CN105160690B - 一种应用于视频投影目标定位的参考点识别方法 - Google Patents

Abstract

本发明针对大范围物理空间视频投影运动目标定位系统定位精度不高的问题，设计了一种具有高精度和高鲁棒性的应用于大范围物理空间视频投影运动目标定位系统的红外参考点编码方式，针对大范围物理空间视频投影运动目标定位系统定位速度不高的问题，提出了一种高效、鲁棒的应用于大范围物理空间视频投影目标定位系统的红外参考点识别方法。它避免了定位过程中对人可能产生的不适、视频采集时易识别、图像处理计算量小、易于安装调试、稳定性强、不影响游戏体验。

Description

一种应用于视频投影目标定位的参考点识别方法

技术领域

本方法适用于大范围物理空间的视频投影运动目标定位，尤其是涉及一种应用于视频捕捉红外参考点进行目标标定的参考点识别系统。

背景技术

对大范围物理空间视频投影中的运动目标进行空间定位是虚拟现实场景中的娱乐和光学跟踪系统的关键技术，其中定位精度和定位速度是实现大范围物理空间视频投影中的运动目标空间定位的关键技术指标，直接关系到整个技术的成败，也是当前大范围物理空间视频投影中运动目标空间定位技术的瓶颈。高定位精度和高定位速度的大范围物理空间视频投影运动目标空间定位技术应用极其广泛但实现难度较高，在商业运用中还处于起步阶段。当前，国内外主要利用多传感器融合技术以及简单图像标定方法实现大范围物理空间视频投影运动目标空间定位，但此类技术存在定位精度低、定位速度慢、系统成本高等缺陷。由于技术上的限制，该技术在科技娱乐设备行业的应用还没有得到普及。我国大范围物理空间视频投影中运动目标空间定位技术的研究起步较晚，与国外差距较大，还没有达到实时高精度地位的要求，进行相关研究和技术开发有助于我国形成具有自主知识产权的虚拟现实大范围物理空间视频投影运动目标定位技术。

大范围物理空间视频投影运动目标定位系统包括红外参考点编码方式、参考点识别方法等关键技术。红外参考点编码方式决定了大范围物理空间视频投影运动目标定位系统的定位精度，而高效的参考点识别方法则有助于实现大范围物理空间视频投影运动目标定位系统的定位速度。

发明内容

大范围物理空间视频投影运动目标定位系统通过对具有人眼不可见的红外参考点进行编码，使得每个参考点具有唯一身份标识，通过图像处理方法识别参考点，获得参考点的身份标识及坐标。从而利用参考点的空间变换关系及目标点在图像中的运动信息达到目标定位的目的。

针对大范围物理空间视频投影运动目标定位系统定位精度不高的问题，设计了一种具有高精度和高鲁棒性的应用于大范围物理空间视频投影运动目标定位系统的红外参考点编码方式，最大限度地少参考点的数量，为参考点识别提供良好基础。点的编码充分考虑环境变化可能造成的误识别，使得参考点之间具有量化的空间位置信息及良好的纠错恢复能力。

针对大范围物理空间视频投影运动目标定位系统定位速度不高的问题，提出了一种高效、鲁棒的应用于大范围物理空间视频投影运动目标定位系统的红外参考点识别方法。通过计算基准点及基准距离，快速实现参考点的识别，通过参考点校正算法，实现参考点错误识别的自动纠错并恢复。使得应用于大范围物理空间视频投影运动目标定位系统的红外参考点识别方法具有良好的计算精度和计算速度，实现快速定位。

本实用新型解决其技术问题所采用的技术方案是：

本实用新型针对大范围物理空间视频投影运动目标定位系统定位精度不高的问题，设计了一种具有高精度和高鲁棒性的应用于大范围物理空间视频投影运动目标定位系统的红外参考点编码方式。针对大范围物理空间视频投影运动目标定位系统定位速度不高的问题，提出了一种高效、鲁棒的应用于大范围物理空间视频投影目标定位系统的红外参考点识别方法。

首先介绍红外参考点编码方式。利用红外光线人眼不可见而视频采集设备可以清晰捕捉的特点，利用不同数目的红外光源组成不同的红外区域，这里将这个红外区域称为参考点，每个红外区域中的红外光源之间以同一固定距离相隔，每个参考点之间的距离大于参考点中红外光源之间的距离。参考点中红外光源的数目代表了其标号，作为其身份标识；参考点的身份标识及坐标代表了当前目标所在的位置信息。

其次介绍参考点识别方法。针对大范围物理空间视频投影运动目标定位系统定位速度不高的问题，提出了一种高效、鲁棒的应用于大范围物理空间视频投影运动目标定位系统的红外参考点识别方法。这里的参考点包括参考点及参考线。红外参考点识别方法包含参考点识别及参考点坐标计算两个部分。参考点识别方法充分考虑参考点可能存在的各种形变及由于视频采集距离引起的参考点之间图像距离的变化，设计一种基于基准点及基准距离自适应更新的参考点识别方法，以最快速度实现将红外光源在图像上的亮块进行聚类，形成参考点，并计算参考点坐标。

本发明大范围物理空间视频投影运动目标定位系统具有以下优点：

（1）本发明的技术方案中使用红外光源作为参考点，人眼不可见，避免了定位过程中对人可能产生的不适、视频采集时易识别、图像处理计算量小、易于安装调试、稳定性强、不影响游戏体验。

（2）本发明的技术方案中使用红外光源作为参考点，以参考点中红外光源的数量作为其唯一身份标识，可以实现参考点物理坐标与图像坐标的快速匹配。

（3）本发明的技术方案中采用基于基准点和基准距离迭代的算法进行图像中亮块的聚类，形成参考点，聚类速度快，聚类精度高。

（4）本发明的技术方案中使用参考点实现定位，能够在图像畸变和视频采集设备大角度旋转等各种极端条件下提供实时高精度的定位。

附图说明：

图1为亮块分布的例子，黑色圆点代表亮块，每个亮块包含若干像素，每个亮块间距离小于与其处于不同黑线区域的亮块之间的距离。

图2为亮块聚类过程示意图，不断寻找基准点A和基准点B，图中以A1，A2，B1，B2等表示基准点，并以编号表示基准点被找到的顺序。计算基准距离和区域中心，完成区域划分，图中以六边形边框包围的所有黑色圆点属于同一个区域，并以RA1，RA2，RB1，RB2等来表示，以满足区域划分规则为止，图中用区域1，区域2等指出了两块聚类结果。

图3为技术方案整体框架，包括初始化、确定基准点、计算基准距离、聚类、区域合并、区域完备性检查、计算区域类标及区域的坐标等关键步骤。

图4为聚类结果示意图，将属于满足距离约束的亮块划分为同一个区域，图中以黑色圆框标出，区域中心以五角星标出，区域标号以区域中亮块数量来表征。

具体实施方式：

下面结合附图和实施案例，对本发明的具体实施方式作进一步的详细描述。以下实施案例用于说明本发明，但不用来限制本发明的范围。

红外光源在图像上经过图像二值化形成多个散乱分布的亮块，每个亮块由数量不等的像素值为1的像素组成，非亮块组成像素的像素值为0。图1为亮块分布的一个实例，每个亮块以一个黑色圆点代替，每个亮块与其周围紧邻的其他亮块形成一个区域，称为参考点，每个参考点以其包含的亮块个数为标号，从左到右依次记为3，4，5，6。非同一区域亮块间距离的最小值大于同一区域内亮块间距离最大值的3/2倍。

图2为亮块聚类过程示意图。首先根据距离图像坐标原点（0,0）距离的最大值和最小值，分别将距离图像坐标原点的最近点和最远点记为基准点A1和基准点B1；然后通过计算其他亮块到这两个基准点之间的距离，将距离的最小值作为初始基准距离，并根据就近原则确定亮块归属，形成区域RA1和RB1；接着分别计算区域RA1和RB1内所有亮块的坐标均值，并以此作为这个区域的坐标，计算区域内所有亮块到区域坐标的距离，若这个距离大于初始基准距离的某个倍数，则认为这个区域还需要再次分解，将其分解为RA2和RB2，并在得到的新的分解区域中寻找新的基准点A2，基准点B2，并按照上述步骤继续执行，直到满足上述条件停止区域分解。对于分解后的区域，需要对其进行区域完备性检查并对存在错分的亮块重新进行聚类。最终完成整个亮块聚类过程。图3为技术方案整体框架，包括初始化、确定基准点、计算基准距离、聚类、区域合并、区域完备性检查等关键步骤，最终得到区域类标及区域的图像坐标和实际坐标。对图像中的多个亮块按照距离约束对亮块进行分类，将符合距离约束的亮块分为若干区域，并以属于同一区域的亮块的坐标均值代表此区域的坐标，根据区域内亮块个数表征此区域的类别，实现与其他区域的区分。完成无序亮块的聚类和坐标计算，以参考点中亮块的个数作为其类标。

步骤一:初始化。（1）将所有亮块的类标设为0，表明此亮块暂时不属于任何区域。（2）设定距离阈值，fBeta1，fBeta2，表示中心点与所有点之间距离的最小值需要小于所有基准点距离之间最小值的某个倍数（表示中心点确实是区域的中心）。（3）nLastValidMinDist = 0，表示记录的上次有效的最短距离。（4）nThisMinDist = 0，表示以A为基准和以B为基准的距离中，最小的距离值，只在某区域选择的第1次迭代时计算。（5）fBeta1_Max，fBeta2_Max，表示中心点与所有点之间距离的最大值需要小于所有基准点距离之间最小值的某个倍数（表示区域内所有点是聚集的，而不是分散的）。（6）fBeta1_Ext，fBeta2_Ext，表示分割得到的两个区域的中心点之间距离，需要小于之前最后一次获得的基准点距离最小值的某个倍数（避免把一个区域强制分成两个区域，仅仅在最后1次使用)。（7）pointA=0，pointB=0，表示A点和B点坐标序号。（8）确定基准点。计算所有亮块到图像坐标原点的距离并由小到大排序，将距离原点最近的亮块记为基准点A1，并将其类标更新为其所在区域中亮块个数（初始值位1），将距离原点最远的亮块记为基准点B1；

步骤二:计算基准距离。计算初始基准距离：将基准点A1到坐标原点（0,0）的距离设为初始基准距离；计算当前基准距离：计算类标为0的所有亮块到基准点A1的最小距离，并将其设为当前基准距离；更新基准距离：若当前基准距离小于初始基准距离的某个较小倍数或者大于初始基准距离的某个较大倍数，则认为当前计算得到的基准距离不可靠，以初始基准距离来代替当前基准距离；否则，将初始基准距离更新为当前基准距离；基准点及基准距离的确定及计算方法是本方法的核心内容，其技术路线及算法属于但不仅限于发明的本范保护围；

步骤三:聚类。以当前类标为0的所有亮块到图像坐标原点距离最远的亮块记为基准点B1，计算类标相同的所有点到基准点B1的距离，如果亮块到基准点A1的距离小于亮块到基准点B1的距离，则此亮块属于基准点A1所在区域，基准点A1所在区域中所有亮块的类标加1，更新为当前区域中所含亮块个数；

步骤四:区域合并。分别计算基准点A1所在区域的中心坐标，计算基准点A1所在区域的中心与基准点B1所在区域的中心的距离，若初始基准距离乘以fBeta1_Ext大于上述距离，则将基准点A1所在区域与基准点B1所在区域合并，并重新计算合并后的区域的中心坐标；

步骤五:区域完备性检查。当前基准距离乘以fBeta1大于基准点A1所在区域所有亮块到其区域中心的距离与基准点A1所在区域所有亮块到基准点A1距离之间的最小值，同时，当前基准距离乘以fBeta2大于基准点B1所在区域所有亮块到其区域中心的距离与基准点B1所在区域所有亮块到基准点B1距离之间的最小值，且当前基准距离乘以fBeta2_Max大于基准点B1所在区域亮块到其区域中心的距离与基准点B1所在区域所有亮块到基准点B1距离之间的最大值，则区域划分不合理，需要对基准点A1和基准点B1所在区域进行细分，转到步骤二，分别在基准点A1和基准点B1所在区域重新确定新的基准点A2，基准点B2。直到所有的区域都满足聚类完备性条件，则完成图像中所有亮块的聚类，以每个区域中亮块的个数表征区域标识，以区域汇总的所有亮块的坐标均值为区域的坐标。

步骤六：图4为聚类结果示意图。本技术方案将属于同一个参考点的亮块赋予相同的类标，形成一个区域，并以属于同一个区域的亮块的坐标均值作为参考点的坐标。完成区域聚类之后，将属于同一个区域的亮块赋予相同的标号，以属于同一个区域的亮块的坐标均值作为区域的坐标，也即参考点坐标，以不同区域中所包含的亮块数量作为参考点的编号，通过以上步骤的计算，赋予参考点坐标和编号，实现应用于视频投影目标定位的参考点的识别。

以上所具体描述的，是一种应用于视频投影运动目标定位参考点识别方法。文中对本发明的原理，技术方案和实施方式进行了详细的阐述，以上具体实施步骤内容只是为了帮助理解，并不限定本发明的保护范围，本发明适用于利用定位参考点进行投影运动目标定位的场合，凡在本发明的核心思想和原则之内，所进行的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种应用于视频投影目标定位的参考点识别方法，其特征包括如下步骤：

（1）、初始化:

1-1）设定亮块的初始类标设为0，表明此亮块暂时不属于任何区域；1-2）确定基准点，计算所有亮块到图像坐标原点的距离并由小到大排序，将距离原点最近的亮块和距离原点最远的亮块分别记为基准点A1和基准点B1，并将其类标更新为其所在区域中亮块个数；1-3）设定距离阈值fBeta1和fBeta2，表示基准点A1和基准点B1所在区域的中心点与所有的亮块像素点之间距离的最小值分别需要小于所有基准点距离之间的最小值的fBeta1和fBeta2倍；1-4）设定初始基准距离，表示记录的上次有效的最短距离；1-5）设定当前距离调节阈值fBeta2_Max，表示区域的中心点与所有的亮块像素点之间距离的最大值需要小于所有基准点距离之间最小值的fBeta2_Max倍；1-6）设定区域分割阈值fBeta1_Ext，表示分割得到的两个区域的中心点之间距离，需要小于之前最后一次获得的基准点距离最小值的fBeta1_Ext倍；1-7）设定基准点初始坐标序号，表示与该基准点属于同一区域的亮块数；

（2）、计算基准距离：

2-1）、计算初始基准距离，其与1-4）中的初始基准距离含义相同：计算类标为0的所有亮块到图像坐标原点的距离，并对计算结果距离进行排序，将计算结果中的最小距离设为初始基准距离；2-2）、计算当前基准距离：计算类标为0的所有亮块到基准点A1的最小距离，并将其设为当前基准距离；2-3）、更新基准距离：若当前基准距离小于初始基准距离的fBeta1倍或者大于初始基准距离的fBeta2倍，则认为当前计算得到的基准距离不可靠，以初始基准距离来代替当前基准距离；否则，将初始基准距离更新为当前基准距离；

（3）、聚类：以当前类标为0的所有亮块到图像坐标原点距离最远的亮块记为基准点B1，计算类标相同的所有点到基准点B1的距离，如果亮块到基准点A1的距离小于亮块到基准点B1的距离，则此亮块属于基准点A1所在区域，基准点A1所在区域中所有亮块的类标加1，更新为当前区域中所含亮块个数；

（4）、区域合并：分别计算基准点A1所在区域的中心坐标，计算基准点A1所在区域的中心与基准点B1所在区域的中心的距离，若初始基准距离乘以fBeta1_Ext大于基准点A1所在区域的中心与基准点B1所在区域的中心的距离，则将基准点A1所在区域与基准点B1所在区域合并，并重新计算合并后的区域的中心坐标；否则，分别计算所有亮块到基准点A1和基准点B1的距离的最小值，求区域内所有亮块到区域中心的距离的最小值；

（5）、区域完备性检查：当前基准距离乘以fBeta1大于基准点A1所在区域所有亮块到其区域中心的距离与基准点A1所在区域所有亮块到基准点A1距离之间的最小值，同时，当前基准距离乘以fBeta2大于基准点B1所在区域所有亮块到其区域中心的距离与基准点B1所在区域所有亮块到基准点B1距离之间的最小值，且当前基准距离乘以fBeta2_Max大于基准点B1所在区域亮块到其区域中心的距离与基准点B1所在区域所有亮块到基准点B1距离之间的最大值，则区域划分不合理，需要对基准点A1和基准点B1所在区域进行细分，转到步骤（2）中计算基准距离，分别在基准点A1和基准点B1所在区域重新确定新的基准点A2，基准点B2；直到所有的区域都满足聚类完备性条件，则完成图像中所有亮块的聚类，以每个区域中亮块的个数表征区域标识，以区域汇总的所有亮块的坐标均值为区域的坐标；

（6）完成区域聚类之后，将属于同一个区域的亮块赋予相同的标号，以属于同一个区域的亮块的坐标均值作为区域的坐标，也即参考点坐标，以不同区域中所包含的亮块数量作为参考点的编号，通过以上步骤（1）至（6）的计算，赋予参考点坐标和编号，实现应用于视频投影目标定位的参考点的识别。