CN110706277A - 一种基于链码直方图检测物体旋角的方法 - Google Patents
一种基于链码直方图检测物体旋角的方法 Download PDFInfo
- Publication number
- CN110706277A CN110706277A CN201910861465.9A CN201910861465A CN110706277A CN 110706277 A CN110706277 A CN 110706277A CN 201910861465 A CN201910861465 A CN 201910861465A CN 110706277 A CN110706277 A CN 110706277A
- Authority
- CN
- China
- Prior art keywords
- chain code
- code histogram
- contour
- template
- image
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/26—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了检测物体旋转角度领域的一种基于链码直方图检测物体旋角的方法,包括链码直方图模板库建立阶段、待检测物体链码直方图计算阶段和链码直方图匹配阶段,通过链码直方图模板库建立阶段、待检测物体链码直方图计算阶段和链码直方图匹配阶段三个阶段,实现对链码直方图模板库的建立,建立好链码直方图模板库后,就可根据待检测图像的链码直方图信息,从模板库中找到匹配度最高的模板,该模板对应的角度标签即为图像中物体的旋角,精确、快速地检测出图像中的物体的旋转角度,准确度高、实时性好,以达到工业应用的要求。
Description
技术领域
本发明涉及检测物体旋转角度技术领域,具体为一种基于链码直方图检测物体旋角的方法。
背景技术
在工业视觉领域,物体旋角检测是很重要的部分。例如在流水线上对工件进行缺陷检测时,传送带上的工件就可能出现各种放置角度。目前常用的一些物体旋角检测方法主要有关键点匹配方法,最小外接矩形方法,直线检测方法等,然而这些方法仍然存在一些难以解决的情况。
例如,关键点匹配方法首先使用关键点检测算法在物体上寻找关键点,然后通过关键点匹配计算旋角。这种方法对关键点检测算法有比较高的要求,如果关键点检测不稳定就会造成很大的误差,对于表面光滑、无明显纹理的工件,关键点检测算法很难保证稳定地检测到关键点。最小外接矩形方法通过检测物体的轮廓信息计算其最小外接矩形,然后计算矩形框与水平或垂直坐标轴的夹角,从而计算物体的旋角。这种方法无法区别最小外接矩形相同的物体,而且当物体被旋转到特定角度时也可能无法很好地检测角度,例如90度,180度。另外,在工业视觉领域,除了算法精度以外,时间效率也是同样重要的,如果检测速度达不到要求也是无法实际应用的。
针对上述问题,本发明专利提出一种基于链码直方图的物体旋角检测方法,提升物体旋角检测的精度和速度,以达到工业应用的要求。
发明内容
本发明的目的在于提供一种基于链码直方图检测物体旋角的方法,实现对物体旋角的精确检测,提升物体旋角的检测精度和检测速度,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种基于链码直方图检测物体旋角的方法,包括链码直方图模板库建立阶段、待检测物体链码直方图计算阶段和链码直方图匹配阶段;
链码直方图模板库建立阶段,采集模板图像,对图片进行预处理,消除部分噪音,并转成二值图像,按照检测精确度要求对二值化的模板图像依次旋转一定角度θ,然后将旋转后的二值图像输入到物体轮廓检测器,检测出图像中物体的轮廓信息,最后将轮廓信息输入到轮廓链码检测器,计算出物体的链码直方图,并将链码直方图以当前旋转角度为标签进行存储;
待检测物体链码直方图计算阶段,采用摄像头拍摄的图片作为输入,对图片进行预处理,消除部分噪声,并转成二值图像,然后将二值图像输入到图像轮廓检测器,并对轮廓检测算法检测到的轮廓按照尺寸从大到小进行排序,最后,取出前K个轮廓信息输入到轮廓链码检测器,计算出物体的链码直方图;
链码直方图匹配阶段,通过计算直方图相似性从链码直方图模板库中找到匹配度最高的旋转角度,定位物体旋角。
优选的,在所述链码直方图模板库建立阶段中,首先对模板图像进行二值化处理,以方便轮廓检测算法提取更精确的物体轮廓信息。
优选的,在所述链码直方图模板库建立阶段中,对二值化的模板图像依次旋转一定角度θ,具体地以θ度角为单位,从0度旋转到360度。
优选的,对于所述从0度旋转到360度的多个二值化的模板图像,在每次旋转完成后,通过轮廓检测算法,检测该旋转模板图像中物体的轮廓信息。
优选的,对于所述从0度旋转到360度的多个二值化的模板图像,在每次旋转完成并检测出其轮廓信息后,通过链码直方图统计其轮廓上每两相邻像素坐标组成的向量的方向,最终统计得到该轮廓在8个方向,即左上,左,左下,下,右下,右,右上和上的向量个数,为其链码直方图。
优选的,对于所述从0度旋转到360度的多个二值化的模板图像,在每次统计完其模板图像内轮廓的链码直方图后,以当前旋转角度为标签存入链码直方图模板库,即得到该模板图像的链码直方图模板库。
与现有技术相比,本发明的有益效果是:通过链码直方图模板库建立阶段、待检测物体链码直方图计算阶段和链码直方图匹配阶段三个阶段,实现对链码直方图模板库的建立,建立好链码直方图模板库后,就可根据待检测图像的链码直方图信息,从模板库中找到匹配度最高的模板,该模板对应的角度标签即为图像中物体的旋角,精确、快速地检测出图像中的物体的旋转角度,准确度高、实时性好,以达到工业应用的要求。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述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发明的一些实施例,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,还可以根据这些附图获得其他的附图。
图1为本发明工作流程框架图;
图2为本发明链码直方图模板库阶段建立流程图;
图3为本发明利用原始拍摄图像作为输入检测的流程图。
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作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。
请参阅图1-2,本发明提供一种技术方案:一种基于链码直方图检测物体旋角的方法,包括链码直方图模板库建立阶段、待检测物体链码直方图计算阶段和链码直方图匹配阶段;
链码直方图模板库建立阶段,采集模板图像,对图片进行预处理,消除部分噪音,并转成二值图像,按照检测精确度要求对二值化的模板图像依次旋转一定角度θ,然后将旋转后的二值图像输入到物体轮廓检测器,检测出图像中物体的轮廓信息,最后将轮廓信息输入到轮廓链码检测器,计算出物体的链码直方图,并将链码直方图以当前旋转角度为标签进行存储;
其中,二值化和轮廓检测都是用的已经公开开源的算法库,为所属技术领域人员所公知,因此在此不做赘述。
待检测物体链码直方图计算阶段,采用摄像头拍摄的图片作为输入,对图片进行预处理,消除部分噪声,并转成二值图像,转成二值图像采用ostu自适应阈值方法,或者自己设定阈值都行,这里用已开源算法库实现的。然后将二值图像输入到图像轮廓检测器,并对轮廓检测算法检测到的轮廓按照尺寸从大到小进行排序,最后,取出前K个轮廓信息输入到轮廓链码检测器,计算出物体的链码直方图,其中,K是根据用户的需求可以自己设定,比如总共有5个轮廓,则可以选择1-5之间的任意整数;
链码直方图匹配阶段,通过计算当前图像的链码直方图与模板库中所有旋角模板图像的链码直方图的相似性,通过计算直方图相似性从链码直方图模板库中找到匹配度最高的旋转角度,定位物体旋角。
其中,在所述链码直方图模板库建立阶段中,首先对模板图像进行二值化处理,以方便轮廓检测算法提取更精确的物体轮廓信息。二值图像是通过图像二值化算法得到的,得到二值图像后可以使得轮廓提取算法更准确,减少图像噪声的干扰,而轮廓检测算法得到的是,轮廓的像素位置信息。进一步地,对于图像中物体的一个轮廓来说,它的轮廓信息就是一个有序的坐标列表,列表内的坐标即是物体轮廓上的像素的坐标。
对二值化的模板图像依次旋转一定角度θ,具体地以θ度角为单位,从0度旋转到360度。
对于所述从0度旋转到360度的多个二值化的模板图像,在每次旋转完成后,通过轮廓检测算法,检测该旋转模板图像中物体的轮廓信息。
其中,对于所述从0度旋转到360度的多个二值化的模板图像,在每次旋转完成并检测出其轮廓信息后,通过链码直方图统计其轮廓上每两相邻像素坐标组成的向量的方向,最终统计得到该轮廓在8个方向,即左上,左,左下,下,右下,右,右上和上的向量个数,为其链码直方图;
对于所述从0度旋转到360度的多个二值化的模板图像,在每次统计完其模板图像内轮廓的链码直方图后,以当前旋转角度为标签存入链码直方图模板库,即得到该模板图像的链码直方图模板库。
如图3所示,利用所提的检测框架,在建立好链码直方图模板库后,可以直接利用原始拍摄图像作为输入,快速检测出图像中的物体的旋转角度,准确度高、实时性好。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (6)
1.一种基于链码直方图检测物体旋角的方法,其特征在于:包括链码直方图模板库建立阶段、待检测物体链码直方图计算阶段和链码直方图匹配阶段;
链码直方图模板库建立阶段,采集模板图像,对图片进行预处理,消除部分噪音,并转成二值图像,按照检测精确度要求对二值化的模板图像依次旋转一定角度θ,然后将旋转后的二值图像输入到物体轮廓检测器,检测出图像中物体的轮廓信息,最后将轮廓信息输入到轮廓链码检测器,计算出物体的链码直方图,并将链码直方图以当前旋转角度为标签进行存储;
待检测物体链码直方图计算阶段,采用摄像头拍摄的图片作为输入,对图片进行预处理,消除部分噪声,并转成二值图像,然后将二值图像输入到图像轮廓检测器,并对轮廓检测算法检测到的轮廓按照尺寸从大到小进行排序,最后,取出前K个轮廓信息输入到轮廓链码检测器,计算出物体的链码直方图;
链码直方图匹配阶段,通过计算直方图相似性从链码直方图模板库中找到匹配度最高的旋转角度,定位物体旋角。
2.根据权利要求1所述的一种基于链码直方图检测物体旋角的方法,其特征在于:在所述链码直方图模板库建立阶段中,首先对模板图像进行二值化处理,以方便轮廓检测算法提取更精确的物体轮廓信息。
3.根据权利要求1所述的一种基于链码直方图检测物体旋角的方法,其特征在于:在所述链码直方图模板库建立阶段中,对二值化的模板图像依次旋转一定角度θ,具体地以θ度角为单位,从0度旋转到360度。
4.根据权利要求3所述的一种基于链码直方图检测物体旋角的方法,其特征在于:对于所述从0度旋转到360度的多个二值化的模板图像,在每次旋转完成后,通过轮廓检测算法,检测该旋转模板图像中物体的轮廓信息。
5.根据权利要求4所述的一种基于链码直方图检测物体旋角的方法,其特征在于:对于所述从0度旋转到360度的多个二值化的模板图像,在每次旋转完成并检测出其轮廓信息后,通过链码直方图统计其轮廓上每两相邻像素坐标组成的向量的方向,最终统计得到该轮廓在8个方向,即左上,左,左下,下,右下,右,右上和上的向量个数,为其链码直方图。
6.根据权利要求4所述的一种基于链码直方图检测物体旋角的方法,其特征在于:对于所述从0度旋转到360度的多个二值化的模板图像,在每次统计完其模板图像内轮廓的链码直方图后,以当前旋转角度为标签存入链码直方图模板库,即得到该模板图像的链码直方图模板库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910861465.9A CN110706277A (zh) | 2019-09-12 | 2019-09-12 | 一种基于链码直方图检测物体旋角的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910861465.9A CN110706277A (zh) | 2019-09-12 | 2019-09-12 | 一种基于链码直方图检测物体旋角的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110706277A true CN110706277A (zh) | 2020-01-17 |
Family
ID=69194441
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910861465.9A Pending CN110706277A (zh) | 2019-09-12 | 2019-09-12 | 一种基于链码直方图检测物体旋角的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110706277A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046280A (zh) * | 2015-08-10 | 2015-11-11 | 北京小豹科技有限公司 | 一种衣柜智能管理装置及方法 |
CN106127261A (zh) * | 2016-07-01 | 2016-11-16 | 深圳元启智能技术有限公司 | 一种快速多分辨率灰度图像模板匹配方法 |
CN106485185A (zh) * | 2015-08-27 | 2017-03-08 | 无锡林之盛科技有限公司 | 一种基于边界链码的老人摔倒检测算法 |
CN108052942A (zh) * | 2017-12-28 | 2018-05-18 | 南京理工大学 | 一种飞机飞行姿态的视觉图像识别方法 |
CN109859227A (zh) * | 2019-01-17 | 2019-06-07 | 平安科技(深圳)有限公司 | 翻拍图像检测方法、装置、计算机设备及存储介质 |
CN110084169A (zh) * | 2019-04-22 | 2019-08-02 | 东南大学 | 一种基于K-Means聚类和轮廓拓扑约束的违章建筑物识别方法 |
CN110108712A (zh) * | 2019-04-20 | 2019-08-09 | 东莞中科蓝海智能视觉科技有限公司 | 多功能视觉缺陷检测系统 |
-
2019
- 2019-09-12 CN CN201910861465.9A patent/CN110706277A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046280A (zh) * | 2015-08-10 | 2015-11-11 | 北京小豹科技有限公司 | 一种衣柜智能管理装置及方法 |
CN106485185A (zh) * | 2015-08-27 | 2017-03-08 | 无锡林之盛科技有限公司 | 一种基于边界链码的老人摔倒检测算法 |
CN106127261A (zh) * | 2016-07-01 | 2016-11-16 | 深圳元启智能技术有限公司 | 一种快速多分辨率灰度图像模板匹配方法 |
CN108052942A (zh) * | 2017-12-28 | 2018-05-18 | 南京理工大学 | 一种飞机飞行姿态的视觉图像识别方法 |
CN109859227A (zh) * | 2019-01-17 | 2019-06-07 | 平安科技(深圳)有限公司 | 翻拍图像检测方法、装置、计算机设备及存储介质 |
CN110108712A (zh) * | 2019-04-20 | 2019-08-09 | 东莞中科蓝海智能视觉科技有限公司 | 多功能视觉缺陷检测系统 |
CN110084169A (zh) * | 2019-04-22 | 2019-08-02 | 东南大学 | 一种基于K-Means聚类和轮廓拓扑约束的违章建筑物识别方法 |
Non-Patent Citations (1)
Title |
---|
周春兰: ""基于视觉技术的零件尺寸测量系统的研究"", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115082419B (zh) | 一种吹塑箱包生产缺陷检测方法 | |
CN105046252B (zh) | 一种人民币冠字码识别方法 | |
CN109658402B (zh) | 基于计算机视觉成像的工业型材几何尺寸自动检测方法 | |
Lee et al. | Depth-assisted real-time 3D object detection for augmented reality | |
CN106446894B (zh) | 一种基于轮廓识别球型目标物位置的方法 | |
CN108647706B (zh) | 基于机器视觉的物品识别分类与瑕疵检测方法 | |
CN111611643A (zh) | 户型矢量化数据获得方法、装置、电子设备及存储介质 | |
CN112767369A (zh) | 小五金的缺陷识别检测方法、装置及计算机可读存储介质 | |
CN114972356B (zh) | 塑料制品表面缺陷检测识别方法及系统 | |
Ückermann et al. | Realtime 3D segmentation for human-robot interaction | |
CN107016394B (zh) | 一种交叉纤维特征点匹配方法 | |
CN104574401A (zh) | 一种基于平行线匹配的图像配准方法 | |
CN110009615B (zh) | 图像角点的检测方法及检测装置 | |
CN113989604B (zh) | 基于端到端深度学习的轮胎dot信息识别方法 | |
CN114863464B (zh) | 一种pid图纸图件信息的二阶识别方法 | |
CN108961262B (zh) | 一种复杂场景下的条码定位方法 | |
CN115830359A (zh) | 复杂场景下基于目标检测和模板匹配的工件识别计数方法 | |
CN115471476A (zh) | 一种部件缺陷检测方法、装置、设备及介质 | |
Fang et al. | Towards real-time crack detection using a deep neural network with a Bayesian fusion algorithm | |
CN113689365B (zh) | 一种基于Azure Kinect的目标跟踪定位方法 | |
CN113989308B (zh) | 一种基于霍夫变换与模板匹配的多边形目标分割方法 | |
CN110807354A (zh) | 一种工业流水线产品计数方法 | |
CN110378337B (zh) | 金属切削刀具图纸标识信息视觉输入方法及系统 | |
CN111062287A (zh) | 一种基于机器视觉的旋帽定心及其一字槽角度识别的方法 | |
CN110706277A (zh) | 一种基于链码直方图检测物体旋角的方法 |
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 |
Application publication date: 20200117 |
|
RJ01 | Rejection of invention patent application after publication |