CN111368573A - 一种基于几何特征约束的定位方法 - Google Patents
一种基于几何特征约束的定位方法 Download PDFInfo
- Publication number
- CN111368573A CN111368573A CN202010134693.9A CN202010134693A CN111368573A CN 111368573 A CN111368573 A CN 111368573A CN 202010134693 A CN202010134693 A CN 202010134693A CN 111368573 A CN111368573 A CN 111368573A
- Authority
- CN
- China
- Prior art keywords
- image
- candidate
- determining
- line segment
- region
- 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
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
- G06K7/1439—Methods for optical code recognition including a method step for retrieval of the optical code
- G06K7/1443—Methods for optical code recognition including a method step for retrieval of the optical code locating of the code in an image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
- G06K7/1408—Methods for optical code recognition the method being specifically adapted for the type of code
- G06K7/1417—2D bar codes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
- G06K7/1439—Methods for optical code recognition including a method step for retrieval of the optical code
- G06K7/1452—Methods for optical code recognition including a method step for retrieval of the optical code detecting bar code edges
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Electromagnetism (AREA)
- General Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种基于几何特征约束关系的定位方法及装置,所述方法的流程包括获取待处理图像‑确定备选线段‑确定目标区域,该基于目标影像的几何特征,结合图像信息特征,能够快速地在图像中确定目标影像的位置和范围,该方法无需模板也无需进行训练,对于不同场景以及不同目标影像只需要调整特定参数设定即可实现快速定位,通用性强,与传统方法相比,搜索定位耗时大幅度缩短。
Description
技术领域
本申请属于工业视觉领域,特别涉及一种基于几何特征约束的定位方法。
背景技术
在工业视觉领域,常会有在图像中对特定目标影像进行准确定位的需求,这些目标影像通常具有特定的几何特征,例如,图1a示出一幅具有部分五角星的图像,图1b示出一个工件的实物照片图像,图1c示出一种DM方阵码的实物图像,图1d示出一种DM点阵码的实物图像,在工业视觉领域,可能根据需求首先需要在图像中定位出如图1a所示五角星的边缘,定位出如图1b所示工件中方形孔,图1c所示工件上的DM方阵码或者图1d示出的DM点阵码。
目前,在图像中定位目标影像的常用方法是,通过对目标影像的几何特征进行训练,并将得到的几何特征保存下来作为模板,然后在实时图像中搜索与模板近似匹配的目标影像。但是,这种方法适用对象有限,模板通用性差,需要保证同一批待处理图像的背景基本相似、目标影像也基本相同,图像大小和角度也需要相同,对于场景不同、目标影像不同的情形均需要重新进行训练,而且,由于这种方法需要以一定步长遍历旋转和缩放的范围以搜索最优匹配位置,因此,如果图像发生旋转或者缩放,采用这种方法进行目标影像定位的过程耗时较多,实时搜索效率低,难以满足现场实际项目需求。例如,工业视觉领域中对于二维码DM 码的定位,如果训练模板为点阵DM码,则无法检测方阵DM码。
发明内容
为解决在图像中对目标影像进行定位无通用性方法,并且定位效率低的问题,本申请提供一种基于几何特征约束的定位方法,所述定位方法基于目标影像的几何特征,结合图像信息特征,能够快速地在图像中确定目标影像的位置和范围,该方法无需模板也无需进行训练,对于不同场景以及不同目标影像只需要调整特定参数设定即可实现快速定位,通用性强,与传统方法相比,搜索定位耗时大幅度缩短。
本申请的目的在于提供一种基于几何特征约束的定位方法,所述方法包括:
获取待处理图像;
确定备选线段,所述备选线段为所述待处理图像中影像的直线型边界线;
根据所述备选线段确定候选区域;
确定目标区域,所述目标区域为满足预设筛选条件的候选区域。
在一种可实现的方式中,在获取待处理图像之后,在确定备选线段之前还可以包括:
在所述待处理图像上确定ROI区域;
获取待处理子图像,所述待处理子图像为所述ROI区域对应的图像。
在一种可实现的方式中,根据所述备选线段确定候选区域包括:
将所述备选线段分成若干备选线段组,每组备选线段组中包括预设数量的备选线段;
根据所述备选线段组确定候选线段组,所述候选线段组为组内各备选线段满足预设几何约束关系的备选线段组,其中,所述几何约束关系包括长宽比、夹角角度、线段长度;
根据所述候选线段组按照预设生成规则生成候选区域,所述预设生成规则包括建立最小外接仿射矩形、线段组合所围成的区域等。
在一种可实现的方式中,确定目标区域包括:
根据候选区域获取准目标区域;
根据所述准目标区域获取准目标图像;
计算准目标图像排序分数;
根据所述排序分数确定目标区域,所述目标区域为排序分数满足预设值的准目标图像对应的准目标区域。
进一步地,根据候选区域获取准目标区域包括:
根据所述候选区域在所述待处理图像上确定候选区域图像;
获取所述候选区域图像的灰度特征;
确定准目标区域,所述准目标区域为灰度特征满足预设灰度条件,并且位置满足位置预设条件的候选区域图像所对应的候选区域。
可选地,获取所候选在区域图像的灰度特征包括:
将所述候选区域图像均分为多个候选区域子图像;
获取每个候选区域子图像的灰度特征。
与现有技术相比,本申请提供的基于几何特征的定位方法根据目标影像边界线的几何关系,结合影像的灰度特征能够快速在待处理图像中确定目标区域,无需训练模板,通用性强,而且耗时少,效率高。
第二方面,本申请还提供一种基于几何特征约束的定位装置,所述装置包括:
图像获取模组,用于获取待处理图像;
线段确定模组,用于确定备选线段,所述备选线段为所述待处理图像中影像的直线型边界线;
候选区域确定模组,用于根据所述备选线段确定候选区域;
目标区域确定模组,用于确定目标区域,所述目标区域为满足预设筛选条件的候选区域。
在一种可实现的方式中,所述装置还包括:
ROI区域确定模组,用于在所述待处理图像上确定ROI区域;
子图像获取模组,用于获取待处理子图像,所述待处理子图像为所述ROI区域对应的图像。
在一种可实现的方式中,候选区域确定模组包括:
线段组建立模块,用于将所述备选线段分成若干备选线段组,每组备选线段组中包括预设数量的备选线段;
线段组建立模块,用于根据所述备选线段组确定候选线段组,所述候选线段组为组内各备选线段满足预设几何约束关系的备选线段组,其中,所述几何约束关系包括长宽比、夹角角度、线段长度;
候选区域生成模块,用于根据所述候选线段组按照预设生成规则生成候选区域,所述预设生成规则包括建立最小外接仿射矩形、线段组合所围成的区域等。
在一种可实现的方式中,目标区域确定模组包括:
准目标区域生成模块,用于根据候选区域获取准目标区域;
准目图像获取模块,用于根据所述准目标区域获取准目标图像;
排序分数计算模块,用于计算准目标图像排序分数;
准目标区域生成模块,用于根据所述排序分数确定目标区域,所述目标区域为排序分数满足预设值的准目标图像对应的准目标区域。
进一步地,准目标区域生成模块包括:
候选区域图像确定单元,用于根据所述候选区域在所述待处理图像上确定候选区域图像;
灰度特征生成单元,用于获取所述候选区域图像的灰度特征;
准目标区域确定单元,用于确定准目标区域,所述准目标区域为灰度特征满足预设灰度条件,并且位置满足位置预设条件的候选区域图像所对应的候选区域。
可选地,灰度特征生成单元包括:
图像拆分子单元,用于将所述候选区域图像均分为多个候选区域子图像;
灰度特征获取子单元,用于获取每个候选区域子图像的灰度特征。
第三方面,本申请还提供一种基于几何特征约束的定位的程序,所用程序用于执行时实现上述第一方面所述基于几何特征约束的定位方法的步骤。
第四方面,一种计算机可读存储介质,其上存储有计算机指令,该指令被处理器执行时实现上述第一方面所述基于几何特征约束的定位方法的步骤。
第五方面,一种检测设备,所述检测设备包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行上述第一方面所述基于几何特征约束的定位方法。
附图说明
图1a示出一幅具有部分五角星的图像;
图1b示出一个工件的实物照片图像;
图1c示出一种DM方阵码的实物图像;
图1d示出一种DM点阵码的实物图像;
图1e示出一种DM方阵码的实物图像;
图2示出本申请提供一种基于几何特征约束的定位方法的流程图;
图3a示出降采样系数为1/16条件下对图1e进行降采样所得图像上确定备选直线段的结果;
图3b示出降采样系数为1/8条件下对图1e进行降采样所得图像上确定备选直线段的结果;
图3c示出降采样系数为1/4条件下对图1e进行降采样所得图像上确定备选直线段的结果;
图3d示出对图1e进行降采样系数为1/2条件下降采样所得图像上确定备选直线段的结果;
图4a示出对一种DM方阵码在降采样系数为1/16条件下进行降采样所得图像上确定备选直线段的结果;
图4b示出对图4a所示DM方阵码在降采样系数为1/8条件下进行降采样所得图像上确定备选直线段的结果;
图4c示出对对图4a所示DM方阵码在降采样系数为1/4条件下进行降采样所得图像上确定备选直线段的结果;
图4d示出对图4a所示DM方阵码在降采样系数为1/2条件下进行降采样所得图像上确定备选直线段的结果;
图5示出对图3a所示图像确定候选线段组的结果;
图6a示出一种候选区域结果示意图;
图6b示出对图6a滤除干扰区域后的结果;
图7示出对图5示出的图像滤除干扰区域后的结果;
图8a示出一待处理图像;
图8b示出另一待处理图像;
图8c示出另一待处理图像;
图8d示出另一待处理图像;
图9a示出采用本申请提供的方案在图8a上确定目标区域的结果示意图;
图9b示出采用本申请提供的方案在图8b上确定目标区域的结果示意图;
图9c示出采用本申请提供的方案在图8c上确定目标区域的结果示意图;
图9d示出采用本申请提供的方案在图8d上确定目标区域的结果示意图;
图10a示出采用传统方案在图8a上确定目标区域的结果示意图;
图10b示出采用传统方案在图8b上确定目标区域的结果示意图;
图10c示出采用传统方案在图8c上确定目标区域的结果示意图;
图10d示出采用传统方案在图8d上确定目标区域的结果示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致方法的例子。
下面通过具体的实施例对本申请提供的基于几何特征约束的定位方法及装置进行详细阐述。
首先,对本方案的使用场景作简要介绍。
本申请提供的方法适用于在图像中确定具有预设几何特征的影像,例如,图1a所示的五角星、图1b所示的矩形方孔、图1c示出的DM方阵码、图1d所示的DM点阵码以及图1e所示的DM方阵码等。
本申请提供的方法根据图像中影像边界线组合的几何关系在图像中快速定位目标影像,总体思路为,首先确定待检测图像ROI区域中所包含的直线段,再根据目标影像边界线预设的几何约束关系通过所述直线段确定候选区域,再利用目标影像区域的其它特征,例如,灰度特征从候选区域中确定目标影像区域。
以下以图1c和图1d所示图像为例,说明本申请提供的基于几何特征约束的定位方法和装置。
图2示出本申请提供一种基于几何特征约束的定位方法的流程图,如图2所示,所述方法包括以下步骤S101至步骤S104:
S101,获取待处理图像。
在本实例中,所述待处理图像可以由工业相机采集,也可以由其它相机采集。
在本实例中,在获取待处理图像之后,并且,在进行正式处理前,还可以包括步骤S111 和步骤S112:
步骤S111,在所述待处理图像上确定感兴趣区域(Region Of Interest,ROI)。
所述ROI区域可以根据需要而划定,可以包括整幅待处理图像,也可以为划定为待处理图像中的局部图像。
步骤S112,获取待处理子图像,所述待处理子图像为所述ROI区域对应的图像。
本实例对获取待处理子图像的具体方法不做特别限定,可以采用现有技术中任意一种根据所划定的区域在图像中截取子图像的方法。
在本实例以下的描述中,如无特别说明,所述待处理图像是指根据ROI区域截取的待处理子图像。
S102,确定备选线段,所述备选线段为所述待处理图像中影像的直线型边界线。
本实例提供的方法所确定目标影像的边界线包括到少两段直线段,即,所述目标区域可以为完全由直线段围成的封闭图形,并且,直线段的数量不少于两段,因此,本实例首先在待处理图像中确定直线段。
在本实例中,所述备选线段为在所述待处理图像中识别到的所有直线段。
在本实例中,在确定备选线段之前,可以对待处理图像进行降采样处理,从而使本申请提供的方法能够检测出如图1d示出的点阵DM码的影像区域;并且,降采样处理后能够去除待处理图像中的噪声,减少数据处理量。
本实例中降采样系数可以根据需求而具体设定,例如,可以设定为1/16,1/8,1/4和1/2 等。图3a示出降采样系数为1/16条件下对图1e进行降采样所得图像上确定备选直线段的结果;图3b示出降采样系数为1/8条件下对图1e进行降采样所得图像上确定备选直线段的结果;图3c示出降采样系数为1/4条件下对图1e进行降采样所得图像上确定备选直线段的结果;图3d示出对图1e进行降采样系数为1/2条件下降采样所得图像上确定备选直线段的结果。如图3a至图3d所示,在降采样系数为1/16,1/8,1/4条件下所得图像的确定的备选线段均可以检测出完整的DM码L边,即,能够确定出具有预设几何约束关系的直线段,而在降采样系数在1/2时,由于噪声的干扰,方阵DM码L边检测出的线段都是断裂的小线段,无法得到完整的L边。
图4a示出对一种DM方阵码在降采样系数为1/16条件下进行降采样所得图像上确定备选直线段的结果;图4b示出对图4a所示DM方阵码在降采样系数为1/8条件下进行降采样所得图像上确定备选直线段的结果;图4c示出对对图4a所示DM方阵码在降采样系数为1/4 条件下进行降采样所得图像上确定备选直线段的结果;图4d示出对图4a所示DM方阵码在降采样系数为1/2条件下进行降采样所得图像上确定备选直线段的结果。由图4a至图4d可知,在降采样系数为1/8,1/4和1/2条件下均可以检测出DM方阵码完整的L边,在降采样系数为1/16条件下,由于降采样所得图像太过于模糊,无法检测得到DM方阵码L边对应的直线段。
如果检测精度相似,检测效率越高越为优选,因此,本实例可以根据具体需求梯度设置一组降采样系数,例如,1/16,1/8,1/4和1/2,并且,初始值使用最小的降采样系数,如1/16;如果在使用初始降采样系数所得图像上所确定的直线段不满足预设几何约束关系,则自动返回下一个降采样系数重新进行降采样处理,并在更新后的图像上重新确定备选线段,直至能够从所确定的备选直线段中确定出具有预设几何约束关系的直线段。
例如,图3a至图3d所示DM方阵码,使用降采样系数为1/16进行降采样所得图像上确定的直线段中具有满足预设几何关系的直线段组合,因此,可以在降采样系数为1/16进行降采样所得图像作为后处理的基础;而对于图4a至图4d所示的DM方阵码,使用降采样系数为1/16无法获得具有预设几何约束关系的直线段组合,因此,自动返回使用降采样系数为1/8 重新进行降采样,在该降采样系数下降采样所得图像上确定的直线段中具有满足预设几何约束关系的直线段组合,因此,可以降采样系数为1/8进行降采样所得图像作为后处理的基础。
本实例对确定备选线段的方法不做特别限定,可以采用现有技术中任意一种在图像中确定边界线的方法,例如,根据梯度特征确定边界线的方法,所利用的在图像上确定直线段的算法可以包括Hough变换,LSD算法等。
S103,根据所述备选线段确定候选区域。
在本实例中,所述目标区域中至少有两个具有特定几何关系的直线段,因此,可以首先仅确定目标区域中最具有几何特征的几个备选直线段,再根据所确定的备选直线段与目标区域之间的几何关系,补全目标区域。
例如,对于图1e所示的图像,定位其中DM方阵码的方形区域,可以仅设定DM码的L边作为定位基础,在确定L边后可通过该目标区域形状与该L边的特定几何关系来确定目标区域,具体地,根据所述备选线段确定候选区域可以包括以下子步骤S131至子步骤S133:
子步骤S131,将所述备选线段分成若干备选线段组,每组备选线段组中包括预设数量的备选线段。
在本实例中,所述预设数量为确定目标区域所用直线段的数量,例如,对于矩形目标区域,预设数量可以为2。
以图1e所示的DM码为例,在其上确定备选线段的结果如图3a所示,由于DM区域的特征为具有L边,因此,每组备选线段组可以从所确定的备选线段中任选两条。
子步骤S132,根据所述备选线段组确定候选线段组,所述候选线段组为组内各备选线段满足预设几何约束关系的备选线段组,其中,所述几何约束关系包括长宽比、夹角角度、线段长度。
在本实例中,可以首先对目标区域的几何特征进行分析,确定预设几何约束关系。例如,图1a中,“五角星”工件相邻两边夹角为固定值,图1b中孔洞区域任意相邻两条边正交,图 1c和图1d中,DM码中L边近似正交。
在本实例中,所述几何约束关系可以是一个,也可以是多个。
仍以图3a所示的结果为例,码区内部的直线段的长度远小于构成L边的两条直线段的长度,因此,可以继续根据直线段的长度筛选直线段长度大于预设阈值的备选线段组。
可选地,如果采用原始分辨率的待处理图像确定备选线段,该备选线段组中两条线段对应线段的长度均应大于线段长度的最小值,其中,线段长度的最小值是指构成DM码区域的边长最小值,比如,国际标准中,长方形DM码最小规格可以为18模块×8模块,正方形DM码最小规格可以为10模块×10模块;本实例中,设定待检测DM码中每个模块最小长度为5个像素,因此待检测的线段长度最小可以为8模块×5像素/模块=40个像素。
进一步地,构成L边的两条直线段正交,即,互相垂直,因此,可以从备选线段组中筛选两直线段正交的备选线段组。
仍以图3a所示的结果为例,本申请人发现,DM码区的L边本应是相交的,但是图像识别的结果每条直线段均有可能缩短或者延长一截,导致构成L边的两条直线段并不恰好相交,即,备选线段组中的两条备选线段可能不相交,因此,本实例将满足正交关系的备选线段进行适当延长,使得延长后的两备选线段正交,并且,延长前后两备选线段的长度均近似于预设长度比,例如,构成图1e示出的DM码L边长度比为1:1。
如果所述备选线段组中的备选线段经过上述处理后满足预设几何约束关系,则可以将该备选线段组标记为候选线段组。在本实例中,可以同时存在多个候选线段组。
图5示出对图3a所示图像确定候选线段组的结果,如图5所示,仅保留有少量候选线段组。
子步骤S133,根据所述候选线段组按照预设生成规则生成候选区域,所述预设生成规则包括建立最小外接仿射矩形、线段组合所围成的区域等。本申请中,所述仿射矩形在图像中是指可以旋转的矩形。
仍以图1e以及图3a所示图像为例,可以候选线段组中两条线段为基础,建立最小外接仿射矩形,该最小外接仿射矩形即为候选区域。
以图1a所示图像为例,可以候选线段组中两条线段为基础,根据五角星外边之间的角度关系,生成五角星轮廓,进一步地,可以根据其余候选线段组中备选线段的位置进行校正。
S104,确定目标区域,所述目标区域为满足预设筛选条件的候选区域。
在本实例中,候选区域可能包括目标区域,还可以包括与目标区域的几何关系相似的干扰区域,例如,图6a示出一种候选区域结果示意图,如图6a所示,其中,二维码区为目标区域,而其余区域为干扰区域,因此,本实例对候选区域进行进一步筛选,从而确定目标区域。
在本实例中,预设筛选条件包括候选区域的位置、灰度特征等。
在本实例中,所述准目标区域为灰度特征满足预设灰度条件,并且位置关系满足预设位置关系的候选区域,所述准目标区域可以为一个,也可以为多个。
进一步地,再将多个准目标区域进行评分,并且,按照评分的高低选择评分满足分数阈值的区域作为目标区域。
具体地,所述确定目标区域可以包括以下子步骤S141至子步骤S144:
子步骤S141,根据候选区域获取准目标区域。
具体地,根据候选区域获取准目标区域包括子步骤S1411至子步骤S1413:
子步骤S1411,获取满足预设位置关系的候选区域。
所述预设位置关系包括与待处理图像边缘之间的距离,或者与其它参照基准之间的距离等。因此,可以根据目标区域的位置进一步缩小候选区域的范围。
本申请人发现,某些目标区域在待处理图像中的位置具有特定位置,例如,图1e所示 DM码,码区周围均有留白,因此,码区与待处理图像的边缘之间的距离大于预设值,例如,候选区域与图像边缘之间的距离小于整幅图像长度的2.5%,可以认为该候选区域为干扰区域,将之滤除。
子步骤S1412,获取满足预设位置关系候选区域的灰度特征。
具体地,获取所述满足预设位置关系候选在区域图像的灰度特征包括:
子步骤S14121,将所述候选区域图像均分为多个候选区域子图像。
所述候选区域图像为待处理图像上,候选区域所对应的图像。
本实例对将图像均分成多个子图像的方法不做特别限定,可以采用现有技术中任意一种均分图像的方法。
在本实例中,对均分后图像的形状不做特别限定,只要均分后各图像的面积相等即可。
本实例对图像所均分的分数不做特别限定,可以根据实际需求而具体设定。例如,对于图1e所示的DM码图像,可以将候选区域图像均分成4个矩形候选区域子图像,每个候选区域子图像的长度候选区域图像的长度相等,每个候选区域子图像的宽度为候选区域图像宽度的四分之一;或者,可以将候选区域图像均成4个小矩形候选区域子图像,每个候选区域子图像的长度为候选区域图像长度的一半,每个候选区域子图像的宽度为候选区域图像宽度的一半。
再如图1a所示的五角星,对于每个角对应的区域,可以利用左右信息对称性,在将候选区域图像二值化之后,连接角平分线,将候选区域等分为2个候选区域子图像。
可以理解的是,对于同一块候选区域图像还可以以其它形式均分。
子步骤S14122,获取每个候选区域子图像的灰度特征。
获取每个候选区域子图像的灰度值,所述子图像的灰度值是指该候选区域子图像中所有像素点灰度值的总和。
子步骤S1413,确定准目标区域,所述准目标区域为灰度特征满足预设灰度条件,并且位置满足位置预设条件的候选区域图像所对应的候选区域。
所述预设灰度条件可以根据不同的目标区域图像灰度特征而具体设定。例如,如果目标区域图像如图1e所示的DM码,其灰度特征为各候选区域子图像均为黑白相间的图像,黑白近似均匀分布,则可以设定灰度特征为灰度介于全黑与全白之间,具体地,如果任意一个候选区域子图像的灰度接近全黑或者全白,则可以认为该候选区域为干扰区域,将之滤除。
再如,如果目标区域图像如图1a所示的五角星,则可以设定灰度特征为候选区域子图像黑色像素点数量的偏差小于预设值。具体地,统计每个候选区域子图像中的黑色像素点个数,若两个候选区域子图像中黑色像素点偏差超过预设阈值Thre,例如,Thre=候选区域图像中黑色像素点总数×0.5×0.1,即所有黑色像素点个数的5%,则将该候选区域视为干扰区域,将之滤除。
对于图6a示出的图像,经过上述处理后,图像上部距离图像边缘最近的区域由于与整幅图像边缘之间的距离过近而被滤除,左侧黑色干扰区域以及右侧黑色圆形区域由于灰度接近全黑而被滤除,处理后如图6b所示,仅保留一个准目标区域。
图7示出对图5示出的图像滤除干扰区域后的结果,如图7所示,图5经过上述处理之后,仅保留三组候选线段组。
子步骤S142,根据所述准目标区域获取准目标图像。
本实例对获取准目标图像的方法不做特别限定,可以采用现有技术中任意一种根据选定区域生成对应图像的方法。
子步骤S143,计算准目标图像排序分数。
在本实例中,所述排序分数可以根据目标区域的特征而具体设定,例如,对于图1e所示的DM码,则所述排序分数可以包括方差分数dVarScore和DM码长宽比的分数dWHRatioScore,所述排序分数dResultScore=dVarScore+dWHRatioScore。
在本实例中,对于图1e所示DM码,码区域由黑白块组成,黑白对比度越大,方差值越大,因此,相对其它区域,码区域的方差越大,排序分数越高。方差可以通过对准目标区域内像素进行直方图统计并求得其方差值。
如果L边长宽比例与设定的比例相差越大,则该L边的可靠性越小,因此分数越小,分数的计算方法为取L边长短边比例与设定参数偏差的绝对值的相反数。
dWHRatioScore=-|(L边长宽比例-长宽比例阈值)|
子步骤S144,根据所述排序分数确定目标区域,所述目标区域为排序分数满足预设值的准目标图像对应的准目标区域。
在本实例中,所述排序分数的预设值可以根据具体目标区域的特征以及不同的后续使用需求而具体设定。
在本实例中,在确定目标区域之后还可以包括:
将所述目标区域返回至原始待处理图像上;
根据原始待处理图像上的目标区域进行仿射采样;
根据仿射采样的结果获取精确目标区域图像。
以图8a至图8d所示图像(所有图像的像素均为500w)为例,说明本申请提供方案与传统方案在相同图像中定位相同区域结果,其中,耗时结果如下表1所示。
表1本申请提供方法与传统方法定位耗时结果
检测对象 | 采用本申请方案耗时(ms) | 采用传统方案耗时(ms) |
图8a | 12.3 | 50.8 |
图8b | 11.2 | 72.6 |
图8c | 12.2 | 71.6 |
图8d | 6.7 | 255.7 |
采用本申请提供方案定位结果分别为图9a~图9d,采用传统方案定位结果分别为图10a~图10d。
由上表1以及图9a~图10d可以看出,本申请提供的方法能够准确并且快速地定位具有预设几何约束关系的目标影像区域。
第二方面,本申请还提供一种基于几何特征约束的定位装置,所述装置包括:
图像获取模组,用于获取待处理图像;
线段确定模组,用于确定备选线段,所述备选线段为所述待处理图像中影像的直线型边界线;
候选区域确定模组,用于根据所述备选线段确定候选区域;
目标区域确定模组,用于确定目标区域,所述目标区域为满足预设筛选条件的候选区域。
在一种可实现的方式中,所述装置还包括:
ROI区域确定模组,用于在所述待处理图像上确定ROI区域;
子图像获取模组,用于获取待处理子图像,所述待处理子图像为所述ROI区域对应的图像。
本申请还提供一种基于几何特征约束的定位的程序,所用程序用于执行时实现上述第一方面所述基于几何特征约束的定位方法的步骤。
一种计算机可读存储介质,其上存储有计算机指令,该指令被处理器执行时实现上述第一方面所述基于几何特征约束的定位方法的步骤。
一种检测设备,所述检测设备包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行上述第一方面所述基于几何特征约束的定位方法。
以上结合具体实施方式和范例性实例对本申请进行了详细说明,不过这些说明并不能理解为对本申请的限制。本领域技术人员理解,在不偏离本申请精神和范围的情况下,可以对本申请技术方案及其实施方式进行多种等价替换、修饰或改进,这些均落入本申请的范围内。本申请的保护范围以所附权利要求为准。
Claims (9)
1.一种基于几何特征约束的定位方法,特征在于,所述方法包括:
获取待处理图像;
确定备选线段,所述备选线段为所述待处理图像中影像的直线型边界线;
根据所述备选线段确定候选区域;
确定目标区域,所述目标区域为满足预设筛选条件的候选区域。
2.根据权利要求1所述的方法,其特征在于,在获取待处理图像之后,在确定备选线段之前还可以包括:
在所述待处理图像上确定ROI区域;
获取待处理子图像,所述待处理子图像为所述ROI区域对应的图像。
3.根据权利要求1或2所述的方法,其特征在于,根据所述备选线段确定候选区域包括:
将所述备选线段分成若干备选线段组,每组备选线段组中包括预设数量的备选线段;
根据所述备选线段组确定候选线段组,所述候选线段组为组内各备选线段满足预设几何约束关系的备选线段组,其中,所述几何约束关系包括长宽比、夹角角度、线段长度;
根据所述候选线段组按照预设生成规则生成候选区域,所述预设生成规则包括建立最小外接仿射矩形、线段组合所围成的区域等。
4.根据权利要求1至3任一项所述的方法,其特征在于,确定目标区域包括:
根据候选区域获取准目标区域;
根据所述准目标区域获取准目标图像;
计算准目标图像排序分数;
根据所述排序分数确定目标区域,所述目标区域为排序分数满足预设值的准目标图像对应的准目标区域。
5.根据权利要求1至4任一项所述的方法,其特征在于,根据候选区域获取准目标区域包括:
根据所述候选区域在所述待处理图像上确定候选区域图像;
获取所述候选区域图像的灰度特征;
确定准目标区域,所述准目标区域为灰度特征满足预设灰度条件,并且位置满足位置预设条件的候选区域图像所对应的候选区域。
6.根据权利要求1至5任一项所述的方法,其特征在于,获取所候选在区域图像的灰度特征包括:
将所述候选区域图像均分为多个候选区域子图像;
获取每个候选区域子图像的灰度特征。
7.一种基于几何特征约束的定位装置,其特征在于,所述装置包括:
图像获取模组,用于获取待处理图像;
线段确定模组,用于确定备选线段,所述备选线段为所述待处理图像中影像的直线型边界线;
候选区域确定模组,用于根据所述备选线段确定候选区域;
目标区域确定模组,用于确定目标区域,所述目标区域为满足预设筛选条件的候选区域。
8.一种计算机可读存储介质,其特征在于,其上存储有计算机指令,该指令被处理器执行时实现权利要求1至6任一项所述基于几何特征约束的定位方法的步骤。
9.一种检测设备,其特征在于,所述检测设备包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行权利要求1至6任一项所述基于几何特征约束的定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010134693.9A CN111368573A (zh) | 2020-03-02 | 2020-03-02 | 一种基于几何特征约束的定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010134693.9A CN111368573A (zh) | 2020-03-02 | 2020-03-02 | 一种基于几何特征约束的定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111368573A true CN111368573A (zh) | 2020-07-03 |
Family
ID=71210167
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010134693.9A Pending CN111368573A (zh) | 2020-03-02 | 2020-03-02 | 一种基于几何特征约束的定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111368573A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112329496A (zh) * | 2020-12-02 | 2021-02-05 | 库卡机器人(广东)有限公司 | 矩形二维码识别方法、装置及电子设备 |
CN112634264A (zh) * | 2020-12-30 | 2021-04-09 | 凌云光技术股份有限公司 | 一种基于前景的缺陷检测方法和系统 |
CN113642350A (zh) * | 2021-08-24 | 2021-11-12 | 凌云光技术股份有限公司 | 一种工业产品承载的二维码快速识读方法及装置 |
CN113705270A (zh) * | 2021-11-01 | 2021-11-26 | 深圳思谋信息科技有限公司 | 识别二维码定位码区的方法、装置、设备和存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160078057A1 (en) * | 2013-09-04 | 2016-03-17 | Shazura, Inc. | Content based image retrieval |
CN108305261A (zh) * | 2017-08-11 | 2018-07-20 | 腾讯科技(深圳)有限公司 | 图片分割方法、装置、存储介质和计算机设备 |
CN108573184A (zh) * | 2018-03-12 | 2018-09-25 | 深圳元启智能技术有限公司 | 一种二维码识别方法、模块及计算机可读存储介质 |
WO2018176189A1 (zh) * | 2017-03-27 | 2018-10-04 | 上海联影医疗科技有限公司 | 图像分割的方法及系统 |
CN109711415A (zh) * | 2018-11-13 | 2019-05-03 | 平安科技(深圳)有限公司 | 证件轮廓确定方法、装置及存储介质、服务器 |
CN110031843A (zh) * | 2019-05-09 | 2019-07-19 | 中国科学院自动化研究所 | 基于roi区域的sar图像目标定位方法、系统、装置 |
CN110263595A (zh) * | 2019-06-25 | 2019-09-20 | 北京慧眼智行科技有限公司 | 一种二维码检测方法及装置 |
-
2020
- 2020-03-02 CN CN202010134693.9A patent/CN111368573A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160078057A1 (en) * | 2013-09-04 | 2016-03-17 | Shazura, Inc. | Content based image retrieval |
WO2018176189A1 (zh) * | 2017-03-27 | 2018-10-04 | 上海联影医疗科技有限公司 | 图像分割的方法及系统 |
US20200005463A1 (en) * | 2017-03-27 | 2020-01-02 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for image segmentation |
CN108305261A (zh) * | 2017-08-11 | 2018-07-20 | 腾讯科技(深圳)有限公司 | 图片分割方法、装置、存储介质和计算机设备 |
CN108573184A (zh) * | 2018-03-12 | 2018-09-25 | 深圳元启智能技术有限公司 | 一种二维码识别方法、模块及计算机可读存储介质 |
CN109711415A (zh) * | 2018-11-13 | 2019-05-03 | 平安科技(深圳)有限公司 | 证件轮廓确定方法、装置及存储介质、服务器 |
CN110031843A (zh) * | 2019-05-09 | 2019-07-19 | 中国科学院自动化研究所 | 基于roi区域的sar图像目标定位方法、系统、装置 |
CN110263595A (zh) * | 2019-06-25 | 2019-09-20 | 北京慧眼智行科技有限公司 | 一种二维码检测方法及装置 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112329496A (zh) * | 2020-12-02 | 2021-02-05 | 库卡机器人(广东)有限公司 | 矩形二维码识别方法、装置及电子设备 |
CN112329496B (zh) * | 2020-12-02 | 2023-12-19 | 库卡机器人(广东)有限公司 | 矩形二维码识别方法、装置及电子设备 |
CN112634264A (zh) * | 2020-12-30 | 2021-04-09 | 凌云光技术股份有限公司 | 一种基于前景的缺陷检测方法和系统 |
CN112634264B (zh) * | 2020-12-30 | 2024-04-26 | 凌云光技术股份有限公司 | 一种基于前景的缺陷检测方法和系统 |
CN113642350A (zh) * | 2021-08-24 | 2021-11-12 | 凌云光技术股份有限公司 | 一种工业产品承载的二维码快速识读方法及装置 |
CN113642350B (zh) * | 2021-08-24 | 2023-09-29 | 凌云光技术股份有限公司 | 一种工业产品承载的二维码快速识读方法及装置 |
CN113705270A (zh) * | 2021-11-01 | 2021-11-26 | 深圳思谋信息科技有限公司 | 识别二维码定位码区的方法、装置、设备和存储介质 |
WO2023071322A1 (zh) * | 2021-11-01 | 2023-05-04 | 深圳思谋信息科技有限公司 | 识别二维码定位码区的方法、装置、设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111368573A (zh) | 一种基于几何特征约束的定位方法 | |
CN107633192B (zh) | 一种基于机器视觉的复杂背景下条形码分割与识读方法 | |
CN108388896B (zh) | 一种基于动态时序卷积神经网络的车牌识别方法 | |
US8401333B2 (en) | Image processing method and apparatus for multi-resolution feature based image registration | |
CN109211198B (zh) | 一种基于三目视觉的智能目标检测和测量系统和方法 | |
CN111353961B (zh) | 一种文档曲面校正方法及装置 | |
CN109948393B (zh) | 一种一维条码的定位方法及装置 | |
US20120076409A1 (en) | Computer system and method of matching for images and graphs | |
CN111340701A (zh) | 一种基于聚类法筛选匹配点的电路板图像拼接方法 | |
CN109325381B (zh) | 一种qr码定位和校正方法 | |
CN104463066B (zh) | 一种商品外包装一维条形码快速定位识别方法 | |
EP2954457A1 (en) | System and method for identifying similarities in different images | |
CN113012157B (zh) | 一种设备缺陷视觉检测方法及系统 | |
CN110084743B (zh) | 基于多航带起始航迹约束的图像拼接与定位方法 | |
CN111369605A (zh) | 一种基于边缘特征的红外与可见光图像的配准方法和系统 | |
CN114387515A (zh) | 一种基于机器视觉的切割路径规划方法及装置 | |
CN113723399A (zh) | 一种车牌图像矫正方法、车牌图像矫正装置和存储介质 | |
CN115861351A (zh) | 边缘检测方法、缺陷检测方法及检测装置 | |
CN114998445A (zh) | 一种图像稀疏点立体匹配方法 | |
CN111968115B (zh) | 基于栅格化图像处理方法的骨科耗材检测方法及系统 | |
JP2008252856A (ja) | 画像の補正方法、補正プログラムおよび画像歪み補正装置 | |
JPH08287258A (ja) | カラー画像認識装置 | |
US20030210818A1 (en) | Knowledge-based hierarchical method for detecting regions of interest | |
JPH05303643A (ja) | パターンマッチング方法 | |
CN117058008A (zh) | 遥感影像几何与辐射一体化校正方法、装置、设备及介质 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 100094 Beijing city Haidian District Cui Hunan loop 13 Hospital No. 7 Building 7 room 701 Applicant after: Lingyunguang Technology Co., Ltd Address before: 100094 Beijing city Haidian District Cui Hunan loop 13 Hospital No. 7 Building 7 room 701 Applicant before: LUSTER LIGHTTECH GROUP Co.,Ltd. |