津天瞳威势电子科技有限公司 | 库位修正方法、装置、电子设备及可读存储介质 |
CN112712555A (zh) * | 2021-01-12 | 2021-04-27 | 中国农业大学 | 一种茯苓表皮视觉定位方法 |
CN113043334A (zh) * | 2021-02-23 | 2021-06-29 | 上海埃奇机器人技术有限公司 | 一种基于机器人的光伏电池串定位方法 |
CN113409358A (zh) * | 2021-06-24 | 2021-09-17 | 浙江大华技术股份有限公司 | 图像跟踪方法、装置、存储介质及电子设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090041337A1 (en) * | 2007-08-07 | 2009-02-12 | Kabushiki Kaisha Toshiba | Image processing apparatus and method |
JP2011180982A (ja) * | 2010-03-03 | 2011-09-15 | Denso Corp | 区画線検出装置 |
-
2012
- 2012-06-20 CN CN201210210864.7A patent/CN102831595B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090041337A1 (en) * | 2007-08-07 | 2009-02-12 | Kabushiki Kaisha Toshiba | Image processing apparatus and method |
JP2011180982A (ja) * | 2010-03-03 | 2011-09-15 | Denso Corp | 区画線検出装置 |
Non-Patent Citations (2)
Title |
---|
唐琎 等: "高速公路禁令标志检测与跟踪", 《计算机应用研究》 * |
王荣本 等: "基于边界的车道标识线识别和跟踪方法研究", 《计算机工程》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103824067B (zh) * | 2014-03-18 | 2016-10-05 | 北京理工大学 | 一种图像主要目标的定位与识别方法 |
CN105159630A (zh) * | 2014-05-26 | 2015-12-16 | 联想(北京)有限公司 | 一种获取标记物的标识的方法及装置 |
CN105159630B (zh) * | 2014-05-26 | 2018-10-12 | 联想(北京)有限公司 | 一种获取标记物的标识的方法及装置 |
CN105092608B (zh) * | 2015-09-24 | 2017-11-03 | 哈尔滨工业大学 | 终端光学元件损伤在线检测中孪生像的剔除方法 |
CN105092608A (zh) * | 2015-09-24 | 2015-11-25 | 哈尔滨工业大学 | 终端光学元件损伤在线检测中孪生像的剔除方法 |
CN108897899A (zh) * | 2018-08-23 | 2018-11-27 | 深圳码隆科技有限公司 | 一种对视频流的目标区域的定位方法及其装置 |
CN111062233A (zh) * | 2018-10-17 | 2020-04-24 | 北京地平线机器人技术研发有限公司 | 标识物表示的获取方法、标识物表示的获取装置和电子设备 |
CN110909668A (zh) * | 2019-11-20 | 2020-03-24 | 广州极飞科技有限公司 | 目标检测方法、装置、计算机可读存储介质和电子设备 |
CN110909668B (zh) * | 2019-11-20 | 2021-02-19 | 广州极飞科技有限公司 | 目标检测方法、装置、计算机可读存储介质和电子设备 |
CN112036385A (zh) * | 2020-11-04 | 2020-12-04 | 天津天瞳威势电子科技有限公司 | 库位修正方法、装置、电子设备及可读存储介质 |
CN112036385B (zh) * | 2020-11-04 | 2021-02-02 | 天津天瞳威势电子科技有限公司 | 库位修正方法、装置、电子设备及可读存储介质 |
CN112712555A (zh) * | 2021-01-12 | 2021-04-27 | 中国农业大学 | 一种茯苓表皮视觉定位方法 |
CN112712555B (zh) * | 2021-01-12 | 2024-03-05 | 中国农业大学 | 一种茯苓表皮视觉定位方法 |
CN113043334A (zh) * | 2021-02-23 | 2021-06-29 | 上海埃奇机器人技术有限公司 | 一种基于机器人的光伏电池串定位方法 |
CN113409358A (zh) * | 2021-06-24 | 2021-09-17 | 浙江大华技术股份有限公司 | 图像跟踪方法、装置、存储介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN102831595B (zh) | 2014-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102831595B (zh) | 用于自然环境下目标点图像识别的标识物检测方法 | |
CN106092090B (zh) | 一种用于室内移动机器人定位的红外路标及其使用方法 | |
CN106468553B (zh) | 一种基于路标的移动物体的定位方法 | |
WO2018145602A1 (zh) | 车道的确定方法、装置及存储介质 | |
CN107516077B (zh) | 基于激光点云和影像数据融合的交通标牌信息提取方法 | |
CN103324913B (zh) | 一种基于形状特征和轨迹分析的行人事件检测方法 | |
CN102773862B (zh) | 用于室内移动机器人的快速精确定位系统及其工作方法 | |
CN107053219B (zh) | 一种基于激光扫描仪与强反光标志的移动机器人定位方法 | |
CN111666805B (zh) | 用于自动驾驶的类别标记系统 | |
CN102975678B (zh) | 环境识别装置及环境识别方法 | |
CN103148881B (zh) | 利用视频自动对指针式仪表进行读数的方法及装置 | |
US11625851B2 (en) | Geographic object detection apparatus and geographic object detection method | |
JP5430627B2 (ja) | 道路付属物検出装置、道路付属物検出方法、及びプログラム | |
CN202702247U (zh) | 用于室内移动机器人的快速精确定位系统 | |
CN107218927B (zh) | 一种基于tof相机的货物托盘检测系统和方法 | |
Puente et al. | Automatic detection of road tunnel luminaires using a mobile LiDAR system | |
CN101625723A (zh) | 电力线轮廓的快速图像识别方法 | |
CN103206957B (zh) | 车辆自主导航的车道线检测与跟踪方法 | |
CN105335973A (zh) | 运用于带钢加工生产线的视觉处理方法 | |
CN104835173A (zh) | 一种基于机器视觉的定位方法 | |
CN104729485A (zh) | 一种基于车载全景影像与街景地图匹配的视觉定位方法 | |
CN107063229A (zh) | 基于人工路标的移动机器人定位系统及方法 | |
CN102679960A (zh) | 基于圆形路标成像分析的机器人视觉定位方法 | |
Huang et al. | Vision-based semantic mapping and localization for autonomous indoor parking | |
CN103487033A (zh) | 一种基于变高单应的河流水面摄影测量方法 |
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: 20141210 Termination date: 20160620 |