CN110458858A - 一种十字靶标的检测方法、系统及存储介质 - Google Patents

一种十字靶标的检测方法、系统及存储介质 Download PDF

Info

Publication number
CN110458858A
CN110458858A CN201910748710.5A CN201910748710A CN110458858A CN 110458858 A CN110458858 A CN 110458858A CN 201910748710 A CN201910748710 A CN 201910748710A CN 110458858 A CN110458858 A CN 110458858A
Authority
CN
China
Prior art keywords
line segment
edge image
image
cross drone
cross
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
Application number
CN201910748710.5A
Other languages
English (en)
Inventor
孙海江
王佳松
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changchun Institute of Optics Fine Mechanics and Physics of CAS
Original Assignee
Changchun Institute of Optics Fine Mechanics and Physics of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Changchun Institute of Optics Fine Mechanics and Physics of CAS filed Critical Changchun Institute of Optics Fine Mechanics and Physics of CAS
Priority to CN201910748710.5A priority Critical patent/CN110458858A/zh
Publication of CN110458858A publication Critical patent/CN110458858A/zh
Pending legal-status Critical Current

Links

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
    • G06T7/13—Edge detection
    • 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
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • 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
    • G06T2207/10004—Still image; Photographic image
    • 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
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20061—Hough transform

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本申请公开了一种十字靶标的检测方法、系统及存储介质，其中，所述十字靶标的检测方法对包含十字靶标的灰度图像首先进行卷积等处理获得边缘图像，然后将所述边缘图像中的所有像素点映射到霍夫空间中，以能够根据所述霍夫变换矩阵和所述边缘图像，获取所述边缘图像中所有线段的角度和位置信息，最后根据所述边缘图像所有线段的角度和位置信息，确定所述十字靶标的中心位置，该方法无需对模板进行预先标定，适用性较好；且由于线段的角度和位置信息均在霍夫空间中获取，使得该方法不会受到图像旋转和缩放的影响，即使灰度图像中的十字靶标被部分遮挡，也能够实现正确识别的目的，提升了所述十字靶标的检测方法的鲁棒性。

Description

一种十字靶标的检测方法、系统及存储介质
技术领域
本申请涉及图像处理技术领域，更具体地说，涉及一种十字靶标的检测方法、系统及存储介质。
背景技术
机器视觉是人工智能正在快速发展的一个分支。简单说来，机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是通过机器视觉产品(即图像摄取装置，分CMOS和CCD两种)将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。
在工业生产、飞行器测控等领域，基于机器视觉的定位和测量是一项极其关键的技术。在这类应用中通常使用模板匹配等方法对已知的合作靶标进行识别。不仅光照情况、背景干扰对识别结果有着很大的影响，而且当图像被旋转、缩放或靶标被部分遮挡时，这种方法难以准确地检测出靶标，使得该方法的鲁棒性较差。
发明内容
为解决上述技术问题，本申请提供了一种十字靶标的检测方法、系统及存储介质，以实现提升十字靶标的检测方法的鲁棒性的目的。
为实现上述技术目的，本申请实施例提供了如下技术方案：
一种十字靶标的检测方法，包括：
获取包含十字靶标的灰度图像；
对所述灰度图像进行卷积处理，以获得模糊图像，并对所述模糊图像的梯度和方向进行非极大值抑制和双阈值检测处理，以获得边缘图像；
根据所述边缘图像，计算霍夫变换矩阵，以将所述边缘图像中的所有像素点映射到霍夫空间中；
根据所述霍夫变换矩阵和所述边缘图像，获取所述边缘图像中所有线段的角度和位置信息；
根据所述边缘图像中所有线段的角度和位置信息，确定所述十字靶标的中心位置。
可选的，所述根据所述边缘图像，计算霍夫变换矩阵，以将所述边缘图像中的所有像素点映射到霍夫空间中包括：
根据第一预设公式，计算获得所述霍夫变换矩阵的维度，所述霍夫变换矩阵的维度包括M和N；
所述第一预设公式为：其中，H和V分别表示所述边缘图像的水平分辨率和竖直分辨率，l表示角度分辨率；
根据第二预设公式，计算霍夫变换矩阵，以将所述边缘图像的所有像素点映射到霍夫空间中；
所述第二预设公式为：其中，Hρ，θ的初始值为0，(x,y)为边缘像素点的坐标，θ表示在霍夫空间中线段的角度值。
可选的，所述根据所述霍夫变换矩阵和所述边缘图像，获取所述边缘图像中所有线段的角度和位置信息包括：
根据所述霍夫变换矩阵，采用自动阈值分割法计算判定阈值；
将所述霍夫变换矩阵中所有大于所述判定阈值的元素定义为霍夫空间中的有效峰值点；
将所述边缘图像映射到所述霍夫空间中的所有像素点中落在同一有效峰值点上的像素点，作为一组线段像素集合；
根据所有的线段像素集合中的像素点的坐标，获取所述边缘图像中所有线段的角度和位置信息。
可选的，所述根据所述边缘图像中所有线段的角度和位置信息，确定所述十字靶标的中心位置包括：
根据所述边缘图像中所有线段的角度和位置信息，获取所述边缘图像中相互垂直的线段对；
根据所述线段的位置信息，排除掉相互垂直的线段对中不相交的线段对；
在余下的线段对中，确定表示所述十字靶标的线段对，并根据表示所述十字靶标的线段对，确定所述十字靶标的中心位置。
可选的，所述在余下的线段对中，确定表示所述十字靶标的线段对，并根据表示所述十字靶标的线段对，确定所述十字靶标的中心位置包括：
判断余下的线段对是否大于或等于两对，如果是，则将余下的线段对中角度相同的两条或两条以上线段合并，将合并后的线段对作为表示所述十字靶标的线段对，并根据表示所述十字靶标的线段对，确定所述十字靶标的中心位置；如果否，则将余下的线段对作为表示所述十字靶标的线段对，并根据表示所述十字靶标的线段对，确定所述十字靶标的中心位置。
可选的，所述将余下的线段对中角度相同的两条或两条以上线段合并包括：
将余下的线段对中角度相同的两条或两条以上线段的截距的均值作为合并后的线段的截距，以确定合并后的线段的角度和位置信息。
可选的，所述根据所述线段的位置信息，排除掉相互垂直的线段对中不相交的线段对包括：
判断相互垂直的线段对是否满足预设判断条件，如果否，则判定所述线段对不相交；
所述预设判断条件为：(CA×CD)·(CB×CD)≤0；其中，A和B表示相互垂直的线段对中的一条线段的端点坐标，C和D表示相互垂直的线段对中的另一条线段的端点坐标，CA表示由端点C到端点A的向量，CD表示端点C到端点D的向量，CB表示端点C到端点B的向量。
可选的，所述对所述灰度图像进行卷积处理，以获得模糊图像，并对所述模糊图像的梯度和方向进行非极大值抑制和双阈值检测处理，以获得边缘图像包括：
使用高斯卷积核与所述灰度图像进行卷积，获得高斯模糊图像；
使用Sobel算子计算所述高斯模糊图像的梯度和方向；
对所述高斯模糊图像的梯度和方向进行非极大值抑制和双阈值检测处理，以获得所述边缘图像。
一种十字靶标的检测系统，包括：
图像获取模块，用于获取包含十字靶标的灰度图像；
图像处理模块，用于对所述灰度图像进行卷积处理，以获得模糊图像，并对所述模糊图像的梯度和方向进行非极大值抑制和双阈值检测处理，以获得边缘图像；
空间变换模块，用于根据所述边缘图像，计算霍夫变换矩阵，以将所述边缘图像中的所有像素点映射到霍夫空间中；
信息获取模块，用于根据所述霍夫变换矩阵和所述边缘图像，获取所述边缘图像中所有线段的角度和位置信息；
位置确定模块，用于根据所述边缘图像中所有线段的角度和位置信息，确定所述十字靶标的中心位置。
一种存储介质，所述存储介质上存储有程序代码，所述程序代码被执行时实现上述任一项所述的十字靶标的检测方法。
从上述技术方案可以看出，本申请实施例提供了一种十字靶标的检测方法、系统及存储介质，其中，所述十字靶标的检测方法对包含十字靶标的灰度图像首先进行卷积等处理获得边缘图像，然后将所述边缘图像中的所有像素点映射到霍夫空间中，以能够根据所述霍夫变换矩阵和所述边缘图像，获取所述边缘图像中所有线段的角度和位置信息，最后根据所述边缘图像所有线段的角度和位置信息，确定所述十字靶标的中心位置，该方法无需对模板进行预先标定，适用性较好；且由于线段的角度和位置信息均在霍夫空间中获取，使得该方法不会受到图像旋转和缩放的影响，即使灰度图像中的十字靶标被部分遮挡，也能够实现正确识别的目的，提升了所述十字靶标的检测方法的鲁棒性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请的一个实施例提供的一种十字靶标的检测方法的流程示意图；
图2为本申请的一个实施例提供的一种霍夫空间中点和线段的示意图；
图3为本申请的一个实施例提供的一种将两条或两条以上线段合并的示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。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。
本申请实施例提供了一种十字靶标的检测方法，如图1所示，包括：
S101：获取包含十字靶标的灰度图像；
在本实施例中，采用包含十字靶标的灰度图像进行后续处理的目的是避免彩色图像的RGB三个通道计算量过大，而导致方法实施效率低下的问题。
当获取的包含十字靶标的原始图像为彩色图像时，可以对其进行灰度转换处理，以获得包含十字靶标的灰度图像。
S102：对所述灰度图像进行卷积处理，以获得模糊图像，并对所述模糊图像的梯度和方向进行非极大值抑制和双阈值检测处理，以获得边缘图像；
可选的，在本申请的一个实施例中，步骤S102具体包括：
所述对所述灰度图像进行卷积处理，以获得模糊图像，并对所述模糊图像的梯度和方向进行非极大值抑制和双阈值检测处理，以获得边缘图像包括：
S1021：使用高斯卷积核与所述灰度图像进行卷积，获得高斯模糊图像；
S1022：使用Sobel算子计算所述高斯模糊图像的梯度G和方向α；
具体地，所述高斯卷积核可以为：然后依据公式和α＝arctan(Gy/Gx)，计算高斯模糊图像的梯度G和方向，其中Gx是水平方向的Sobel算子与高斯模糊图像的卷积，Gy是竖直方向的Sobel算子与高斯模糊图像的卷积。
S1023：对所述高斯模糊图像的梯度G和方向α进行非极大值抑制和双阈值检测处理，以获得所述边缘图像。
S103：根据所述边缘图像，计算霍夫变换矩阵，以将所述边缘图像中的所有像素点映射到霍夫空间中；
可选的，在本申请的一个实施例中，步骤S103具体包括：
S1031：根据第一预设公式，计算获得所述霍夫变换矩阵的维度，所述霍夫变换矩阵的维度包括M和N；
所述第一预设公式为：其中，H和V分别表示所述边缘图像的水平分辨率和竖直分辨率，l表示角度分辨率；可选的，l＝1°。
参考图2，图像空间中的一个点映射到霍夫空间后是一条正弦曲线，图像空间中的一条线段在霍夫空间是一簇交于一点的曲线。
S1032：根据第二预设公式，计算霍夫变换矩阵，以将所述边缘图像的所有像素点映射到霍夫空间中；
所述第二预设公式为：其中，Hρ，θ的初始值为0，(x,y)为边缘像素点的坐标，θ表示在霍夫空间中线段的角度值；θ与角度分辨率有关，若角度分辨率的取值为1°，则θ＝0°，1°，2°…179°；
S104：根据所述霍夫变换矩阵和所述边缘图像，获取所述边缘图像中所有线段的角度和位置信息；
可选的，在本申请的一个实施例中，步骤S104具体包括：
S1041：根据所述霍夫变换矩阵，采用自动阈值分割法OTSU计算判定阈值T；
S1042：将所述霍夫变换矩阵中所有大于所述判定阈值T的元素定义为霍夫空间中的有效峰值点；
S1043：将所述边缘图像映射到所述霍夫空间中的所有像素点中落在同一有效峰值点上的像素点，作为一组线段像素集合；
S1044：根据所有的线段像素集合中的像素点的坐标，获取所述边缘图像中所有线段的角度和位置信息。
S105：根据所述边缘图像中所有线段的角度和位置信息，确定所述十字靶标的中心位置。
可选的，在本申请的一个实施例中，步骤S105具体包括：
S1051：根据所述边缘图像中所有线段的角度和位置信息，获取所述边缘图像中相互垂直的线段对；
S1052：根据所述线段的位置信息，排除掉相互垂直的线段对中不相交的线段对；
S1053：在余下的线段对中，确定表示所述十字靶标的线段对，并根据表示所述十字靶标的线段对，确定所述十字靶标的中心位置。
由于十字靶标成像时通常有一定宽度，因此在一些情况下，可能会出现在执行步骤S1052之后，余下的线段对中有两对或两对以上相互垂直的线段对，为了从余下的线段对中进一步的筛选满足要求的线段对，步骤S1053具体包括：
S10531：判断余下的线段对是否大于或等于两对，如果是，则将余下的线段对中角度相同的两条或两条以上线段合并，将合并后的线段对作为表示所述十字靶标的线段对，并根据表示所述十字靶标的线段对，确定所述十字靶标的中心位置；如果否，则将余下的线段对作为表示所述十字靶标的线段对，并根据表示所述十字靶标的线段对，确定所述十字靶标的中心位置。
参考图3，所述将余下的线段对中角度相同的两条或两条以上线段合并包括：
将余下的线段对中角度相同的两条或两条以上线段的截距的均值作为合并后的线段的截距，以确定合并后的线段的角度和位置信息。
对于表达式为y＝kx+b的直线来说，这两条或两条以上线段的k即斜率相同，但b即截距不同，合并线段的截距是这些线段截距的均值，在两条或多条选段的合并过程中，线段的斜率不变，将这些线段的截距的平均值作为合并后的线段的截距。在图3中，两条标号L1的线段合并为L10的线段，标号L2的线段合并为L20的线段。
在上述实施例的基础上，在本申请的一个可选实施例中，所述根据所述线段的位置信息，排除掉相互垂直的线段对中不相交的线段对包括：
S10521：判断相互垂直的线段对是否满足预设判断条件，如果否，则判定所述线段对不相交；
所述预设判断条件为：(CA×CD)·(CB×CD)≤0；其中，A和B表示相互垂直的线段对中的一条线段的端点坐标，C和D表示相互垂直的线段对中的另一条线段的端点坐标，CA表示由端点C到端点A的向量，CD表示端点C到端点D的向量，CB表示端点C到端点B的向量。
下面对本申请实施例提供的十字靶标的检测系统进行描述，下文描述的十字靶标的检测系统可与上文描述的十字靶标的检测方法相互对应参照。
相应的，本申请实施例提供了一种十字靶标的检测系统，包括：
图像获取模块，用于获取包含十字靶标的灰度图像；
图像处理模块，用于对所述灰度图像进行卷积处理，以获得模糊图像，并对所述模糊图像的梯度和方向进行非极大值抑制和双阈值检测处理，以获得边缘图像；
空间变换模块，用于根据所述边缘图像，计算霍夫变换矩阵，以将所述边缘图像中的所有像素点映射到霍夫空间中；
信息获取模块，用于根据所述霍夫变换矩阵和所述边缘图像，获取所述边缘图像中所有线段的角度和位置信息；
位置确定模块，用于根据所述边缘图像中所有线段的角度和位置信息，确定所述十字靶标的中心位置。
相应的，本申请实施例还提供了一种存储介质，所述存储介质上存储有程序代码，所述程序代码被执行时实现上述任一实施例所述的十字靶标的检测方法。
综上所述，本申请实施例提供了一种十字靶标的检测方法、系统及存储介质，其中，所述十字靶标的检测方法对包含十字靶标的灰度图像首先进行卷积等处理获得边缘图像，然后将所述边缘图像中的所有像素点映射到霍夫空间中，以能够根据所述霍夫变换矩阵和所述边缘图像，获取所述边缘图像中所有线段的角度和位置信息，最后根据所述边缘图像所有线段的角度和位置信息，确定所述十字靶标的中心位置，该方法无需对模板进行预先标定，适用性较好；且由于线段的角度和位置信息均在霍夫空间中获取，使得该方法不会受到图像旋转和缩放的影响，即使灰度图像中的十字靶标被部分遮挡，也能够实现正确识别的目的，提升了所述十字靶标的检测方法的鲁棒性。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种十字靶标的检测方法，其特征在于，包括：
获取包含十字靶标的灰度图像；
对所述灰度图像进行卷积处理，以获得模糊图像，并对所述模糊图像的梯度和方向进行非极大值抑制和双阈值检测处理，以获得边缘图像；
根据所述边缘图像，计算霍夫变换矩阵，以将所述边缘图像中的所有像素点映射到霍夫空间中；
根据所述霍夫变换矩阵和所述边缘图像，获取所述边缘图像中所有线段的角度和位置信息；
根据所述边缘图像中所有线段的角度和位置信息，确定所述十字靶标的中心位置。
2.根据权利要求1所述的方法，其特征在于，所述根据所述边缘图像，计算霍夫变换矩阵，以将所述边缘图像中的所有像素点映射到霍夫空间中包括：
根据第一预设公式，计算获得所述霍夫变换矩阵的维度，所述霍夫变换矩阵的维度包括M和N；
所述第一预设公式为：其中，H和V分别表示所述边缘图像的水平分辨率和竖直分辨率，l表示角度分辨率；
根据第二预设公式，计算霍夫变换矩阵，以将所述边缘图像的所有像素点映射到霍夫空间中；
所述第二预设公式为：其中，Hρ，θ的初始值为0，(x,y)为边缘像素点的坐标，θ表示在霍夫空间中线段的角度值。
3.根据权利要求1所述的方法，其特征在于，所述根据所述霍夫变换矩阵和所述边缘图像，获取所述边缘图像中所有线段的角度和位置信息包括：
根据所述霍夫变换矩阵，采用自动阈值分割法计算判定阈值；
将所述霍夫变换矩阵中所有大于所述判定阈值的元素定义为霍夫空间中的有效峰值点；
将所述边缘图像映射到所述霍夫空间中的所有像素点中落在同一有效峰值点上的像素点，作为一组线段像素集合；
根据所有的线段像素集合中的像素点的坐标，获取所述边缘图像中所有线段的角度和位置信息。
4.根据权利要求1所述的方法，其特征在于，所述根据所述边缘图像中所有线段的角度和位置信息，确定所述十字靶标的中心位置包括：
根据所述边缘图像中所有线段的角度和位置信息，获取所述边缘图像中相互垂直的线段对；
根据所述线段的位置信息，排除掉相互垂直的线段对中不相交的线段对；
在余下的线段对中，确定表示所述十字靶标的线段对，并根据表示所述十字靶标的线段对，确定所述十字靶标的中心位置。
5.根据权利要求4所述的方法，其特征在于，所述在余下的线段对中，确定表示所述十字靶标的线段对，并根据表示所述十字靶标的线段对，确定所述十字靶标的中心位置包括：
判断余下的线段对是否大于或等于两对，如果是，则将余下的线段对中角度相同的两条或两条以上线段合并，将合并后的线段对作为表示所述十字靶标的线段对，并根据表示所述十字靶标的线段对，确定所述十字靶标的中心位置；如果否，则将余下的线段对作为表示所述十字靶标的线段对，并根据表示所述十字靶标的线段对，确定所述十字靶标的中心位置。
6.根据权利要求5所述的方法，其特征在于，所述将余下的线段对中角度相同的两条或两条以上线段合并包括：
将余下的线段对中角度相同的两条或两条以上线段的截距的均值作为合并后的线段的截距，以确定合并后的线段的角度和位置信息。
7.根据权利要求4所述的方法，其特征在于，所述根据所述线段的位置信息，排除掉相互垂直的线段对中不相交的线段对包括：
判断相互垂直的线段对是否满足预设判断条件，如果否，则判定所述线段对不相交；
所述预设判断条件为：(CA×CD)·(CB×CD)≤0；其中，A和B表示相互垂直的线段对中的一条线段的端点坐标，C和D表示相互垂直的线段对中的另一条线段的端点坐标，CA表示由端点C到端点A的向量，CD表示端点C到端点D的向量，CB表示端点C到端点B的向量。
8.根据权利要求1所述的方法，其特征在于，所述对所述灰度图像进行卷积处理，以获得模糊图像，并对所述模糊图像的梯度和方向进行非极大值抑制和双阈值检测处理，以获得边缘图像包括：
使用高斯卷积核与所述灰度图像进行卷积，获得高斯模糊图像；
使用Sobel算子计算所述高斯模糊图像的梯度和方向；
对所述高斯模糊图像的梯度和方向进行非极大值抑制和双阈值检测处理，以获得所述边缘图像。
9.一种十字靶标的检测系统，其特征在于，包括：
图像获取模块，用于获取包含十字靶标的灰度图像；
图像处理模块，用于对所述灰度图像进行卷积处理，以获得模糊图像，并对所述模糊图像的梯度和方向进行非极大值抑制和双阈值检测处理，以获得边缘图像；
空间变换模块，用于根据所述边缘图像，计算霍夫变换矩阵，以将所述边缘图像中的所有像素点映射到霍夫空间中；
信息获取模块，用于根据所述霍夫变换矩阵和所述边缘图像，获取所述边缘图像中所有线段的角度和位置信息；
位置确定模块，用于根据所述边缘图像中所有线段的角度和位置信息，确定所述十字靶标的中心位置。
10.一种存储介质，其特征在于，所述存储介质上存储有程序代码，所述程序代码被执行时实现权利要求1-8任一项所述的十字靶标的检测方法。
CN201910748710.5A 2019-08-14 2019-08-14 一种十字靶标的检测方法、系统及存储介质 Pending CN110458858A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910748710.5A CN110458858A (zh) 2019-08-14 2019-08-14 一种十字靶标的检测方法、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910748710.5A CN110458858A (zh) 2019-08-14 2019-08-14 一种十字靶标的检测方法、系统及存储介质

Publications (1)

Publication Number Publication Date
CN110458858A true CN110458858A (zh) 2019-11-15

Family

ID=68486487

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910748710.5A Pending CN110458858A (zh) 2019-08-14 2019-08-14 一种十字靶标的检测方法、系统及存储介质

Country Status (1)

Country Link
CN (1) CN110458858A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111311620A (zh) * 2020-01-19 2020-06-19 贵州黔驰信息股份有限公司 一种实现边缘检测的方法、装置、计算机存储介质及终端
CN112070814A (zh) * 2020-08-31 2020-12-11 杭州迅蚁网络科技有限公司 一种靶标角度识别方法、装置
CN112712551A (zh) * 2020-12-29 2021-04-27 合肥联宝信息技术有限公司 一种螺丝检测方法、装置及存储介质
CN112733854A (zh) * 2021-03-30 2021-04-30 恒银金融科技股份有限公司 一种计算钞票偏转角度的方法
CN112748135A (zh) * 2020-12-28 2021-05-04 北京航空航天大学 一种外部ct扫描模式下转台旋转中心标定方法及装置
CN113469885A (zh) * 2021-07-15 2021-10-01 上海明略人工智能(集团)有限公司 目标图像的确定方法、装置、存储介质和电子装置
CN114397090A (zh) * 2021-11-15 2022-04-26 中国科学院西安光学精密机械研究所 一种连续变焦相机光轴平行性快速测量方法
WO2024130762A1 (zh) * 2022-12-21 2024-06-27 中国科学院光电技术研究所 基于单相机的模板标记检测方法及模板位置矫正方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4707647A (en) * 1986-05-19 1987-11-17 Gmf Robotics Corporation Gray scale vision method and system utilizing same
CN101608924A (zh) * 2009-05-20 2009-12-23 电子科技大学 一种基于灰度估计和级联霍夫变换的车道线检测方法
CN105096299A (zh) * 2014-05-08 2015-11-25 北京大学 多边形检测方法和多边形检测装置
CN106875430A (zh) * 2016-12-31 2017-06-20 歌尔科技有限公司 动态背景下基于固定形态的单一运动目标追踪方法和装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4707647A (en) * 1986-05-19 1987-11-17 Gmf Robotics Corporation Gray scale vision method and system utilizing same
CN101608924A (zh) * 2009-05-20 2009-12-23 电子科技大学 一种基于灰度估计和级联霍夫变换的车道线检测方法
CN105096299A (zh) * 2014-05-08 2015-11-25 北京大学 多边形检测方法和多边形检测装置
CN106875430A (zh) * 2016-12-31 2017-06-20 歌尔科技有限公司 动态背景下基于固定形态的单一运动目标追踪方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
韩露: "基于航拍图像的目标检测系统设计与实现", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111311620A (zh) * 2020-01-19 2020-06-19 贵州黔驰信息股份有限公司 一种实现边缘检测的方法、装置、计算机存储介质及终端
CN112070814A (zh) * 2020-08-31 2020-12-11 杭州迅蚁网络科技有限公司 一种靶标角度识别方法、装置
CN112070814B (zh) * 2020-08-31 2024-04-02 杭州迅蚁网络科技有限公司 一种靶标角度识别方法、装置
CN112748135A (zh) * 2020-12-28 2021-05-04 北京航空航天大学 一种外部ct扫描模式下转台旋转中心标定方法及装置
CN112712551A (zh) * 2020-12-29 2021-04-27 合肥联宝信息技术有限公司 一种螺丝检测方法、装置及存储介质
CN112712551B (zh) * 2020-12-29 2022-02-08 合肥联宝信息技术有限公司 一种螺丝检测方法、装置及存储介质
CN112733854A (zh) * 2021-03-30 2021-04-30 恒银金融科技股份有限公司 一种计算钞票偏转角度的方法
CN112733854B (zh) * 2021-03-30 2021-08-03 恒银金融科技股份有限公司 一种计算钞票偏转角度的方法
CN113469885A (zh) * 2021-07-15 2021-10-01 上海明略人工智能(集团)有限公司 目标图像的确定方法、装置、存储介质和电子装置
CN114397090A (zh) * 2021-11-15 2022-04-26 中国科学院西安光学精密机械研究所 一种连续变焦相机光轴平行性快速测量方法
WO2024130762A1 (zh) * 2022-12-21 2024-06-27 中国科学院光电技术研究所 基于单相机的模板标记检测方法及模板位置矫正方法
US12100188B2 (en) 2022-12-21 2024-09-24 The Institute Of Optics And Electronics, The Chinese Academy Of Sciences Template mark detection method and template position correction method based on single camera

Similar Documents

Publication Publication Date Title
CN110458858A (zh) 一种十字靶标的检测方法、系统及存储介质
US20210366124A1 (en) Graphical fiducial marker identification
CN111243032B (zh) 一种棋盘格角点全自动检测方法
CN105957015B (zh) 一种螺纹桶内壁图像360度全景拼接方法及系统
US20190362178A1 (en) Object Symmetry Axis Detection Method Based on RGB-D Camera
CN104134200B (zh) 一种基于改进加权融合的运动场景图像拼接方法
CN110992263B (zh) 一种图像拼接方法及系统
CN102236784A (zh) 屏幕区域检测方法及系统
CN111080661A (zh) 基于图像的直线检测方法、装置以及电子设备
CN109190617B (zh) 一种图像的矩形检测方法、装置及存储介质
CN110414308A (zh) 一种针对输电线路上动态异物的目标识别方法
WO2024016632A1 (zh) 亮点定位方法、亮点定位装置、电子设备及存储介质
CN110807763A (zh) 一种陶瓦表面鼓包检测方法及系统
CN110009615A (zh) 图像角点的检测方法及检测装置
CN107680035B (zh) 一种参数标定方法和装置、服务器及可读存储介质
JP3659426B2 (ja) エツジ検出方法及びエツジ検出装置
CN109993046B (zh) 基于视觉摄像机的自阴影物体边缘识别方法、装置及车辆
CN114359322A (zh) 图像校正、拼接方法及相关装置、设备、系统和存储介质
CN111754550A (zh) 一种农机运动状态下动态障碍物检测方法及装置
CN109741370B (zh) 一种目标跟踪方法和装置
CN111290582A (zh) 一种基于改进型直线检测的投影交互区域定位方法
CN110956664A (zh) 一种手持式三维扫描系统的相机位置实时重定位方法
JP2014191685A (ja) 画像処理装置および画像処理方法
CN111882591B (zh) 一种基于计算机视觉的自动矫正纽扣方向的方法
CN110717890B (zh) 一种对接环识别方法及介质

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20191115