CN109978903A - 一种标识点识别方法、装置、电子设备及存储介质 - Google Patents
一种标识点识别方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN109978903A CN109978903A CN201910187431.6A CN201910187431A CN109978903A CN 109978903 A CN109978903 A CN 109978903A CN 201910187431 A CN201910187431 A CN 201910187431A CN 109978903 A CN109978903 A CN 109978903A
- Authority
- CN
- China
- Prior art keywords
- polygon
- vertex
- length
- edge
- sides
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000012545 processing Methods 0.000 claims description 43
- 238000006243 chemical reaction Methods 0.000 claims description 21
- 238000001914 filtration Methods 0.000 claims description 20
- 238000004891 communication Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 16
- 239000000284 extract Substances 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 31
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种标识点识别方法、装置、电子设备及存储介质，在本发明实施例中，将每个边缘轮廓拟合为多边形，将满足预设的过滤条件的多边形滤除，针对剩余的多边形的每个第一顶点，确定与该第一顶点距离最近的第二顶点，如果与该第二顶点最近的顶点为该第一顶点，确定该第一顶点和第二顶点连线的中点为标识点。不需要进行复杂的计算，避免了参数或系数计算错误，或者模板的尺度与标识图像的尺度差异较大时导致的确定出的标识点准确率较低的问题，因此，本发明实施例确定的标识点准确率高。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及一种标识点识别方法、装置、电子设备及存储介质。
背景技术
在汽车碰撞测试或者球机坐标校准等领域，一般都需要在场景中布置一个标识图像，基于标识图像的标识点进行汽车碰撞测试或者球机坐标校准等。
图1为标识图像示意图，包括两个黑色扇形和两个白色扇形。标识图像的中心点为标识点。现有技术在确定标识点时，一般通过傅里叶描述子的方法或者模板匹配的方法先确定出标识图像，再确定出标识图像中的标识点。
通过傅里叶描述子的方法确定标识图像时，首先需要根据标识图像构建曲线的参数方程，然后通过边界链码计算傅里叶系数，再通过傅里叶系数提取形状特征确定出标识图像。通过傅里叶描述子的方法确定标识点过程复杂，而且一旦计算过程中参数或系数计算错误，便会导致确定出的标识点准确率较低。
通过模板匹配的方法确定标识图像时，需要先绘制与标识图像相同的模板，然后基于模板确定标识图像，再确定出标识图像中的标识点。但是，当模板的尺度与标识图像的尺度差异较大时，或者模板与标识图像存在相对旋转角度时，会造成误判或错判，导致确定出的标识点准确率较低。
发明内容
本发明实施例提供了一种标识点识别方法、装置、电子设备及存储介质，用以解决现有技术中确定标识点准确率较低的问题。
本发明实施例提供了一种标识点识别方法，所述方法包括：
提取图像中的每个边缘轮廓，将所述每个边缘轮廓拟合为多边形；
针对每个多边形，判断该多边形是否满足预设的过滤条件，如果是，对该多边形进行过滤处理；
针对过滤处理后的每个多边形的每个第一顶点，确定除该多边形之外的多边形中，与该多边形的该第一顶点距离最近的第二顶点；判断除该第二顶点所属的多边形之外的多边形中，与该第二顶点最近的顶点是否为该第一顶点；如果是，确定该第一顶点和第二顶点连线的中点为标识点。
进一步地，所述提取图像中的每个边缘轮廓之前，所述方法还包括：
对图像进行均衡化处理。
进一步地，所述对图像进行均衡化处理之后，提取图像中的每个边缘轮廓之前，所述方法还包括：
对图像进行二值化处理。
进一步地，所述对图像进行二值化处理包括：
采用局部阈值分割的方式对图像进行二值化处理。
进一步地，对图像进行二值化处理之后，提取图像中的每个边缘轮廓之前，所述方法还包括：
针对每个像素值为255的像素点，将以该像素点为中心的预设邻域内的像素点的像素值更新为255。
进一步地，所述判断该多边形是否满足预设的过滤条件包括以下任意一种：
确定该多边形的面积，判断该多边形的面积是否小于预设的面积阈值；
识别该多边形每条边的第一长度，根据每条边的第一长度，由大到小选取两条边，判断该两条边的第一长度的比值是否不在预设的第一范围内；
识别该多边形每条边的第一长度，根据每条边的第一长度，由大到小选取两条边，判断该两条边是否没有共同的端点；
识别该多边形每条边的第一长度，根据每条边的第一长度，由大到小选取两条边，若该两条边有共同的端点，确定除该端点之外的每个顶点到该端点的第二长度，判断任意两个第二长度的比值是否不在预设的第二范围内；
识别该多边形每条边的第一长度，根据每条边的第一长度，由大到小选取两条边，确定该两条边的夹角，判断该夹角是否不在预设的夹角范围内；
识别该多边形每条边的第一长度，根据每条边的第一长度，由大到小选取两条边，确定该多边形的周长，以及该两条边的第一长度的平均值，判断该周长与平均值的比值是否不在预设的第三范围内；和
识别该多边形每条边的第一长度，根据每条边的第一长度，由大到小选取两条边，确定该多边形的面积，以及该两条边的第一长度的乘积，判断该面积与乘积的比值是否不在预设的第四范围内。
进一步地，如果与该第二顶点最近的顶点为该第一顶点，确定该第一顶点和第二顶点连线的中点为标识点之前，所述方法还包括：
确定以该第一顶点为端点的两条第一边，以及以该第二顶点为端点的两条第二边；
针对每条第一边，判断该第一边与任一第二边的最大角度是否在预设的角度范围内，如果是，确定该第一顶点和第二顶点连线的中点为标识点。
本发明实施例提供了一种标识点确定装置，所述装置包括：
提取模块，用于提取图像中的每个边缘轮廓，将所述每个边缘轮廓拟合为多边形；
第一判断模块，用于针对每个多边形，判断该多边形是否满足预设的过滤条件，如果是，对该多边形进行过滤处理；
确定模块，用于针对过滤处理后的每个多边形的每个第一顶点，确定除该多边形之外的多边形中，与该多边形的该第一顶点距离最近的第二顶点；判断除该第二顶点所属的多边形之外的多边形中，与该第二顶点最近的顶点是否为该第一顶点；如果是，确定该第一顶点和第二顶点连线的中点为标识点。
进一步地，所述装置还包括：
处理模块，用于对图像进行均衡化处理。
所述处理模块，还用于对图像进行二值化处理。
所述处理模块，具体用于采用局部阈值分割的方式对图像进行二值化处理。
所述处理模块，还用于针对每个像素值为255的像素点，将以该像素点为中心的预设邻域内的像素点的像素值更新为255。
进一步地，所述判断该多边形是否满足预设的过滤条件包括以下任意一种：
确定该多边形的面积，判断该多边形的面积是否小于预设的面积阈值；
识别该多边形每条边的第一长度，根据每条边的第一长度，由大到小选取两条边，判断该两条边的第一长度的比值是否不在预设的第一范围内；
识别该多边形每条边的第一长度，根据每条边的第一长度，由大到小选取两条边，判断该两条边是否没有共同的端点；
识别该多边形每条边的第一长度，根据每条边的第一长度，由大到小选取两条边，若该两条边有共同的端点，确定除该端点之外的每个顶点到该端点的第二长度，判断任意两个第二长度的比值是否不在预设的第二范围内；
识别该多边形每条边的第一长度，根据每条边的第一长度，由大到小选取两条边，确定该两条边的夹角，判断该夹角是否不在预设的夹角范围内；
识别该多边形每条边的第一长度，根据每条边的第一长度，由大到小选取两条边，确定该多边形的周长，以及该两条边的第一长度的平均值，判断该周长与平均值的比值是否不在预设的第三范围内；和
识别该多边形每条边的第一长度，根据每条边的第一长度，由大到小选取两条边，确定该多边形的面积，以及该两条边的第一长度的乘积，判断该面积与乘积的比值是否不在预设的第四范围内。
进一步地，所述装置还包括：
第二判断模块，用于确定以该第一顶点为端点的两条第一边，以及以该第二顶点为端点的两条第二边；针对每条第一边，判断该第一边与任一第二边的最大角度是否在预设的角度范围内，如果是，触发所述确定模块。
本发明实施例提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述任一项所述的方法步骤。
本发明实施例提高了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法步骤。
本发明实施例提供了一种标识点识别方法、装置、电子设备及存储介质，所述方法包括：提取图像中的每个边缘轮廓，将所述每个边缘轮廓拟合为多边形；针对每个多边形，判断该多边形是否满足预设的过滤条件，如果是，对该多边形进行过滤处理；针对过滤处理后的每个多边形的每个第一顶点，确定除该多边形之外的多边形中，与该多边形的该第一顶点距离最近的第二顶点；判断除该第二顶点所属的多边形之外的多边形中，与该第二顶点最近的顶点是否为该第一顶点；如果是，确定该第一顶点和第二顶点连线的中点为标识点。
由于在本发明实施例中，将每个边缘轮廓拟合为多边形，将满足预设的过滤条件的多边形滤除，针对剩余的多边形的每个第一顶点，确定与该第一顶点距离最近的第二顶点，如果与该第二顶点最近的顶点为该第一顶点，确定该第一顶点和第二顶点连线的中点为标识点。不需要进行复杂的计算，避免了参数或系数计算错误，或者模板的尺度与标识图像的尺度差异较大时导致的确定出的标识点准确率较低的问题，因此，本发明实施例确定的标识点准确率高。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的标识图像示意图；
图2为本发明实施例提供的标识点确定过程示意图；
图3为本发明实施例提供的电子设备获取的原始图像示意图；
图4为本发明实施例提供的二值化处理后的示意图；
图5为本发明实施例提供的断掉两个黑色扇形的衔接的示意图；
图6为本发明实施例提供的提取出的黑色扇形的边缘轮廓示意图；
图7为本发明实施例提供的黑色扇形的边缘轮廓拟合为六边形的示意图；
图8为本发明实施例提供的确定出的两个黑色扇形示意图；
图9为本发明实施例提供的确定出的标识点的示意图；
图10为本发明实施例提供的确定标识点的流程示意图；
图11为本发明实施例提供的确定扇形轮廓对应的多边形的流程示意图；
图12为本发明实施例提供的确定标识点的流程示意图；
图13为本发明实施例提供的标识点确定装置结构示意图；
图14为本发明实施例提供的电子设备结构示意图。
具体实施方式
下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅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它实施例，都属于本发明保护的范围。
图2为本发明实施例提供的标识点确定过程示意图，该过程包括以下步骤：
S101：提取图像中的每个边缘轮廓，将所述每个边缘轮廓拟合为多边形。
本发明实施例提供的标识点识别方法应用于电子设备，该电子设备可以是PC、平板电脑等设备。
电子设备获取到待确定标识点的图像后，针对图像中的每个图形，可以确定该图形的边缘轮廓。在确定出每个图像的边缘轮廓后，针对每个边缘轮廓，可以将该边缘轮廓拟合为多边形。其中，该多边形可以是五边形、六边形等等。不同边缘轮廓可以拟合为相同边数的多边形，也可以拟合为不同边数的多边形。
其中，提取边缘轮廓以及将边缘轮廓拟合为多边形的过程为现有技术，在此不再对该过程进行赘述。
S102：针对每个多边形，判断该多边形是否满足预设的过滤条件，如果是，对该多边形进行过滤处理。
电子设备中预先设定有过滤多边形的条件，在确定出每个多边形后，针对每个多边形，判断该多边形是否满足预设的过滤条件，如果满足，对该多边形进行过滤，否则，保留该多边形。
S103：针对过滤处理后的每个多边形的每个第一顶点，确定除该多边形之外的多边形中，与该多边形的该第一顶点距离最近的第二顶点；判断除该第二顶点所属的多边形之外的多边形中，与该第二顶点最近的顶点是否为该第一顶点；如果是，确定该第一顶点和第二顶点连线的中点为标识点。
电子设备针对保留的每个多边形，可以识别该多边形的每个第一顶点。针对每个第一顶点，确定该第一顶点与除该多边形之外的多边形中的每个顶点的距离。然后选取与该第一顶点距离最小的顶点作为第二顶点。第一顶点和第二顶点是分属于不同多边形中的顶点。然后针对选取的该第二顶点，确定该第二顶点与除该第二顶点所属的多边形之外的多边形中的每个顶点的距离。判断与该第二顶点距离最小的顶点是否为上述第一顶点。如果是，则说明上述第一顶点和第二顶点为一对邻近扇形的顶点。此时确定该第一顶点和第二顶点连线的中点，该中点即为标识点。
例如，保留的多边形共三个，分别为多边形A、多边形B和多边形C。将多边形A、多边形B和多边形C中的每个顶点依次作为第一顶点。首先，以多边形A中的某个顶点作为第一顶点，在多边形B和C中，确定与该第一顶点距离最近的第二顶点。例如，确定出的第二顶点为多边形B中的顶点，然后，在多边形A和C中，识别与该第二顶点最近的顶点，判断与该第二顶点最近的顶点是否为上述第一顶点，如果是，确定该第一顶点和第二顶点连线的中点为标识点。如果否，依次选取其他的顶点为第一顶点，重复上述步骤，最终确定出标识点。
由于在本发明实施例中，将每个边缘轮廓拟合为多边形，将满足预设的过滤条件的多边形滤除，针对剩余的每个多边形的每个第一顶点，确定除该多边形之外的多边形中，与该多边形的该第一顶点距离最近的第二顶点，如果除该第二顶点所属的多边形之外的多边形中，与该第二顶点最近的顶点为该第一顶点，确定该第一顶点和第二顶点连线的中点为标识点。不需要进行复杂的计算，避免了参数或系数计算错误，或者模板的尺度与标识图像的尺度差异较大，或者模板与标识图像存在相对旋转角度时导致的确定出的标识点准确率较低的问题，因此，本发明实施例确定的标识点准确率高。
为了便于确定边缘轮廓，在本发明实施例中，所述提取图像中的每个边缘轮廓之前，所述方法还包括：
对图像进行均衡化处理和二值化处理；
针对每个像素值为255的像素点，将以该像素点为中心的预设邻域内的像素点的像素值更新为255。
电子设备获取待确定标识点的图像之后，为了便于确定每个图形的边缘轮廓，可以通过均衡化处理的方法提高图像整体的对比度，进而提高图像质量。
在本发明实施例中，可以采用直方图均衡化方法对图像进行均衡化处理。具体的，电子设备识别出图像中每个像素点的像素值，然后统计每个像素值对应的像素点的数量，然后根据公式其中k＝0，1，2，……，L-1。计算均衡化处理后每个像素点的像素值。式中，n为图像中像素点的总数，nj为某一像素值对应的像素点的数量，L为图像中存在的像素值的总数，Sk为均衡化处理后像素点的像素值。
电子设备在对图像进行均衡化处理之后，可以对图像再进行二值化处理。其中，电子设备中可以保存用于二值化处理的像素阈值，将图像中小于像素阈值的像素点的像素值更新为0，将图像中不小于像素阈值的像素点的像素值更新为255。为了使对图像进行二值化处理更准确，可以采用局部阈值分割的方式对图像进行二值化处理。具体的，电子设备中可以预设窗口尺寸，例如根据图像分辨率设定不同窗口尺寸，然后针对每个像素点，确定以该像素点为中心的窗口。针对每个窗口，可以采用相同或不同的像素阈值进行局部二值化处理，从而得到二值化图像。每个窗口对应的像素阈值可以是该窗口中每个像素点的像素值的平均值或中值等。
如图1所示，标识图像中的两个黑色扇形的顶点衔接，在本发明实施例中，为了便于确定标识点，需要断掉两个黑色扇形的衔接。本发明实施例采用的方法为膨胀白色像素点，缩小黑块扇形的方法。具体的，电子设备中保存有尺寸不同的预设邻域，然后识别图像中每个像素值为255的像素点，也就是白色像素点，确定以该白色像素点为中心的邻域范围，将邻域范围内的像素点的像素值都更新为255，也就是将邻域范围内的像素点都更新为白色像素点。从而实现断掉两个黑色扇形的衔接，为后续确定标识点提供前提条件。图3为本发明实施例提供的电子设备获取的原始图像示意图，图4为二值化处理后的示意图，图5为断掉两个黑色扇形的衔接的示意图。
电子设备对图像进行均衡化处理、二值化处理以及白色像素点膨胀处理之后，再提取图像中的每个边缘轮廓。图6为提取出的黑色扇形的边缘轮廓示意图。电子设备将每个边缘轮廓拟合为多边形，较佳的，可以将每个边缘轮廓拟合为六边形。图7为黑色扇形的边缘轮廓拟合为六边形的示意图。
针对每个多边形，判断该多边形是否满足预设的过滤条件，如果是，对该多边形进行过滤处理；针对过滤处理后的每个多边形的每个第一顶点，确定除该多边形之外的多边形中，与该多边形的该第一顶点距离最近的第二顶点；判断除该第二顶点所属的多边形之外的多边形中，与该第二顶点最近的顶点是否为该第一顶点；如果是，确定该第一顶点和第二顶点连线的中点为标识点。图8中的矩形框内的两个黑色扇形为以确定的第一顶点和第二顶点为原点的两个扇形。图9中的“十”字形位置为确定出的标识点。
需要说明的是，确定出标识点有且仅有一个，也就是说邻近的扇形有且仅有一对。电子设备在确定标识点时，可以依次选取第一顶点，当确定出第一顶点和第二顶点互为最近点时，可以直接输出标识点，不需再进行后续顶点的判断。
图10为本发明实施例提供的确定标识点的流程示意图，如图10所示，首先对图像进行直方图均衡化处理，然后采用预设的窗口对图像进行自适应阈值二值化处理，对图像中的白色像素点进行膨胀处理。然后提取图像中的每个边缘轮廓，将每个边缘轮廓拟合为多边形，根据预设的过滤条件判断多边形是否为扇形轮廓对应的多边形。也就是说，满足预设的过滤条件的不是扇形轮廓对应的多边形，不满足预设的过滤条件的是扇形轮廓对应的多边形。然后查找互为最近点的第一顶点和第二顶点，判断互为最近点的第一顶点和第二顶点是否有且仅有一组，也就是判断邻近的扇形轮廓是否仅有一组，如果是，确定第一顶点和第二顶点连线的中点为标识点并输出。如果根据上述步骤没有确定出标识点，则可以重新选择二值化处理的窗口和像素阈值，重新进行上述步骤，直至确定出标识点。
在本发明实施例中，为了使电子设备能够准确判断多边形是否满足预设的过滤条件，从而准确的确定扇形轮廓对应的多边形，所述判断该多边形是否满足预设的过滤条件包括以下任意一种：
确定该多边形的面积，判断该多边形的面积是否小于预设的面积阈值；
识别该多边形每条边的第一长度，根据每条边的第一长度，由大到小选取两条边，判断该两条边的第一长度的比值是否不在预设的第一范围内；
识别该多边形每条边的第一长度，根据每条边的第一长度，由大到小选取两条边，判断该两条边是否没有共同的端点；
识别该多边形每条边的第一长度，根据每条边的第一长度，由大到小选取两条边，若该两条边有共同的端点，确定除该端点之外的每个顶点到该端点的第二长度，判断任意两个第二长度的比值是否不在预设的第二范围内；
识别该多边形每条边的第一长度，根据每条边的第一长度，由大到小选取两条边，确定该两条边的夹角，判断该夹角是否不在预设的夹角范围内；
识别该多边形每条边的第一长度，根据每条边的第一长度，由大到小选取两条边，确定该多边形的周长，以及该两条边的第一长度的平均值，判断该周长与平均值的比值是否不在预设的第三范围内；和
识别该多边形每条边的第一长度，根据每条边的第一长度，由大到小选取两条边，确定该多边形的面积，以及该两条边的第一长度的乘积，判断该面积与乘积的比值是否不在预设的第四范围内。
电子设备针对每个多边形，可以确定出该多边形的面积A，其中，可以以一个像素为单位长度进行计算，根据数学公式可以确定出多边形的面积A。电子设备中可以保存预设的面积阈值，例如，预设的面积阈值为20，25等。针对每个多边形，判断该多边形的面积是否小于预设的面积阈值，如果是，则确定该多边形满足预设的过滤条件，进而滤除该多边形。这样可以滤除小的噪声多边形。
由于扇形的两条长边的长度相近，基于该特点可以设置过滤条件。电子设备确定出每个多边形之后，根据每个多边形每条边包含的像素点的数量，可以确定多边形每条边的第一长度。在本发明实施例中，将多边形的每条边的长度作为第一长度。然后根据每条边的第一长度，由大到小选取两条边L1和L2，计算该两条边的第一长度的比值。电子设备中可以保存预设的第一范围，该第一范围例如是0.8-1.2，0.85-1.15等。然后判断该两条边的第一长度的比值是否不在预设的第一范围内，如果是，则确定该多边形满足预设的过滤条件，进而滤除该多边形。
由于扇形的两条长边有共同的端点，基于该特点可以设置过滤条件。电子设备确定出每个多边形之后，根据每个多边形每条边包含的像素点的数量，可以确定多边形每条边的第一长度。然后根据每条边的第一长度，由大到小选取两条边L1和L2，然后判断该两条边是否没有共同的端点，如果是，则确定该多边形满足预设的过滤条件，进而滤除该多边形。
由于扇形轮廓拟合为多边形之后，每个顶点到两个长边的端点的距离相近，基于该特点可以设置过滤条件。电子设备确定出每个多边形之后，根据每个多边形每条边包含的像素点的数量，可以确定多边形每条边的第一长度。然后根据每条边的第一长度，由大到小选取两条边L1和L2，如果确定该两条边有共同的端点。再确定出除该端点之外的每个顶点到该端点的第二长度。在本发明实施例中，将多边形中其他顶点到端点的长度作为第二长度。电子设备中可以保存预设的第二范围，其中，预设的第一范围和预设的第二范围可以相同或不同。判断任意两个第二长度的比值是否不在预设的第二范围内，如果是，则确定该多边形满足预设的过滤条件，进而滤除该多边形。
由于扇形轮廓对应的多边形的两条长边所形成的夹角为45度，考虑到图像采集设备视角的偏差，图像中的扇形轮廓对应的多边形的两条长边所形成的夹角一般也在45度与135度之间。基于该特点可以设置过滤条件。电子设备确定出每个多边形之后，根据每个多边形每条边包含的像素点的数量，可以确定多边形每条边的第一长度。然后根据每条边的第一长度，由大到小选取两条边L1和L2，电子设备中可以保存预设的夹角范围，其中，预设的夹角范围可以是45度至135度。该两条边的夹角是否不在预设的夹角范围内，如果是，则确定该多边形满足预设的过滤条件，进而滤除该多边形。
再者，扇形轮廓对应的多边形的周长，与两条长边的第一长度的平均值的比值也是在一定的范围内的，当L1和L2的夹角为45度时，多边形的周长，与两条长边的第一长度的平均值的比值为2.785；当L1和L2的夹角为135度时，多边形的周长，与两条长边的第一长度的平均值的比值为4.335。因此，电子设备中可以保存预设的第三范围为2.785至4.335。确定多边形的周长，以及两条长边的第一长度的平均值，判断该周长与平均值的比值是否不在预设的第三范围内，如果是，则确定该多边形满足预设的过滤条件，进而滤除该多边形。
再者，扇形轮廓对应的多边形的面积，与两条长边的第一长度的乘积的比值也是在一定的范围内的，当L1和L2的夹角为45度时，多边形的面积，与两条长边的第一长度的乘积的比值为0.3925；当L1和L2的夹角为135度时，多边形的面积，与两条长边的第一长度的乘积的比值为1.1775。因此，电子设备中可以保存预设的第四范围为0.3925至1.1775。电子设备确定多边形的面积，以及两条长边的第一长度的乘积，判断该面积与乘积的比值是否不在预设的第四范围内，如果是，则确定该多边形满足预设的过滤条件，进而滤除该多边形。
电子设备针对确定出的每个多边形，只要该多边形满足上述任意一个滤除条件，则将该多边形滤除。保留的多边形为扇形轮廓对应的多边形。
图11为本发明实施例提供的确定扇形轮廓对应的多边形的流程示意图，如图11所示，针对每个多边形，可以计算该多边形的面积，然后判断该多边形的面积是否大于预设的面积阈值，如果是，判断该多边形的两条长边L1和L2的第一长度的比值是否在预设的第一范围内，如果是，判断该两条长边L1和L2是否有共同的端点V0，如果是，确定除该端点之外的每个顶点到该端点的第二长度，判断任意两个第二长度的比值是否在预设的第二范围内，如果是，判断两条边L1和L2的夹角是否在预设的夹角范围内，如果是，确定该多边形的周长，以及该两条边的第一长度的平均值，判断该周长与平均值的比值是否在预设的第三范围内，如果是，确定该多边形的面积，以及该两条边的第一长度的乘积，判断该面积与乘积的比值是否在预设的第四范围内。如果是，确定该多边形为扇形轮廓对应的多边形并保留。
在本发明实施例中，为了进一步使确定的标识点更准确，如果与该第二顶点最近的顶点为该第一顶点，确定该第一顶点和第二顶点连线的中点为标识点之前，所述方法还包括：
确定以该第一顶点为端点的两条第一边，以及以该第二顶点为端点的两条第二边；
针对每条第一边，判断该第一边与任一第二边的最大角度是否在预设的角度范围内，如果是，确定该第一顶点和第二顶点连线的中点为标识点。
如图1所述，两个黑色扇形的两条边互为反向延长线，由于图像采集设备视角的偏差，两个黑色扇形的两条边可能不是反向延长线，但是延长线的最大夹角在一定的范围内。在本发明实施例中，电子设备中可以保存预设的角度阈值，该预设的角度阈值可以是160度至180度，或者170度至180度等。电子设备在确定与该第二顶点最近的顶点为该第一顶点之后，分别确定以该第一顶点为端点的两条第一边，以及以该第二顶点为端点的两条第二边。然后针对每条第一边，判断该第一边与任一第二边的最大角度是否在预设的角度范围内，如果是，确定该第一顶点和第二顶点连线的中点为标识点。
图12为本发明实施例提供的确定标识点的流程示意图，如图12所示，电子设备计算多边形P1的顶点V1与其他每一个多边形P2的顶点V2的距离，找到距离V1最近的顶点V2。判断V1和V2是否为互为最近的顶点，如果是，判断以V1和V2为端点的夹角的边是否互为反向延长线，如果是，确定P1和P2互为邻近多边形，V1和V2为邻近顶点。然后判断是否存在下一个未计算的顶点，如果是，选取下一个顶点进行上述步骤，如果否，判断是否存在下一个未计算的多边形，如果是，选取下一个多边形进行上述步骤。
图13为本发明实施例提供的标识点确定装置结构示意图，所述装置包括：
提取模块131，用于提取图像中的每个边缘轮廓，将所述每个边缘轮廓拟合为多边形；
第一判断模块132，用于针对每个多边形，判断该多边形是否满足预设的过滤条件，如果是，对该多边形进行过滤处理；
确定模块133，用于针对过滤处理后的每个多边形的每个第一顶点，确定除该多边形之外的多边形中，与该多边形的该第一顶点距离最近的第二顶点；判断除该第二顶点所属的多边形之外的多边形中，与该第二顶点最近的顶点是否为该第一顶点；如果是，确定该第一顶点和第二顶点连线的中点为标识点。
所述装置还包括：
处理模块134，用于对图像进行均衡化处理。
所述处理模块134，还用于对图像进行二值化处理。
所述处理模块134，具体用于采用局部阈值分割的方式对图像进行二值化处理。
所述处理模块134，还用于针对每个像素值为255的像素点，将以该像素点为中心的预设邻域内的像素点的像素值更新为255。
所述判断该多边形是否满足预设的过滤条件包括以下任意一种：
确定该多边形的面积，判断该多边形的面积是否小于预设的面积阈值；
识别该多边形每条边的第一长度，根据每条边的第一长度，由大到小选取两条边，判断该两条边的第一长度的比值是否不在预设的第一范围内；
识别该多边形每条边的第一长度，根据每条边的第一长度，由大到小选取两条边，判断该两条边是否没有共同的端点；
识别该多边形每条边的第一长度，根据每条边的第一长度，由大到小选取两条边，若该两条边有共同的端点，确定除该端点之外的每个顶点到该端点的第二长度，判断任意两个第二长度的比值是否不在预设的第二范围内；
识别该多边形每条边的第一长度，根据每条边的第一长度，由大到小选取两条边，确定该两条边的夹角，判断该夹角是否不在预设的夹角范围内；
识别该多边形每条边的第一长度，根据每条边的第一长度，由大到小选取两条边，确定该多边形的周长，以及该两条边的第一长度的平均值，判断该周长与平均值的比值是否不在预设的第三范围内；和
识别该多边形每条边的第一长度，根据每条边的第一长度，由大到小选取两条边，确定该多边形的面积，以及该两条边的第一长度的乘积，判断该面积与乘积的比值是否不在预设的第四范围内。
所述装置还包括：
第二判断模块135，用于确定以该第一顶点为端点的两条第一边，以及以该第二顶点为端点的两条第二边；针对每条第一边，判断该第一边与任一第二边的最大角度是否在预设的角度范围内，如果是，触发所述确定模块。
本发明实施例中还提供了一种电子设备，如图14所示，包括：处理器1401、通信接口1402、存储器1403和通信总线1404，其中，处理器1401，通信接口1402，存储器1403通过通信总线1404完成相互间的通信；
所述存储器1403中存储有计算机程序，当所述程序被所述处理器1401执行时，使得所述处理器1401执行如下步骤：
提取图像中的每个边缘轮廓，将所述每个边缘轮廓拟合为多边形；
针对每个多边形，判断该多边形是否满足预设的过滤条件，如果是，对该多边形进行过滤处理；
针对过滤处理后的每个多边形的每个第一顶点，确定除该多边形之外的多边形中，与该多边形的该第一顶点距离最近的第二顶点；判断除该第二顶点所属的多边形之外的多边形中，与该第二顶点最近的顶点是否为该第一顶点；如果是，确定该第一顶点和第二顶点连线的中点为标识点。
基于同一发明构思，本发明实施例中还提供了一种电子设备，由于上述电子设备解决问题的原理与标识点识别方法相似，因此上述电子设备的实施可以参见方法的实施，重复之处不再赘述。
本发明实施例提供的电子设备具体可以为桌面计算机、便携式计算机、智能手机、平板电脑、个人数字助理(PersonalDigital Assistant，PDA)、网络侧设备等。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口302用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选地，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述处理器可以是通用处理器，包括中央处理器、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(Digital Signal Processing，DSP)、专用集成电路、现场可编程门陈列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
在本发明实施例中处理器执行存储器上所存放的程序时，实现提取图像中的每个边缘轮廓，将所述每个边缘轮廓拟合为多边形；针对每个多边形，判断该多边形是否满足预设的过滤条件，如果是，对该多边形进行过滤处理；针对过滤处理后的每个多边形的每个第一顶点，确定除该多边形之外的多边形中，与该多边形的该第一顶点距离最近的第二顶点；判断除该第二顶点所属的多边形之外的多边形中，与该第二顶点最近的顶点是否为该第一顶点；如果是，确定该第一顶点和第二顶点连线的中点为标识点。在本发明实施例中，将每个边缘轮廓拟合为多边形，将满足预设的过滤条件的多边形滤除，针对剩余的多边形的每个第一顶点，确定与该第一顶点距离最近的第二顶点，如果与该第二顶点最近的顶点为该第一顶点，确定该第一顶点和第二顶点连线的中点为标识点。不需要进行复杂的计算，避免了参数或系数计算错误，或者模板的尺度与标识图像的尺度差异较大时导致的确定出的标识点准确率较低的问题，因此，本发明实施例确定的标识点准确率高。
本发明实施例还提供了一种计算机存储可读存储介质，所述计算机可读存储介质内存储有可由电子设备执行的计算机程序，当所述程序在所述电子设备上运行时，使得所述电子设备执行时实现如下步骤：
提取图像中的每个边缘轮廓，将所述每个边缘轮廓拟合为多边形；
针对每个多边形，判断该多边形是否满足预设的过滤条件，如果是，对该多边形进行过滤处理；
针对过滤处理后的每个多边形的每个第一顶点，确定除该多边形之外的多边形中，与该多边形的该第一顶点距离最近的第二顶点；判断除该第二顶点所属的多边形之外的多边形中，与该第二顶点最近的顶点是否为该第一顶点；如果是，确定该第一顶点和第二顶点连线的中点为标识点。
基于同一发明构思，本发明实施例中还提供了一种计算机可读存储介质，由于处理器在执行上述计算机可读存储介质上存储的计算机程序时解决问题的原理与标识点识别方法相似，因此处理器在执行上述计算机可读存储介质存储的计算机程序的实施可以参见方法的实施，重复之处不再赘述。
上述计算机可读存储介质可以是电子设备中的处理器能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器如软盘、硬盘、磁带、磁光盘(MO)等、光学存储器如CD、DVD、BD、HVD等、以及半导体存储器如ROM、EPROM、EEPROM、非易失性存储器(NANDFLASH)、固态硬盘(SSD)等。
在本发明实施例中提供的计算机可读存储介质内存储计算机程序，计算机程序被处理器执行时实现提取图像中的每个边缘轮廓，将所述每个边缘轮廓拟合为多边形；针对每个多边形，判断该多边形是否满足预设的过滤条件，如果是，对该多边形进行过滤处理针对过滤处理后的每个多边形的每个第一顶点，确定除该多边形之外的多边形中，与该多边形的该第一顶点距离最近的第二顶点；判断除该第二顶点所属的多边形之外的多边形中，与该第二顶点最近的顶点是否为该第一顶点；如果是，确定该第一顶点和第二顶点连线的中点为标识点。在本发明实施例中，将每个边缘轮廓拟合为多边形，将满足预设的过滤条件的多边形滤除，针对剩余的多边形的每个第一顶点，确定与该第一顶点距离最近的第二顶点，如果与该第二顶点最近的顶点为该第一顶点，确定该第一顶点和第二顶点连线的中点为标识点。不需要进行复杂的计算，避免了参数或系数计算错误，或者模板的尺度与标识图像的尺度差异较大时导致的确定出的标识点准确率较低的问题，因此，本发明实施例确定的标识点准确率高。
本发明实施例提供了一种标识点识别方法、装置、电子设备及存储介质，所述方法包括：提取图像中的每个边缘轮廓，将所述每个边缘轮廓拟合为多边形；针对每个多边形，判断该多边形是否满足预设的过滤条件，如果是，对该多边形进行过滤处理；针对过滤处理后的每个多边形的每个第一顶点，确定除该多边形之外的多边形中，与该多边形的该第一顶点距离最近的第二顶点；判断除该第二顶点所属的多边形之外的多边形中，与该第二顶点最近的顶点是否为该第一顶点；如果是，确定该第一顶点和第二顶点连线的中点为标识点。
由于在本发明实施例中，将每个边缘轮廓拟合为多边形，将满足预设的过滤条件的多边形滤除，针对剩余的多边形的每个第一顶点，确定与该第一顶点距离最近的第二顶点，如果与该第二顶点最近的顶点为该第一顶点，确定该第一顶点和第二顶点连线的中点为标识点。不需要进行复杂的计算，避免了参数或系数计算错误，或者模板的尺度与标识图像的尺度差异较大时导致的确定出的标识点准确率较低的问题，因此，本发明实施例确定的标识点准确率高。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种标识点识别方法，其特征在于，所述方法包括：
提取图像中的每个边缘轮廓，将所述每个边缘轮廓拟合为多边形；
针对每个多边形，判断该多边形是否满足预设的过滤条件，如果是，对该多边形进行过滤处理；
针对过滤处理后的每个多边形的每个第一顶点，确定除该多边形之外的多边形中，与该多边形的该第一顶点距离最近的第二顶点；判断除该第二顶点所属的多边形之外的多边形中，与该第二顶点最近的顶点是否为该第一顶点；如果是，确定该第一顶点和第二顶点连线的中点为标识点。
2.如权利要求1所述的方法，其特征在于，所述提取图像中的每个边缘轮廓之前，所述方法还包括：
对图像进行均衡化处理。
3.如权利要求2所述的方法，其特征在于，所述对图像进行均衡化处理之后，提取图像中的每个边缘轮廓之前，所述方法还包括：
对图像进行二值化处理。
4.如权利要求3所述的方法，其特征在于，所述对图像进行二值化处理包括：
采用局部阈值分割的方式对图像进行二值化处理。
5.如权利要求3或4所述的方法，其特征在于，对图像进行二值化处理之后，提取图像中的每个边缘轮廓之前，所述方法还包括：
针对每个像素值为255的像素点，将以该像素点为中心的预设邻域内的像素点的像素值更新为255。
6.如权利要求1所述的方法，其特征在于，所述判断该多边形是否满足预设的过滤条件包括以下任意一种：
确定该多边形的面积，判断该多边形的面积是否小于预设的面积阈值；
识别该多边形每条边的第一长度，根据每条边的第一长度，由大到小选取两条边，判断该两条边的第一长度的比值是否不在预设的第一范围内；
识别该多边形每条边的第一长度，根据每条边的第一长度，由大到小选取两条边，判断该两条边是否没有共同的端点；
识别该多边形每条边的第一长度，根据每条边的第一长度，由大到小选取两条边，若该两条边有共同的端点，确定除该端点之外的每个顶点到该端点的第二长度，判断任意两个第二长度的比值是否不在预设的第二范围内；
识别该多边形每条边的第一长度，根据每条边的第一长度，由大到小选取两条边，确定；
识别该多边形每条边的第一长度，根据每条边的第一长度，由大到小选取两条边，确定该多边形的周长，以及该两条边的第一长度的平均值，判断该周长与平均值的比值是否不在预设的第三范围内；和
识别该多边形每条边的第一长度，根据每条边的第一长度，由大到小选取两条边，确定该多边形的面积，以及该两条边的第一长度的乘积，判断该面积与乘积的比值是否不在预设的第四范围内。
7.如权利要求1所述的方法，其特征在于，如果与该第二顶点最近的顶点为该第一顶点，确定该第一顶点和第二顶点连线的中点为标识点之前，所述方法还包括：
确定以该第一顶点为端点的两条第一边，以及以该第二顶点为端点的两条第二边；
针对每条第一边，判断该第一边与任一第二边的最大角度是否在预设的角度范围内，如果是，确定该第一顶点和第二顶点连线的中点为标识点。
8.一种标识点确定装置，其特征在于，所述装置包括：
提取模块，用于提取图像中的每个边缘轮廓，将所述每个边缘轮廓拟合为多边形；
第一判断模块，用于针对每个多边形，判断该多边形是否满足预设的过滤条件，如果是，对该多边形进行过滤处理；
确定模块，用于针对过滤处理后的每个多边形的每个第一顶点，确定除该多边形之外的多边形中，与该多边形的该第一顶点距离最近的第二顶点；判断除该第二顶点所属的多边形之外的多边形中，与该第二顶点最近的顶点是否为该第一顶点；如果是，确定该第一顶点和第二顶点连线的中点为标识点。
9.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-7任一项所述的方法步骤。
10.一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内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-7任一项所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910187431.6A CN109978903B (zh) | 2019-03-13 | 2019-03-13 | 一种标识点识别方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910187431.6A CN109978903B (zh) | 2019-03-13 | 2019-03-13 | 一种标识点识别方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109978903A true CN109978903A (zh) | 2019-07-05 |
| CN109978903B CN109978903B (zh) | 2021-04-16 |
Family
ID=67078699
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910187431.6A Active CN109978903B (zh) | 2019-03-13 | 2019-03-13 | 一种标识点识别方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109978903B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111369752A (zh) * | 2019-09-11 | 2020-07-03 | 杭州海康威视系统技术有限公司 | 目标对象监控方法、装置、控制设备和存储介质 |
| WO2021227287A1 (zh) * | 2020-05-09 | 2021-11-18 | 中南大学 | 生产线上蜂窝产品规整度的检测方法及检测装置 |
| CN116704224A (zh) * | 2023-08-08 | 2023-09-05 | 深圳卡尔文科技有限公司 | 一种基于深度学习的标志物识别方法及识别装置 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101160592A (zh) * | 2005-02-15 | 2008-04-09 | 凯特影像科技有限公司 | 手写字符识别方法、手写字符识别系统、手写字符识别程序以及存储介质 |
| US20120298754A1 (en) * | 2011-05-25 | 2012-11-29 | Generalplus Technology Inc. | Two-dimensional optical identification device with same gray level for quick decoding and decoding method therefor |
| CN104217429A (zh) * | 2014-08-25 | 2014-12-17 | 太仓中科信息技术研究院 | 一种摄像机标定板的设计与检测方法 |
| CN104574415A (zh) * | 2015-01-26 | 2015-04-29 | 南京邮电大学 | 一种基于单摄像机的目标空间定位方法 |
| CN106845494A (zh) * | 2016-12-22 | 2017-06-13 | 歌尔科技有限公司 | 一种检测图像中轮廓角点的方法及装置 |
| CN107170038A (zh) * | 2017-05-09 | 2017-09-15 | 北斗羲和城市空间科技（北京）有限公司 | 一种生成室内地图的方法及装置 |
| CN108629292A (zh) * | 2018-04-16 | 2018-10-09 | 海信集团有限公司 | 弯曲车道线检测方法、装置及终端 |
| CN109461389A (zh) * | 2018-04-26 | 2019-03-12 | 潘升东 | 光电合作标识以及智能集群节点位姿测量与身份识别方法 |
-
2019
- 2019-03-13 CN CN201910187431.6A patent/CN109978903B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101160592A (zh) * | 2005-02-15 | 2008-04-09 | 凯特影像科技有限公司 | 手写字符识别方法、手写字符识别系统、手写字符识别程序以及存储介质 |
| US20120298754A1 (en) * | 2011-05-25 | 2012-11-29 | Generalplus Technology Inc. | Two-dimensional optical identification device with same gray level for quick decoding and decoding method therefor |
| CN104217429A (zh) * | 2014-08-25 | 2014-12-17 | 太仓中科信息技术研究院 | 一种摄像机标定板的设计与检测方法 |
| CN104574415A (zh) * | 2015-01-26 | 2015-04-29 | 南京邮电大学 | 一种基于单摄像机的目标空间定位方法 |
| CN106845494A (zh) * | 2016-12-22 | 2017-06-13 | 歌尔科技有限公司 | 一种检测图像中轮廓角点的方法及装置 |
| CN107170038A (zh) * | 2017-05-09 | 2017-09-15 | 北斗羲和城市空间科技（北京）有限公司 | 一种生成室内地图的方法及装置 |
| CN108629292A (zh) * | 2018-04-16 | 2018-10-09 | 海信集团有限公司 | 弯曲车道线检测方法、装置及终端 |
| CN109461389A (zh) * | 2018-04-26 | 2019-03-12 | 潘升东 | 光电合作标识以及智能集群节点位姿测量与身份识别方法 |
Non-Patent Citations (4)
| Title |
|---|
| ALDO LAURENTINI: "The Visual Hull Concept for Silhouette-Based Image Understanding", 《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》 * |
| 于利云: "交通标识牌自动识别系统的关键技术的研究", 《中国优秀博硕士学位论文全文数据库（硕士）信息科技辑》 * |
| 吕淘沙等: "增强现实中的目标远距离识别方法研究", 《软件工程师》 * |
| 罗哲: "基于视觉的四旋翼无人机在特定平台上着陆系统研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111369752A (zh) * | 2019-09-11 | 2020-07-03 | 杭州海康威视系统技术有限公司 | 目标对象监控方法、装置、控制设备和存储介质 |
| CN111369752B (zh) * | 2019-09-11 | 2021-09-28 | 杭州海康威视系统技术有限公司 | 目标对象监控方法、装置、控制设备和存储介质 |
| WO2021227287A1 (zh) * | 2020-05-09 | 2021-11-18 | 中南大学 | 生产线上蜂窝产品规整度的检测方法及检测装置 |
| CN116704224A (zh) * | 2023-08-08 | 2023-09-05 | 深圳卡尔文科技有限公司 | 一种基于深度学习的标志物识别方法及识别装置 |
| CN116704224B (zh) * | 2023-08-08 | 2023-11-17 | 深圳卡尔文科技有限公司 | 一种基于深度学习的标志物识别方法及识别装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109978903B (zh) | 2021-04-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210374941A1 (en) | Product defect detection method, device and system | |
| CN110060237B (zh) | 一种故障检测方法、装置、设备及系统 | |
| US11836907B2 (en) | Product defect detection method, device and system | |
| CN109978903A (zh) | 一种标识点识别方法、装置、电子设备及存储介质 | |
| CN108896278A (zh) | 一种滤光片丝印缺陷检测方法、装置及终端设备 | |
| CN107578011A (zh) | 视频关键帧的判定方法及装置 | |
| CN112329881B (zh) | 车牌识别模型训练方法、车牌识别方法及装置 | |
| CN109146816A (zh) | 一种图像滤波方法、装置、电子设备和存储介质 | |
| CN109086734A (zh) | 一种对人眼图像中瞳孔图像进行定位的方法及装置 | |
| CN107240078A (zh) | 镜头清晰度验算方法、装置及电子设备 | |
| CN110570442A (zh) | 一种复杂背景下轮廓检测方法、终端设备及存储介质 | |
| CN107578438A (zh) | 圆识别方法、装置及电子设备 | |
| CN116109637B (zh) | 基于视觉的涡轮增压器叶轮外观缺陷检测的系统及其方法 | |
| CN113609984A (zh) | 一种指针式仪表读数识别方法、装置及电子设备 | |
| CN105184225A (zh) | 一种多国纸币图像识别方法和装置 | |
| CN108960246B (zh) | 一种用于图像识别的二值化处理装置及方法 | |
| CN111223078A (zh) | 瑕疵等级判定的方法及存储介质 | |
| CN112784494B (zh) | 假阳性识别模型的训练方法、目标识别方法及装置 | |
| CN106886796A (zh) | 图标位置识别方法、装置及终端设备 | |
| CN111932515B (zh) | 产品残留类缺陷的短路检测方法及系统及缺陷分类系统 | |
| CN114821617A (zh) | 门窗洞的识别方法、装置、设备及可读存储介质 | |
| CN114359884A (zh) | 一种车牌识别方法、装置、电子设备及存储介质 | |
| CN114240924A (zh) | 一种基于数字化技术的电网设备质量评估方法 | |
| CN107767372A (zh) | 一种分层并行计算的芯片管脚在线视觉检测系统及其方法 | |
| CN108960222B (zh) | 图像二值化方法、装置、设备及存储介质 |
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 |