CN112329496A - 矩形二维码识别方法、装置及电子设备 - Google Patents

矩形二维码识别方法、装置及电子设备 Download PDF

Info

Publication number
CN112329496A
CN112329496A CN202011402507.1A CN202011402507A CN112329496A CN 112329496 A CN112329496 A CN 112329496A CN 202011402507 A CN202011402507 A CN 202011402507A CN 112329496 A CN112329496 A CN 112329496A
Authority
CN
China
Prior art keywords
dimensional code
quadrangle
image
candidate
line segments
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.)
Granted
Application number
CN202011402507.1A
Other languages
English (en)
Other versions
CN112329496B (zh
Inventor
朱毅宁
姚银
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.)
KUKA Robotics Guangdong Co Ltd
Original Assignee
KUKA Robotics Guangdong Co Ltd
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 KUKA Robotics Guangdong Co Ltd filed Critical KUKA Robotics Guangdong Co Ltd
Priority to CN202011402507.1A priority Critical patent/CN112329496B/zh
Publication of CN112329496A publication Critical patent/CN112329496A/zh
Application granted granted Critical
Publication of CN112329496B publication Critical patent/CN112329496B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06K7/1408—Methods for optical code recognition the method being specifically adapted for the type of code
    • G06K7/1417—2D bar codes
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0234—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons
    • G05D1/0236—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons in combination with a laser
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0242—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using non-visible light signals, e.g. IR or UV signals
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G05D1/0253—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting relative motion information from a plurality of images taken successively, e.g. visual odometry, optical flow
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0259—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • 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

Abstract

本公开提供了一种矩形二维码识别方法、装置及电子设备，所述方法包括：采集矩形二维码的图像；基于对所述图像进行的边缘检测，得到所述图像包含的各线段；基于所述各线段相互之间分别以各自的端点为中心并以预设半径对其他线段进行的搜索，得到所述二维码的边界所组成的目标四边形，其中，所述半径大于对应中心所在线段的二分之一长度；基于对所述目标四边形中像素的编解码，实现对所述二维码的识别。本公开实施例有效避免二维码的边界发生断裂或污染的情况下线段搜索失败的发生，从而提高了二维码的识别准确率。

Description

矩形二维码识别方法、装置及电子设备
技术领域
本公开涉及图像处理领域，具体涉及一种矩形二维码识别方法、装置及电子设备。
背景技术
在各类工厂生产活动中，基于二维码自主导航的机器人被广泛应用其中。对于这一类机器人，作为机器之眼的二维码识别无疑是相当重要的技术。
然而，在实际生产过程中，尤其在工厂环境中，二维码常常会受到诸如硬物碰撞、灰尘、水渍、油污等污染物的影响，从而导致二维码的边界发生损坏或污染。现有技术在进行二维码识别时，均是以二维码处于理想环境下为默认前提，从而导致现有技术应用于实际生产过程中时，二维码的识别准确率不理想。
发明内容
本公开的一个目的在于提出一种矩形二维码识别方法、装置及电子设备，能够有效避免二维码的边界发生断裂或污染的情况下线段搜索失败的发生，从而提高了二维码识别的识别准确率。
根据本公开实施例的一方面，公开了一种矩形二维码识别方法，所述方法包括：
采集矩形二维码的图像；
基于对所述图像进行的边缘检测，得到所述图像包含的各线段；
基于所述各线段相互之间分别以各自的端点为中心并以预设半径对其他线段进行的搜索，得到所述二维码的边界所组成的目标四边形，其中，所述半径大于对应中心所在线段的二分之一长度；
基于对所述目标四边形中像素的编解码，实现对所述二维码的识别。
根据本公开实施例的一方面，公开了一种矩形二维码识别装置，所述装置包括：
采集模块，配置为采集矩形二维码的图像；
检测模块，配置为基于对所述图像进行的边缘检测，得到所述图像包含的各线段；
搜索模块，配置为基于所述各线段相互之间分别以各自的端点为中心并以预设半径对其他线段进行的搜索，得到所述二维码的边界所组成的目标四边形，其中，所述半径大于对应中心所在线段的二分之一长度；
编解码模块，配置为基于对所述目标四边形中像素的编解码，实现对所述二维码的识别。
在本公开的一示例性实施例中，所述装置配置为：根据对所述二维码的识别结果为所述机器人提供导航。
在本公开的一示例性实施例中，所述装置配置为：
对所述图像进行梯度处理，得到所述图像的梯度；
基于所述图像的梯度与预设梯度阈值的对比，定位所述图像中的梯度大于所述梯度阈值的有效像素；
基于所述图像的梯度对所述有效像素进行聚合，得到所述有效像素组成的像素簇；
对所述像素簇进行直线拟合处理，得到所述各线段。
在本公开的一示例性实施例中，所述装置配置为：
基于所述各线段相互之间分别以各自的端点为中心并以预设半径对其他线段进行的搜索，得到至少一个闭合的候选四边形，其中，所述候选四边形中的相邻两条边由相互搜索到的两条线段延长相交后所组成；
基于预设边长条件以及预设内角条件从所述候选四边形筛选出所述目标四边形。
在本公开的一示例性实施例中，所述装置配置为：
分别以所述各线段的端点为中心并以所述半径分别建立所述各线段的圆形搜索区域；
在接触同一所述圆形搜索区域的两条线段间建立连接关系，得到至少一个候选线段集合，其中，所述候选线段集合中的任一线段与所述候选线段集合中至少一个其他线段具有连接关系；
基于在所述候选线段集合内对具有连接关系的线段的遍历，得到由在同一所述候选线段集合内遍历到的四个线段延长相交后所组成的所述候选四边形。
在本公开的一示例性实施例中，所述装置配置为：
针对每一所述候选四边形，若所述候选四边形的每一边长长度均处于预设长度区间内，则确定所述候选四边形边长符合所述长度条件，其中，所述长度区间包含所述二维码的边长长度；
针对每一所述候选四边形，若所述候选四边形的每一内角角度均处于预设角度区间内，则确定所述候选四边形内角符合所述角度条件，其中，所述角度区间包含90°。
在本公开的一示例性实施例中，所述装置配置为：
基于所述目标四边形的位置信息，定位所述二维码中各网格的中心坐标；
针对每一所述网格，将以所述网格的中心坐标为矩形中心的预设矩形区域内像素的平均灰度值作为所述网格的灰度值，其中，所述矩形区域至少包含两个像素；
基于所述网格的灰度值对所述各网格进行数字化编码，得到编码结果；
对所述编码结果进行解码，实现对所述二维码的识别。
在本公开的一示例性实施例中，所述装置配置为：
基于所述目标四边形的位置信息，定位所述目标四边形的四个边角坐标；
基于所述目标四边形的四个边角坐标，将所述目标四边形还原为矩形，得到所述二维码所处的矩形区域；
将所述矩形区域按照所述二维码的网格分布进行划分，得到所述二维码中各网格，并定位所述二维码中各网格的中心坐标。
根据本公开实施例的一方面，公开了一种矩形二维码识别电子设备，包括：存储器，存储有计算机可读指令；处理器，读取存储器存储的计算机可读指令，以执行以上权利要求中的任一个所述的方法。
根据本公开实施例的一方面，公开了一种计算机程序介质，其上存储有计算机可读指令，当所述计算机可读指令被计算机的处理器执行时，使计算机执行以上权利要求中的任一个所述的方法。
本公开实施例中，对矩形二维码的图像进行边缘检测得到图像包含的各线段后，通过大于对应线段的二分之一长度的半径进行线段间的搜索，扩大了线段间的搜索范围。使得即使二维码的边界发生断裂或污染，也能够通过线段搜索定位到二维码的边界所组成的目标四边形，进而实现对二维码的识别。有效避免二维码的边界发生断裂或污染的情况下线段搜索失败的发生，从而提高了二维码的识别准确率。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。
附图说明
通过参考附图详细描述其示例实施例，本公开的上述和其它目标、特征及优点将变得更加显而易见。
图1示出了根据本公开一个实施例的矩形二维码识别方法的流程图。
图2示出了根据本公开一个实施例的矩形二维码的图像采集示意图。
图3示出了根据本公开一个实施例的线段搜索示意图。
图4示出了根据本公开一个实施例的网格中各像素的灰度值的示意图。
图5示出了在实际生产过程中矩形二维码图像异常的四种可能情况。
图6示出了根据本公开一实施例的矩形二维码识别装置框图。
图7示出了根据本公开一实施例的矩形二维码识别电子设备硬件图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些示例实施方式使得本公开的描述将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多示例实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的示例实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、步骤等。在其它情况下，不详细示出或描述公知结构、方法、实现或者操作以避免喧宾夺主而使得本公开的各方面变得模糊。
附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
本公开提供了一种矩形二维码识别方法，具体的，是对Apriltag识别算法改进后得到的一种矩形二维码识别方法。该矩形二维码识别方法可集成于机器人控制系统中，进而应用于机器人导航场景中。具体的，由机器人控制系统根据该矩形二维码识别方法对工作环境中张贴的矩形二维码进行识别，进而根据识别的矩形二维码确定机器人所处位置，进而进行位置矫正或者位置移动从而实现导航。
可以理解的，本公开并不仅限于应用于机器人导航场景中，还可应用于各类有着二维码识别需求的场景中。
可以理解的，矩形二维码通常呈正方形。故出于简要描述的目的，在后续具体实施例的详细描述中，主要以正方形二维码的识别为示例进行描述，但并不代表本公开仅能用于正方形二维码的识别。
图1示出了本公开一实施例的矩形二维码识别方法的流程图，该方法包括：
步骤S110、采集矩形二维码的图像；
步骤S120、基于对所述图像进行的边缘检测，得到所述图像包含的各线段；
步骤S130、基于所述各线段相互之间分别以各自的端点为中心并以预设半径对其他线段进行的搜索，得到所述二维码的边界所组成的目标四边形，其中，所述半径大于对应中心所在线段的二分之一长度；
步骤S140、基于对所述目标四边形中像素的编解码，实现对所述二维码的识别。
本公开实施例中，对矩形二维码的图像进行边缘检测得到图像包含的各线段后，通过大于对应线段的二分之一长度的半径进行线段间的搜索，扩大了线段间的搜索范围。使得即使二维码的边界发生断裂或污染，也能够通过线段搜索定位到二维码的边界所组成的目标四边形，进而实现对二维码的识别。有效避免二维码的边界发生断裂或污染的情况下线段搜索失败的发生，从而提高了二维码的识别准确率。
本公开实施例中，采集矩形二维码的图像，以通过图像处理识别该二维码。
在一实施例中，通过机器人的视觉单元以预设距离垂直于该二维码采集该图像，该方法还包括：根据对该二维码的识别结果为该机器人提供导航。
该实施例中，二维码的图像的采集以及二维码的识别，均是由机器人所执行。
具体的，可以通过预先设置机器人的视觉单元的位置，使得视觉单元的光轴垂直于二维码所在平面，从而使得视觉单元垂直二维码采集图像，尽可能减小所采集图像的形变；并且，使得视觉单元与二维码所在平面之间的距离固定，从而使得视觉单元采集到的每一二维码的图像尽可能地保持缩放程度一致。进一步的，通过预先设置机器人的视觉单元的位置，还可以使得视觉单元一次最多只能采集到一个二维码的图像。
通过其视觉单元采集到二维码的图像后，按照本公开提供的方法进行二维码识别，从而根据识别结果确定机器人所处位置，进而在此基础上为机器人提供导航。
图2示出了本公开一实施例的矩形二维码的图像采集示意图。
如图2所示，该实施例中，矩形二维码平整地贴附于平面上，一般情况下，该平面为地面。机器人的视觉单元(即，图中所示相机)的光轴垂直于地面对该二维码进行拍摄，从而采集到该二维码的图像。该二维码的图像如图右侧所示，其中，二维码的边缘外围的一圈圆形标志物用于辅助二维码边界的定位。
可以理解的，二维码边界呈正方形，该正方形由四条等长的线段首尾连接而成；同时，二维码通过设置像素的灰度值组成黑白色块以存储信息，黑白色块之间也会形成有线段。将组成二维码边界的每条线段记为L1，将黑白色块之间所形成的线段记为L2；L1数目为4，L2数目根据具体情况而定；L1长度一般大于L2长度。
故本公开实施例中，通过对二维码的图像进行边缘检测，得到该图像包含的各线段(既包含组成二维码边界的L1，也包含黑白色块之间的线段L2)，以根据各线段定位二维码所在区域(即L1所围起来的区域)。
在一实施例中，基于对该图像进行的边缘检测，得到该图像包含的各线段，包括：
对该图像进行梯度处理，得到该图像的梯度；
基于该图像的梯度与预设梯度阈值的对比，定位该图像中的梯度大于该梯度阈值的有效像素；
基于该图像的梯度对该有效像素进行聚合，得到该有效像素组成的像素簇；
对该像素簇进行直线拟合处理，得到该各线段。
该实施例中，采集到二维码的图像后，对该图像进行梯度处理得到图像的梯度。其中，图像的梯度描述了图像中相邻像素之间的灰度值变化。梯度越大，则说明对应位置的相邻像素之间的灰度值变化程度越大。可以理解的，相比于单一色块内部的梯度，线段部分的梯度更大。
因此，通过预设梯度阈值，将图像的梯度与该梯度阈值进行对比，从而将图像中梯度大于该梯度阈值的像素确定为有效像素，实现有效像素的定位。其中，有效像素指的是线段部分的像素；定位有效像素后，即可在此基础上得到图像包含的各线段。
然后，基于图像的梯度对定位的有效像素进行聚合。具体的，可以基于梯度的方向以及大小对有效像素进行聚合，得到各个像素簇；每个像素簇中的有效像素属于同一个线段。
进而，对各个像素簇进行直线拟合，从而得到各个像素簇分别对应的线段，即得到图像包含的各线段。
本公开实施例中，得到矩形二维码的图像包含的各线段(既包含组成二维码边界的L1，也包含黑白色块之间的线段L2)后，为定位二维码所在区域，需要从该各线段中定位到L1。
本公开实施例中，通过各线段间的相互搜索得到目标四边形，即，通过各线段间的相互搜索定位L1。其中，各线段间在进行相互搜索时所采取的半径大于对应线段的二分之一长度。优选的，各线段间在进行相互搜索时所采取的半径等于对应线段的1.5倍长度。
下面参考图3对本公开实施例中线段搜索得到目标四边形的基本过程进行描述。
图3示出了本公开一实施例的线段搜索示意图。
参考图3所示，线段S1与线段S2均为图像所包含的一个线段。线段S1搜索其他线段时：以S1右侧的端点为中心以预设半径如图虚线所示建立S1的圆形搜索区域，其中，该半径大于S1的二分之一长度(优选的，该半径等于S1的1.5倍长度)。与S1的圆形搜索区域存在接触(例如：完全处于S1的圆形搜索区域、局部处于S1的圆形搜索区域或者与S1的圆形搜索区域相切)的其他线段视为被S1搜索到。如图所示，S2与S1的圆形搜索区域相切，存在接触，故S2被S1搜索到。
S2与S1的圆形搜索区域存在接触，同时，S1也与S1的圆形搜索区域存在接触。则在S1与S2间建立连接关系。
同理，线段S2搜索其他线段时：以S2的端点为中心以预设半径建立S1的圆形搜索区域，其中，该半径大于S2的二分之一长度(优选的，该半径等于S2的1.5倍长度)。
若二维码的图像所包含的所有线段均经过搜索后确定：S1与S2有连接关系，S2与线段S3有连接关系，S3与线段S4有连接关系，S4与线段S5由连接关系。则将S1、S2、S3、S4与S5作为一个候选线段集合；进而循依连接关系对该候选线段集合内的线段进行遍历，遍历的过程中将遍历到的线段进行延长。可以理解的，经过遍历以及线段延长相交后，一般会得到多个闭合几何图形(除了有四边形之外，还可能有三角形或者五边形或者其他)；进而可以通过对闭合几何图形中像素进行编解码，将解码结果与预存用于对比的二维码信息进行对比，从而从该多个闭合几何图形中确定出目标四边形的同时，实现对二维码的识别。
需要说明的是，图3只是示例性地展示了线段搜索的过程，不应对本公开的功能和使用范围造成限制。
在一实施例中，基于该各线段相互之间分别以各自的端点为中心并以预设半径对其他线段进行的搜索，得到该二维码的边界所组成的目标四边形，包括：
基于该各线段相互之间分别以各自的端点为中心并以预设半径对其他线段进行的搜索，得到至少一个闭合的候选四边形，其中，该候选四边形中的相邻两条边由相互搜索到的两条线段延长相交后所组成；
基于预设边长条件以及预设内角条件从该候选四边形筛选出该目标四边形。
该实施例中，通过线段搜索先得到候选四边形，再根据边长以及内角从候选四边形中筛选出目标四边形。其中，候选四边形指的是二维码中各线段延长可以组成的四边形，可以为四个L1组成的四边形，可以为L1与L2组成的四边形，也可以为L2组成的四边形；目标四边形指的是组成二维码边界的四边形，即，四个L1组成的四边形。
具体的，各线段相互搜索，根据搜索结果将相互搜索到的两条线段延长至相交，从而可以根据相交结果得到至少一个闭合的候选四边形。搜索的基本过程：线段以其端点为中心并以预设半径对其他线段进行搜索，其中，半径大于该线段的二分之一长度。
得到候选四边形后，根据预设的边长条件以及角度条件从中筛选出目标四边形。其中，边长条件主要用于描述L1长度；角度条件主要用于描述90°内角。
该实施例的优点在于，通过边长的限制以及角度的限制，可以加速搜索目标四边形的速度。
在一实施例中，基于该各线段相互之间分别以各自的端点为中心并以预设半径对其他线段进行的搜索，得到至少一个闭合的候选四边形，包括：
分别以该各线段的端点为中心并以该半径分别建立该各线段的圆形搜索区域；
在接触同一该圆形搜索区域的两条线段间建立连接关系，得到至少一个候选线段集合，其中，该候选线段集合中的任一线段与该候选线段集合中至少一个其他线段具有连接关系；
基于在该候选线段集合内对具有连接关系的线段的遍历，得到由在同一该候选线段集合内遍历到的四个线段延长相交后所组成的该候选四边形。
该实施例中，对于矩形二维码的图像包含的各线段，针对每一线段，以该线段的端点为中心并以预设半径(该半径大于该线段的二分之一长度)建立该线段的圆形搜索区域。从而得到多个圆形搜索区域。
若两条线段接触同一圆形搜索区域，则在该两条线段间建立连接关系。例如：线段S2局部处于线段S1的圆形搜索区域，则在S2与S1间建立连接关系。
从而确定矩形二维码的图像包含的各线段之间的连接关系。
将具有连接关系的线段加入同一候选线段集合中。例如：线段S1与线段S2具有连接关系，线段S2还与线段S3具有连接关系，则将S1、S2以及S3加入同一候选线段集合。
在候选线段集合内对具有连接关系的线段进行遍历，遍历的过程中将遍历到的具有连接关系的线段进行延长从而相交。进而从延长相交的结果中得到由四条线段延长相交组成的候选四边形。
在一实施例中，从该候选四边形筛选出边长符合预设长度条件且内角符合预设角度条件的目标四边形，包括：
针对每一该候选四边形，若该候选四边形的每一边长长度均处于预设长度区间内，则确定该候选四边形边长符合该长度条件，其中，该长度区间包含该二维码的边长长度；
针对每一该候选四边形，若该候选四边形的每一内角角度均处于预设角度区间内，则确定该候选四边形内角符合该角度条件，其中，该角度区间包含90°。
该实施例中，预设的长度条件为：候选四边形的每一边长长度均处于预设长度区间内。记该长度区间为[A1,A2]，其中，A1小于等于二维码的边长L1的长度，A2大于等于L1。优选的，该长度区间为[0.8L1,1.2L1]，于二维码的边长长度L1左右浮动20％。
预设的角度条件为：候选四边形的每一内角角度均处于预设角度区间内。记该角度区间为[R1,R2]，其中，R1小于等于90°，R2大于等于90°。优选的，该角度区间为[80°,100°]，于90°左右浮动10°。
该实施例的优点在于，在图像采集的过程中，出于设备偏差或者环境偏差的原因，采集到的图像可能会发生一定程度的形变，从而使得本来在图像中应呈正方形(该正方形的边长等于L1，四个内角均为90°)的图像不再呈该正方形。因此，通过设置长度区间以及角度区间进行目标四边形的筛选，可以有效适应图像采集发生形变的情况，提高了二维码识别的环境适应度。
可以理解的，在保证采集到的图像不发生形变的情况下，还可以直接将长度条件设置为：候选四边形的每一边长长度均等于二维码的边长长度；将角度条件设置为：候选四边形的每一内角角度均为90°。
本公开实施例中，正方形二维码通常被平均划分为N*N个正方形网格，每个网格通常会包含多个像素。其中，N为大于0的自然数。二维码识别的过程中，需要将网格的灰度值进行数字化编码，以数字量化每个网格，从而得到由N*N个数字所表示的二维码；进而对该N*N个数字进行解码，从而解析出二维码所存储的信息，实现二维码的识别。
在一实施例中，基于对该目标四边形中像素的编解码，实现对该二维码的识别，包括：
基于该目标四边形的位置信息，定位该二维码中各网格的中心坐标；
针对每一该网格，将以该网格的中心坐标为矩形中心的预设矩形区域内像素的平均灰度值作为该网格的灰度值，其中，该矩形区域至少包含两个像素；
基于该网格的灰度值对该各网格进行数字化编码，得到编码结果；
对该编码结果进行解码，实现对该二维码的识别。
该实施例中，对二维码进行识别时，将网格的中心坐标附近区域内的多个像素的平均灰度值作为该网格的灰度值。
具体的，基于目标四边形的位置信息，定位二维码中各网格的中心坐标。例如：确定目标四边形所在的位置后，按照二维码中各网格的原划分比例，对该目标四边形进行等比例划分，从而得到该目标四边形中的各网格。进而可以根据该目标四边形中的各网格的中心坐标，还原二维码中各网格的中心坐标。
定位二维码中各网格的中心坐标后，需要确定每一网格的灰度值。针对每一网格：以该网格的中心坐标为矩形中心，按照预设的矩形区域划分出一矩形区域；该矩形区域的面积使得该矩形区域包含多个像素；进而计算该矩形区域内像素的平均灰度值，并将该平均灰度值作为该网格的灰度值。
优选的，该用于计算网格的灰度值的矩形区域为边长为网格边长二分之一的正方形区域。例如：二维码内的网格通常为正方形，则记网格边长长度为D，并记网格的中心坐标为P；则该矩形区域为以P为中心边长D/2的正方形区域。
得到二维码内每一网格的灰度值后，根据灰度值对每一网格进行数字化编码，得到数字量化的编码结果。进而再对编码解码进行解码，从而解析出二维码所存储的信息，实现对二维码的识别。
该实施例的优点在于，由于同一网格内各像素的灰度值基本一致，因此通过以网格中心附近矩形区域的平均灰度值表示网格的灰度值，可以有效解决因灰尘、小屑或者墨水对二维码造成污染而难以识别二维码的问题，提高了二维码识别的识别率。
图4示出了本公开一实施例的网格中各像素的灰度值的示意图。
参考图4所示，矩形二维码的图像中局部网格所包含的各像素的灰度值如图右所示。按照从左往右，从上往下的顺序，各个像素的灰度值依次为：8、9、6、8、7、7、5、6等。
若处于第三行第三列的灰度值14像素位于一网格的中心，按照现有方法，该网格的灰度值会被确定为14；按照本公开提供的方法，可以选取以该灰度值14像素为中心的边长为三个像素的矩形区域，计算该矩形区域的平均灰度值(5+6+8+9+3+9+8+7+14)/9＝7.7，则该网格的灰度值会被确定为7.7。
当该二维码受到灰尘、小屑或者墨水污染时，会导致部分像素的灰度值改变。可见，该灰度值14像素相较于周围像素灰度值明显较高，很可能是受到污染后其灰度值才达到14；若按照现有技术将对应网格的灰度值确定为14，则会导致网格的灰度值确定错误，进而降低了二维码的识别准确率；若按照本公开提供的方法将对应网格的灰度值确定为7.7，则可以有效对抗污染造成的影响，提高了二维码的识别准确率。
在一实施例中，基于该目标四边形的位置信息，定位该二维码中各网格的中心坐标，包括：
基于该目标四边形的位置信息，定位该目标四边形的四个边角坐标；
基于该目标四边形的四个边角坐标，将该目标四边形还原为矩形，得到该二维码所处的矩形区域；
将该矩形区域按照该二维码的网格分布进行划分，得到该二维码中各网格，并定位该二维码中各网格的中心坐标。
该实施例中，先将目标四边形还原为矩形，再在对应矩形区域中确定二维码中各网格的中心坐标。
具体的，确定目标四边形的位置信息后，可以通过检测两个相邻线段的连接位置定位该目标四边形的四个边角坐标。
可以理解的，无论图像发生怎样的形变，目标四边形中的四个边角仍旧是二维码的四个边角。同时二维码是正方形，故确定目标四边形的四个边角坐标后，可以通过将该四个边角还原为符合正方形边角的方式，将目标四边形还原为正方形，从而得到二维码所处的正方形区域。
进而将该正方形区域按照二维码的网格分布进行划分，从而得到二维码中各网格，也就定位了二维码中各网格的中心坐标。例如：二维码的网格分布为均匀分布的N*N个网格，则将该正方形区域均匀划分为N*N个网格，从而定位二维码中各网格的中心坐标。
该实施例的优点在于，通过定位到的边角将目标四边形还原为矩形，可以准确定位二维码所处的矩形区域，进而保证后续网格中心坐标的定位准确度。
图5示出了在实际生产过程中，二维码图像异常的四种可能情况。
参考图5所示，其中的图(a)示出了二维码受到灰尘污染的情况。正常情况下，二维码内黑白色块间的边界应该清晰易辨。而当二维码受到灰尘污染后，常常会出现如图(a)所示的，黑白色块间的边界变得模糊；而且，原本是白色块的局部区域还可能被污染为深色。这种情况会对二维码识别过程中对网格进行编解码造成阻碍。
图(b)示出了二维码中墨水扩散的情况。当二维码处于潮湿的环境中时，或者处于多油污的环境中时，墨水沾染上水或者油后会扩散开，从而使得原本是白色块的局部区域被染成深色。这种情况会对二维码识别过程中对网格进行编解码造成阻碍。
图(c)示出了二维码受到小屑污染的情况。当二维码处于小颗粒物体密集的环境中时，常常会沾染上小颗粒物体。而很多时候小颗粒物体是不透明的，从而导致原本是白色块的局部区域在图像中会显示为深色。这种情况会对二维码识别过程中对网格进行编解码造成阻碍。
图(d)示出了二维码边界发生损坏或者污染的情况。在图(d)的右边界的上方，有一块突起。显然，在正常的二维码中，该突起是不应该存在的。而由于环境的因素，二维码边界会被损坏或者被污染。这种情况会对二维码识别过程中定位二维码边界造成阻碍。
通过本公开提供的二维码识别方法，进行线段搜索时所采取的半径大于对应线段的二分之一长度，提高了对二维码边界的定位能力，有效解决了图(d)所示情况；通过以网格中心附近矩形区域内的平均灰度值表示网格的灰度值，降低了白色块污染所带来的影响，有效解决了图(a)、图(b)以及图(c)所示情况。
图6示出了根据本公开一实施例的矩形二维码识别装置，所述装置包括：
采集模块210，配置为采集矩形二维码的图像；
检测模块220，配置为基于对所述图像进行的边缘检测，得到所述图像包含的各线段；
搜索模块230，配置为基于所述各线段相互之间分别以各自的端点为中心并以预设半径对其他线段进行的搜索，得到所述二维码的边界所组成的目标四边形，其中，所述半径大于对应中心所在线段的二分之一长度；
编解码模块240，配置为基于对所述目标四边形中像素的编解码，实现对所述二维码的识别。
在本公开的一示例性实施例中，所述装置配置为：根据对所述二维码的识别结果为所述机器人提供导航。
在本公开的一示例性实施例中，所述装置配置为：
对所述图像进行梯度处理，得到所述图像的梯度；
基于所述图像的梯度与预设梯度阈值的对比，定位所述图像中的梯度大于所述梯度阈值的有效像素；
基于所述图像的梯度对所述有效像素进行聚合，得到所述有效像素组成的像素簇；
对所述像素簇进行直线拟合处理，得到所述各线段。
在本公开的一示例性实施例中，所述装置配置为：
基于所述各线段相互之间分别以各自的端点为中心并以预设半径对其他线段进行的搜索，得到至少一个闭合的候选四边形，其中，所述候选四边形中的相邻两条边由相互搜索到的两条线段延长相交后所组成；
基于预设边长条件以及预设内角条件从所述候选四边形筛选出所述目标四边形。
在本公开的一示例性实施例中，所述装置配置为：
分别以所述各线段的端点为中心并以所述半径分别建立所述各线段的圆形搜索区域；
在接触同一所述圆形搜索区域的两条线段间建立连接关系，得到至少一个候选线段集合，其中，所述候选线段集合中的任一线段与所述候选线段集合中至少一个其他线段具有连接关系；
基于在所述候选线段集合内对具有连接关系的线段的遍历，得到由在同一所述候选线段集合内遍历到的四个线段延长相交后所组成的所述候选四边形。
在本公开的一示例性实施例中，所述装置配置为：
针对每一所述候选四边形，若所述候选四边形的每一边长长度均处于预设长度区间内，则确定所述候选四边形边长符合所述长度条件，其中，所述长度区间包含所述二维码的边长长度；
针对每一所述候选四边形，若所述候选四边形的每一内角角度均处于预设角度区间内，则确定所述候选四边形内角符合所述角度条件，其中，所述角度区间包含90°。
在本公开的一示例性实施例中，所述装置配置为：
基于所述目标四边形的位置信息，定位所述二维码中各网格的中心坐标；
针对每一所述网格，将以所述网格的中心坐标为矩形中心的预设矩形区域内像素的平均灰度值作为所述网格的灰度值，其中，所述矩形区域至少包含两个像素；
基于所述网格的灰度值对所述各网格进行数字化编码，得到编码结果；
对所述编码结果进行解码，实现对所述二维码的识别。
在本公开的一示例性实施例中，所述装置配置为：
基于所述目标四边形的位置信息，定位所述目标四边形的四个边角坐标；
基于所述目标四边形的四个边角坐标，将所述目标四边形还原为矩形，得到所述二维码所处的矩形区域；
将所述矩形区域按照所述二维码的网格分布进行划分，得到所述二维码中各网格，并定位所述二维码中各网格的中心坐标。
下面参考图7来描述根据本公开实施例的矩形二维码识别电子设备30。图7显示的电子设备30仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示，电子设备30以通用计算设备的形式表现。电子设备30的组件可以包括但不限于：上述至少一个处理单元310、上述至少一个存储单元320、连接不同系统组件(包括存储单元320和处理单元310)的总线330。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元310执行，使得所述处理单元310执行本说明书上述示例性方法的描述部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元310可以执行如图1中所示的各个步骤。
存储单元320可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)3201和/或高速缓存存储单元3202，还可以进一步包括只读存储单元(ROM)3203。
存储单元320还可以包括具有一组(至少一个)程序模块3205的程序/实用工具3204，这样的程序模块3205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线330可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备30也可以与一个或多个外部设备400(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备30交互的设备通信，和/或与使得该电子设备30能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口350进行。输入/输出(I/O)接口350与显示单元340相连。并且，电子设备30还可以通过网络适配器360与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器360通过总线330与电子设备30的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备30使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有计算机可读指令，当所述计算机可读指令被计算机的处理器执行时，使计算机执行上述方法实施例部分描述的方法。
根据本公开的一个实施例，还提供了一种用于实现上述方法实施例中的方法的程序产品，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，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。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。
计算机可读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，其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、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。
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、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如JAVA、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由所附的权利要求指出。

Claims (10)

1.一种矩形二维码识别方法，其特征在于，所述方法包括：
采集矩形二维码的图像；
基于对所述图像进行的边缘检测，得到所述图像包含的各线段；
基于所述各线段相互之间分别以各自的端点为中心并以预设半径对其他线段进行的搜索，得到所述二维码的边界所组成的目标四边形，其中，所述半径大于对应中心所在线段的二分之一长度；
基于对所述目标四边形中像素的编解码，实现对所述二维码的识别。
2.根据权利要求1所述的方法，其特征在于，通过机器人的视觉单元以预设距离垂直于所述二维码采集所述图像，所述方法还包括：根据对所述二维码的识别结果为所述机器人提供导航。
3.根据权利要求1所述的方法，其特征在于，基于对所述图像进行的边缘检测，得到所述图像包含的各线段，包括：
对所述图像进行梯度处理，得到所述图像的梯度；
基于所述图像的梯度与预设梯度阈值的对比，定位所述图像中的梯度大于所述梯度阈值的有效像素；
基于所述图像的梯度对所述有效像素进行聚合，得到所述有效像素组成的像素簇；
对所述像素簇进行直线拟合处理，得到所述各线段。
4.根据权利要求1所述的方法，其特征在于，基于所述各线段相互之间分别以各自的端点为中心并以预设半径对其他线段进行的搜索，得到所述二维码的边界所组成的目标四边形，包括：
基于所述各线段相互之间分别以各自的端点为中心并以预设半径对其他线段进行的搜索，得到至少一个闭合的候选四边形，其中，所述候选四边形中的相邻两条边由相互搜索到的两条线段延长相交后所组成；
基于预设边长条件以及预设内角条件从所述候选四边形筛选出所述目标四边形。
5.根据权利要求4所述的方法，其特征在于，基于所述各线段相互之间分别以各自的端点为中心并以预设半径对其他线段进行的搜索，得到至少一个闭合的候选四边形，包括：
分别以所述各线段的端点为中心并以所述半径分别建立所述各线段的圆形搜索区域；
在接触同一所述圆形搜索区域的两条线段间建立连接关系，得到至少一个候选线段集合，其中，所述候选线段集合中的任一线段与所述候选线段集合中至少一个其他线段具有连接关系；
基于在所述候选线段集合内对具有连接关系的线段的遍历，得到由在同一所述候选线段集合内遍历到的四个线段延长相交后所组成的所述候选四边形。
6.根据权利要求4所述的方法，其特征在于，基于预设边长条件以及预设内角条件从所述候选四边形筛选出所述目标四边形，包括：
针对每一所述候选四边形，若所述候选四边形的每一边长长度均处于预设长度区间内，则确定所述候选四边形边长符合所述长度条件，其中，所述长度区间包含所述二维码的边长长度；
针对每一所述候选四边形，若所述候选四边形的每一内角角度均处于预设角度区间内，则确定所述候选四边形内角符合所述角度条件，其中，所述角度区间包含90°。
7.根据权利要求1所述的方法，其特征在于，基于对所述目标四边形中像素的编解码，实现对所述二维码的识别，包括：
基于所述目标四边形的位置信息，定位所述二维码中各网格的中心坐标；
针对每一所述网格，将以所述网格的中心坐标为矩形中心的预设矩形区域内像素的平均灰度值作为所述网格的灰度值，其中，所述矩形区域至少包含两个像素；
基于所述网格的灰度值对所述各网格进行数字化编码，得到编码结果；
对所述编码结果进行解码，实现对所述二维码的识别。
8.根据权利要求7所述的方法，其特征在于，基于所述目标四边形的位置信息，定位所述二维码中各网格的中心坐标，包括：
基于所述目标四边形的位置信息，定位所述目标四边形的四个边角坐标；
基于所述目标四边形的四个边角坐标，将所述目标四边形还原为矩形，得到所述二维码所处的矩形区域；
将所述矩形区域按照所述二维码的网格分布进行划分，得到所述二维码中各网格，并定位所述二维码中各网格的中心坐标。
9.一种矩形二维码识别装置，其特征在于，所述装置包括：
采集模块，配置为采集矩形二维码的图像；
检测模块，配置为基于对所述图像进行的边缘检测，得到所述图像包含的各线段；
搜索模块，配置为基于所述各线段相互之间分别以各自的端点为中心并以预设半径对其他线段进行的搜索，得到所述二维码的边界所组成的目标四边形，其中，所述半径大于对应中心所在线段的二分之一长度；
编解码模块，配置为基于对所述目标四边形中像素的编解码，实现对所述二维码的识别。
10.一种矩形二维码识别电子设备，其特征在于，包括：
存储器，存储有计算机可读指令；
处理器，读取存储器存储的计算机可读指令，以执行权利要求1-8中的任一个所述的方法。
CN202011402507.1A 2020-12-02 2020-12-02 矩形二维码识别方法、装置及电子设备 Active CN112329496B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011402507.1A CN112329496B (zh) 2020-12-02 2020-12-02 矩形二维码识别方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011402507.1A CN112329496B (zh) 2020-12-02 2020-12-02 矩形二维码识别方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN112329496A true CN112329496A (zh) 2021-02-05
CN112329496B CN112329496B (zh) 2023-12-19

Family

ID=74302110

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011402507.1A Active CN112329496B (zh) 2020-12-02 2020-12-02 矩形二维码识别方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN112329496B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114564978A (zh) * 2022-04-27 2022-05-31 北京紫光青藤微系统有限公司 用于二维码解码的方法及装置、电子设备、存储介质
CN116468060A (zh) * 2023-04-23 2023-07-21 创新奇智(上海)科技有限公司 一种dpm码处理方法、装置、存储介质及设备
CN117218328A (zh) * 2023-11-07 2023-12-12 深圳优艾智合机器人科技有限公司 二维码定位方法、电子设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104463067A (zh) * 2014-12-04 2015-03-25 四川大学 一种Grid Matrix二维条码宏模块提取方法
CN104598904A (zh) * 2014-11-14 2015-05-06 腾讯科技（深圳）有限公司 一种图形码校正图形中心的定位方法和设备
US20180137323A1 (en) * 2015-07-30 2018-05-17 Fujian Landi Commercial Equipment Co., Ltd. Quick response code feature detection method and system
CN110148175A (zh) * 2019-05-29 2019-08-20 山东大学 基于二维标签的发酵窖池自动定位与边界检测系统及方法
CN110414649A (zh) * 2019-07-29 2019-11-05 广州柔视智能科技有限公司 Dm码的定位方法、装置、终端及存储介质
CN111222356A (zh) * 2020-01-14 2020-06-02 河北省烟草公司沧州市公司 图像识别方法、扫码方法、扫码终端和商品销售管理系统
CN111368573A (zh) * 2020-03-02 2020-07-03 凌云光技术集团有限责任公司 一种基于几何特征约束的定位方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104598904A (zh) * 2014-11-14 2015-05-06 腾讯科技（深圳）有限公司 一种图形码校正图形中心的定位方法和设备
CN104463067A (zh) * 2014-12-04 2015-03-25 四川大学 一种Grid Matrix二维条码宏模块提取方法
US20180137323A1 (en) * 2015-07-30 2018-05-17 Fujian Landi Commercial Equipment Co., Ltd. Quick response code feature detection method and system
CN110148175A (zh) * 2019-05-29 2019-08-20 山东大学 基于二维标签的发酵窖池自动定位与边界检测系统及方法
CN110414649A (zh) * 2019-07-29 2019-11-05 广州柔视智能科技有限公司 Dm码的定位方法、装置、终端及存储介质
CN111222356A (zh) * 2020-01-14 2020-06-02 河北省烟草公司沧州市公司 图像识别方法、扫码方法、扫码终端和商品销售管理系统
CN111368573A (zh) * 2020-03-02 2020-07-03 凌云光技术集团有限责任公司 一种基于几何特征约束的定位方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
包怡: "基于图像处理的二维条码识别研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, pages 138 - 843 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114564978A (zh) * 2022-04-27 2022-05-31 北京紫光青藤微系统有限公司 用于二维码解码的方法及装置、电子设备、存储介质
CN114564978B (zh) * 2022-04-27 2022-07-15 北京紫光青藤微系统有限公司 用于二维码解码的方法及装置、电子设备、存储介质
CN116468060A (zh) * 2023-04-23 2023-07-21 创新奇智(上海)科技有限公司 一种dpm码处理方法、装置、存储介质及设备
CN117218328A (zh) * 2023-11-07 2023-12-12 深圳优艾智合机器人科技有限公司 二维码定位方法、电子设备及存储介质
CN117218328B (zh) * 2023-11-07 2024-03-08 深圳优艾智合机器人科技有限公司 二维码定位方法、电子设备及存储介质

Also Published As

Publication number Publication date
CN112329496B (zh) 2023-12-19

Similar Documents

Publication Publication Date Title
CN112329496A (zh) 矩形二维码识别方法、装置及电子设备
CN112348815A (zh) 图像处理方法、图像处理装置以及非瞬时性存储介质
CN113516135B (zh) 一种基于深度学习的遥感影像建筑物提取及轮廓优化方法
CN106960208B (zh) 一种仪表液晶数字自动切分和识别的方法及系统
JP7289927B2 (ja) 二次元コードの認識方法、生成方法、装置、二次元コード及び小車
CN110660072B (zh) 一种直线边缘的识别方法、装置、存储介质及电子设备
CN108629782B (zh) 基于地面线索传播的道路目标深度估计方法
CN108734161B (zh) 冠字号区域的识别方法、装置、设备及存储介质
CN113378696A (zh) 图像处理方法、装置、设备及存储介质
CN115457017A (zh) 一种导线缺陷检测方法、装置、计算机设备及存储介质
CN114266860A (zh) 三维人脸模型建立方法、装置、电子设备及存储介质
CN114283343A (zh) 基于遥感卫星图像的地图更新方法、训练方法和设备
CN111598917B (zh) 数据嵌入方法、装置、设备及计算机可读存储介质
Ham et al. Recognition of raised characters for automatic classification of rubber tires
CN113780040A (zh) 唇部关键点的定位方法及装置、存储介质、电子设备
CN112001352A (zh) 基于Apriltag标签的纺织作业工作台识别定位方法及装置
Schneider Real time circle detection by simplified Hough transform on smartphones
CN115984211A (zh) 视觉定位方法、机器人及存储介质
Han et al. L-split marker for augmented reality in aircraft assembly
CN115147809A (zh) 一种障碍物检测方法、装置、设备以及存储介质
CN114511862A (zh) 表格识别方法、装置及电子设备
CN113838032A (zh) 棋盘定位方法、装置、设备及存储介质
CN112017203A (zh) 图像处理方法、视频处理方法、装置、设备及存储介质
CN112215032A (zh) 图像中的目标识别方法、装置、电子设备及程序介质
CN113807293B (zh) 减速带的检测方法、系统、设备及计算机可读存储介质

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
GR01 Patent grant
GR01 Patent grant