CN110070553A - 一种机器人视觉图像的匹配方法 - Google Patents
一种机器人视觉图像的匹配方法 Download PDFInfo
- Publication number
- CN110070553A CN110070553A CN201810069388.9A CN201810069388A CN110070553A CN 110070553 A CN110070553 A CN 110070553A CN 201810069388 A CN201810069388 A CN 201810069388A CN 110070553 A CN110070553 A CN 110070553A
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- target
- color
- matching process
- 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
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000011218 segmentation Effects 0.000 claims abstract description 17
- 238000012986 modification Methods 0.000 claims description 3
- 230000004048 modification Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种机器人视觉图像的匹配方法,所述机器人设置有图像匹配装置,所述机器人视觉图像的匹配方法包括:所述图像匹配装置采集跟踪的目标的图像信息;对所述目标图像信息进行图像区域分割,对跟踪的目标的色彩产生初始种子点像素;按层次遍历由起始种子点像素开始生长所建立的像素点树,区域生长完成;输出匹配结果。本发明提供的机器人视觉图像的匹配方法,能够迅速地找到目标物体,并能较为准确地分割出目标及其边缘,基本不受背景的干扰,大大提高了机器人匹配目标的速度和准确性。
Description
技术领域
本发明涉及机器人技术领域,尤其涉及一种机器人视觉图像的匹配方法。
背景技术
信息技术的发展,信息技术被广泛的应用到人们的生活方式与工作方式中。如有更有效的利用现有的信息技术,人们一直没有停止探索。
机器人领域是集计算机、机械、传感技术、信息处理技术、图像处理与匹配技术、语言匹配与处理技术、控制技术和通信技术等于一体的系统。
当前,大多智能机器人具备视觉采集功能,基于视觉采集功能,机器人可以实现对当前待匹配物体的图像匹配。通常的图像匹配过程是预先保存样本图像数据,在进行图像匹配时将待匹配物体的图像数据与所有已保存的样本图像数据做匹配搜索从而获取对应的样本图像数据,利用样本图像数据对应的图像描述作为匹配结果。
在上述图像匹配过程中,关键点在于样本图像数据与待匹配物体图像数据的匹配。但是由于样本图像数据以及待匹配物体的图像数据都是平面图像数据,样本图像数据仅仅是物体某个角度的图像记录,当从另一角度对物体进行图像采集时,即使是同一物体,获取的图像数据也与最终获取的样本图像数据不同。
因此,如何能够快速将跟踪目标从背景中分离出来,提高对跟踪目标匹配的准确率,成为本领域技术人员亟待解决的技术难题。
发明内容
本发明的目的是提供一种机器人视觉图像的匹配方法,能够快速将跟踪目标从背景中分离出来,提高对跟踪目标匹配的准确率。
为了实现上述目的,本发明提供了一种机器人视觉图像的匹配方法,所述机器人设置有图像匹配装置,机器人视觉图像的匹配方法包括:
所述图像匹配装置采集跟踪的目标的图像信息;
提取图像信息中的第一像素和第二像素,计算第一像素的像素值和第二像素的像素值之间的差值;其中,所述第二像素值在所述第一像素值的相隔N个位置上,N为整数;若第一像素值及第二像素值的差值超过预设阈值,则进入下一步骤,若第一像素值及第二像素值的差值没有超过预设阈值,则返回上一步骤;
对所述目标图像信息进行图像区域分割,对跟踪的目标的色彩产生初始种子点像素;
对图像区域内的每个像素点加上两个标签,一个为用于判断像素点是否生长的生长标签,另一个为用于判断像素点是否为边缘的边缘标签,初始情况下,两个标签均为0;
判断种子像素点相邻的像素点的标签,如果相邻的像素点的生长标签为0,再判断该相邻的像素点的灰度值是否满足预设的生长条件,若生长标签非0,则不考虑该点;若所述相邻的像素点满足生长条件,则把所述相邻的像素点加入队列,并将该相邻的像素点的两个标签均置为0;
如此循环直到所有的像素点均经过判断:判断种子像素点的边缘标签是否为0,若是则将种子像素点的边缘标签置0,若否则不作改动;
对每个区域的图像信息进行匹配并判断,直至各区域的图像信息完成匹配。
优选的,所述图像匹配装置为摄像头。
优选的,所述图像匹配装置为全维视觉传感器,所述全维视觉传感器由全景反射镜和摄像头组成。
优选的,所述对所述目标图像信息进行图像区域分割,包括:对所述目标图像信息进行灰度阈值化分割,得到图片的二值图像;根据所述图片的二值图像计算所述图片的最小外接矩形并获取所述外接矩形的二维坐标,将所述二维坐标映射到对应的RGB彩色图像中,得到包括所述图片的最小外接矩形;对所述最小外接矩形进行色彩分割,得到最小外接矩形的色彩二值图像;通过所述图片的二值图像和所述色彩二值图像从所述图像信息中分割出目标图像,再将所述目标图像分割成若干图像子集。
优选的,所述对所述目标图像信息进行图像区域分割之前,还包括对跟踪的目标的色彩度设置阈值,图像区域的色彩度位于所述阈值范围内,才对该图像区域进行分割。
优选的,所述对跟踪的目标的色彩产生初始种子点像素,包括:对图像进行预处理,选取图像中色彩度值为预设值的像素点作为种子像素点。
本发明提供的机器人视觉图像的匹配方法,能够迅速地找到目标物体,并能较为准确地分割出目标及其边缘,基本不受背景的干扰,大大提高了机器人匹配目标的速度和准确性。
具体实施方式
基于本申请中的实施例,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,都属于本申请保护的范围。
本发明提供了一种机器人视觉图像的匹配方法,所述机器人设置有图像匹配装置,机器人视觉图像的匹配方法包括:
所述图像匹配装置采集跟踪的目标的图像信息;
提取图像信息中的第一像素和第二像素,计算第一像素的像素值和第二像素的像素值之间的差值;其中,所述第二像素值在所述第一像素值的相隔N个位置上,N为整数;若第一像素值及第二像素值的差值超过预设阈值,则进入下一步骤,若第一像素值及第二像素值的差值没有超过预设阈值,则返回上一步骤;
对所述目标图像信息进行图像区域分割,对跟踪的目标的色彩产生初始种子点像素;
对图像区域内的每个像素点加上两个标签,一个为用于判断像素点是否生长的生长标签,另一个为用于判断像素点是否为边缘的边缘标签,初始情况下,两个标签均为0;
判断种子像素点相邻的像素点的标签,如果相邻的像素点的生长标签为0,再判断该相邻的像素点的灰度值是否满足预设的生长条件,若生长标签非0,则不考虑该点;若所述相邻的像素点满足生长条件,则把所述相邻的像素点加入队列,并将该相邻的像素点的两个标签均置为0;
如此循环直到所有的像素点均经过判断:判断种子像素点的边缘标签是否为0,若是则将种子像素点的边缘标签置0,若否则不作改动;
对每个区域的图像信息进行匹配并判断,直至各区域的图像信息完成匹配。
本发明提供的机器人视觉图像的匹配方法,能够迅速地找到目标物体,并能较为准确地分割出目标及其边缘,基本不受背景的干扰,大大提高了机器人匹配目标的速度和准确性。
优选的方案中,所述图像匹配装置可以为摄像头,通过摄像头获取跟踪目标的图像信息。
优选的方案中,所述图像匹配装置还可以为全维视觉传感器,所述全维视觉传感器由全景反射镜和摄像头组成。全景反射镜为具有一定的曲率的锥面,能够360°全方位客观地将场景反射到摄像头内,可以获取更准确的跟踪目标的图像信息。
优选的方案中,所述对所述目标图像信息进行图像区域分割,包括:对所述目标图像信息进行灰度阈值化分割,得到图片的二值图像;根据所述图片的二值图像计算所述图片的最小外接矩形并获取所述外接矩形的二维坐标,将所述二维坐标映射到对应的RGB彩色图像中,得到包括所述图片的最小外接矩形;对所述最小外接矩形进行色彩分割,得到最小外接矩形的色彩二值图像;通过所述图片的二值图像和所述色彩二值图像从所述图像信息中分割出目标图像,再将所述目标图像分割成若干图像子集。
优选的方案中,所述对所述目标图像信息进行图像区域分割之前,还包括对跟踪的目标的色彩度设置阈值,图像区域的色彩度位于所述阈值范围内,才对该图像区域进行分割。实际场景中,由于光照条件等外部环境因素的变化,每一种颜色的取值范围旺旺时不固定的,各种颜色的色值之间往往会出现交叉重叠的现象,通过对跟踪的目标的色彩度设置阈值,图像区域的色彩度位于所述阈值范围内,才对该图像区域进行分割,才能正确地将要进行跟踪的目标进行颜色的匹配。
优选的方案中,所述对跟踪的目标的色彩产生初始种子点像素,包括:对图像进行预处理,选取图像中色彩度值为预设值的像素点作为种子像素点。
Claims (6)
1.一种机器人视觉图像的匹配方法,所述机器人设置有图像匹配装置,其特征在于,机器人视觉图像的匹配方法包括:
所述图像匹配装置采集跟踪的目标的图像信息;
提取图像信息中的第一像素和第二像素,计算第一像素的像素值和第二像素的像素值之间的差值;其中,所述第二像素值在所述第一像素值的相隔N个位置上,N为整数;若第一像素值及第二像素值的差值超过预设阈值,则进入下一步骤,若第一像素值及第二像素值的差值没有超过预设阈值,则返回上一步骤;
对所述目标图像信息进行图像区域分割,对跟踪的目标的色彩产生初始种子点像素;
对图像区域内的每个像素点加上两个标签,一个为用于判断像素点是否生长的生长标签,另一个为用于判断像素点是否为边缘的边缘标签,初始情况下,两个标签均为0;
判断种子像素点相邻的像素点的标签,如果相邻的像素点的生长标签为0,再判断该相邻的像素点的灰度值是否满足预设的生长条件,若生长标签非0,则不考虑该点;若所述相邻的像素点满足生长条件,则把所述相邻的像素点加入队列,并将该相邻的像素点的两个标签均置为0;
如此循环直到所有的像素点均经过判断:判断种子像素点的边缘标签是否为0,若是则将种子像素点的边缘标签置0,若否则不作改动;
对每个区域的图像信息进行匹配并判断,直至各区域的图像信息完成匹配。
2.根据权利要求1所述的机器人视觉图像的匹配方法,其特征在于,所述图像匹配装置为摄像头。
3.根据权利要求1所述的机器人视觉图像的匹配方法,其特征在于,所述图像匹配装置为全维视觉传感器,所述全维视觉传感器由全景反射镜和摄像头组成。
4.根据权利要求1-3任一项所述的机器人视觉图像的匹配方法,其特征在于,所述对所述目标图像信息进行图像区域分割,包括:对所述目标图像信息进行灰度阈值化分割,得到图片的二值图像; 根据所述图片的二值图像计算所述图片的最小外接矩形并获取所述外接矩形的二维坐标,将所述二维坐标映射到对应的RGB彩色图像中,得到包括所述图片的最小外接矩形;对所述最小外接矩形进行色彩分割,得到最小外接矩形的色彩二值图像;通过所述图片的二值图像和所述色彩二值图像从所述图像信息中分割出目标图像,再将所述目标图像分割成若干图像子集。
5.根据权利要求4所述的机器人视觉图像的匹配方法,其特征在于,所述对所述目标图像信息进行图像区域分割之前,还包括对跟踪的目标的色彩度设置阈值,图像区域的色彩度位于所述阈值范围内,才对该图像区域进行分割。
6.根据权利要求1所述的机器人视觉图像的匹配方法,其特征在于,所述对跟踪的目标的色彩产生初始种子点像素,包括:对图像进行预处理,选取图像中色彩度值为预设值的像素点作为种子像素点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810069388.9A CN110070553A (zh) | 2018-01-24 | 2018-01-24 | 一种机器人视觉图像的匹配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810069388.9A CN110070553A (zh) | 2018-01-24 | 2018-01-24 | 一种机器人视觉图像的匹配方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110070553A true CN110070553A (zh) | 2019-07-30 |
Family
ID=67365675
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810069388.9A Pending CN110070553A (zh) | 2018-01-24 | 2018-01-24 | 一种机器人视觉图像的匹配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110070553A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113783945A (zh) * | 2021-08-25 | 2021-12-10 | 深圳拓邦股份有限公司 | 移动机器人的地图同步方法、装置以及移动机器人 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103268480A (zh) * | 2013-05-30 | 2013-08-28 | 重庆大学 | 一种视觉跟踪系统及方法 |
CN106875410A (zh) * | 2017-02-09 | 2017-06-20 | 深圳市医诺智能科技发展有限公司 | 图像轮廓自动提取方法及系统 |
-
2018
- 2018-01-24 CN CN201810069388.9A patent/CN110070553A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103268480A (zh) * | 2013-05-30 | 2013-08-28 | 重庆大学 | 一种视觉跟踪系统及方法 |
CN106875410A (zh) * | 2017-02-09 | 2017-06-20 | 深圳市医诺智能科技发展有限公司 | 图像轮廓自动提取方法及系统 |
Non-Patent Citations (1)
Title |
---|
谭宝成等: "全自主移动机器人视觉系统图像分割方法研究", 《西安工业大学学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113783945A (zh) * | 2021-08-25 | 2021-12-10 | 深圳拓邦股份有限公司 | 移动机器人的地图同步方法、装置以及移动机器人 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108717531B (zh) | 基于Faster R-CNN的人体姿态估计方法 | |
CN109102547A (zh) | 基于物体识别深度学习模型的机器人抓取位姿估计方法 | |
US6925122B2 (en) | Method for video-based nose location tracking and hands-free computer input devices based thereon | |
CN110084243B (zh) | 一种基于二维码和单目相机的档案识别与定位方法 | |
CN101702233B (zh) | 视频帧中基于三点共线标记点的三维定位方法 | |
CN106991654A (zh) | 基于深度的人体美化方法和装置及电子装置 | |
CN108322724B (zh) | 图像立体匹配方法以及双目视觉设备 | |
CN110021029B (zh) | 一种适用于rgbd-slam的实时动态配准方法及存储介质 | |
CN105182350A (zh) | 一种应用特征跟踪的多波束声呐目标探测方法 | |
CN112184765B (zh) | 一种用于水下航行器的自主跟踪方法 | |
CN110443247A (zh) | 一种无人机地面运动小目标实时检测系统及方法 | |
CN111964680B (zh) | 一种巡检机器人的实时定位方法 | |
CN107527368B (zh) | 基于二维码的三维空间姿态定位方法与装置 | |
CN105138990A (zh) | 一种基于单目摄像头的手势凸包检测与掌心定位方法 | |
Zelener et al. | Cnn-based object segmentation in urban lidar with missing points | |
CN111823237B (zh) | 基于rgb led动态信标的多机器人定位方法及系统 | |
CN113343976A (zh) | 基于颜色-边缘融合特征生长的抗高光干扰工程测量标志提取方法 | |
CN112847349B (zh) | 机器人行走控制方法及装置 | |
CN110070553A (zh) | 一种机器人视觉图像的匹配方法 | |
CN109918974A (zh) | 一种机器人目标识别方法 | |
KR101391667B1 (ko) | 크기 변화에 강건한 범주 물체 인식을 위한 모델 학습 및 인식 방법 | |
CN109978779A (zh) | 一种基于核化相关滤波方法的多目标跟踪装置 | |
CN111964681B (zh) | 一种巡检机器人的实时定位系统 | |
CN108876849B (zh) | 基于辅助标识的深度学习目标识别及定位方法 | |
Chai et al. | 3D gesture recognition method based on faster R-CNN network |
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: 20190730 |