CN109035326A - 基于亚像素图像识别的高精度定位技术 - Google Patents

Abstract

为实现高精度的定位测量，本发明提出一种基于亚像素识别技术的定位测量方法，在只采用单目摄像头进行图像采集的情况下，对特定标志物进行检测和定位，得到高精度的测量结果。1.为了将定位精度提高到亚像素级别，本发明提出一种考虑边缘模糊区域的质心计算方法，对边缘模糊区域在计算质心时采取权重值计算，在区间(0，1)上取值，从而达到亚像素精度的计算结果。2.针对测量过程中，相机的微小抖动或者空气流动等外界因素可能导致的测量误差，采用基于双“标志物”的目标运动估计方法，分别设置目标标志物和背景标志物，以目标标志物和背景标志物计算出的质心位置的差值作为对目标移动的测量结果。实验结果表明本方法能够有效克服外界扰动。

Description

基于亚像素图像识别的高精度定位技术

技术领域

本发明涉及一种基于亚像素图像识别的高精度定位技术，可以应用于恶劣条件下的液位测量(如高温熔融盐)等。基于图像的测量方法，其测量精度依赖于图像质量，较高图像质量的获取依赖于图像采集设备。本发明提出一种高精度的亚像素识别定位技术，设置特定的标志物体，在只采用单目摄像头进行图像采集的情况下，对标志物进行质心定位，得到高精度的测量结果。

背景技术

1.质心定位算法

本发明是对设置的特定标志物(红色实心三角形)进行质心定位，从而可以实现特定的测量任务，例如液位测量等，也因此需要高精度(亚像素级别)的定位方法。标志物选取颜色鲜明的实心三角形。计算质心的方法主要有：二值化质心定位、灰度加权质心定位。其中，二值化质心定位方法最为简单，它将目标成像点匹配窗口中的灰度图像根据选定的阈值转换为二值图像，并计算其质心，计算方法如下：

其中，和是目标质心坐标，x_i和y_i是第i个像素的坐标；n为要计算质心的目标物的像素个数；二值化方法p_i是根据阈值以及在第i个像素位置上的像素的灰度值取0或1；灰度加权法与之相似，不过p_i取相应的灰度值。二值化方法在整像素上进行计算，精度低，而灰度加权，由于灰度值受外界因素影响较大，容易引起计算误差。

在质心定位时，由于成像系统在成像过程中存在点扩散现象，因此图像的边缘区域宽度值不再局限于单个像素，而必须考虑点扩散函数的分布。本发明提出一种新的质心定位方法，考虑到图像的边缘区域并非理想阶跃函数，其边缘由于点扩散而退化成模糊边缘，此时针对模糊边缘区域，像素点的p_i的值就不再是简单的0或1，而是位于(0，1)区间取值。本发明通过实验获取边缘过渡模型，从而确定过渡区域像素点的p_i值，从而使定位精度达到亚像素级别。

2.基于双“标志物”的目标运动估计

在基于亚像素图像识别的定位算法中，尤其是针对目标物距离相机较远或者想要获取及其微小的位置改变的情况，相机的微小抖动或者空气流动都将导致测量误差的急剧增大。针对此问题，本发明提出采用双“标志物”定位方法来估计质心位置。在距离相机较近的背景区域范围内放置一同样的“标志物”(这里称其为背景标志物)，同时计算其质心位置，以目标标志物和背景标志物计算出的质心位置的差值作为对目标移动的估计结果。背景标志物可以反映出背景的变化，因此能够反映出相机抖动或者环境因素对测量结果可能造成的影响，采用双标志物，可以在计算目标标志物运动情况是抵消这种影响。

发明内容

本发明的目的是：提供一种基于亚像素图像识别的高精度定位技术，可以应用单目摄像头拍摄特定标志物，对标志物进行检测和定位来完成定位和测量任务。

本发明的技术方案是：为了提高测量精度，针对边缘扩散现象导致的边缘模糊区域的像素点，提出一种自适应阈值的线性方法来对计算质心时的权重值进行估计。同时针对测量过程中可能出现的相机的机械抖动导致的测量误差问题，采用双标志物的方法对目标的运动进行估计，可以消除外界干扰，提高估计准确度。本发明的有益效果是：基于图像的定位技术代替实地测量，能够大大减少人力，避免恶劣条件下人工测量的危险性，本发明方法能够在实现高精度测量的基础上，有效克服多种外界扰动，具有很高的经济和社会应用价值。

附图说明

图1原图像

图2检测红色标识物的二值图像

图3标志物边缘

图4阶跃型边缘过渡区域权重值估计

图5灰度图

图6某一行像素灰度值变化

图7目标物

图8目标物移动1/5个像素

图9目标物检测

图10双目标物质心运动估计

图11测试图像

图12测试图像

图13图11中图像双目标物检测结果

图14图12中图像双目标物检测结果

图15相距20mm的两条直线

图16移动照片

具体实施方式

1.亚像素精度质心定位

首先通过颜色信息检测出标志物(针对于除标定物为红色外，照片中不存在其他红色物体)，RGB空间到HSV空间的转换公式为：

v＝max (5)

其中max、min是r、g、b中的最大值和最小值。h取值范围在0°到360°之间。s、v在0到1之间取值。根据红色在RGB空间中的特点：r＞g＞b。转换到HSV空间表现为h取值在0°和360°附近，本发明采用阈值法检测红色物体，阈值通过实验获取，通过实验发现0°＜h＜10°或者350°＜h＜360°且s＞0.5(红色饱和度较高)时能够有效地将红色区域检测出来。红色区域内的像素，计算质心时将其p_i的值均设为1，也就是在计算质心时，红色区域像素“质量”为1。下图1为原图像，大小为2976×3968，图2是根据上述阈值法检测出的红色标识物的二值化图像(红色区域为1，其余为0)。

检测红色区域的边缘，并对边缘区域像素进行处理，这里涉及到的边缘只有阶跃型边缘。对二值图像进行边缘检测并判断边缘像素点的方向值。为了方便计算，将目标标志物边缘方向分别近似到四个方向(0°，45°，90°，135°)上。计算方法如下：

对像素点分别进行四个方向上的梯度值计算，公式如下：

计算得到四个方向的梯度值之后，得到其中的最大值，将其与阈值(由于是二值图像，像素值取值只有0和255两种情况，因此这里阈值选择100，可以选择低于255的任意非零值)进行比较，大于阈值则判断其为边缘像素。对边缘像素点i，取其相邻的20个相连接的边缘像素点(以i为中心)一段边缘，以位于这段边缘两端的两个像素点的位置关系来判断边缘方向。假设两端点的像素分别为(x₀，y₀)、(x₁，y₁)，其中x₀≤x₁，根据公式(10)计算其斜率，再根据公式(11)将其近似到四个方向上。

为了将边缘像素宽度限定为一个像素宽，这里选择像素值为255的像素点(即属于红色区域的p_i值为1的像素点)作为边缘像素点。

本发明提出的质心定位方法是将边缘“过渡”区域像素的p_i在(0，1)取值。如图所示，其中p＞T₁的区域为红色标识物区域，p_i设为1，考虑图像边缘是处于梯度变化最剧烈的点，因此考虑的区域为非标志物区域，p_i设为0。“过渡区域”的p_i值取(0，1)之间。由于标志物颜色固定，因此T₁的取值可以通过实验确定，但标志物相邻区域是不确定的，因此T₂的取值是不定的。这里考虑通过确定边缘过渡区域像素数目，从而获取T₂的值。图像边缘过渡区域像素数目通过实验获取，具体步骤如下：

(1)实验条件：

1)打印如图5的图片。

2)使用相机对其进行拍摄，(保证一定的拍摄条件，之后所有的图片都在相同的光照条件下进行拍摄，可以在相同的地点，短时间内完成所有图像拍摄)取包含边缘区域的一定范围内的像素值，画出曲线图如图6。

3)实验结果：可以看出，图像边缘区域像素值的变化区域为6个像素宽度。因此可以通过将边缘像素点沿边缘方向找到第6个像素点，取其像素值作为图4的最低值T₂。

对于阶跃型边缘，其真实边缘位于梯度变化最剧烈也就是图4中的A点。因此，本发明对检测出的红色区域边缘像素点处，沿边缘方向边缘外侧拓展3个像素，并计算这五个像素点对应的p_i使其在(0，1)之间进行取值。通过线性方法对过渡区域像素点p_i值进行确定：

其中，p是像素点i的像素值，T₁、T₂如图4中所示。

由于是对彩色图进行质心计算，图像像素值是r、g、b值，或者转换得到的h、s、v值，并非单一数值，因此考虑采用色度值h作为衡量与红色“距离”值。也就是h与10°和350°的差值作为公式(12)中的p值。

与二值化质心计算方法相比，本发明的质心计算方法精度更高，尤其是针对目标物距离图像采集设备较远，或者目标区位移极其微小的情况，例如，当目标物的位置移动距离少于一个像素的情况。

如图7和图8所示，每个方格代表一个像素，图像大小为30×24，图8相对于图7来说产生了向上1/5个像素的位移，分别用二值化方法和本发明的方法进行质心计算：

①二值化方法：二值化方法检测对应的二值化图像只有0和1两种像素值，对图7进行目标区域检测结果如图9所示。对于图8，移动1/5像素之后，考虑目标物的边缘像素值可能发生了改变，但改变并没有超过检测阈值的情况下，目标区域检测仍旧是图11的结果，因此目标质心位置的计算结果并没有改变。

②考虑边缘模糊区域的质心计算：由于考虑了边缘模糊区域，也就是图7图8中像素值位于0到255之间的像素点。图8向上移动1/5个像素之后，会导致边缘过渡区域像素点像素值的改变，也就导致了边缘区域像素点计算权重值的改变，因此计算结果也会不同。相比于二值化的方法，对于微小移动，本发明的方法具有更高的精度。

2.基于双标志物的目标运动估计

在距离相机较近的背景区域范围内放置背景标志物，同时计算其质心位置，以目标标志物和背景标志物计算出的质心位置的差值作为对目标移动的估计结果。背景标志物质心计算方法同上。如图10所示。

背景标志位可以反应背景的变化与否，如果发生了相机抖动，背景标志物的质心位置也将发生改变，通过对比背景标志物与目标标志物，就可以抵消相机抖动所导致的误差，尤其是在目标物距离相机很远，或者目标物位置的变化及其微小时，这一步就显得非常有必要。

对于绿色的标志物，其质心定位方法与红色标志物的质心定位方法基本一致，区别只在于，检测绿色标识物时所采用的h、s、v的取值范围不同，相应的计算权重值时公式(12)中p的取值方法也不同。绿色标识物的检测取值范围是：95＜h＜125，s＞0.3，v＞0.3。计算权重值时公式(12)中的p取h与95和125的差值。

对图11和图12中测试图像中的标志物进行检测。结果如图13和图14所示。对图11和图12中测试图像进行双标定物的质心定位，结果如下：

表1与二值化质心计算比较结果

3.实验验证

I)通过对比实验来进行本发明方法与二值化方法的精确度对比。具体步骤如下：

①实验准备：画出距离为20mm的两条直线并拍摄照片，取图中的两条直线的部分如图15，通过直线拟合法求出这两条直线在图像中的像素距离，换算到1mm的像素距离。将目标标志物水平移动1mm距离，这里将两个标志物分别固定在游标卡尺的深度尺和尺身上，移动游标卡尺的游标尺从而移动目标标志物，分别拍摄得到移动前和移动后各10张照片，大小为992×744，如图16所示。对目标标志物的相对质心位置进行计算。

②实验结果：

表2是对移动前和移动后的图像进行目标标志物相对于背景标志物的质心计算结果(目标标志物减去背景标志物)，单位是像素。

表2

通过直线拟合方法求出1mm对应的像素距离是1.151685，因此可将结果转换成毫米距离，如表3所示，单位为mm。通过计算移动距离。

表3

	二值化质心计算方法	本发明质心计算方法
			1	1.095929	1.091469
2	0.888467	0.883057
			3	1.181444	1.112054
4	1.105004	1.061697
			5	1.147075	1.140274
6	1.143993	1.145698
			7	1.200764	1.151028
8	1.25801	1.242218
			9	1.070855	1.071007
10	1.220354	1.181
			均值(mm)	1.13119	1.10795
误差(mm)	0.13119	0.10795
			均方差	0.00963	0.008206

由表3结果可见本发明方法在重复测量情况下误差较小，对标志物移动的测量更加准确。均方差结果较小，说明重复测量的误差也较小

II)通过对比实验来验证双标定物定位估计方法能够消除相机抖动的干扰。具体步骤如下：

①实验准备：拍摄含有双标志物的图片一张，相机在所在平面进行上下左右任意的平移然后拍摄图像，以此来模拟相机抖动(这里只考虑了但平面的平移运动，有关相机在垂直平面上的运动或者旋转等运动，会导致相机与标志物平面的距离信息的改变)，然后拍摄图片，比较质心定位结果。

②实验结果：

表4模拟相机抖动采集到的图片进行质心定位结果

同样按照(I)中的方法将移动像素距离转换到mm距离，如表5所示

表5

1	(8.68727，13.78849)
		2	(8.70029，13.77547)
3	(8.67424，13.78415)
		4	(8.69378，13.79283)
均方差	(0.000093，0.000041)

如表4和表5所示，可以看到，虽然目标标志物和背景标志物的质心位置均发生了较大改变，但是根据相对位置计算结果和均方差所示，相对质心位置基本无变化。因此，双标志物质心估计方法能够有效地消除相机抖动(平面上的)所造成的影响。

Claims (3)

1.一种基于亚像素图像识别的高精度定位技术，其特征包括考虑边缘模糊区域的质心计算方法以及基于双“标志物”的运动估计；其中考虑边缘模糊区域的质心计算方法通过自适应阈值的方法对边缘过渡区域计算质心时的权重进行计算，在(0，1)之间取值，从而取得亚像素精度的定位结果；所述基于双“标志物”的运动估计方法，是针对测量过程中相机的微小抖动或者空气流动等外界因素可能导致巨大的测量误差，采用相对质心位置计算方法消除误差。

2.根据权利要求1所述的考虑边缘模糊区域的质心计算方法，其特征是，进行质心计算时，属于标志物区域像素权重值取1，非标志物区域权重值取0，针对边缘扩散现象，对边缘过渡区域像素的权重值在(0，1)的区间上取值，从而达到亚像素精度的质心定位并提高定位准确度。

3.根据权利要求1所述的采用基于双“标志物”的目标运动估计方法，分别设置目标标志物和背景标志物，以目标标志物和背景标志物计算出的质心位置的差值作为对目标移动的估计结果，从而消除外加干扰对测量结果的影响。