CN107578398A - 一种提高旋转对称图形识别率的方法 - Google Patents
一种提高旋转对称图形识别率的方法 Download PDFInfo
- Publication number
- CN107578398A CN107578398A CN201710611543.0A CN201710611543A CN107578398A CN 107578398 A CN107578398 A CN 107578398A CN 201710611543 A CN201710611543 A CN 201710611543A CN 107578398 A CN107578398 A CN 107578398A
- Authority
- CN
- China
- Prior art keywords
- rotational symmetry
- photo
- rotation
- discrimination
- 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.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及一种提高旋转对称图形识别率的方法,本发明根据图形的最小旋转角,旋转拍摄产品照片,然后和标准图片比对,之后再旋转再拍摄并进行比较,确定是否是标准产品。本方法可以大大的提高图像识别率,并且图像的最小旋转角越小,识别效果越好。
Description
技术领域
本发明涉及图像识别技术领域,尤其涉及一种提高旋转对称图形识别率的方法。
背景技术
随着工业4.0在国内的推进,工厂在生产过程中越来越多的使用通线设备进行生产,所谓通线设备就是一种设备根据来料自动切换生产模式,生产出不同的产品。通线设备怎么识别不同的来料,有多种方法,有些简单的比如根据重量、高度等可度量属性进行识别;复杂的可以根据二维码等扫码方式识别;最为复杂的是通过实时摄像,然后根据拍摄的来料照片和标准照片比对,识别来料类型;通过图像识别可以避免生产过程中高温环境不能打码、生产过程中重量变化等多种问题,另外换工序只需要更新标准图片就可以,效果最好最为方便,生产过程中,经常有磕碰或轻微不规则产品,严重影响视觉识别效果。
在工厂的实际产品中,大部分产品轮廓都是旋转对称图形(比如轮毂、瓶盖、灯泡等),旋转对称图形的定义如下:
一个平面图形L绕平面上某点O旋转α(0<α<2π)后得到的新图形L*如果与L完全重合,则称L是平面旋转对称图形,并称L具有旋转对称性。称点O为平面旋转图形L的旋转中心,称α为平面旋转图形L的旋转角。
(1)若函数f(θ)(θ∈R)满足f(θ+α)=f(θ)(0<α<2π),则极坐标系中曲线L:ρ=f(θ)是旋转对称图形,α是平面旋转图形L的旋转角。
(2)若函数f(θ)(θ∈R)满足f(θ+α)=﹣f(θ)(0<α<π),则极坐标系中曲线L:ρ=f(θ)是旋转对称图形,2α是平面旋转图形L的旋转角。
例如:当f(θ)=sin3θ(θ∈R)满足f(θ+π/3)=﹣f(θ)。极坐标系中曲线L:ρ=sin3θ是以2π/3为旋转角的旋转对称图形(三叶玫瑰线);如图1所示。
定义(2)中的旋转角2α未必是平面旋转图形L的最小旋转角,例如:当f(θ)=sin2θ(θ∈R)满足f(θ+π/2)=﹣f(θ)。极坐标系中曲线L:ρ=sin2θ是以π为旋转角的旋转对称图形,但是实际上π/2才是平面旋转图形L(四叶玫瑰线)的最小旋转角。如图2所示。
发明内容
本发明的目的在于提供一种提高旋转对称图形识别率的方法,本发明根据图形的最小旋转角,旋转拍摄产品照片,然后和标准图片比对,之后再旋转再拍摄并进行比较,确定是否是标准产品。本方法可以大大的提高图像识别率,并且图像的最小旋转角越小,识别效果越好。
本发明是通过以下技术方案达到上述目的:一种提高旋转对称图形识别率的方法,包括如下步骤:
(1)设定视觉识别系统中的标准图片,并提取标准图片的特征码;
(2)通过视觉识别系统设置图像的旋转角和旋转次数;
(3)视觉识别系统对待识别的产品进行固定,并拍摄照片;
(4)根据设定的图像旋转角对产品进行旋转,旋转后拍摄照片,直至旋转次数达到设定的旋转次数;
(5)提取步骤(3)与步骤(4)得到的照片的特征码,并与标准图片的特征码进行比对;
(6)若其中任意一张照片的图像特征码与标准图片的特征码吻合度达到阈值,则判断该产品图像和标准图像一致,其中阈值是预设的。
作为优选,所述的标准图片通过预先对旋转对称图形结构的样品进行拍摄照片,并将拍摄的照片导入视觉识别系统中。
作为优选,所述步骤(1)和步骤(5)提取特征码的方法为LBP、HOG、Haar提取算法中的任意一种。
作为优选,所述的旋转角设置的越小,旋转次数设置的越多,识别率越高。
作为优选,所述对于多次比对结果,预设的阈值是作为图片是否一致的判断标准,优选预设范围为85%-100%。
本发明的有益效果在于:本发明方法可以大大的提高旋转对称图形的图像识别率,并且图像的最小旋转角越小,识别效果越好。
附图说明
图1是本发明背景技术中三叶玫瑰线的示意图;
图2是本发明背景技术中四叶玫瑰线的示意图;
图3是本发明实施例的流程示意图;
图4是本发明视觉识别系统的主要框架示意图。
具体实施方式
下面结合具体实施例对本发明进行进一步描述,但本发明的保护范围并不仅限于此:
实施例:一种提高旋转对称图形识别率的方法,根据图形的最小旋转角,旋转要拍摄产品,拍摄照片,然后和标准图片比对,之后再旋转再拍摄比较,确定是否是标准产品,具体步骤如下:
(1)设定视觉识别系统中标准图片,提取标准图片的特征码,提取特征码方式包括LBP、HOG、Haar等常用提取算法。所述的标准图片通过预先对旋转对称图形结构的样品进行拍摄照片,并将拍摄的照片导入视觉识别系统中。
(2)通过视觉识别系统设置图像的旋转角和旋转次数(旋转角为最小旋转角的整数倍)。
(3)视觉识别系统对待识别的产品进行固定,并拍摄照片。
(4)视觉识别系统根据之前设定的图像统旋转角旋转来料,拍摄下一张照片。
(5)重复上一步骤,旋转拍照,直至旋转次数达到设定次数。
(6)提取步骤4、5、6图像的特征码和标准图片比对。
(7)若步骤4、5、6中任一图片的特征码,如果和标准图片的特征码的吻合度达到阈值,本实施例优选设为95%,那么判断该产品图像和标准图像一致,该产品类型和标准产品一致。
在本实施例中,如图3所示,通过旋转三次,最终可以精确判断出该产品和标准产品为同一种产品。
本发明中所用到的视觉识别系统如图4所示,主要包括摄像头、产品固定和旋转位、控制系统等,通过摄像头可以拍摄产品的照片,通过产品固定和旋转位可以对产品进行固定和旋转,方便拍照;控制系统可以输入标准图片和提取图像特征码,对图像特种码进行比对;产品一般通过传送带输送至视觉识别系统入口处。
以上的所述乃是本发明的具体实施例及所运用的技术原理,若依本发明的构想所作的改变,其所产生的功能作用仍未超出说明书及附图所涵盖的精神时,仍应属本发明的保护范围。
Claims (4)
1.一种提高旋转对称图形识别率的方法,其特征在于,包括如下步骤:
(1)设定视觉识别系统中的标准图片,并提取标准图片的特征码;
(2)通过视觉识别系统设置图像的旋转角和旋转次数;
(3)视觉识别系统对待识别的产品进行固定,并拍摄照片;
(4)根据设定的图像旋转角对产品进行旋转,旋转后拍摄照片,直至旋转次数达到设定的旋转次数;
(5)提取步骤(3)与步骤(4)得到的照片的特征码,并与标准图片的特征码进行比对;
(6)若其中任意一张照片的图像特征码与标准图片的特征码吻合度达到阈值,则判断该产品图像和标准图像一致,属于旋转对称图形范畴;其中阈值是预设的。
2.根据权利要求1所述的一种提高旋转对称图形识别率的方法,其特征在于:所述的标准图片通过预先对旋转对称图形结构的样品进行拍摄照片,并将拍摄的照片导入视觉识别系统中。
3.根据权利要求1所述的一种提高旋转对称图形识别率的方法,其特征在于:所述的旋转角设置的越小,旋转次数设置的越多,识别率越高。
4.根据权利要求1所述的一种提高旋转对称图形识别率的方法,其特征在于:所述对于多次比对结果,预设的阈值是作为图片是否一致的判断标准,优选预设范围为85%-100%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710611543.0A CN107578398A (zh) | 2017-07-25 | 2017-07-25 | 一种提高旋转对称图形识别率的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710611543.0A CN107578398A (zh) | 2017-07-25 | 2017-07-25 | 一种提高旋转对称图形识别率的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107578398A true CN107578398A (zh) | 2018-01-12 |
Family
ID=61034099
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710611543.0A Pending CN107578398A (zh) | 2017-07-25 | 2017-07-25 | 一种提高旋转对称图形识别率的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107578398A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101872475A (zh) * | 2009-04-22 | 2010-10-27 | 中国科学院自动化研究所 | 一种扫描文档图像自动配准方法 |
CN102419819A (zh) * | 2010-10-25 | 2012-04-18 | 深圳市中控生物识别技术有限公司 | 人脸图像识别方法和系统 |
CN102706274A (zh) * | 2012-04-25 | 2012-10-03 | 复旦大学 | 工业结构化场景中机器视觉精确定位机械零件的系统 |
CN103196370A (zh) * | 2013-04-01 | 2013-07-10 | 北京理工大学 | 一种导管接头空间位姿参数的测量方法和装置 |
CN103488966A (zh) * | 2013-09-04 | 2014-01-01 | 张家港保税区润桐电子技术研发有限公司 | 一种能够识别实名制车票信息的智能手机 |
CN105320704A (zh) * | 2014-08-05 | 2016-02-10 | 北京大学 | 跨区域相似车辆检索方法及装置 |
-
2017
- 2017-07-25 CN CN201710611543.0A patent/CN107578398A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101872475A (zh) * | 2009-04-22 | 2010-10-27 | 中国科学院自动化研究所 | 一种扫描文档图像自动配准方法 |
CN102419819A (zh) * | 2010-10-25 | 2012-04-18 | 深圳市中控生物识别技术有限公司 | 人脸图像识别方法和系统 |
CN102706274A (zh) * | 2012-04-25 | 2012-10-03 | 复旦大学 | 工业结构化场景中机器视觉精确定位机械零件的系统 |
CN103196370A (zh) * | 2013-04-01 | 2013-07-10 | 北京理工大学 | 一种导管接头空间位姿参数的测量方法和装置 |
CN103488966A (zh) * | 2013-09-04 | 2014-01-01 | 张家港保税区润桐电子技术研发有限公司 | 一种能够识别实名制车票信息的智能手机 |
CN105320704A (zh) * | 2014-08-05 | 2016-02-10 | 北京大学 | 跨区域相似车辆检索方法及装置 |
Non-Patent Citations (2)
Title |
---|
于娜: ""工件检测中图像模板匹配研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
胡明星: ""模板匹配优化耦合图像校正的旋转工件目标定位算法"", 《组合机床与自动化加工技术》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105740899B (zh) | 一种机器视觉图像特征点检测与匹配复合的优化方法 | |
CN105069799B (zh) | 一种角点定位方法及装置 | |
CN107909600A (zh) | 一种基于视觉的无人机实时运动目标分类与检测方法 | |
WO2019169532A1 (zh) | 车牌识别方法及云系统 | |
CN105095882B (zh) | 手势识别的识别方法和装置 | |
Wang et al. | Auto-sorting system toward smart factory based on deep learning for image segmentation | |
CN104458748B (zh) | 基于机器视觉的铝型材表面缺陷检测方法 | |
CN106709909A (zh) | 一种基于深度学习的柔性机器人视觉识别与定位系统 | |
TW201917636A (zh) | 一種基於線上學習的人臉辨識方法與系統 | |
CN103400124A (zh) | 一种试卷识别方法及装置 | |
CN103577815A (zh) | 一种人脸对齐方法和系统 | |
CN112258426B (zh) | 一种基于Mask RCNN的脚手架图像自动倾斜校正的方法 | |
WO2022062379A1 (zh) | 图像检测方法和相关装置、设备、存储介质、计算机程序 | |
JP2016099734A5 (ja) | 画像処理装置、画像処理方法及びプログラム | |
CN109687382B (zh) | 一种基于颜色模版匹配的继电保护压板投退状态识别方法 | |
CN109902603A (zh) | 基于红外图像的驾驶员身份识别认证方法和系统 | |
CN108162915A (zh) | 基于人脸识别的车载中控个性化配置系统 | |
CN110647782A (zh) | 三维人脸重建与多姿态人脸识别方法及装置 | |
CN103544478A (zh) | 一种全方位人脸检测的方法及系统 | |
CN107491767B (zh) | 端到端的无约束人脸关键点检测方法 | |
TWI526953B (zh) | 人臉辨識方法及系統 | |
CN110852265B (zh) | 一种应用在工业流水线上的快速目标检测和定位方法 | |
CN109711231A (zh) | 一种基于平均人脸-普氏变换的人脸对齐方法 | |
Suryawibawa et al. | Herbs recognition based on android using opencv | |
GB2574512A (en) | High throughput passenger identification in portal monitoring |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180112 |