CN108460388B - 定位标志的检测方法、装置及计算机可读存储介质 - Google Patents
定位标志的检测方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN108460388B CN108460388B CN201810057956.3A CN201810057956A CN108460388B CN 108460388 B CN108460388 B CN 108460388B CN 201810057956 A CN201810057956 A CN 201810057956A CN 108460388 B CN108460388 B CN 108460388B
- Authority
- CN
- China
- Prior art keywords
- sampling
- connected domain
- image
- code
- preset
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种定位标志的检测方法。该定位标志的检测方法包括:获取包含定位标志的待检测灰度图像,并对所述待检测灰度图像进行二值化处理,得到对应的二值图像;提取所述二值图像中的连通域,并根据预设规则获取所述连通域的采样编码;检测所述连通域的采样编码是否满足预设条件;若所述连通域的编码满足预设条件,则判定所述连通域为所述定位标志。本发明还公开了一种定位标志的检测装置及计算机可读存储介质。本发明能够解决现有人工标志点的检测方法较为复杂耗时的技术问题。
Description
技术领域
本发明涉及定位标志的检测技术领域,尤其涉及一种定位标志的检测方法、装置及计算机可读存储介质。
背景技术
在近景摄影测量、无人机导航定位、无人驾驶等需要视觉进行定位的场合,往往需要在目标物的关键位置设定特殊的人工标志点,从而通过对人工标志点进行检测,获得准确的定位。
由于目前的人工标志点的设计较为复杂,在对人工标志点进行检测的过程中,通过需要采用轮廓分析和计算几何不变矩的方法进行筛选检测,计算较为复杂耗时。
发明内容
本发明的主要目的在于提供一种定位标志的检测方法、装置及计算机可读存储介质,旨在解决现有人工标志点的检测方法较为复杂耗时的技术问题。
为实现上述目的,本发明提供一种定位标志的检测方法,所述定位标志的检测方法包括以下步骤:
获取包含定位标志的待检测灰度图像,并对所述待检测灰度图像进行二值化处理,得到对应的二值图像;
提取所述二值图像中的连通域,并根据预设规则获取所述连通域的采样编码;
检测所述连通域的采样编码是否满足预设条件;
若所述连通域的编码满足预设条件,则判定所述连通域为所述定位标志。
可选地,所述根据预设规则获取所述连通域的采样编码的步骤,包括:
计算所述连通域的最小外接椭圆,并按预设倍数对所述最小外接椭圆进行缩放得到对应的目标椭圆;
根据预设采样规则对所述目标椭圆进行采样,得到所述连通域的采样编码。
可选地,所述根据预设规则获取所述连通域的采样编码的步骤之前,包括:
计算所述连通域的轮廓大小,并根据所述轮廓大小对所述连通域进行过滤处理;
所述根据预设规则获取所述连通域的采样编码的步骤,包括:
根据预设规则获取经过滤处理的连通域的采样编码。
可选地,所述对所述待检测灰度图像进行二值化处理,得到对应的二值图像的步骤之后,包括:
对所述二值图像进行开运算处理;
所述提取所述二值图像中的连通域的步骤,包括:
提取经过开运算处理的二值图像的连通域。
可选地,所述获取包含定位标志的待检测灰度图像,并对所述待检测灰度图像进行二值化处理,得到对应的二值图像的步骤之前,包括:
获取包含所述定位标志的待检测原始图像,并检测所述待检测原始图像是否为灰度图像;
若所述待检测原始图像不为灰度图像,则对所述待检测原始图像进行灰度处理,得到所述待检测灰度图像;
若所述待检测原始图像为灰度图像,则将所述待检测原始图像记作所述待检测灰度图像,并执行步骤:对所述待检测灰度图像进行二值化处理,得到对应的二值图像。
此外,为实现上述目的,本发明还提供一种定位标志的检测装置,所述定位标志的检测装置包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的定位标志的检测程序,所述定位标志的检测程序被所述处理器执行时实现以下步骤:
获取包含定位标志的待检测灰度图像,并对所述待检测灰度图像进行二值化处理,得到对应的二值图像;
提取所述二值图像中的连通域,并根据预设规则获取所述连通域的采样编码;
检测所述连通域的采样编码是否满足预设条件;
若所述连通域的编码满足预设条件,则判定所述连通域为所述定位标志。
可选地,所述定位标志的检测程序被所述处理器执行时还实现以下步骤:
计算所述连通域的最小外接椭圆,并按预设倍数对所述最小外接椭圆进行缩放得到对应的目标椭圆;
根据预设采样规则对所述目标椭圆进行采样,得到所述连通域的采样编码。
可选地,所述定位标志的检测程序被所述处理器执行时还实现以下步骤:
计算所述连通域的轮廓大小,并根据所述轮廓大小对所述连通域进行过滤处理。
可选地,所述定位标志的检测程序被所述处理器执行时还实现以下步骤:
对所述二值图像进行开运算处理。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有定位标志的检测程序,所述定位标志的检测程序被处理器执行时实现以下步骤:
获取包含定位标志的待检测灰度图像,并对所述待检测灰度图像进行二值化处理,得到对应的二值图像;
提取所述二值图像中的连通域,并根据预设规则获取所述连通域的采样编码;
检测所述连通域的采样编码是否满足预设条件;
若所述连通域的编码满足预设条件,则判定所述连通域为所述定位标志。
本发明通过获取包含定位标志的待检测灰度图像,并对所述待检测灰度图像进行二值化处理,得到对应的二值图像;提取所述二值图像中的连通域,并根据预设规则获取所述连通域的采样编码;检测所述连通域的采样编码是否满足预设条件;若所述连通域的编码满足预设条件,则判定所述连通域为所述定位标志。通过上述方式,本发明通过设计一种简单、抗干扰性强的定位标志,在对包含该定位标志的待检测灰度图像进行检测时,本发明只需要对对应的指定位置点进行采样编码,再根据采样编码是否满足预设条件即可直接筛选检测出该定位标志,相比于现有技术中采用轮廓分析和计算几何不变矩的方法进行筛选检测,本方法具有计算简单、耗时较短的优点。
附图说明
图1为本发明实施例方案涉及的硬件运行环境的终端结构示意图;
图2为本发明定位标志的检测方法第一实施例的流程示意图;
图3为本发明实施例涉及的定位标志示意图;
图4为本发明实施例中根据预设规则获取所述连通域的采样编码的细化流程示意图;
图5为本发明实施例涉及的一采样示意图;
图6为本发明实施例涉及的另一采样示意图;
图7为本发明定位标志的检测方法第二实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
在现有技术中,由于目前的人工标志点的设计较为复杂,在对人工标志点进行检测的过程中,通过需要采用轮廓分析和计算几何不变矩的方法进行筛选,计算较为复杂耗时。
为了解决上述技术问题,本发明提供一种定位标志的检测方法、装置及计算机可读存储介质,通过获取包含定位标志的待检测灰度图像,并对所述待检测灰度图像进行二值化处理,得到对应的二值图像;提取所述二值图像中的连通域,并根据预设规则获取所述连通域的采样编码;检测所述连通域的采样编码是否满足预设条件;若所述连通域的编码满足预设条件,则判定所述连通域为所述定位标志。通过上述方式,本发明通过设计一种简单、抗干扰性强的定位标志,在对包含该定位标志的待检测灰度图像进行检测时,本发明只需要对对应的指定位置点进行采样编码,再根据采样编码是否满足预设条件即可直接筛选检测出该定位标志,相比于现有技术中采用轮廓分析和计算几何不变矩的方法进行筛选检测,本方法具有计算简单、耗时较短的优点。
请参阅图1,图1为本发明实施例方案涉及的硬件运行环境的终端结构示意图。
本发明实施例终端可以是PC,也可以是智能手机、平板电脑、便携计算机等可移动式终端设备。
如图1所示,该终端可以包括:处理器1001,例如CPU,通信总线1002,用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如Wi-Fi接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的终端结构并不构成对终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及定位标志的检测程序。
在图1所示的终端中,网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;用户接口1003主要用于连接客户端,与客户端进行数据通信;而处理器1001可以用于调用存储器1005中存储的定位标志的检测程序,并执行以下操作:
获取包含定位标志的待检测灰度图像,并对所述待检测灰度图像进行二值化处理,得到对应的二值图像;
提取所述二值图像中的连通域,并根据预设规则获取所述连通域的采样编码;
检测所述连通域的采样编码是否满足预设条件;
若所述连通域的编码满足预设条件,则判定所述连通域为所述定位标志。
进一步地,处理器1001可以调用存储器1005中存储的定位标志的检测程序,还执行以下操作:
计算所述连通域的最小外接椭圆,并按预设倍数对所述最小外接椭圆进行缩放得到对应的目标椭圆;
根据预设采样规则对所述目标椭圆进行采样,得到所述连通域的采样编码。
进一步地,处理器1001可以调用存储器1005中存储的定位标志的检测程序,还执行以下操作:
计算所述连通域的轮廓大小,并根据所述轮廓大小对所述连通域进行过滤处理。
进一步地,处理器1001可以调用存储器1005中存储的定位标志的检测程序,还执行以下操作:
对所述二值图像进行开运算处理。
进一步地,处理器1001可以调用存储器1005中存储的定位标志的检测程序,还执行以下操作:
获取包含所述定位标志的待检测原始图像,并检测所述待检测原始图像是否为灰度图像;
若所述待检测原始图像不为灰度图像,则对所述待检测原始图像进行灰度处理,得到所述待检测灰度图像;
若所述待检测原始图像为灰度图像,则将所述待检测原始图像记作所述待检测灰度图像,并执行步骤:对所述待检测灰度图像进行二值化处理,得到对应的二值图像。
基于上述硬件结构,提出本发明定位标志的检测方法实施例。
本发明提供一种定位标志的检测方法。
请参阅图2,图2为本发明定位标志的检测方法第一实施例的流程示意图。
在本发明实施例中,该定位标志的检测方法包括:
步骤S10,获取包含定位标志的待检测灰度图像,并对所述待检测灰度图像进行二值化处理,得到对应的二值图像;
在需要视觉进行定位的场合,往往需要在目标物的关键位置设定特殊的人工标志点,从而通过对人工标志点进行检测,获得准确的定位。目前的人工标志点有圆形标志、方形对顶角标志等,其中由于圆形标志具有旋转不变形,其应用最为广泛,但是在实际应用中,由于某些环境物体也呈圆形,从而会对人工标志的检测定位造成干扰。此外,由于目前的人工标志点的设计较为复杂,在对人工标志点进行检测的过程中,通过需要采用轮廓分析和计算几何不变矩的方法进行筛选,计算较为复杂耗时。
因此,本发明设计了一种简单可靠的定位标志,并提出了一种针对该定位标志的计算简单、抗干扰能力强的检测方法。其中,该定位标志可参阅图3,如图3所示,该定位标志是以一个240×240的黑色十字形标志为主体,外围直径为320的白色圆形或320×320的白色正方形。当然,该定位标志中的各个尺寸可以根据实际情况进行等比例缩放。
在本发明实施例中,终端在获取到包含该定位标志的待检测灰度图像时,对该待检测灰度图像进行二值化处理,得到对应的二值图像。其中,待检测灰度图像可以通过摄像机直接拍摄获得,也可以通过对彩色图像进行灰度转换获得。二值化处理,是指将待检测灰度图像上的像素点的灰度值设置为0或255,从而使整个图像呈现出明显的黑白效果,得到对应的二值图像,在本发明实施例中,作为一优选实施例,可采用自适应阈值这种方法进行二值化处理,其中自适应阈值的确定可以根据像素的邻域块的像素值分布来确定该像素位置上的二值化阈值,这样做的好处在于每个像素位置处的二值化阈值不是固定不变的,而是由其周围邻域像素的分布来决定的。亮度较高的图像区域的二值化阈值通常会较高,而亮度较低的图像区域的二值化阈值则会相适应地变小。
步骤S20,提取所述二值图像中的连通域,并根据预设规则获取所述连通域的采样编码;
然后,终端会提取该二值图像中的连通域,并根据预设规则获取该连通域的采样编码。其中,连通域的提取算法可参照现有技术,此处不作赘述。
具体的,请参阅图4,图4为本发明实施例中根据预设规则获取所述连通域的采样编码的细化流程示意图。步骤S20包括:
步骤S21,计算所述连通域的最小外接椭圆,并按预设倍数对所述最小外接椭圆进行缩放得到对应的目标椭圆;
步骤S22,根据预设采样规则对所述目标椭圆进行采样,得到所述连通域的采样编码。
当终端提取出该二值图像中的连通域后,会先计算每个连通域的最小外接椭圆,然后按预设倍数对该最小外接椭圆进行缩放得到对应的目标椭圆。具体的,经过多次试验发现,该预设倍数为0.2、0.7和0.9,即以该最小外接椭圆为中心,将该最小外接椭圆分别以0.2、0.7和0.9倍进行缩放得到目标椭圆,如图5所示,从内到外,将目标椭圆分别记为E0,E1,E2。
然后,据预设采样规则对这些目标椭圆进行采样,得到对应连通域的采样编码。在采样时,若采样点灰度值为0,记采样结果为0,否则记为1。具体的采样规则如下:
1)E0上的采样:自12点位置,顺时针间隔45度对图像进行采样,共得到8个采样点,组成一个长度为8的采样编码P00、P01、P02、P03、P04、P05、P06、P07,记为C0。
2)E1和E2上的采样:首先在E1和E2上进行第一次采样,如图5所示,对于每一个目标椭圆,自12点位置,顺时针间隔45度对图像进行采样,共得到8个采样点,组成一个长度为8的采样编码。在E1和E2上的第一次采样结果为和 记为和然后,将和轮转一位,得到采样编码和接着,在E1和E2上进行第二次采样,如图6所示,对于每一个目标椭圆,自12点偏右22.5度位置,顺时针间隔45度对图像进行采样,共得到8个采样点,组成一个长度为8的采样编码。在E1和E2上的第二次采样结果为 和记为和将和轮转一位,得到采样编码和
以上,共得到9条采样编码,列举如下:
C0:P00、P01、P02、P03、P04、P05、P06、P07
需要说明的是,为减少后续需采样编码的连通域的数量,提高定位标志的检测速率,在步骤S20中,在根据预设规则获取所述连通域的采样编码的步骤之前,还可以包括以下步骤:
计算所述连通域的轮廓大小,并根据所述轮廓大小对所述连通域进行过滤处理。
此时,步骤“根据预设规则获取所述连通域的采样编码”可以包括:
根据预设规则获取经过滤处理的连通域的采样编码。
在本实施例中,当终端提取出该二值图像中的连通域后,可以先计算各连通域的轮廓大小,根据轮廓大小对连通域进行过滤处理,具体的,可以根据实际的定位标志的尺寸、安放位置等情况预设一个轮廓长度或面积范围,连通域的轮廓的长度或面积大小在该轮廓范围内时,该连通域可能为定位标志,通过这样的过滤处理,可去除一些非定位标志的连通域,减少后续需采样编码的连通域的数量,提高定位标志的检测速率。然后,再根据预设规则获取经过滤处理后剩余的连通域的采样编码,具体的采样过程可参照上述实施例,此处不作赘述。
此外,还需要说明的是,为去除二值图像中孤立的小点、毛刺和小桥(即连通两块区域的小点),平滑二值图像的轮廓。在得到对应的二值图像之后,即步骤S10和S20之间,可以包括以下步骤:
对所述二值图像进行开运算处理。
此时,步骤S20可以包括:
提取经过开运算处理的二值图像的连通域。
在本实施例中,终端在得到对应的二值图像之后,可以先对该二值图像进行开运算处理,从而去除较小的结构,然后提取经过开运算处理的二值图像的连通域,并根据预设规则获取所述连通域的采样编码。其中,开运算是一个先腐蚀后膨胀的过程,用于消除小物体、在纤细点处分离物体、平滑较大物体的边界的同时并不明显改变其面积。
步骤S30,检测所述连通域的采样编码是否满足预设条件;
步骤S40,若所述连通域的编码满足预设条件,则判定所述连通域为所述定位标志。
当终端获得连通域的采样编码后,会通过检测该连通域的采样编码是否满足预设条件来判定该连通域是否为定位标志。其中,该预设条件为:
1)P00+P01+P02+P03+P04+P05+P06+P07>6;
当该连通域的采样编码同时满足上述2个预设条件时,则判定该连通域为定位标志。若该连通域的采样编码只满足其中1个预设条件,或不满足上述任一预设条件时,则判定该连通域为非定位标志。若判定该连通域为定位标志时,则认为该连通域对应最小外接椭圆的中心为该定位标志的中心。本发明只需对上述几个指定位置点进行采样,再通过判别C0中各采样编码的加和是否大于6,以及其他采样编码与标准编码的比较结果,即可判断检测出该定位标志,具有计算简单、耗时较短的优点。
本发明实施例提供一种定位标志的检测方法,通过获取包含定位标志的待检测灰度图像,并对所述待检测灰度图像进行二值化处理,得到对应的二值图像;提取所述二值图像中的连通域,并根据预设规则获取所述连通域的采样编码;检测所述连通域的采样编码是否满足预设条件;若所述连通域的编码满足预设条件,则判定所述连通域为所述定位标志。通过上述方式,本发明通过设计一种简单、抗干扰性强的定位标志,在对包含该定位标志的待检测灰度图像进行检测时,本发明只需要对对应的指定位置点进行采样编码,再根据采样编码是否满足预设条件即可直接筛选检测出该定位标志,相比于现有技术中采用轮廓分析和计算几何不变矩的方法进行筛选检测,本方法具有计算简单、耗时较短的优点。
进一步的,请参阅图7,图7为本发明定位标志的检测方法第二实施例的流程示意图。
基于图2所示的第一实施例,在步骤S10之前,该定位标志的检测方法还包括:
步骤S50,获取包含所述定位标志的待检测原始图像,并检测所述待检测原始图像是否为灰度图像;
步骤S60,若所述待检测原始图像不为灰度图像,则对所述待检测原始图像进行灰度处理,得到所述待检测灰度图像;
若所述待检测原始图像为灰度图像,则将所述待检测原始图像记作所述待检测灰度图像,并执行步骤S10:对所述待检测灰度图像进行二值化处理,得到对应的二值图像。
由于终端获取到的待检测图像可能为彩色图像,也可能为灰度图像,为后续进行二值化处理,需确定该待检测原始图像为灰度图像,或转换为灰度图像后再处理。因此,在终端获得包含该定位标志的待检测原始图像时,首先应检测该待检测原始图像是否为灰度图像,若该待检测原始图像不为灰度图像,即为彩色图像时,则先将其转为灰度图像,并将该灰度图像记作待检测灰度图像,灰度处理的方法可以采用分量法、最大值法、平均值法、加权平均法等,具体的可参照现有技术,此处不作赘述。
若该待检测原始图像为灰度图像,则将该待检测原始图像记作待检测灰度图像,并执行步骤:对所述待检测灰度图像进行二值化处理,得到对应的二值图像。具体的处理过程在上述实施例中已作描述,此处不作赘述。
本发明还提供一种定位标志的检测装置,该定位标志的检测装置包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的定位标志的检测程序,所述定位标志的检测程序被所述处理器执行时实现如以上任一项实施例所述的定位标志的检测方法的步骤。
本发明定位标志的检测装置的具体实施例与上述定位标志的检测方法各实施例基本相同,在此不作赘述。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质上存储有定位标志的检测程序,所述定位标志的检测程序被处理器执行时实现如以上任一项实施例所述的定位标志的检测方法的步骤。
本发明计算机可读存储介质的具体实施例与上述定位标志的检测方法各实施例基本相同,在此不作赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (4)
1.一种定位标志的检测方法,其特征在于,所述定位标志是以黑色十字形标志为主体,外围为白色圆形或白色正方形,所述定位标志的检测方法包括以下步骤:
获取包含定位标志的待检测灰度图像,并对所述待检测灰度图像采用自适应阈值方法进行二值化处理,得到对应的二值图像;
对所述二值图像进行开运算处理;
提取经过开运算处理的二值图像的连通域;
计算所述连通域的轮廓大小,并根据所述轮廓大小对所述连通域进行过滤处理,并根据预设规则获取经过滤处理的连通域的采样编码;
检测所述连通域的采样编码是否满足预设条件;
若所述连通域的编码满足预设条件,则判定所述连通域为所述定位标志;
所述根据预设规则获取经过滤处理的连通域的采样编码的步骤包括:
计算所述连通域的最小外接椭圆,并按预设倍数对所述最小外接椭圆进行缩放得到对应的目标椭圆;
根据预设采样规则对所述目标椭圆进行采样,得到所述连通域的采样编码;
所述采样规则为:
所述预设倍数为0.2、0.7和0.9,按照预设倍数对所述最小外接椭圆进行缩放得到对应的目标椭圆分别记为E0,E1,E2;
1)E0上的采样:自12点位置,顺时针间隔45度对图像进行采样,共得到8个采样点,组成一个长度为8的采样编码P00、P01、P02、P03、P04、P05、P06、P07,记为C0;
2)E1和E2上的采样:首先在E1和E2上进行第一次采样,对于每一个目标椭圆,自12点位置,顺时针间隔45度对图像进行采样,共得到8个采样点,组成一个长度为8的采样编码,在E1和E2上的第一次采样结果分别为 和记为和将和轮转一位,得到采样编码 和记为和在E1和E2上进行第二次采样,对于每一个目标椭圆,自12点偏右22.5度位置,顺时针间隔45度对图像进行采样,共得到8个采样点,组成一个长度为8的采样编码,在E1和E2上的第二次采样结果分别为 和记为和将和轮转一位,得到采样编码和 记为和
所述预设条件为:
1)P00+P01+P02+P03+P04+P05+P06+P07>6;
所述检测所述连通域的采样编码是否满足预设条件的步骤包括:
检测所述连通域的采样编码是否同时满足上述2个预设条件。
2.如权利要求1所述的定位标志的检测方法,其特征在于,所述获取包含定位标志的待检测灰度图像,并对所述待检测灰度图像进行二值化处理,得到对应的二值图像的步骤之前,包括:
获取包含所述定位标志的待检测原始图像,并检测所述待检测原始图像是否为灰度图像;
若所述待检测原始图像不为灰度图像,则对所述待检测原始图像进行灰度处理,得到所述待检测灰度图像;
若所述待检测原始图像为灰度图像,则将所述待检测原始图像记作所述待检测灰度图像,并执行步骤:对所述待检测灰度图像进行二值化处理,得到对应的二值图像。
3.一种定位标志的检测装置,其特征在于,所述定位标志的检测装置包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的定位标志的检测程序,所述定位标志的检测程序被所述处理器执行时实现以下步骤:
获取包含定位标志的待检测灰度图像,并对所述待检测灰度图像采用自适应阈值方法进行二值化处理,得到对应的二值图像;
对所述二值图像进行开运算处理;
提取经过开运算处理的二值图像的连通域;
计算所述连通域的轮廓大小,并根据所述轮廓大小对所述连通域进行过滤处理,并根据预设规则获取经过滤处理的连通域的采样编码;
检测所述连通域的采样编码是否满足预设条件;
若所述连通域的编码满足预设条件,则判定所述连通域为所述定位标志;
所述根据预设规则获取经过滤处理的连通域的采样编码的步骤包括:
计算所述连通域的最小外接椭圆,并按预设倍数对所述最小外接椭圆进行缩放得到对应的目标椭圆;
根据预设采样规则对所述目标椭圆进行采样,得到所述连通域的采样编码;
所述采样规则为:
所述预设倍数为0.2、0.7和0.9,按照预设倍数对所述最小外接椭圆进行缩放得到对应的目标椭圆分别记为E0,E1,E2;
1)E0上的采样:自12点位置,顺时针间隔45度对图像进行采样,共得到8个采样点,组成一个长度为8的采样编码P00、P01、P02、P03、P04、P05、P06、P07,记为C0;
2)E1和E2上的采样:首先在E1和E2上进行第一次采样,对于每一个目标椭圆,自12点位置,顺时针间隔45度对图像进行采样,共得到8个采样点,组成一个长度为8的采样编码,在E1和E2上的第一次采样结果分别为 和记为和将和轮转一位,得到采样编码 和记为和在E1和E2上进行第二次采样,对于每一个目标椭圆,自12点偏右22.5度位置,顺时针间隔45度对图像进行采样,共得到8个采样点,组成一个长度为8的采样编码,在E1和E2上的第二次采样结果分别为 和记为和将和轮转一位,得到采样编码和 记为和
所述预设条件为:
1)P00+P01+P02+P03+P04+P05+P06+P07>6;
所述检测所述连通域的采样编码是否满足预设条件的步骤包括:
检测所述连通域的采样编码是否同时满足上述2个预设条件。
4.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有定位标志的检测程序,所述定位标志的检测程序被处理器执行时实现以下步骤:
获取包含定位标志的待检测灰度图像,并对所述待检测灰度图像采用自适应阈值方法进行二值化处理,得到对应的二值图像;
对所述二值图像进行开运算处理;
提取经过开运算处理的二值图像的连通域;
计算所述连通域的轮廓大小,并根据所述轮廓大小对所述连通域进行过滤处理,并根据预设规则获取经过滤处理的连通域的采样编码;
检测所述连通域的采样编码是否满足预设条件;
若所述连通域的编码满足预设条件,则判定所述连通域为所述定位标志;
所述根据预设规则获取经过滤处理的连通域的采样编码的步骤包括:
计算所述连通域的最小外接椭圆,并按预设倍数对所述最小外接椭圆进行缩放得到对应的目标椭圆;
根据预设采样规则对所述目标椭圆进行采样,得到所述连通域的采样编码;
所述采样规则为:
所述预设倍数为0.2、0.7和0.9,按照预设倍数对所述最小外接椭圆进行缩放得到对应的目标椭圆分别记为E0,E1,E2;
1)E0上的采样:自12点位置,顺时针间隔45度对图像进行采样,共得到8个采样点,组成一个长度为8的采样编码P00、P01、P02、P03、P04、P05、P06、P07,记为C0;
2)E1和E2上的采样:首先在E1和E2上进行第一次采样,对于每一个目标椭圆,自12点位置,顺时针间隔45度对图像进行采样,共得到8个采样点,组成一个长度为8的采样编码,在E1和E2上的第一次采样结果分别为 和记为和将和轮转一位,得到采样编码 和记为和在E1和E2上进行第二次采样,对于每一个目标椭圆,自12点偏右22.5度位置,顺时针间隔45度对图像进行采样,共得到8个采样点,组成一个长度为8的采样编码,在E1和E2上的第二次采样结果分别为 和记为和将和轮转一位,得到采样编码和 记为和
所述预设条件为:
1)P00+P01+P02+P03+P04+P05+P06+P07>6;
所述检测所述连通域的采样编码是否满足预设条件的步骤包括:
检测所述连通域的采样编码是否同时满足上述2个预设条件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810057956.3A CN108460388B (zh) | 2018-01-18 | 2018-01-18 | 定位标志的检测方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810057956.3A CN108460388B (zh) | 2018-01-18 | 2018-01-18 | 定位标志的检测方法、装置及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108460388A CN108460388A (zh) | 2018-08-28 |
CN108460388B true CN108460388B (zh) | 2022-03-29 |
Family
ID=63238350
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810057956.3A Active CN108460388B (zh) | 2018-01-18 | 2018-01-18 | 定位标志的检测方法、装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108460388B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109615681B (zh) * | 2018-12-25 | 2023-04-07 | 深圳市鹰眼在线电子科技有限公司 | 特征标志图像的添加方法、装置及计算机可读存储介质 |
CN109991215B (zh) * | 2019-03-08 | 2021-09-24 | 深圳市象形字科技股份有限公司 | 一种用于尿液检测仪的异常情形预警方法 |
CN113048905B (zh) * | 2019-12-27 | 2022-08-19 | 上海微电子装备(集团)股份有限公司 | 对准标记图像制作方法、对准标记测量方法及测量装置 |
CN111738127B (zh) * | 2020-06-17 | 2023-08-25 | 安徽淘云科技股份有限公司 | 实体书就位检测方法、装置、电子设备和存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8744185B2 (en) * | 2011-06-20 | 2014-06-03 | Massachusetts Institute Of Technology | Efficient MCMC sampling with implicit shape representations |
CN102542260A (zh) * | 2011-12-30 | 2012-07-04 | 中南大学 | 一种面向无人驾驶车的道路交通标志识别方法 |
CN104156941B (zh) * | 2014-05-13 | 2017-09-26 | 北京致胜宏达科技有限公司 | 一种确定图像上几何轮廓区域的方法及系统 |
CN105303189B (zh) * | 2014-07-29 | 2019-08-20 | 阿里巴巴集团控股有限公司 | 一种用于检测预定区域中特定标识图像的方法及装置 |
CN105528789B (zh) * | 2015-12-08 | 2018-09-18 | 深圳市恒科通机器人有限公司 | 机器人视觉定位方法和装置、视觉标定方法和装置 |
-
2018
- 2018-01-18 CN CN201810057956.3A patent/CN108460388B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108460388A (zh) | 2018-08-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108460388B (zh) | 定位标志的检测方法、装置及计算机可读存储介质 | |
US11003941B2 (en) | Character identification method and device | |
JP6395759B2 (ja) | レーン検出 | |
CN111797821B (zh) | 文本检测方法、装置、电子设备及计算机存储介质 | |
US8175380B2 (en) | Apparatus and method for improving text recognition capability | |
WO2020140610A1 (zh) | 一种图像处理方法、设备及计算机可读存储介质 | |
WO2015191397A1 (en) | Image capturing parameter adjustment in preview mode | |
CN109919002B (zh) | 黄色禁停线识别方法、装置、计算机设备及存储介质 | |
CN110197238B (zh) | 一种字体类别的识别方法、系统及终端设备 | |
CN110414649B (zh) | Dm码的定位方法、装置、终端及存储介质 | |
CN105447508A (zh) | 一种字符图像验证码识别的方法及系统 | |
KR101602591B1 (ko) | 화상 내의 텍스트의 검출을 용이하게 하기 위한 방법 및 장치 | |
CN111104826B (zh) | 一种车牌字符识别方法、装置及电子设备 | |
CN108877030B (zh) | 图像处理方法、装置、终端和计算机可读存储介质 | |
CN108647570B (zh) | 斑马线检测方法、装置及计算机可读存储介质 | |
CN107886093B (zh) | 一种字符检测方法、系统、设备及计算机存储介质 | |
WO2016068325A1 (ja) | 文字認識装置、文字認識方法、およびプログラム | |
CN106886796B (zh) | 图标位置识别方法、装置及终端设备 | |
CN111435407A (zh) | 错别字的纠正方法、装置、设备及存储介质 | |
Saddami et al. | Improvement of binarization performance using local otsu thresholding. | |
CN108304840B (zh) | 一种图像数据处理方法以及装置 | |
CN115063826A (zh) | 一种基于深度学习的移动端驾驶证识别方法和系统 | |
CN107330470B (zh) | 识别图片的方法和装置 | |
KR102256409B1 (ko) | 학습 데이터 세트를 생성하는 방법 및 학습 데이터 세트를 생성하기 위한 컴퓨터 장치 | |
CN112634382B (zh) | 一种非自然对象的图像识别、替换方法和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |