CN106530349A - 一种基于椭圆中心的动态定位方法及装置 - Google Patents

一种基于椭圆中心的动态定位方法及装置 Download PDF

Info

Publication number
CN106530349A
CN106530349A CN201610948910.1A CN201610948910A CN106530349A CN 106530349 A CN106530349 A CN 106530349A CN 201610948910 A CN201610948910 A CN 201610948910A CN 106530349 A CN106530349 A CN 106530349A
Authority
CN
China
Prior art keywords
border
ellipse
imaging apparatus
fitting
boundary
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.)
Pending
Application number
CN201610948910.1A
Other languages
English (en)
Inventor
李木子
王强
王付军
郭成操
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.)
Chengdu Technological University CDTU
Chengdu Univeristy of Technology
Original Assignee
Chengdu Technological University CDTU
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 Chengdu Technological University CDTU filed Critical Chengdu Technological University CDTU
Priority to CN201610948910.1A priority Critical patent/CN106530349A/zh
Publication of CN106530349A publication Critical patent/CN106530349A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Image Analysis (AREA)

Abstract

本发明涉及图像处理技术领域，公开了一种基于椭圆中心的动态定位方法及装置，其方法是通过摄像元件采集目标区域的视频图像，根据图像中像素灰度值梯度的变化，检测边界，然后对检测的边界进行椭圆识别，并将椭圆边界转化为单像素边界，而且通过对单像素边界进行椭圆拟合，确定椭圆中心位置，最后根据椭圆中心位置，调整摄像元件的位置，直到拟合的椭圆长轴与短轴的比值达到最小值，即实现对图像中圆形结构的定位。由于本发明先对检测的边界进行椭圆识别，对边界进行筛选，提高了运行效率，而且将椭圆边界转化为单像素边界，提高了检测精度。

Description

一种基于椭圆中心的动态定位方法及装置
技术领域
本发明涉及图像处理技术领域，特别涉及一种基于椭圆中心的动态定位方法及装置。
背景技术
现有技术主要采用霍夫变换寻找图像中的几何要素，比如直线、圆和椭圆，但是霍夫变换检测精度不高，同时由于解算的参数太多，而且采用多重循环逐步递增逼近，导致运行效率低下，比如霍夫变换寻找直线需要解算两个参数，寻找圆需要解算三个参数，寻找椭圆需要解算五个参数，无法达到实时处理的效果，此外由于受到真实环境噪声的影响，一旦图像质量不够理想，采用霍夫变换无法准确找到这些几何要素。
发明内容
本发明的目的在于：克服现有技术中采用霍夫变换寻找图像中的几何要素所存在的检测精度不高、运行效率低下且易受到环境噪声影响等不足。
为了实现上述发明目的，本发明提供一种基于椭圆中心的动态定位方法，其特征在于，包括以下步骤，
S1：通过摄像元件采集目标区域的视频图像，并根据所采集的视频图像中像素灰度值的梯度变化，检测图像中的边界；
S2：对检测出的边界进行椭圆识别，并抑制非椭圆的边界，同时将椭圆边界转化为单像素边界；
S3：对所述单像素边界进行椭圆拟合，并根据拟合的椭圆，计算出椭圆中心位置；
S4：根据椭圆中心位置，调整所述摄像元件的拍摄位置，使拟合的椭圆的长轴与短轴的比值趋近1，并当长轴与短轴的比值达到最小值时，重新确定椭圆中心位置。
根据一种具体的实施方式，S2中，椭圆识别的方式为：随机地从边界上选取若干个点，用于椭圆参数解算，若满足椭圆参数解算，则所述边界为椭圆边界，反之，所述边界为非椭圆边界。
根据一种具体的实施方式，S2中，若检测的边界存在分支和/或断裂，则采用八邻域算法提取出每个连续的边界，并分别对每个连续的边界进行椭圆参数解算，若满足椭圆参数解算，则为椭圆边界，反之，则为非椭圆边界。
根据一种具体的实施方式，S3中，采用最小二乘法对所述单像素边界进行椭圆拟合。
根据一种具体的实施方式，S1中，先对所述摄像元件采集目标区域的视频图像进行噪声处理，再检测边界。
本发明还提供一种用于实施本发明定位方法的装置，其包括图像定位单元、工控机、运动机构和摄像元件，其中，所述图像定位单元与所述摄像元件连接，用于根据所述摄像元件采集目标区域的视频图像中像素灰度值的梯度变化，检测图像中的边界，对检测出的边界进行椭圆识别，抑制非椭圆的边界，同时将椭圆边界转化为单像素边界，对所述单像素边界进行椭圆拟合，并根据拟合的椭圆，计算出椭圆中心位置，再根据椭圆中心位置，实时输出相应的椭圆参数数据至所述工控机；所述摄像元件设置在所述运动机构上，并且所述工控机根据所述椭圆参数数据，实时控制所述运动机构而调整所述摄像元件的拍摄位置，直到所述图像定位单元拟合的椭圆的长轴与短轴的比值达到最小值。
与现有技术相比，本发明的有益效果：本发明基于椭圆中心的动态定位方法及装置，其方法通过摄像元件采集目标区域的视频图像，根据图像中像素灰度值梯度的变化，检测边界，然后对检测的边界进行椭圆识别，并将椭圆边界转化为单像素边界，而且通过对单像素边界进行椭圆拟合，确定椭圆中心位置，最后根据椭圆中心位置，调整摄像元件的位置，使拟合的椭圆长轴与短轴的比值达到最小值。即实现对图像中圆形结构的准确定位。
本发明由于先对检测的边界进行椭圆识别，对边界进行筛选，提高了运行效率，而且将椭圆边界转化为单像素边界，提高了检测精度。
附图说明：
图1是本发明方法的流程示意图。
具体实施方式
下面结合具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例，凡基于本发明内容所实现的技术均属于本发明的范围。
结合图1所示的本发明方法的流程示意图，本发明基于椭圆中心的动态定位方法包括以下步骤，
S1：根据摄像元件所采集目标区域的视频图像中像素灰度值的梯度变化，检测图像中的边界。其中，摄像元件在某一位置采集目标区域的视频图像，图像采用灰度图，且像素值在0～255变化，因此，根据图像中像素灰度值的梯度变化，检测出图像中的边界。
S2：对检测出的边界进行椭圆识别，并抑制非椭圆边界，同时将椭圆边界转化为单像素边界。其中，由于摄像元件不可能与圆形结构绝对地平行，那么在图像中圆形结构呈现的边界为椭圆边界，通过对边界进行椭圆识别，筛选出圆形结构的边界，而滤除非椭圆边界，即抑制非椭圆边界。此外，将识别到的边界转化为单像素边界，以提高将椭圆边界拟合成椭圆的精度。
S3：对单像素边界进行椭圆拟合，并根据拟合的椭圆，计算出椭圆中心位置。其中，根据拟合的椭圆，计算该椭圆的参数，进而确定椭圆中心位置。
S4：根据椭圆中心位置，调整摄像元件的拍摄位置，直到拟合的椭圆的长轴与短轴的比值达到最小值。其中，由于摄像元件不可能与圆形结构绝对地平行，但为了对圆形结构的中心位置进行定位，需根据椭圆中心位置，调整摄像元件的拍摄位置，使拟合的椭圆趋近于圆，即相当于拟合的椭圆的长轴与短轴的比值达到最小值，此时椭圆中心位置相当于圆形结构的中心位置。
具体的，本发明方法的S2中，椭圆识别的方式为：随机地从边界上选取若干个点，用于椭圆参数解算，若满足椭圆参数解算，则边界为椭圆边界，反之，边界为非椭圆边界。
进一步地，在S2中，若检测的边界存在分支和/或断裂，则采用八邻域算法提取出每个连续的边界，并分别对每个连续的边界进行椭圆参数解算，若满足椭圆参数解算，则为椭圆边界，反之，则为非椭圆边界。
本发明方法的S3中，采用最小二乘法对单像素边界进行椭圆拟合。此外，本发明方法的S1中，先对摄像元件采集目标区域的视频图像进行噪声处理，再检测边界。通过对采集的视频图像进行噪声处理，减少视频图像的质量对检测精度的影响。
本发明还提供一种用于实施本发明定位方法的装置，其包括图像定位单元、工控机、运动机构和摄像元件。
其中，图像定位单元与摄像元件连接，用于根据摄像元件采集目标区域的视频图像中像素灰度值的梯度变化，检测图像中的边界，对检测出的边界进行椭圆识别，抑制非椭圆的边界，同时将椭圆边界转化为单像素边界，对单像素边界进行椭圆拟合，并根据拟合的椭圆，计算出椭圆中心位置，再根据椭圆中心位置，实时输出相应的椭圆参数数据至工控机。
由于摄像元件设置在运动机构上，因此工控机通过控制运动机构而调整摄像元件的拍摄位置。而且工控机根据椭圆参数数据，实时控制运动机构而调整摄像元件的拍摄位置，直到图像定位单元拟合的椭圆的长轴与短轴的比值达到最小值。
上面结合附图对本发明的具体实施方式进行了详细说明，但本发明并不限制于上述实施方式，在不脱离本申请的权利要求的精神和范围情况下，本领域的技术人员可以作出各种修改或改型。

Claims (6)

1.一种基于椭圆中心的动态定位方法，其特征在于，包括以下步骤，
S1：根据摄像元件所采集目标区域的视频图像中像素灰度值的梯度变化，检测图像中的边界；
S2：对检测出的边界进行椭圆识别，并抑制非椭圆的边界，同时将椭圆边界转化为单像素边界；
S3：对所述单像素边界进行椭圆拟合，并根据拟合的椭圆，计算出椭圆中心位置；
S4：根据椭圆中心位置，调整所述摄像元件的拍摄位置，使拟合的椭圆的长轴与短轴的比值达到最小值时，重新确定椭圆中心位置。
2.如权利要求1所述的基于椭圆中心的动态定位方法，其特征在于，S2中，椭圆识别的方式为：随机地从边界上选取若干个点，用于椭圆参数解算，若满足椭圆参数解算，则所述边界为椭圆边界，反之，所述边界为非椭圆边界。
3.如权利要求2所述的基于椭圆中心的动态定位方法，其特征在于，S2中，若检测的边界存在分支和/或断裂，则采用八邻域算法提取出每个连续的边界，并分别对每个连续的边界进行椭圆参数解算，若满足椭圆参数解算，则为椭圆边界，反之，则为非椭圆边界。
4.如权利要求1所述的基于椭圆中心的动态定位方法，其特征在于，S3中，采用最小二乘法对所述单像素边界进行椭圆拟合。
5.如权利要求1所述的基于椭圆中心的动态定位方法，其特征在于，S1中，先对所述摄像元件采集目标区域的视频图像进行噪声处理，再检测边界。
6.一种用于实施权利要求1～5之一所述定位方法的装置，其特征在于，包括图像定位单元、工控机、运动机构和摄像元件，其中，所述图像定位单元与所述摄像元件连接，用于根据所述摄像元件采集目标区域的视频图像中像素灰度值的梯度变化，检测图像中的边界，对检测出的边界进行椭圆识别，抑制非椭圆的边界，同时将椭圆边界转化为单像素边界，对所述单像素边界进行椭圆拟合，并根据拟合的椭圆，计算出椭圆中心位置，再根据椭圆中心位置，实时输出相应的椭圆参数数据至所述工控机；所述摄像元件设置在所述运动机构上，并且所述工控机根据所述椭圆参数数据，实时控制所述运动机构而调整所述摄像元件的拍摄位置，直到所述图像定位单元拟合的椭圆的长轴与短轴的比值达到最小值。
CN201610948910.1A 2016-10-25 2016-10-25 一种基于椭圆中心的动态定位方法及装置 Pending CN106530349A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610948910.1A CN106530349A (zh) 2016-10-25 2016-10-25 一种基于椭圆中心的动态定位方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610948910.1A CN106530349A (zh) 2016-10-25 2016-10-25 一种基于椭圆中心的动态定位方法及装置

Publications (1)

Publication Number Publication Date
CN106530349A true CN106530349A (zh) 2017-03-22

Family

ID=58292360

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610948910.1A Pending CN106530349A (zh) 2016-10-25 2016-10-25 一种基于椭圆中心的动态定位方法及装置

Country Status (1)

Country Link
CN (1) CN106530349A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111707413A (zh) * 2020-05-15 2020-09-25 中国科学院合肥物质科学研究院 一种基于单像素探测器的质心探测方法
CN112365538A (zh) * 2020-10-13 2021-02-12 西安理工大学 一种自动上卷系统的高效目标检测方法
CN113362390A (zh) * 2021-06-21 2021-09-07 武汉理工大学 一种基于椭圆检测的快速圆形目标定位视频处理方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1455222A (zh) * 2003-04-11 2003-11-12 天津大学 一种摄像机标定方法及其实施装置
CN101515370A (zh) * 2009-03-06 2009-08-26 北京航空航天大学 三维显微ct扫描系统中射线源焦点的投影坐标的标定方法
CN102607467A (zh) * 2012-03-07 2012-07-25 上海交通大学 基于视觉测量的电梯导轨垂直度检测装置和检测方法
CN102831610A (zh) * 2012-08-13 2012-12-19 中国科学院自动化研究所 基于内积与距离分布的椭圆快速检测方法
CN103632366A (zh) * 2013-11-26 2014-03-12 清华大学 一种椭圆目标的参数识别方法
CN103745452A (zh) * 2013-11-26 2014-04-23 理光软件研究所（北京）有限公司 相机外参评估方法、装置、相机外参标定方法和装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1455222A (zh) * 2003-04-11 2003-11-12 天津大学 一种摄像机标定方法及其实施装置
CN101515370A (zh) * 2009-03-06 2009-08-26 北京航空航天大学 三维显微ct扫描系统中射线源焦点的投影坐标的标定方法
CN102607467A (zh) * 2012-03-07 2012-07-25 上海交通大学 基于视觉测量的电梯导轨垂直度检测装置和检测方法
CN102831610A (zh) * 2012-08-13 2012-12-19 中国科学院自动化研究所 基于内积与距离分布的椭圆快速检测方法
CN103632366A (zh) * 2013-11-26 2014-03-12 清华大学 一种椭圆目标的参数识别方法
CN103745452A (zh) * 2013-11-26 2014-04-23 理光软件研究所（北京）有限公司 相机外参评估方法、装置、相机外参标定方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
韩建栋 等: "视觉测量中椭圆自动检测与定位方法", 《计算机工程与应用》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111707413A (zh) * 2020-05-15 2020-09-25 中国科学院合肥物质科学研究院 一种基于单像素探测器的质心探测方法
CN112365538A (zh) * 2020-10-13 2021-02-12 西安理工大学 一种自动上卷系统的高效目标检测方法
CN113362390A (zh) * 2021-06-21 2021-09-07 武汉理工大学 一种基于椭圆检测的快速圆形目标定位视频处理方法

Similar Documents

Publication Publication Date Title
Yuan et al. Adaptive image edge detection algorithm based on canny operator
MY198109A (en) Methods and systems for automatic object detection from aerial imagery
CN102646193B (zh) 一种环形排布字符图像分割方法
CN104361314B (zh) 基于红外与可见光图像融合的变电设备定位方法及装置
WO2016055031A1 (zh) 直线检测、图像处理的方法及相关装置
GB2569751A (en) Static infrared thermal image processing-based underground pipe leakage detection method
CN107203990A (zh) 一种基于模板匹配与图像质量评估的标贴破损检测方法
CN104574419B (zh) 镜头畸变参数标定方法及系统
CN107705288A (zh) 伪目标运动强干扰下的危险气体泄漏红外视频检测方法
US10789495B2 (en) System and method for 1D root association providing sparsity guarantee in image data
CN109325935A (zh) 一种基于无人机图像的输电线路检测方法
CN104197836A (zh) 基于机器视觉的汽车门锁装配尺寸检测方法
CN104318588A (zh) 一种基于位置感知判别外观模型的多摄像机目标跟踪方法
CN106469312A (zh) 基于区域生长标号的焊缝视觉识别方法
CN106530349A (zh) 一种基于椭圆中心的动态定位方法及装置
Fan et al. Moving target detection algorithm based on Susan edge detection and frame difference
CN103093451A (zh) 一种棋盘格交叉点识别算法
CN102426698A (zh) 一种红外图像增强方法
US20180173954A1 (en) System and method for root association in image data
CN105043395B (zh) 一种飞行器月表软着陆的实时动态选址方法
CN102945545A (zh) 一种鲁棒的骨龄评定图像预处理及骨关键点定位方法
CN109344768A (zh) 基于巡检机器人的指针式断路器识别方法
CN107480678A (zh) 一种棋盘识别方法和识别系统
CN108109154A (zh) 一种工件的新型定位及数据获取方法
CN105787912A (zh) 一种基于分类的阶跃型边缘亚像素定位方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20170322

RJ01 Rejection of invention patent application after publication