发明内容
有鉴于此,本发明提供一种二维码图像识别方法和装置,能够有效过滤掉绝大多数假的位置特征图形,有效节省后续二维码图像解算的时间开销,减少整个二维码图像识别的时间,提高二维码图像的识别效率和识别成功率,进而不仅有助于提高二维码导航的定位准确性,而且有助于保障AGV高速通过二维码图像。
为实现上述目的,根据本发明的一个方面,提供了一种二维码图像识别方法。
本发明的二维码图像识别方法包括:对采集的二维码图像进行扫描,以确定所述二维码图像中的候选位置特征图形区域;确定所述候选位置特征图形区域的统计特性值,并根据所述统计特性值与预设阈值的比较结果从所述候选位置特征图形区域中筛选出位置特征图形区域;根据所述位置特征图形区域确定所述二维码图像中的码值区域,然后对所述码值区域进行解码。
可选地,所述统计特性值包括以下至少一项:候选位置特征图形区域的几何矩、候选位置特征图形区域中多个子区域的面积均值、候选位置特征图形区域中多个子区域的面积方差。
可选地,根据如下公式计算候选位置特征图形区域的几何矩:
M1=η20+η02;
其中,M1、M2为几何矩,ηpq为归一化后的p+q阶中心矩, μpq为p+q阶中心矩,/>为候选位置特征图形区域的图像函数,/>为候选位置特征图形区域的图像重心,x、y为候选位置特征图形区域的图像坐标。
可选地,所述方法还包括:在所述对采集的二维码图像进行扫描,以确定所述二维码图像中的候选位置特征图形区域的步骤之后,对所述候选位置特征图形区域进行边缘检测,以根据边缘检测后截取的图像执行所述确定所述候选位置特征图形区域的统计特性值的步骤。
可选地,所述方法还包括:在执行所述对采集的二维码图像进行扫描,以确定所述二维码图像中的候选位置特征图形区域的步骤之前,对采集的二维码图像进行预处理;其中,所述对采集的二维码图像进行预处理包括:对采集的二维码图像进行灰度处理、滤波,然后对滤波后的灰度图像进行二值化处理,以得到二值化图像。
为实现上述目的,根据本发明的另一方面,提供了一种二维码图像识别装置。
本发明的二维码图像识别装置包括:确定模块,用于对采集的二维码图像进行扫描,以确定所述二维码图像中的候选位置特征图形区域;筛选模块,用于确定所述候选位置特征图形区域的统计特性值,并根据所述统计特性值与预设阈值的比较结果从所述候选位置特征图形区域中筛选出位置特征图形区域;解码模块,用于根据所述位置特征图形区域确定所述二维码图像中的码值区域,然后对所述码值区域进行解码。
可选地,所述统计特性值包括以下至少一项:候选位置特征图形区域的几何矩、候选位置特征图形区域中多个子区域的面积均值、候选位置特征图形区域中多个子区域的面积方差。
可选地,所述筛选模块根据如下公式计算候选位置特征图形区域的几何矩:
M1=η20+η02;
其中,M1、M2为几何矩,ηpq为归一化后的p+q阶中心矩, μpq为p+q阶中心矩,/>f(x,y)为候选位置特征图形区域的图像函数,/>为候选位置特征图形区域的图像重心,x、y为候选位置特征图形区域的图像坐标。
可选地,所述装置还包括:边缘检测模块,用于对所述候选位置特征图形区域进行边缘检测,以使所述筛选模块根据边缘检测后截取的图像执行所述确定所述候选位置特征图形区域的统计特性值的步骤。
可选地,所述装置还包括:预处理模块,用于在所述确定模块执行所述对采集的二维码图像进行扫描,以确定所述二维码图像中的候选位置特征图形区域的步骤之前,对采集的二维码图像进行预处理;其中,所述预处理模块对采集的二维码图像进行预处理包括:对采集的二维码图像进行灰度处理、滤波,然后对滤波后的灰度图像进行二值化处理,以得到二值化图像。
为实现上述目的,根据本发明的再一个方面,提供了一种电子设备。
本发明的电子设备,包括:一个或多个处理器;以及,存储装置,用于存储一个或多个程序;当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明的二维码图像识别方法。
为实现上述目的,根据本发明的又一个方面,提供了一种计算机可读介质。
本发明的计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现本发明的二维码图像识别方法。
上述发明中的一个实施例具有如下优点或有益效果:通过对采集的二维码图像进行扫描,能够快速定位所述二维码图像中的候选位置特征图形区域;通过确定所述候选位置特征图形区域的统计特性值,并根据所述统计特性值与预设阈值的比较结果从所述候选位置特征图形区域中筛选出位置特征图形区域,能够有效过滤掉绝大多数假的位置特征图形,有效节省后续二维码图像定位、解算的时间开销,减少整个二维码图像识别的时间,提高二维码图像的识别效率和识别成功率,进而不仅有助于提高二维码导航的定位准确性,而且有助于保障AGV高速通过二维码图像。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
需要指出的是,在不冲突的情况下,本发明中的实施例以及实施例中的特征可以相互组合。
图1是根据本发明一个实施例的二维码图像识别方法的主要流程示意图。如图1所示,本发明实施例的二维码图像识别方法包括:
步骤S101、对采集的二维码图像进行扫描,以确定所述二维码图像中的候选位置特征图形区域。
在一可选实施方式中,可对采集的二维码图像进行横向扫描(或称为逐行扫描),寻找符合预设特征的区域,并将该区域作为候选位置特征图形区域。例如,假设二维码图像中的位置特征图形为图3所示的“回”字型圆环,其沿横向从左至右的色块变化为“黑、白、黑、白、黑”,其色块长度比例特征为1:1:3:1:1,则可对采集的二维码图像进行横向扫描,寻找符合该比例特征的区域,并将符合该比例特征的区域作为候选位置特征图形区域。由于采集的二维码图像的背景噪声中也可能有很多符合这种比例特征的区域,因此将所有符合该比例特征的区域都作为候选位置特征图形区域,后续再作筛选。
在另一可选实施方式中,可对采集的二维码图像进行纵向扫描(或称为逐列扫描),寻找符合预设特征的区域,并将该区域作为候选位置特征图形区域。例如,假设二维码图像中的位置特征图形为图3所示的“回”字型圆环,其沿纵向从上至下的色块变化为“黑、白、黑、白、黑”,其色块长度比例特征为1:1:3:1:1,则可对采集的二维码图像进行纵向扫描,寻找符合该比例特征的区域,并将符合该比例特征的区域作为候选位置特征图形区域。由于采集的二维码图像的背景噪声中也可能有很多符合这种比例特征的区域,因此将所有符合该比例特征的区域都作为候选位置特征图形区域,后续再作筛选。
在再一可选实施方式中,可对采集的二维码图像进行横向扫描(或称为逐行扫描)和纵向扫描(或称为逐列扫描),寻找符合预设特征的区域,并将该区域作为候选位置特征图形区域。例如,假设二维码图像中的位置特征图形为图3所示的“回”字型圆环,其沿横向从左至右的色块变化为“黑、白、黑、白、黑”、色块长度比例特征为1:1:3:1:1,其沿纵向从上至下的色块变化为“黑、白、黑、白、黑”、色块长度比例特征为1:1:3:1:1,则可对采集的二维码图像进行横向和纵向扫描,寻找符合该比例特征的区域,并将符合该比例特征的区域作为候选位置特征图形区域。由于采集的二维码图像的背景噪声中也可能有很多符合这种比例特征的区域,因此将所有符合该比例特征的区域都作为候选位置特征图形区域,后续再作筛选。
具体实施时,在找到符合预设特征的区域后,可记录所有符合该比例特征的区域的坐标信息,比如各个符合该比例特征的区域的中心坐标,并按照二维码图像中位置特征图形的设计尺寸截取相应的图像区域,以供后续筛选。
步骤S102、确定所述候选位置特征图形区域的统计特性值,并根据所述统计特性值与预设阈值的比较结果从所述候选位置特征图形区域中筛选出位置特征图形区域。
示例性地,所述统计特性值包括以下至少一项:候选位置特征图形区域的Hu矩、候选位置特征图形区域中多个子区域的面积均值、候选位置特征图形区域中多个子区域的面积方差。
Hu矩,又可称为“矩特征”、“几何矩”、“不变矩”、“几何不变矩”。Hu矩主要表征了图像区域的几何特征,其具有旋转、平移、尺度等的不变性。由于二维码图像中的位置特征图形大都设计为规则的几何图形,如圆形,方形等,这样的图形具有旋转、平移、尺度等的不变性,因此可用Hu矩来表示。进而,在该步骤中,可计算各候选位置特征图形区域Hu矩,并将Hu矩大于预设阈值的候选位置特征图形区域过滤掉。换言之,将Hu矩小于等于预设阈值的候选位置特征图形区域作为位置特征图形区域。
进一步,为了提高筛选的准确性,还可结合候选位置特征图形区域中多个子区域的面积均值、以及候选位置特征图形区域中多个子区域的面积方差这些统计特性值筛选出位置特征图形区域。
在本发明实施例中,通过步骤S102对候选位置特征图形区域进行筛选,可以有效过滤掉绝大多数由背景噪声造成的假的位置特征图形,从而能够节省后续二维码图像定位、解算的时间开销,减少整个二维码图像识别的时间,提高二维码图像的识别效率和识别成功率。
步骤S103、根据所述位置特征图形区域确定所述二维码图像中的码值区域,然后对所述码值区域进行解码。
示例性地,在该步骤中,可根据步骤S102筛选出的位置特征图形区域的坐标信息确定二维码图像中码值区域的坐标信息以及倾斜角度信息。然后,对确定的码值区域进行解码,即可得到相应的二进制数据信息。
在本发明实施例中,通过对采集的二维码图像进行扫描,能够快速定位所述二维码图像中的候选位置特征图形区域;通过确定所述候选位置特征图形区域的统计特性值,并根据所述统计特性值与预设阈值的比较结果从所述候选位置特征图形区域中筛选出位置特征图形区域,能够有效过滤掉绝大多数假的位置特征图形,有效节省后续二维码图像定位、解算的时间开销,减少整个二维码图像识别的时间,提高二维码图像的识别效率和识别成功率,进而不仅有助于提高二维码导航的定位准确性,而且有助于保障AGV高速通过二维码图像。
图2是根据本发明另一实施例的二维码图像识别方法的主要流程示意图。如图2所示,本发明实施例的二维码图像识别方法包括:
步骤S201、对采集的二维码图像进行预处理。
进一步,在步骤S201之前,本发明实施例的方法还可包括:在AGV运行至二维码标签处时,通过图像传感器采集二维码图像。
其中,所述对采集的二维码图像进行预处理可包括:对采集的二维码图像进行灰度处理、滤波,然后对滤波后的灰度图像进行二值化处理,以得到二值化图像。
在一具体示例中,可先对采集的二维码图像进行灰度处理得到灰度图像,然后基于中值滤波算法对灰度图像进行滤波,以初步过滤掉图像中的背景噪声,然后对滤波后的灰度图像进行二值化处理,输出二值化图像以供后续处理。在本发明实施例中,通过对采集的二维码图像进行灰度处理、滤波、二值化处理这些预处理,能够有效减少后期的运算量。
步骤S202、对预处理后的二维码图像进行扫描,以确定所述二维码图像中的候选位置特征图形区域。
在一可选实施方式中,可对预处理后的二维码图像进行横向扫描(或称为逐行扫描),寻找符合预设特征的区域,并将该区域作为候选位置特征图形区域。例如,假设二维码图像中的位置特征图形为图3所示的“回”字型圆环,其沿横向从左至右的色块变化为“黑、白、黑、白、黑”,其色块长度比例特征为1:1:3:1:1,则可对预处理后的二维码图像进行横向扫描,寻找符合该比例特征的区域,并将符合该比例特征的区域作为候选位置特征图形区域。由于预处理后的二维码图像中的背景噪声中也可能有很多符合这种比例特征的区域,因此先将所有符合该比例特征的区域都作为候选位置特征图形区域,后续再作筛选。
在另一可选实施方式中,可对预处理后的二维码图像进行纵向扫描(或称为逐列扫描),寻找符合预设特征的区域,并将该区域作为候选位置特征图形区域。例如,假设二维码图像中的位置特征图形为图3所示的“回”字型圆环,其沿纵向从上至下的色块变化为“黑、白、黑、白、黑”,其色块长度比例特征为1:1:3:1:1,则可对预处理后的二维码图像进行纵向扫描,寻找符合该比例特征的区域,并将符合该比例特征的区域作为候选位置特征图形区域。由于预处理后的二维码图像的背景噪声中也可能有很多符合这种比例特征的区域,因此将所有符合该比例特征的区域都作为候选位置特征图形区域,后续再作筛选。
在再一可选实施方式中,可对预处理后的二维码图像进行横向扫描(或称为逐行扫描)和纵向扫描(或称为逐列扫描),寻找符合预设特征的区域,并将该区域作为候选位置特征图形区域。例如,假设二维码图像中的位置特征图形为图3所示的“回”字型圆环,其沿横向从左至右的色块变化为“黑、白、黑、白、黑”、色块长度比例特征为1:1:3:1:1,其沿纵向从上至下的色块变化为“黑、白、黑、白、黑”、色块长度比例特征为1:1:3:1:1,则可对预处理后的二维码图像进行横向和纵向扫描,寻找符合该比例特征的区域,并将符合该比例特征的区域作为候选位置特征图形区域。由于预处理后的二维码图像的背景噪声中也可能有很多符合这种比例特征的区域,因此可先将所有符合该比例特征的区域都作为候选位置特征图形区域,后续再作筛选。
具体实施时,在找到符合预设特征的区域后,可记录所有符合该比例特征的区域的坐标信息,比如各个符合该比例特征的区域的中心坐标,并按照二维码图像中位置特征图形的设计尺寸截取相应的图像区域,以供后续筛选。
步骤S203、对所述候选位置特征图形区域进行边缘检测。
示例性地,可采用差分边缘检测算法、Reborts边缘检测算法、Sobel边缘检测算法等多种边缘检测算法对步骤S202确定的候选位置特征图形区域进行边缘检测,以确定各候选位置特征图形区域的边界。通过步骤S203,有助于简化后续运算,提高识别效率。
步骤S204、确定边缘检测后截取的图像的统计特性值。
其中,所述边缘检测后截取的图像,可理解为各个候选位置特征图形区域经边缘检测后截取的图像。
示例性地,所述统计特性值可包括:候选位置特征图形区域的Hu矩、候选位置特征图形区域中多个子区域的面积均值和候选位置特征图形区域中多个子区域的面积方差。
进一步,可根据如下公式计算候选位置特征图形区域的Hu矩:
M1=η20+η02;
其中,M1、M2为Hu矩,ηpq为归一化后的p+q阶中心矩, μpq为p+q阶中心矩,/>f(x,y)为候选位置特征图形区域的图像函数,/>为候选位置特征图形区域的图像重心,/>x、y为候选位置特征图形区域的图像坐标,p、q为相应矩的阶数。
进一步,可根据如下方式计算候选位置特征图形区域中多个子区域的面积均值和候选位置特征图形区域中多个子区域的面积方差:将每个边缘检测后截取的图像等分成左上、右上、左下、右下四个子区域,分别计算每个子区域的面积,并对四个子区域的面积取均值,以作为该候选位置特征图形区域中多个子区域的面积均值,并对四个子区域的面积取方差,以作为该候选位置特征图形区域中多个子区域的面积方差。
步骤S205、根据所述统计特性值与预设阈值的比较结果从所述候选位置特征图形区域中筛选出位置特征图形区域。
示例性地,当所述统计特性值包括候选位置特征图形区域的Hu矩、候选位置特征图形区域中多个子区域的面积均值和候选位置特征图形区域中多个子区域的面积方差时,可将计算得到的候选位置特征图形区域的Hu矩、面积均值、面积方差和对应的预设阈值进行比较,若比较结果符合预设条件,则将该候选位置特征图形区域作为位置特征图形区域;若比较结果不符合预设条件,则将该候选位置特征图形区域过滤掉。
步骤S206、根据所述位置特征图形区域确定所述二维码图像中的码值区域,然后对所述码值区域进行解码。
示例性地,在该步骤中,可根据步骤S205筛选出的位置特征图形区域的坐标信息确定二维码图像中码值区域的坐标信息以及倾斜角度信息。然后,对确定的码值区域进行解码,即可得到相应的二进制数据信息。
在本发明实施例中,通过以上步骤能够有效过滤掉绝大多数假的位置特征图形,有效节省后续二维码图像定位、解算的时间开销,减少整个二维码图像识别的时间,提高二维码图像的识别效率和识别成功率,进而不仅有助于提高二维码导航的定位准确性,而且有助于保障AGV高速通过二维码图像。
图3是本发明实施例中的二维码图像示意图。如图3所示,二维码图像包括:位置特征图形区域、码值区域。其中,位置特征图形区域具体为图3左上角、右上角、左下角的“回”字型圆环,码值区域为由3个“回”字型圆环所包围的中心区域。
在对图3所示二维码图像进行识别时,主要包括二维码图像定位、和二维码图像解码两个步骤。其中,二维码图像定位主要包括位置特征图形区域的定位和码值区域的定位,二维图像解码主要是指码值区域的解码。具体实施时,可采用图1或图2所示流程识别该图所示的二维码图像。
图4是根据本发明一个实施例的二维码图像识别装置的主要模块示意图。如图4所示,本发明实施例的二维码图像识别装置400包括:确定模块401、筛选模块402和解码模块403。
确定模块401,用于对采集的二维码图像进行扫描,以确定所述二维码图像中的候选位置特征图形区域。
在一可选实施方式中,确定模块401可对采集的二维码图像进行横向扫描(或称为逐行扫描),寻找符合预设特征的区域,并将该区域作为候选位置特征图形区域。例如,假设二维码图像中的位置特征图形为图3所示的“回”字型圆环,其沿横向从左至右的色块变化为“黑、白、黑、白、黑”,其色块长度比例特征为1:1:3:1:1,则确定模块401可对采集的二维码图像进行横向扫描,寻找符合该比例特征的区域,并将符合该比例特征的区域作为候选位置特征图形区域。由于采集的二维码图像的背景噪声中也可能有很多符合这种比例特征的区域,因此将所有符合该比例特征的区域都作为候选位置特征图形区域,后续再作筛选。
在另一可选实施方式中,确定模块401可对采集的二维码图像进行纵向扫描(或称为逐列扫描),寻找符合预设特征的区域,并将该区域作为候选位置特征图形区域。例如,假设二维码图像中的位置特征图形为图3所示的“回”字型圆环,其沿纵向从上至下的色块变化为“黑、白、黑、白、黑”,其色块长度比例特征为1:1:3:1:1,则确定模块401可对采集的二维码图像进行纵向扫描,寻找符合该比例特征的区域,并将符合该比例特征的区域作为候选位置特征图形区域。由于采集的二维码图像的背景噪声中也可能有很多符合这种比例特征的区域,因此将所有符合该比例特征的区域都作为候选位置特征图形区域,后续再作筛选。
在再一可选实施方式中,确定模块401可对采集的二维码图像进行横向扫描(或称为逐行扫描)和纵向扫描(或称为逐列扫描),寻找符合预设特征的区域,并将该区域作为候选位置特征图形区域。例如,假设二维码图像中的位置特征图形为图3所示的“回”字型圆环,其沿横向从左至右的色块变化为“黑、白、黑、白、黑”、色块长度比例特征为1:1:3:1:1,其沿纵向从上至下的色块变化为“黑、白、黑、白、黑”、色块长度比例特征为1:1:3:1:1,则确定模块401可对采集的二维码图像进行横向和纵向扫描,寻找符合该比例特征的区域,并将符合该比例特征的区域作为候选位置特征图形区域。由于采集的二维码图像的背景噪声中也可能有很多符合这种比例特征的区域,因此将所有符合该比例特征的区域都作为候选位置特征图形区域,后续再作筛选。
具体实施时,确定模块401在找到符合预设特征的区域后,可记录所有符合该比例特征的区域的坐标信息,比如各个符合该比例特征的区域的中心坐标,并按照二维码图像中位置特征图形的设计尺寸截取相应的图像区域,以供后续筛选。
筛选模块402,用于确定所述候选位置特征图形区域的统计特性值,并根据所述统计特性值与预设阈值的比较结果从所述候选位置特征图形区域中筛选出位置特征图形区域。
示例性地,所述统计特性值包括以下至少一项:候选位置特征图形区域的Hu矩、候选位置特征图形区域中多个子区域的面积均值、候选位置特征图形区域中多个子区域的面积方差。
Hu矩,又可称为“矩特征”、“几何矩”、“不变矩”、“几何不变矩”。Hu矩主要表征了图像区域的几何特征,其具有旋转、平移、尺度等的不变性。由于二维码图像中的位置特征图形大都设计为规则的几何图形,如圆形,方形等,这样的图形具有旋转、平移、尺度等的不变性,因此可用Hu矩来表示。进而,在本发明实施例中,可通过筛选模块402计算各候选位置特征图形区域Hu矩,并将Hu矩大于预设阈值的候选位置特征图形区域过滤掉。换言之,筛选模块402将Hu矩小于等于预设阈值的候选位置特征图形区域作为位置特征图形区域。
进一步,为了提高筛选的准确性,筛选模块402还可结合候选位置特征图形区域中多个子区域的面积均值、以及候选位置特征图形区域中多个子区域的面积方差这些统计特性值筛选出位置特征图形区域。
在本发明实施例中,通过筛选模块402基于统计特性值对候选位置特征图形区域进行筛选,可以有效过滤掉绝大多数由背景噪声造成的假的位置特征图形,从而能够节省后续二维码图像定位、解算的时间开销,减少整个二维码图像识别的时间,提高二维码图像的识别效率和识别成功率。
解码模块403,用于根据所述位置特征图形区域确定所述二维码图像中的码值区域,然后对所述码值区域进行解码。
示例性地,解码模块403可根据筛选模块402筛选出的位置特征图形区域的坐标信息确定二维码图像中码值区域的坐标信息以及倾斜角度信息。然后,解码模块403对确定的码值区域进行解码,即可得到相应的二进制数据信息。
在本发明实施例中,通过确定模块对采集的二维码图像进行扫描,能够快速定位所述二维码图像中的候选位置特征图形区域;通过筛选模块确定所述候选位置特征图形区域的统计特性值,并根据所述统计特性值与预设阈值的比较结果从所述候选位置特征图形区域中筛选出位置特征图形区域,能够有效过滤掉绝大多数假的位置特征图形,有效节省后续二维码图像定位、解算的时间开销,减少整个二维码图像识别的时间,提高二维码图像的识别效率和识别成功率,进而不仅有助于提高二维码导航的定位准确性,而且有助于保障AGV高速通过二维码图像。
图5是根据本发明另一实施例的二维码图像识别装置的主要模块示意图。如图5所示,本发明实施例的二维码图像识别装置500包括:预处理模块501、确定模块502、边缘检测模块503、筛选模块504和解码模块505。
预处理模块501,用于对采集的二维码图像进行预处理。
其中,预处理模块501对采集的二维码图像进行预处理可包括:对采集的二维码图像进行灰度处理、滤波,然后对滤波后的灰度图像进行二值化处理,以得到二值化图像。
在一具体示例中,预处理模块501可先对采集的二维码图像进行灰度处理得到灰度图像,然后基于中值滤波算法对灰度图像进行滤波,以初步过滤掉图像中的背景噪声,然后对滤波后的灰度图像进行二值化处理,输出二值化图像以供后续处理。在本发明实施例中,通过预处理模块501对采集的二维码图像进行灰度处理、滤波、二值化处理这些预处理,能够有效减少后期的运算量。
确定模块502,用于对预处理后的二维码图像进行扫描,以确定所述二维码图像中的候选位置特征图形区域。
具体实施时,确定模块502在找到符合预设特征的区域后,可记录所有符合该比例特征的区域的坐标信息,比如各个符合该比例特征的区域的中心坐标,并按照二维码图像中位置特征图形的设计尺寸截取相应的图像区域,以供后续筛选。
边缘检测模块503,用于对所述候选位置特征图形区域进行边缘检测。示例性地,边缘检测模块503可采用差分边缘检测算法、Reborts边缘检测算法、Sobel边缘检测算法等多种边缘检测算法对候选位置特征图形区域进行边缘检测,以确定各候选位置特征图形区域的边界。
筛选模块504,用于确定边缘检测后截取的图像的统计特性值。
其中,所述边缘检测后截取的图像,可理解为各个候选位置特征图形区域经边缘检测后截取的图像。
示例性地,所述统计特性值可包括:候选位置特征图形区域的Hu矩、候选位置特征图形区域中多个子区域的面积均值和候选位置特征图形区域中多个子区域的面积方差。
进一步,筛选模块504可根据如下公式计算候选位置特征图形区域的Hu矩:
M1=η20+η02;
其中,M1、M2为Hu矩,ηpq为归一化后的p+q阶中心矩, μpq为p+q阶中心矩,/>f(x,y)为候选位置特征图形区域的图像函数,/>为候选位置特征图形区域的图像重心,/>x、y为候选位置特征图形区域的图像坐标,p、q为相应矩的阶数。
进一步,筛选模块504可根据如下方式计算候选位置特征图形区域中多个子区域的面积均值和候选位置特征图形区域中多个子区域的面积方差:将每个边缘检测后截取的图像等分成左上、右上、左下、右下四个子区域,分别计算每个子区域的面积,并对四个子区域的面积取均值,以作为该候选位置特征图形区域中多个子区域的面积均值,并对四个子区域的面积取方差,以作为该候选位置特征图形区域中多个子区域的面积方差。
筛选模块504,还用于根据所述统计特性值与预设阈值的比较结果从所述候选位置特征图形区域中筛选出位置特征图形区域。
示例性地,当所述统计特性值包括候选位置特征图形区域的Hu矩、候选位置特征图形区域中多个子区域的面积均值和候选位置特征图形区域中多个子区域的面积方差时,筛选模块504可将计算得到的候选位置特征图形区域的Hu矩、面积均值、面积方差和对应的预设阈值进行比较,若比较结果符合预设条件,则筛选模块504将该候选位置特征图形区域作为位置特征图形区域;若比较结果不符合预设条件,则筛选模块504将该候选位置特征图形区域过滤掉。
解码模块505,用于根据所述位置特征图形区域确定所述二维码图像中的码值区域,然后对所述码值区域进行解码。
示例性地,解码模块505可根据筛选模块504筛选出的位置特征图形区域的坐标信息确定二维码图像中码值区域的坐标信息以及倾斜角度信息。然后,解码模块505对确定的码值区域进行解码,即可得到相应的二进制数据信息。
在本发明实施例中,通过以上装置能够有效过滤掉绝大多数假的位置特征图形,有效节省后续二维码图像定位、解算的时间开销,减少整个二维码图像识别的时间,提高二维码图像的识别效率和识别成功率,进而不仅有助于提高二维码导航的定位准确性,而且有助于保障AGV高速通过二维码图像。
图6是本发明实施例可以应用于其中的示例性系统架构图之一。如图6所示,本发明实施例可应用于AGV 600。AGV 600可包括:图像传感器601和二维码图像识别装置602。
图像传感器601,可安装在AGV(自动导引车)上,用于在AGV运行至二维码标签处时,采集二维码图像,并将采集的二维码图像上传至二维码图像识别装置602。
二维码图像识别装置602,可安装在AGV上,其可采用专用的DSP(数字信号处理器)模块。二维码图像识别装置602用于对采集的对采集的二维码图像进行扫描,以确定所述二维码图像中的候选位置特征图形区域;还用于确定所述候选位置特征图形区域的统计特性值,并根据所述统计特性值与预设阈值的比较结果从所述候选位置特征图形区域中筛选出位置特征图形区域;还用于根据所述位置特征图形区域确定所述二维码图像中的码值区域,然后对所述码值区域进行解码。
图7示出了可以应用本发明实施例的二维码图像识别方法或二维码图像识别装置的另一种示例性系统架构700。
如图7所示,系统架构700可以包括终端设备701、702、703,网络704和服务器705。网络704用以在终端设备701、702、703和服务器705之间提供通信链路的介质。网络704可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
终端设备701、702、703可通过网络704与服务器705交互,以接收或发送消息等。终端设备701、702、703可以是各种具有拍摄功能的电子设备,包括但不限于带摄像头的AGV、智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器705可以是提供各种服务的服务器,例如对终端设备701、702、703上传的二维码图像进行识别的后台管理服务器。后台管理服务器可以对接收到的二维码图像等数据进行分析等处理,并将处理结果(例如二维码图像识别结果)反馈给终端设备。
需要说明的是,本发明实施例所提供的二维码图像识别方法一般由服务器705执行,相应地,二维码图像识别装置一般设置于服务器705中。
应该理解,图7中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图8,其示出了适于用来实现本发明实施例的电子设备(例如图7所示的服务器)的计算机系统800的结构示意图。图8示出的系统仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图8所示,计算机系统800包括中央处理单元(CPU)801,其可以根据存储在只读存储器(ROM)802中的程序或者从存储部分808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM 803中,还存储有系统800操作所需的各种程序和数据。CPU 801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
以下部件连接至I/O接口805:包括键盘、鼠标等的输入部分806;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分807;包括硬盘等的存储部分808;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器810上,以便于从其上读出的计算机程序根据需要被安装入存储部分808。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分809从网络上被下载和安装,和/或从可拆卸介质811被安装。在该计算机程序被中央处理单元(CPU)801执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括确定模块、筛选模块和解码模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定,例如,确定模块还可以被描述为“对采集的二维码图像进行扫描,以确定所述二维码图像中的候选位置特征图形区域的模块”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备执行以下流程:对采集的二维码图像进行扫描,以确定所述二维码图像中的候选位置特征图形区域;确定所述候选位置特征图形区域的统计特性值,并根据所述统计特性值与预设阈值的比较结果从所述候选位置特征图形区域中筛选出位置特征图形区域;根据所述位置特征图形区域确定所述二维码图像中的码值区域,然后对所述码值区域进行解码。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。