CN103456005A - 基于局部不变几何特征的广义霍夫变换图像匹配方法 - Google Patents
基于局部不变几何特征的广义霍夫变换图像匹配方法 Download PDFInfo
- Publication number
- CN103456005A CN103456005A CN2013103311898A CN201310331189A CN103456005A CN 103456005 A CN103456005 A CN 103456005A CN 2013103311898 A CN2013103311898 A CN 2013103311898A CN 201310331189 A CN201310331189 A CN 201310331189A CN 103456005 A CN103456005 A CN 103456005A
- Authority
- CN
- China
- Prior art keywords
- marginal point
- image
- angle
- point
- target image
- 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
本发明公开了一种基于局部不变几何特征的广义霍夫变换图像匹配方法,用于实现对具有任意旋转角度的目标图像的匹配,其特征在于,该方法包括对模板图像进行预处理的步骤和利用该模板图像的处理结果对目标图像进行匹配的步骤,其中,模板图像处理步骤中包括提取图像各边缘点并建立边缘点匹配特征关系,所述目标图像进行匹配时先提取目标图像的各边缘点,再利用上述建立的边缘点匹配特征关系对提取的图像进行匹配,从而获得匹配位置点和相应的旋转角度,完成目标图像匹配。本发明的方法通过改进传统的广义霍夫变换,建立改进的参考表,能够对任意角度旋转的目标图像进行匹配,具有很高的匹配速度和匹配精度。
Description
技术领域
本发明属于机器视觉技术领域,更具体地,涉及一种图像匹配方法。
背景技术
在集成电路(IC)制造业中,高速度、高精度的进行拾取、放置芯片是影响生产效率的关键操作。而拾取、放置芯片又依赖于高速度、高精度的对芯片进行定位。随着机器视觉技术的快速发展,其在目标定位中表现出极佳的优越性,因此机器视觉技术在IC制造业得到非常广泛应用。应用于芯片定位的机器视觉系统主要由光源,相机,图像匹配模块组成。调节光源至合适亮度,通过相机采集芯片图像,图像采集板卡将图像传输至工控机,通过图像匹配算法计算出芯片位置及旋转角度,将位置及旋转角度传送给电机,电机控制机械手对芯片进行拾取。现代IC制造工艺要求芯片定位精度达到um甚至nm级别,速度达到10ms内。在整个机器视觉系统中,图像匹配技术是机器视觉系统的核心,是实现高速度、高精度芯片定位的关键。在实际的生产过程中,常常出现模板图像与目标图像存在旋转的情况,由于旋转的存在,使得图像匹配算法变的更加复杂。
为了能够对任意旋转角度进行匹配,目前广泛采用广义霍夫变换图像匹配。广义霍夫变换是由霍夫变换发展而来以实现对任意形状进行定位的算法。因其对噪声、遮挡、光照变化具有较强的鲁棒性,广义霍夫变换得到国内外学者的广泛研究。然而,当目标存在旋转时,传统的广义霍夫变换具有巨大的内存需求和很高的计算复杂度,这些缺点都严重制约其实现高速度、高精度的实现图像匹配。
针对广义霍夫变换存在的缺点,目前出现了一些改进的方法。如为降低广义霍夫变换的内存需求,Lee等在文献“Generalized Houghtransform in object recognition”(Pattern Recognition,1992.Vol.III.Conference C:Image,Speech and Signal Analysis,Proceedings.,11thIAPR International Conference on.IEEE,1992:285-289.)中提出将图像参考点限定到图像的边缘上。虽然Lee的方法可以极大的降低广义霍夫变换的内存需求,但当目标图像存在遮挡,残缺时,参考点的选择将极大影响匹配结果,从而降低了算法的鲁棒性。
为降低广义霍夫变换的累加器的大小,并加速匹配过程,UlrichM等在文献“Real-time object recognition using a modifiedgeneralized Hough transform”(Pattern Recognition,2003,36(11):2557-2570.)中提出采用分层的策略来进行匹配。其首先分别对模板图像和目标图像建立图像金字塔,图像匹配从金字塔顶层开始进行。由于在金字塔的顶层的分辨率很低,很快可以得到粗略的位置和旋转角度。在顶层得到粗略的位置和旋转角度后,在下一层的匹配过程中,位置搜索范围将限制在粗略位置周围,角度搜索范围也限制在粗略旋转角度周围。基于这种分层策略,匹配结果从粗到精,也提高了匹配的速度。虽然Ulrich改善了广义霍夫变换的性能,但在其匹配过程中,采用的特征依旧是边缘点的梯度方向,即其依然是基于传统的广义霍夫变换。
Tsai等在文献“An improved generalized Hough transform for therecognition of overlapping objects”(Image and Vision computing,1997,15(12):877-888.)中提出使用最小二乘来进行圆拟合来计算边缘点的曲率半径,并以此为特征。虽然边缘处的曲率半径是旋转不变的,但用最小二乘圆拟合来计算边缘点的曲率半径,不仅会增加每个边缘点处的计算量,而且匹配结果依赖于曲率半径的估计精度。特别是,当模板图像和目标图像的边缘主要是直线时,此算法就会失效。
Aguado等在文献“Invariant characterization of the Houghtransform for pose estimation of arbitrary shapes”(Pattern Recognition,2002,35(5):1083-1097)中提出以两个边缘点处的切线夹角为特征来改进广义霍夫变换。对于任意边缘点,将边缘点的梯度方向向量逆时针旋转固定角度,沿着由边缘点和梯度方向向量旋转后的方向定义的直线上找到第二个边缘点。然而当梯度算子存在小误差时,或在目标图像上存在多目标时,第二个边缘点将会找错,这将严重影响算法的精度。
发明内容
针对传统广义霍夫变换存在的缺陷,本发明旨在提供一种高精度、高速度,并且能够对任意旋转角度的目标进行匹配的基于局部不变几何特征的广义霍夫变换图像匹配方法,可以实现对具有任意旋转角度图像的精确匹配。
实现本发明目的所采用的具体技术方案如下。
一种图像匹配方法,用于实现对具有任意旋转角度的目标图像的匹配,其特征在于,该方法包括对模板图像进行预处理的步骤和利用该模板图像的处理结果对目标图像进行匹配的步骤,其中,
所述模板图像处理步骤中包括提取图像各边缘点并建立边缘点匹配特征关系,所述目标图像进行匹配时先提取目标图像的各边缘点,再利用上述建立的边缘点匹配特征关系对提取的图像进行边缘点匹配,从而获得匹配位置点和相应的旋转角度,完成目标图像匹配。
作为本发明的进一步优选,所述图像匹配特征关系包括位置匹配关系和旋转角度匹配关系,其中:
所述位置匹配关系指图像边缘点到边缘点中心的距离以及边缘点的梯度方向与边缘点到边缘点中心连线的夹角,其与两边缘点的梯度方向夹角所形成的第一对应关系;所述旋转角度匹配关系指边缘点的梯度方向与边缘点到边缘点中心连线的夹角与边缘点的梯度角之间形成的第二对应关系。
作为本发明的进一步优选,所述第一对应关系通过一索引表表示,其中,两边缘点的梯度方向夹角散列后作为索引值,该梯度方向夹角所对应的边缘点到边缘点中心的距离,以及边缘点的梯度方向与边缘点到边缘点中心连线的夹角两者组合作为索引内容,从而建立彼此对应的索引表。
作为本发明的进一步优选,所述第二对应关系通过一索引表表示,其中,边缘点的梯度方向与边缘点到边缘点中心连线的夹角散列后作为索引值,对应的边缘点的梯度角为索引内容,从而建立彼此对应的索引表。
作为本发明的进一步优选,所述边缘点的梯度方向与边缘点到边缘点中心连线的夹角通过如下散列函数进行散列:其中 为边缘点的梯度方向与边缘点到边缘点中心点连线的夹角,为散列后的索引值,floor()表示对结果进行向下取整。
作为本发明的进一步优选,所述目标图像的匹配中,根据目标图像的各边缘点的梯度方向夹角利用所述第一对应关系获得图像的匹配位置,根据目标图像的边缘点的梯度方向与边缘点到边缘点中心点连线的夹角获得图像的旋转角度。
作为本发明的进一步优选,所述匹配位置为各边缘点对应的可能匹配位置(xio,yio)中出现最多次数的匹配位置点,所述旋转角度为边缘点中可能旋转角度φin中出现最多次数的旋转角度。
作为本发明的进一步优选,所述可能的匹配位置(xio,yio)通过如下公式得到:
其中,Pi为任一边缘点,Gix和Giy分别是Pi在x方向和y方向上的梯度,(xi,yi)为Pi的坐标,为Pi到可能的匹配位置的方向向量,dn为模板图像中梯度方向夹角所对应的第一个边缘点到边缘点中心的距离,为模板图像中第一个边缘点的梯度方向与边缘点到边缘点中心连线的夹角,为Pi与第二边缘点Pj夹角βi对应索引值的索引内容,n=1,2,3,…。由于在图像不同边缘点处存在相等的夹角βi,所以通常对于一个索引值有多个索引内容。
作为本发明的进一步优选,所述可能旋转角度φin通过如下公式确定:φin=θi-θn,其中,θi为目标图像边缘点Pi的梯度角,θn为模板图像边缘点的梯度角,θn为对应索引值的索引内容,n=1,2,3,…,为边缘点Pi的梯度方向与边缘点到匹配位置点连线的夹角。由于在图像不同边缘点处存在相等的夹角所以通常对于一个索引值有多个索引内容。
本发明中,可以将该方法归纳为两个阶段:离线阶段和在线阶段。在离线阶段,对模板图像进行预处理,包括:A1).对模板图像提取边缘;A2).以局部不变几何特征建立MR-Table,用以求匹配位置;A3).建立AR-Table,用以求目标旋转角度。在在线阶段,根据离线阶段所建立的MR-Table和AR-Table,对目标图像进行匹配,包括:B1).初始化二维累加器用以累计可能匹配位置处的投票数,初始化一维累加器用以累计可能的旋转角度;B2).对目标图像提取边缘;B3).对于目标图像边缘上的每个边缘点,计算局部不变几何特征,并以此索引在A2)中建立的MR-Table,对可能的匹配位置投票,累加器在相应的位置加一;B4).根据累加器求得匹配位置;B5)根据在A3)中建立的AR-Table和B4)求得的匹配位置,对可能的旋转角度投票,对应的累加器在相应的角度加一;B6)根据累加器求得旋转角度;B7).采用最小二乘拟合将匹配精度提高到亚像素级别。
同时,为加快匹配速度,基于分层策略的图像金字塔也被应用于此方法中。
总体而言,本发明的方法相对于现有技术,具体如下技术效果:
(1)本发明中通过在局部区域寻找两个边缘点,以两个边缘点的梯度方向夹角为几何特征,此夹角是旋转不变的,从而使得累加器从三维变成二维,降低了内存需求。
(2)本发明中采用的几何特征是局部的,使得当图像存在遮挡时,即使有部分边缘是缺失的,此方法依然能够有较好的适应性。因此,本方法对遮挡图像具有较好的鲁棒性。
(3)本发明通过改进传统的广义霍夫变换,建立改进的参考表(MR-Table),通过运用MR-Table来投票目标位置。由于在MR-Table中使用的索引是旋转不变的,能够对任意角度旋转的目标图像具有较好的适应性。因此无需像传统广义霍夫变换遍历所有可能的旋转角度来求得索引,因此极大的减少了运算时间,同时通过采用采用分层策略,进一步提高了匹配的速度。得到像素级位置后,本发明采用三元二次多项式对匹配位置邻域进行亚像素拟合,从而将匹配精度提高至亚像素级别。
附图说明
图1为本发明实施例的方法的离线阶段模板图像建立索引表MR-Table和AR-Table示意图。
图2为本发明实施例的方法的在线阶段目标图像根据索引表MR-Table和AR-Table投票出位置和旋转角度示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图,对本发明进行进一步详细说明。此处说明若涉及到具体实例时仅仅用以解释本发明,并不限定本发明。
本实施例中的基于局部不变几何特征的广义霍夫变换图像匹配方法分为离线阶段和在线阶段两个部分。
在离线阶段,首先对模板进行预处理。具体步骤如下:
A1).对模板图像进行边缘提取,得到模板图像的边缘点Pi(i=1,2,3.N.,)其中N为模板图像边缘点的个数,并根据得到的边缘点获得模板图像边缘点中心Pr。
对图像进行边缘提取有多种成熟的方法,本实施例中优选采用Canny算子,但并不限于此方法。
根据提取出的图像边缘即可以得到边缘点中心,即所有边缘点的中心点,具体是将所有边缘点的坐标累加除以边缘点个数得到的坐标即为中心坐标。
A2).对于模板图像边缘上的每个边缘点Pi(第一个边缘点),在其局部范围(也可以称为邻域)的边界上找到另外一个边缘点Pj(第二个边缘点),求得两个边缘点的梯度方向夹角βi,此夹角本发明中称为旋转不变的局部几何特征,再以此夹角计算出索引,并根据计算出的索引建立改进的参考表(MR-Table,Modified Reference Table)。
本实施例中具体方法为沿着第一个边缘点Pi的梯度方向,以固定半径为模的向量逆时针旋转,与模板边缘的第一个交点为第二个边缘点Pj(见附图1)。求得两个边缘点的梯度方向夹角βi,此夹角是旋转不变的局部几何特征。半径的选择可以根据实际需要具体确定。
由于βi的范围0~180,将夹角范围以步长为Sβ(0<Sβ≤1)离散化,对应的索引值范围0~Mβ,(其中floor()表示对结果进行向下取整),则以为索引(即将βi以散列函数本实施例中优选为进行散列,得到的散列值作为索引值),以Pi的梯度方向与的夹角和长度为被索引内容,建立MR-Table(见表1)。由于在图像不同边缘点处存在相等的夹角βi,所以通常对于一个索引有多个索引内容。
表1.MR-Table
A3).对于模板图像上的任意边缘点Pi,计算出Pi的梯度方向与的夹角通过计算出索引,以Pi的梯度角θi为被索引内容建立角度参考表(AR-Table,Angle Reference Table)(见表2)。
由于角度的范围0~180,将此范围以步长为离散化,对应的索引值范围0~M,(floor()表示对结果进行向下取整),则以为索引(即将以散列函数本实施例中优选为进行散列,得到的散列值作为索引值),以Pi的梯度角θi为被索引内容,建立AR-Table(见表2)。由于在图像不同边缘点处存在相等的夹角所以通常对于一个索引有多个索引内容。
表2.AR-Table
在在线阶段,开始在目标图像上进行目标定位。
B1).初始化一个二维累加器Acc_loc,用以累计可能的匹配位置的投票数,其大小为目标图像大小,即所有可能的匹配位置。同时,初始化一个一维累加器Acc_rot,用以累计可能的旋转角度的投票数,其大小为360,即目标所有可能的旋转角度。
B2).对目标图像运用Canny算子进行边缘提取。
B3).得到目标边缘图像后,对于目标边缘图像的每个边缘点的局部找到第二个边缘点,计算两个边缘点的梯度夹角,计算出索引后,根据在离线阶段建立的MR-Table中索引对应的索引内容计算可能的匹配位置。
具体方法为对于目标边缘图像上的每个边缘点Pi,在以其为中心的圆上找第二个边缘点Pj(具体方法见A2)),计算处的梯度方向夹角βi。以索引在离线阶段建立的MR-Table对应的索引内容按以下方程计算可能的匹配位置(xio,yio)(见附图2):
其中Gix,Giy分别是Pi在x方向和y方向上的梯度。(xi,yi)为Pi的坐标。
在(xio,yio)处投票一次,在该点处得到一票,即二维累加器Acc_loc在(xio,yio)累加一次:Acc_loc(xio,yio)=Acc_loc(xio,yio)+1。
B4).当目标图像中的所有边缘点都经过B3)中的处理后,求得Acc_loc取得最大值的坐标(xo,yo)即为匹配位置Po。
φin=θi-θn,(n=1,2,3...)
其中,θi为Pi的梯度角。则在φin投一票,一维累加器Acc_rot在φin累加一次:
Acc_rot(φin)=Acc_rot(φin)+1
B6).当目标图像中的所有边缘点都经过B5)中的处理后,求得Acc_rot取得最大值的角度φo即为旋转角度。
B7).在B4)和B6)得到的匹配位置和旋转角度的3×3×3邻域,通过最小二乘拟合三元二次多项式,将匹配结果精确到亚像素级别。
为提高图像匹配速度,分层策略也可用到本匹配方法中来。设模板图像尺寸为mw×mh,目标图像尺寸为w×h。
在离线阶段,为模板图像建立m层模板图像金字塔,各层模板金字塔图像尺寸为mw(i)×mh(i)。
其中i=1,2,...,m,mw(i)=2mw(i+1),mh(i)=2mh(i+1),mw(1)=mw,mh(1)=mh。
对于每一层金字塔图像,分别根据步骤A1)~A2)建立MR-Table(i),其中i=1,2,...,m,并在底层(即第1层)金字塔图像上根据步骤A3)建立AR-Table。
在在线阶段,为目标图像也建立m层目标图像金字塔,各层目标金字塔图像尺寸为w(i)×h(i),
其中i=1,2,...,m,w(i)=2w(i+1),h(i)=2h(i+1),w(1)=w,h(1)=h。
匹配从顶层(即第m层)目标金字塔图像开始,由于第m层目标金字塔图像的分辨率低,累加器的尺寸小,边缘点数少,搜索范围小,通过步骤B1)~B4),很快可以得到在m层的粗略匹配位置(xm,ym)。在m-1层,以(2xm,2ym)为中心,在Sm-1×Sm-1的范围内通过步骤B1)~B4)进行匹配。
其中
Sm-1×Sm-1将远小于w(m-1)×h(m-1)。经过图像金字塔的分层策略,从第m层开始匹配,一直到第1层,整个过程图像匹配位置是从粗到精的,并且采用分层策略可以减少匹配的搜索范围,从而减少计算量,加快匹配过程。当匹配进行到第1层时,将得到最精确的位置,然后,通过步骤B5)~B6)得到匹配旋转角度。
本发明的基于局部不变的几何特征的改进广义霍夫变换图像匹配方法中,由于采用的特征(每个边缘点和其邻域的另一个边缘点梯度方向的夹角)是旋转不变的,因此将参数空间从3维降到2维,不仅降低了内存需求,而且加快了匹配速度。本方法采用分层策略进行进一步的加速,并且采用最小二乘拟合将匹配结果更加精确。因此,本发明的方法匹配精度高、速度快,并且可以对任意旋转角度进行匹配。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种图像匹配方法,用于实现对具有任意旋转角度的目标图像的匹配,其特征在于,该方法包括对模板图像进行预处理的步骤和利用该模板图像的处理结果对目标图像进行匹配的步骤,其中,
所述模板图像预处理步骤包括提取图像各边缘点并建立边缘点匹配特征关系,所述目标图像进行匹配时先提取目标图像的各边缘点,再利用上述建立的边缘点匹配特征关系对目标图像进行匹配,从而获得匹配位置点和相应的旋转角度,完成目标图像匹配。
2.根据权利要求1所述的一种图像匹配方法,其特征在于,所述图像匹配特征关系包括位置匹配关系和旋转角度匹配关系,其中,
所述位置匹配关系指:图像每一边缘点到边缘点中心的距离以及该边缘点的梯度方向与边缘点到边缘点中心连线的夹角,这两者与两边缘点的梯度方向夹角所形成的第一对应关系,其中两边缘点指该每一边缘点和其邻域边界上的任一边缘点;
所述旋转角度匹配关系指:每一边缘点的梯度方向与该边缘点到边缘点中心连线的夹角和边缘点的梯度角之间形成的第二对应关系。
3.根据权利要求2所述的一种图像匹配方法,其特征在于,所述第一对应关系通过一索引表表示,其中,所述两边缘点的梯度方向夹角散列后作为索引值,该梯度方向夹角所对应的第一个边缘点到边缘点中心的距离,以及该边缘点的梯度方向与边缘点到边缘点中心连线的夹角两者的组合作为索引内容,从而建立彼此对应的索引表。
5.根据权利要求2-4中任一项所述的一种图像匹配方法,其特征在于,所述第二对应关系通过一索引表表示,其中,每一边缘点的梯度方向与该边缘点到边缘点中心连线的夹角散列后作为索引值,对应的该边缘点的梯度角为索引内容,从而建立彼此对应的索引表。
7.根据权利要求2-6中任一项所述的一种图像匹配方法,其特征在于,所述目标图像的匹配中,根据目标图像边缘点与其邻域边界上的任一边缘点形成的两边缘点的梯度方向的夹角利用所述第一对应关系获得图像的匹配位置,根据目标图像的边缘点的梯度方向与边缘点到边缘点中心连线的夹角利用第二对应关系获得图像旋转角度。
8.根据权利要求7所述的一种图像匹配方法,其特征在于,所述目标图像每一边缘点利用所述第一对应关系获得至少一个可能的匹配位置即中心点,所有边缘点的多个可能匹配位置中出现最多次数的位置确定为目标图像的匹配位置;
所述目标图像每一边缘点利用所述第二对应关系获得至少一个可能的旋转角度,所有边缘点的多个可能的旋转角度中出现最多次数的旋转角度确定为目标图像的旋转角度。
10.根据权利要求8所述的一种图像匹配方法,其特征在于,所述可能旋转角度φin通过如下公式确定:
φin=θi-θn
其中,θi为目标图像上的边缘点Pi的梯度角,θn为模板图像上的第一个边缘点的梯度角,其由目标图像边缘点利用所述第二对应关系对应获得,n=1,2,3,…。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310331189.8A CN103456005B (zh) | 2013-08-01 | 2013-08-01 | 基于局部不变几何特征的广义霍夫变换图像匹配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310331189.8A CN103456005B (zh) | 2013-08-01 | 2013-08-01 | 基于局部不变几何特征的广义霍夫变换图像匹配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103456005A true CN103456005A (zh) | 2013-12-18 |
CN103456005B CN103456005B (zh) | 2016-05-25 |
Family
ID=49738333
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310331189.8A Active CN103456005B (zh) | 2013-08-01 | 2013-08-01 | 基于局部不变几何特征的广义霍夫变换图像匹配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103456005B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104318580A (zh) * | 2014-11-14 | 2015-01-28 | 北京凌云光技术有限责任公司 | 一种模式搜索方法及装置 |
CN105046684A (zh) * | 2015-06-15 | 2015-11-11 | 华中科技大学 | 一种基于多边形广义霍夫变换的图像匹配方法 |
CN105444752A (zh) * | 2014-09-02 | 2016-03-30 | 深圳市芯通信息科技有限公司 | 基于光源亮度的室内定位方法、装置及系统 |
CN105590114A (zh) * | 2015-12-22 | 2016-05-18 | 马洪明 | 一种图像特征量的生成方法 |
CN106127258A (zh) * | 2016-07-01 | 2016-11-16 | 华中科技大学 | 一种目标匹配方法 |
CN106767719A (zh) * | 2016-12-28 | 2017-05-31 | 上海禾赛光电科技有限公司 | 无人机角度的计算方法及气体遥测方法 |
CN107220938A (zh) * | 2016-03-21 | 2017-09-29 | 深圳市燕麦科技股份有限公司 | 一种图像区块旋转角度的计算方法及装置 |
CN107563440A (zh) * | 2017-09-01 | 2018-01-09 | 京东方科技集团股份有限公司 | 一种图像处理方法及装置 |
CN109815822A (zh) * | 2018-12-27 | 2019-05-28 | 北京航天福道高技术股份有限公司 | 基于广义Hough变换的巡检图零部件目标识别方法 |
CN110472674A (zh) * | 2019-07-31 | 2019-11-19 | 苏州中科全象智能科技有限公司 | 一种基于边缘和梯度特征的模板匹配算法 |
CN111931786A (zh) * | 2020-06-23 | 2020-11-13 | 联宝(合肥)电子科技有限公司 | 一种图像处理方法、装置及计算机可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101770582A (zh) * | 2008-12-26 | 2010-07-07 | 鸿富锦精密工业(深圳)有限公司 | 图像匹配系统及方法 |
CN101833762A (zh) * | 2010-04-20 | 2010-09-15 | 南京航空航天大学 | 基于对象间粗大边缘和拟合的异源图像匹配的方法 |
CN101916445A (zh) * | 2010-08-25 | 2010-12-15 | 天津大学 | 一种基于仿射参数估计的图像配准方法 |
CN102129684A (zh) * | 2011-03-17 | 2011-07-20 | 南京航空航天大学 | 基于拟合轮廓的异源图像匹配方法 |
-
2013
- 2013-08-01 CN CN201310331189.8A patent/CN103456005B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101770582A (zh) * | 2008-12-26 | 2010-07-07 | 鸿富锦精密工业(深圳)有限公司 | 图像匹配系统及方法 |
CN101833762A (zh) * | 2010-04-20 | 2010-09-15 | 南京航空航天大学 | 基于对象间粗大边缘和拟合的异源图像匹配的方法 |
CN101916445A (zh) * | 2010-08-25 | 2010-12-15 | 天津大学 | 一种基于仿射参数估计的图像配准方法 |
CN102129684A (zh) * | 2011-03-17 | 2011-07-20 | 南京航空航天大学 | 基于拟合轮廓的异源图像匹配方法 |
Non-Patent Citations (5)
Title |
---|
D.H.BALLARD: "Generalizing the hough transform to detect arbitrary shapes", 《PATTERN RECOGNITION》, vol. 13, no. 2, 31 December 1981 (1981-12-31), pages 112 - 122, XP002195911, DOI: doi:10.1016/0031-3203(81)90009-1 * |
吴均,朱重光,赵忠明: "一种基于小波分析的旋转不变图像快速匹配方法", 《遥感学报》, vol. 6, no. 5, 30 September 2002 (2002-09-30), pages 339 - 340 * |
夏良正,沈晖,黄钺: "一种新的基于局部变心距的广义霍夫变换法", 《模式识别与人工智能》, vol. 7, no. 4, 31 December 1994 (1994-12-31), pages 270 - 275 * |
王洲: "基于GHT的RFID芯片贴装视觉定位技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, 15 July 2012 (2012-07-15), pages 13 - 28 * |
谢志江,吕波,刘琴,陈平: "旋转不变性图像模板匹配快速算法", 《吉林大学学报(工学版)》, vol. 43, no. 3, 31 May 2013 (2013-05-31), pages 712 - 714 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105444752A (zh) * | 2014-09-02 | 2016-03-30 | 深圳市芯通信息科技有限公司 | 基于光源亮度的室内定位方法、装置及系统 |
CN104318580B (zh) * | 2014-11-14 | 2017-05-10 | 北京凌云光技术有限责任公司 | 一种模式搜索方法及装置 |
CN104318580A (zh) * | 2014-11-14 | 2015-01-28 | 北京凌云光技术有限责任公司 | 一种模式搜索方法及装置 |
CN105046684A (zh) * | 2015-06-15 | 2015-11-11 | 华中科技大学 | 一种基于多边形广义霍夫变换的图像匹配方法 |
CN105046684B (zh) * | 2015-06-15 | 2017-09-29 | 华中科技大学 | 一种基于多边形广义霍夫变换的图像匹配方法 |
CN105590114A (zh) * | 2015-12-22 | 2016-05-18 | 马洪明 | 一种图像特征量的生成方法 |
CN107220938A (zh) * | 2016-03-21 | 2017-09-29 | 深圳市燕麦科技股份有限公司 | 一种图像区块旋转角度的计算方法及装置 |
CN106127258B (zh) * | 2016-07-01 | 2019-07-23 | 华中科技大学 | 一种目标匹配方法 |
CN106127258A (zh) * | 2016-07-01 | 2016-11-16 | 华中科技大学 | 一种目标匹配方法 |
CN106767719A (zh) * | 2016-12-28 | 2017-05-31 | 上海禾赛光电科技有限公司 | 无人机角度的计算方法及气体遥测方法 |
CN106767719B (zh) * | 2016-12-28 | 2019-08-20 | 上海禾赛光电科技有限公司 | 无人机角度的计算方法及气体遥测方法 |
CN107563440B (zh) * | 2017-09-01 | 2020-07-28 | 京东方科技集团股份有限公司 | 一种图像处理方法及装置 |
US10592761B2 (en) | 2017-09-01 | 2020-03-17 | Boe Technology Group Co., Ltd. | Image processing method and device |
CN107563440A (zh) * | 2017-09-01 | 2018-01-09 | 京东方科技集团股份有限公司 | 一种图像处理方法及装置 |
CN109815822A (zh) * | 2018-12-27 | 2019-05-28 | 北京航天福道高技术股份有限公司 | 基于广义Hough变换的巡检图零部件目标识别方法 |
CN109815822B (zh) * | 2018-12-27 | 2024-05-28 | 北京航天福道高技术股份有限公司 | 基于广义Hough变换的巡检图零部件目标识别方法 |
CN110472674A (zh) * | 2019-07-31 | 2019-11-19 | 苏州中科全象智能科技有限公司 | 一种基于边缘和梯度特征的模板匹配算法 |
CN110472674B (zh) * | 2019-07-31 | 2023-07-18 | 苏州中科全象智能科技有限公司 | 一种基于边缘和梯度特征的模板匹配算法 |
CN111931786A (zh) * | 2020-06-23 | 2020-11-13 | 联宝(合肥)电子科技有限公司 | 一种图像处理方法、装置及计算机可读存储介质 |
CN111931786B (zh) * | 2020-06-23 | 2022-02-01 | 联宝(合肥)电子科技有限公司 | 一种图像处理方法、装置及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103456005B (zh) | 2016-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103456005A (zh) | 基于局部不变几何特征的广义霍夫变换图像匹配方法 | |
Buch et al. | Rotational subgroup voting and pose clustering for robust 3d object recognition | |
CN106296693B (zh) | 基于3d点云fpfh特征实时三维空间定位方法 | |
CN103426186B (zh) | 一种改进的surf快速匹配方法 | |
JP4686762B2 (ja) | 三次元形状の位置あわせ方法及びプログラム | |
CN112070818A (zh) | 基于机器视觉的机器人无序抓取方法和系统及存储介质 | |
CN109559340B (zh) | 一种并行的三维点云数据自动化配准方法 | |
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 | |
CN105046684A (zh) | 一种基于多边形广义霍夫变换的图像匹配方法 | |
CN103593838B (zh) | 一种快速互相关灰度图像匹配方法与装置 | |
CN103714547B (zh) | 一种结合边缘区域和互相关的图像配准方法 | |
Huang et al. | Correlation and local feature based cloud motion estimation | |
CN110097598B (zh) | 一种基于pvfh特征的三维物体位姿估计方法 | |
CN114743259A (zh) | 位姿估计方法、位姿估计系统、终端、存储介质及应用 | |
CN104851095A (zh) | 基于改进型形状上下文的工件图像稀疏立体匹配方法 | |
CN110472651B (zh) | 一种基于边缘点局部特征值的目标匹配与定位方法 | |
Peng et al. | 3D reconstruction based on SIFT and Harris feature points | |
CN117132630A (zh) | 一种基于二阶空间兼容性度量的点云配准方法 | |
CN116309026A (zh) | 一种基于统计局部特征描述与匹配的点云配准方法及系统 | |
CN103177416B (zh) | 一种基于最小二乘法的qr码图像定位方法 | |
Wan et al. | 6DOF object positioning and grasping approach for industrial robots based on boundary point cloud features | |
CN116416305A (zh) | 一种基于优化采样五维点对特征的多实例位姿估计方法 | |
CN107330436B (zh) | 一种基于尺度判据的全景图像sift优化方法 | |
CN115512137A (zh) | 一种基于点云位姿估计的随机堆放工件定位方法 | |
Koutaki et al. | Fast and high accuracy pattern matching using multi-stage refining eigen template |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20161220 Address after: 430074 Hubei Province, Wuhan city Hongshan District Luoyu Road No. 1037 Patentee after: Huazhong Science &. Technology Univ. Patentee after: GUANGDONG HUST INDUSTRIAL TECHNOLOGY RESEARCH INSTITUTE Address before: 430074 Hubei Province, Wuhan city Hongshan District Luoyu Road No. 1037 Patentee before: Huazhong Science &. Technology Univ. |
|
TR01 | Transfer of patent right |