CN108764004B - 一种基于编码环采样的环状编码标记点解码识别方法 - Google Patents

Abstract

本发明公开一种基于编码环采样的环状编码标记点解码识别方法，属于双目立体视觉测量技术领域。包括以下步骤：对获取的图像数据进行像素级边缘检测，设定阈值条件，进行轮廓筛选；对筛选结果再次进行亚像素级边缘检测，并对检测的边缘轮廓进行椭圆拟合，得到椭圆参数；对编码环进行采样，设定自适应阈值，进行二值化处理；基于采样二值序列，进行解码识别，计算得到环状编码标记点的解码值。本发明所提供的方法无需对编码标记点的成像区域进行变换操作，可直接进行解码识别，方便快捷，计算量小，识别效率高，具有更好的抗干扰性和鲁棒性。

Description

一种基于编码环采样的环状编码标记点解码识别方法

技术领域

本发明涉及双目立体视觉测量技术领域，具体指一种基于编码环采样的环状编码标记点解码识别方法。

背景技术

基于双目立体视觉技术进行三维测量时，需要对左右相机拍摄的图像进行立体匹配，以计算被测物体的三维信息。匹配的精度至关重要，直接决定了最终的测量精度。然而，传统立体匹配方法往往存在计算复杂度高、匹配精度较低的缺点，无法满足高精度的测量需求。为此，需要借助一种特征明显且具有唯一标识信息的编码标记点，将之粘贴在被测物体上进行双目成像，通过检测和识别图像中的编码标记点，实现左右相机拍摄图像的精确匹配。

具有代表性的编码标记点设计有：Schneider等人设计的环状编码标记点；杨建等人设计的点状编码标记点；Shortis等人设计的方形编码标记点；Yang等人设计的彩色编码标记点。其中，环状编码标记点因具有仿射不变特性、平移旋转不变性以及尺度不变性等优点，易于提取识别，被广泛应用于近景三维测量中。

经检索，专利201310275296.3介绍了一种环状编码标记点的检测与识别方法，该方法通过坐标变换的方式将局部同心椭圆变换为平行直线，实现了编码标记点的解码识别。但是，该方法需要首先对编码标记点的成像区域进行坐标变换，计算量较大，识别效率较低。专利201310536817.6介绍了一种基于骨架提取的测量棒编码标记点解码方法，该方法首先对编码标记点的成像区域进行仿射变换，将成像椭圆变换为圆，然后采用偏微分算法提取编码环区域骨架进行解码识别。同样地，该方法操作较为复杂，效率较低，且受编码标记点成像效果影响较大，鲁棒性较差。

发明内容

本发明提供了一种基于编码环采样的环状编码标记点解码识别方法，旨在克服上述现有技术的不足，其能有效解决现有解码识别方法操作复杂、计算量较大、效率较低、鲁棒性较差等问题。

为解决上述技术问题，本发明提出的技术方案是：

一种基于编码环采样的环状编码标记点解码识别方法，其特征在于，包括以下步骤：

步骤1：使用相机拍摄获取含有环状编码标记点的图像数据；

所述步骤1中的环状编码标记点由中间的目标圆和外缘的编码环两部分组成，目标圆中心点用于定位，编码环用于编码；编码环被等分为N份，每一份根据黑白颜色对应一个二进制位“0”或者“1”，整个编码环对应于一个N位的二进制码值，按逆时针方向逐位移动，得到N个二进制码值及其对应的十进制数，其中最小的十进制数即为编码标记点的编码值。

步骤2：对图像数据进行像素级边缘检测；

所述步骤2中像素级边缘检测可采用canny边缘检测。

步骤3：基于步骤2得到的像素级边缘检测结果，计算所有像素级边缘轮廓的周长L_i、面积A_i以及形状因子C_i，其中，i＝1,2,...,l表示每个像素级边缘轮廓的编号，l表示像素级边缘轮廓的数量；

所述步骤3中每个像素级边缘轮廓的周长L_i为其所占像素点数量；每个像素级边缘轮廓的面积A_i为其形成的连通域所包含的像素点数量；每个像素级边缘轮廓的形状因子C_i计算如下：

其中，L_i、A_i分别表示第i个像素级边缘轮廓周长和面积。

步骤4：设置最小周长阈值L_min、最大周长阈值L_max、最小面积阈值A_min、最大面积阈值A_max、最小形状因子阈值C_min、最大形状因子阈值C_max，筛除不满足阈值条件的像素级边缘轮廓；

步骤5：基于步骤4得到的像素级边缘轮廓筛选结果，进行亚像素级边缘检测；

所述步骤5中亚像素级边缘检测可采用Zernike正交矩法。

步骤6：对步骤5得到的亚像素级边缘轮廓进行最小二乘椭圆拟合，求得每个亚像素级边缘轮廓的椭圆中心坐标(x_i,y_i)、短轴半径a_i、长轴半径b_i以及姿态角θ_i，其中，i＝1,2,...,n表示亚像素级边缘轮廓的编号，n表示亚像素级边缘轮廓的数量；

步骤7：基于环状编码标记点的比例因子σ，计算编码环的椭圆参数；

所述步骤7中环状编码标记点的比例因子σ计算如下：

其中，R₁和R₂分别表示环状编码标记点中编码环的物理内环半径和物理外环半径，r表示环状编码标记点中目标圆的物理半径。

所述步骤7中编码环的椭圆参数计算如下：

其中，(x_i,y_i)、a_i、b_i、θ_i分别表示第i个亚像素级边缘轮廓进行最小二乘椭圆拟合得到的椭圆中心坐标、短轴半径、长轴半径以及姿态角，(x′_i,y′_i)、a′_i、b′_i、θ′_i分别表示计算得到的第i个编码环的椭圆中心坐标、短轴半径、长轴半径以及姿态角。

步骤8：基于步骤7求得的环状编码标记点编码环的椭圆参数，在椭圆上以任意位置为起点，按逆时针方向对编码环进行采样，得到采样序列S_i＝{s_i,1,s_i,2,...,s_i,j,...,s_i,k}，其中，i＝1,2,...,n为编码环编号，s_i,j表示第i个编码环的第j个采样灰度值，k表示采样数量；

步骤9：对于每个采样序列S_i，设定自适应阈值T_i，进行二值化处理，得到二值序列S′_i＝{s′_i,1,s′_i,2,...,s′_i,k}；

所述步骤9中的自适应阈值T_i计算如下：

其中，s_i,j表示第i个编码环的第j个采样灰度值，k表示采样数量。

所述步骤9中的二值化处理方法如下：

其中，s_i,j表示第i个编码环的第j个采样灰度值，T_i表示第i个编码环的自适应阈值。

步骤10：判断二值序列S_i'的首位和尾位是否相同，若相同，则进行循环移位，直到首位和尾位不同为止；

步骤11：统计二值序列S_i'中连续0和连续1的段数M_i，以及每段中0或1的个数P_i,j，j＝1,2,...,M_i，计算每段的二进制位数Q_i,j；

所述步骤11中的二进制位数Q_i,j计算如下：

其中，INT为取整函数，N为环状编码标记点编码环的等分段数，P_i,j表示二值序列S′_i中第j段连续0或连续1的个数，k为采样数量，e为固定常数，e的取值范围为0～1。

步骤12：基于步骤11求得的二值序列S_i'中每段连续0或连续1的二进制位数Q_i,j，顺序组成一个N位的二进制码值，循环移位，得到N个二进制码值及其对应的十进制数，其中最小的十进制数即为编码标记点的解码值。

本发明有益效果：

1)与现有的环状编码标记点解码识别方法相比，本发明所提供的解码识别方法无需对编码标记点的成像区域进行变换操作，可直接对环状编码标记点进行解码识别，方便快捷，计算量小，识别效率高。

2)本发明采用了自适应阈值方法对环状编码标记点编码环的采样序列进行二值化处理，这使得本发明所提供的解码识别方法受成像效果影响较小，具有更好的抗干扰能力和鲁棒性。

附图说明

图1是本发明方法的整体流程图；

图2是相机拍摄含有环状编码标记点的图像数据；

图3是环状编码标记点结构示意图；

其中，1为目标圆，2为编码环。

图4是像素级边缘检测结果；

图5是像素级边缘轮廓筛选结果；

图6是亚像素级边缘检测结果对比；

其中，(a)为像素级边缘检测结果局部图像，(b)为亚像素级边缘检测结果局部图像。

图7是亚像素级边缘轮廓进行最小二乘椭圆拟合的椭圆参数；

图8是编码环的椭圆参数；

图9是编码环采样示意图；

图10是编码标记点解码识别结果。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本实施例提供了一种基于编码环采样的环状编码标记点解码识别方法。

步骤1：使用相机拍摄获取含有环状编码标记点的图像数据，如图2所示，可以看到，由于拍摄的倾斜角度较大，环状编码标记点发生了明显变形，此外，成像光照也不均匀。

环状编码标记点结构如图3所示，由中间的目标圆1和外缘的编码环2两部分组成，其中，目标圆中心点用于定位，编码环用于编码；编码环被等分为8份，每一份根据黑白颜色对应一个二进制位“0”或者“1”，整个编码环对应于一个8位的二进制码值，按逆时针方向逐位移动，得到8个二进制码值及其对应的十进制数，以其中最小的十进制数作为编码标记点的编码值。

图2中，所有环状编码标记点的编码值都进行了标注。

步骤2：采用canny算子对图像数据进行像素级边缘检测，结果如图4所示。

步骤3：计算图4中所有像素级边缘轮廓的周长L_i、面积A_i以及形状因子C_i，其中，i＝1,2,...,l表示每个像素级边缘轮廓的编号，l表示像素级边缘轮廓的数量。

每个像素级边缘轮廓的周长L_i为其所占像素点数量，面积A_i为其形成的连通域所包含的像素点数量，形状因子C_i计算如下：

步骤4：设置最小周长阈值L_min＝40、最大周长阈值L_max＝80、最小面积阈值A_min＝120、最大面积阈值A_max＝350、最小形状因子阈值C_min＝0.8、最大形状因子阈值C_max＝1.4，筛除不满足阈值条件的像素级边缘轮廓，结果如图5所示。

步骤5：采用Zernike正交矩法对图5进行亚像素级边缘检测，局部对比结果如图6所示，其中，图6(a)为像素级边缘检测结果局部图像，图6(b)为亚像素级边缘检测结果局部图像。

步骤6：对亚像素级边缘轮廓进行最小二乘椭圆拟合，求得每个亚像素级边缘轮廓的椭圆中心坐标(x_i,y_i)、短轴半径a_i、长轴半径b_i以及姿态角θ_i，其中，i＝1,2,...,n表示亚像素级边缘轮廓的编号，n表示亚像素级边缘轮廓的数量，计算结果如图7所示。

步骤7：基于环状编码标记点的比例因子σ，计算编码环的椭圆参数；

比例因子σ计算如下：

其中，R₁＝4.5mm和R₂＝6.5mm分别为环状编码标记点中编码环的物理内环半径和物理外环半径，r＝2.5mm为环状编码标记点中目标圆的物理半径，比例因子计算值为σ＝2.2。

编码环的椭圆参数计算如下：

其中，(x_i,y_i)、a_i、b_i、θ_i分别表示第i个亚像素级边缘轮廓进行最小二乘椭圆拟合得到的椭圆中心坐标、短轴半径、长轴半径以及姿态角，(x′_i,y′_i)、a′_i、b′_i、θ′_i分别表示计算得到的第i个编码环的椭圆中心坐标、短轴半径、长轴半径以及姿态角，计算结果如图8所示。

步骤8：在求得的编码环的椭圆上以任意位置为起点，按逆时针方向对编码环进行采样，如图9所示，得到采样序列S_i＝{s_i,1,s_i,2,...,s_i,j,...,s_i,k}，其中，i＝1,2,...,n为编码环编号，s_i,j表示第i个编码环中第j个采样灰度值，k表示采样数量，k＝360。

步骤9：对于每个采样序列S_i，设定自适应阈值T_i，进行二值化处理，得到二值序列S′_i＝{s′_i,1,s′_i,2,...,s′_i,k}。

自适应阈值T_i计算如下：

其中，s_i,j表示第i个编码环的第j个采样灰度值，k＝360表示采样数量。

二值化处理方法如下：

其中，s_i,j表示第i个编码环的第j个采样灰度值，T_i表示第i个编码环的自适应阈值。

步骤10：判断二值序列S′_i的首位和尾位是否相同，若相同，则进行循环移位，直到首位和尾位不同为止。

步骤11：统计二值序列S′_i中连续0和连续1的段数M_i，以及每段中0或1的个数P_i,j，j＝1,2,...,M_i，计算其二进制位数Q_i,j：

其中，INT为取整函数，N＝8为环状编码标记点编码环的等分段数，P_i,j表示二值序列S′_i中第j段连续0或连续1的个数，k＝360为采样数量，e＝0.5为固定常数。

步骤12：基于步骤11求得的二值序列S′_i中每段连续0或连续1的二进制位数Q_i,j，顺序组成一个8位的二进制码值，循环移位，得到8个二进制码值及其对应的十进制数，其中最小的十进制数即为编码标记点的解码值。

本实施例的最终解码识别结果如图10所示，可以看出，经过本发明方法的处理，所有环状编码标记点都得到了正确的解码识别。

以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (5)

1.一种基于编码环采样的环状编码标记点解码识别方法，其特征在于，包括以下步骤：

步骤1：使用相机拍摄获取含有环状编码标记点的图像数据；

步骤2：对图像数据进行像素级边缘检测；

步骤3：基于步骤2得到的像素级边缘检测结果，计算所有像素级边缘轮廓的周长L_i、面积A_i以及形状因子C_i，其中，i＝1,2,...,l表示每个像素级边缘轮廓的编号，l表示像素级边缘轮廓的数量；

步骤4：设置最小周长阈值L_min、最大周长阈值L_max、最小面积阈值A_min、最大面积阈值A_max、最小形状因子阈值C_min、最大形状因子阈值C_max，筛除不满足阈值条件的像素级边缘轮廓；

步骤5：基于步骤4得到的像素级边缘轮廓筛选结果，进行亚像素级边缘检测；

步骤6：对步骤5得到的亚像素级边缘轮廓进行最小二乘椭圆拟合，求得每个亚像素级边缘轮廓的椭圆中心坐标(x_i,y_i)、短轴半径a_i、长轴半径b_i以及姿态角θ_i，其中，i＝1,2,...,n表示亚像素级边缘轮廓的编号，n表示亚像素级边缘轮廓的数量；

步骤7：基于环状编码标记点的比例因子σ，计算编码环的椭圆参数；

所述环状编码标记点的比例因子σ计算如下：

其中，R₁和R₂分别表示环状编码标记点中编码环的物理内环半径和物理外环半径，r表示环状编码标记点中目标圆的物理半径；

所述编码环的椭圆参数计算如下：

其中，(x_i,y_i)、a_i、b_i、θ_i分别表示第i个亚像素级边缘轮廓进行最小二乘椭圆拟合得到的椭圆中心坐标、短轴半径、长轴半径以及姿态角，(x′_i,y′_i)、a′_i、b′_i、θ′_i分别表示计算得到的第i个编码环的椭圆中心坐标、短轴半径、长轴半径以及姿态角；

步骤8：基于步骤7求得的环状编码标记点编码环的椭圆参数，在椭圆上以任意位置为起点，按逆时针方向对编码环进行采样，得到采样序列S_i＝{s_i,1,s_i,2,...,s_i,j,...,s_i,k}，其中，i＝1,2,…,n为编码环编号，s_i,j表示第i个编码环的第j个采样灰度值，k表示采样数量；

步骤9：对于每个采样序列S_i，设定自适应阈值T_i，进行二值化处理，得到二值序列S′_i＝{s′_i,1,s′_i,2,…,s′_i,k}；

所述自适应阈值T_i计算如下：

其中，s_i,j表示第i个编码环的第j个采样灰度值，k表示采样数量；

所述二值化处理方法如下：

其中，s_i,j表示第i个编码环的第j个采样灰度值，T_i表示第i个编码环的自适应阈值；

步骤10：判断二值序列S′_i的首位和尾位是否相同，若相同，则进行循环移位，直到首位和尾位不同为止；

步骤11：统计二值序列S′_i中连续0和连续1的段数M_i，以及每段中0或1的个数P_i,j，j＝1,2,...,M_i，计算每段的二进制位数Q_i,j；

所述二进制位数Q_i,j计算如下：

其中，INT为取整函数，N为环状编码标记点编码环的等分段数，P_i,j表示二值序列S′_i中第j段连续0或连续1的个数，k为采样数量，e为固定常数，e的取值范围为0～1；

步骤12：基于步骤11求得的二值序列S′_i中每段连续0或连续1的二进制位数Q_i,j，顺序组成一个N位的二进制码值，循环移位，得到N个二进制码值及其对应的十进制数，其中最小的十进制数即为编码标记点的解码值。

2.根据权利要求1所述的基于编码环采样的环状编码标记点解码识别方法，其特征在于：所述步骤1中的环状编码标记点由中间的目标圆和外缘的编码环两部分组成，目标圆中心点用于定位，编码环用于编码；编码环被等分为N份，每一份根据黑白颜色对应一个二进制位“0”或者“1”，整个编码环对应于一个N位的二进制码值，按逆时针方向逐位移动，得到N个二进制码值及其对应的十进制数，以其中最小的十进制数作为编码标记点的编码值。

3.根据权利要求1所述的基于编码环采样的环状编码标记点解码识别方法，其特征在于：所述步骤2中像素级边缘检测可采用canny边缘检测。

4.根据权利要求1所述的基于编码环采样的环状编码标记点解码识别方法，其特征在于：所述步骤3中每个像素级边缘轮廓的周长L_i为其所占像素点数量；每个像素级边缘轮廓的面积A_i为其形成的连通域所包含的像素点数量；每个像素级边缘轮廓的形状因子C_i计算如下：

其中，L_i、A_i分别表示第i个像素级边缘轮廓的周长和面积。

5.根据权利要求1所述的基于编码环采样的环状编码标记点解码识别方法，其特征在于：所述步骤5中亚像素级边缘检测可采用Zernike正交矩法。

Images