CN112464947A - 一种三脚透镜的视觉识别方法 - Google Patents
一种三脚透镜的视觉识别方法 Download PDFInfo
- Publication number
- CN112464947A CN112464947A CN202011193249.0A CN202011193249A CN112464947A CN 112464947 A CN112464947 A CN 112464947A CN 202011193249 A CN202011193249 A CN 202011193249A CN 112464947 A CN112464947 A CN 112464947A
- Authority
- CN
- China
- Prior art keywords
- circle
- image
- circles
- tripod
- lens
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种三脚透镜的视觉识别方法，步骤1)：图像轮廓前处理，即获取图像后，对图像轮廓填充；步骤2)：图像轮廓提取，对轮廓点拟合圆，并按得分排序；步骤3)：通过距离约束过滤掉非目标圆，得到3个目标圆；步骤4)：根据3个圆的几何中心粗略计算内圆的中心，然后根据梯度计算中心圆的边缘点，再迭代拟合精确求圆心；步骤5)：计算角度。本发明在于提供一种能有效的、快速的、精确的定位到物体，适用于实时性要求较高的应用场合的一种三脚透镜的视觉识别方法。
Description
技术领域
本发明涉及一种透镜的视觉识别方法，具体涉及一种三脚透镜的视觉识别方法。
背景技术
随着机器视觉在工业中的广泛应用，各种物体识别方法纷纷提出，主要分为基于灰度信息的算法和基于特征的匹配算法。
所述基于灰度信息的算法直接利用图像的灰度信息建立两幅图像之间的相似性度量，不需要做特征提取，计算量大，速度较慢。
基于图像特征的匹配算法主要提取图像中保持不变的特征，如角点、边缘点，闭区域的重心等作为两幅图像匹配的参考信息。由于它提取了图像的显著特征，压缩了图像信息量，因此计算量小，速度较快。
如上两种方法都需要学习模板，并没有充分利用物体的几何特征。本发明提出的一种基于图像轮廓几何特征的识别方法，能有效的、快速的、精确的定位到物体，尤其适用于实时性要求较高的应用场合。
中国专利申请号为：201610772141.4，申请日是:2016年08月30日，公开日是：2017年01月18日，专利名称为：基于双液透镜光学系统的空间目标特征识别方法，该发明涉及基于双液透镜光学系统的空间目标特征识别算法，引入液透镜电控变焦的优势，通过特征提取、线性特征聚类，实现在不同相对测量距离下对空间目标类型的准确识别。本发明的方法包括(1)图像线性特征提取，得到目标特征；(2)基于变换域的线性特征方向聚类方法，得到目标的主要线性结构方向量，得到目标的可能分类；(3)基于方向聚类的电调液透镜调焦方法，计算目标的主要方向聚类，如满足要求阈值要求进行后续计算，如不满足要求继续调焦并重复计算方向聚类参数；(4)基于交点的目标识别方法，计算目标观测面的4个交点，得到目标观测面的形状，识别出目标类型。可用此方法对空间目标特征进行自动识别，得到目标的类型。
上述专利文献公开了一种基于双液透镜光学系统的空间目标特征识别方法，但是该方法不能有效的、快速的、精确的定位到物体，尤其不适用于实时性要求较高的应用场合。
发明内容
本发明针对现有技术的缺陷提供一种能有效的、快速的、精确的定位到物体，适用于实时性要求较高的应用场合的一种三脚透镜的视觉识别方法。
本发明的目的是通过以下技术方案实现的：
一种三脚透镜的视觉识别方法，包括如下步骤：
所述步骤1)包括如下步骤：
步骤a：获取图像；
步骤b：计算阀值并二值化；
步骤c：根据透镜设定的大小进行轮廓填充。
所述步骤1)包括如下步骤：
步骤a：获取图像；
步骤b：计算阀值并二值化；
步骤c：根据透镜设定的大小进行轮廓填充。
所述步骤2)包括如下步骤：
步骤a：提取所有图像轮廓点并拟合椭圆；
步骤b：根据实际长半轴、短半轴、面积和理论半径、理论面积计算得分；
步骤c：根据得分由高到低排序；
设检测到的圆的长半轴为a，短半轴为b，则面积s_r＝π×a×b。理论圆半径为r，则理论面积为s_t＝π×r2，则每个圆的得分为：
score1＝1-|1-a/r|
score2＝1-|1-b/r|
score3＝1-|1-s_r/s_t|
score＝(score1+score2+score3)/3
如果得分大于设定值，则为候选圆。
所述图像轮廓提取包括通过图像面积约束提取目标所呈现的轮廓。
所述步骤2)还包括如下步骤：
步骤a：计算图像理论面积；
步骤b：根据计算图像面积提取图像轮廓。
所述提取图像轮廓面积是图像理论面积的0.8～1.2倍时即为目标。
所述步骤3)包括如下步骤：
步骤a：对目标图像轮廓点进行最小二乘法拟合圆；
步骤b：因为实际检测到的圆可能很多，而目标圆只有3个，因此需要过滤。设3个圆两两间的间距为d_t，实际工艺允许误差为±5％，对所有的候选圆任何两个圆间的距离进行比较，设总共有n个候选圆，则需要经过
次计算，如果实际距离d_r满足d_r≥d_t×(1-0.05)∩d_r≤d_t×(1+0.05)，则将满足条件的个数加1，最终只有3个圆满足个数等于2，这3个圆即为目标圆。
所述步骤4)包括如下步骤：
步骤a：根据3个目标圆粗略计算透镜中心c1；
步骤b：以c1为圆心，在理论半径的圆环内计算每个像素点的方向向量，将指向圆心的且其模为局部极大值的方向向量的点添加到候选点；
步骤c：对所有候选点进行最小二乘法拟合圆，得圆心为c2；
步骤d：计算所有候选点到c2的距离并分段统计个数，则必然服从均值为r的正太分布；
步骤e：删除小于一定数量的点；
步骤f：重复执行步骤c、d、e，直至方差收敛到一定范围，即可得到准确圆心c3。
所述步骤5)透镜的角度可以通过3个目标圆中的任何一个与c3的连线来计算，但为了提高生产效率，必须使路径最短，即角度最小。因此取0度点为p1(r,0)，计算3个点到p1的距离，其中距离最小的点设为p2，则p2与c3的连线与x轴正方向的夹角即为透镜的角度。
本发明的有益效果是：本发明提出的一种基于图像轮廓几何特征的识别方法，能有效的、快速的、精确的定位到物体，尤其适用于实时性要求较高的应用场合。
附图说明
图1为本发明所述一种三脚透镜的视觉识别方法的步骤流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步详述，以下实施例只是描述性的，不是限定性的，不能以此限定本发明的保护范围。
实施例1
参看图1，本发明所述一种三脚透镜的视觉识别方法，
步骤1)：图像轮廓前处理S1，即获取图像后，对图像轮廓填充；
步骤2)：图像轮廓提取，拟合圆并按得分排序S2；
步骤3)：过滤得到3个目标圆S3；
步骤4)：计算中心S4；
步骤5)：计算角度S5；
步骤6)：完成识别S6。
所述步骤1)包括如下步骤：
步骤a：获取图像；
步骤b：计算阀值并二值化；
步骤c：根据透镜设定的大小进行轮廓填充。
本实施例，优选地，所述步骤2)包括如下步骤：
步骤a：提取所有图像轮廓点并拟合椭圆；
步骤b：根据实际长半轴、短半轴、面积和理论半径、理论面积计算得分；
步骤c：根据得分由高到低排序；
设检测到的圆的长半轴为a，短半轴为b，则面积s_r＝π×a×b。理论圆半径为r，则理论面积为s_t＝π×r2，则每个圆的得分为：
score1＝1-|1-a/r|
score2＝1-|1-b/r|
score3＝1-|1-s_r/s_t|
score＝(score1+score2+score3)/3
如果得分大于设定值，则为候选圆。
所述步骤2)所述图像轮廓提取包括通过图像面积约束提取目标所呈现的轮廓。
本实施例，进一步优选地，所述步骤2)还包括如下步骤：
步骤a：计算图像理论面积；
步骤b：根据计算图像面积提取图像轮廓。
本实施例，所述相机获取图像后，首先自动计算阈值并二值化、然后根据透镜设定的大小进行轮廓填充；
本实施例，所述通过图像面积约束提取目标所呈现的轮廓。首先计算图像理论面积，然后提取图像轮廓，当提取图像轮廓的面积在图像理论面积的0.8～1.2倍之间时认为即为目标。
本实施例，优选地，所述步骤3)包括如下步骤：
步骤a：对目标图像轮廓点进行最小二乘法拟合圆；
步骤b：因为实际检测到的圆可能很多，而目标圆只有3个，因此需要过滤。设3个圆两两间的间距为d_t，实际工艺允许误差为±5％，对所有的候选圆任何两个圆间的距离进行比较，设总共有n个候选圆，则需要经过
次计算，如果实际距离d_r满足d_r≥d_t×(1-0.05)∩d_r≤d_t×(1+0.05)，则将满足条件的个数加1，最终只有3个圆满足个数等于2，这3个圆即为目标圆。
本实施例，所述步骤4)包括如下步骤：
步骤a：根据3个目标圆粗略计算透镜中心c1；
步骤b：以c1为圆心，在理论半径的圆环内计算每个像素点的方向向量，将指向圆心的且其模为局部极大值的方向向量的点添加到候选点；
步骤c：对所有候选点进行最小二乘法拟合圆，得圆心为c2；
步骤d：计算所有候选点到c2的距离并分段统计个数，则必然服从均值为r的正太分布；
步骤e：删除小于一定数量的点；
步骤f：重复执行步骤c、d、e，直至方差收敛到一定范围，即可得到准确圆心c3。
本实施例，优选地，所述步骤5)透镜的角度可以通过3个目标圆中的任何一个与c3的连线来计算，但为了提高生产效率，必须使路径最短，即角度最小。因此取0度点为p1(r,0)，计算3个点到p1的距离，其中距离最小的点设为p2，则p2与c3的连线与x轴正方向的夹角即为透镜的角度。
最终，完成三角透镜的视觉识别方法。
本发明的优势在于通过向量幅值的局部极值精确定位透镜中心圆，而不是通过传统的最外围拟合圆，也不是通过传统的根据三个圆来确定中心圆，从而使得透镜中心与LED灯的中心完全重合以达到最完美的聚光效果，克服了使用传统方法而带来的贴装偏位，聚光不均，LED光能不能有效利用的弊端。以本发明公开的方法所生产的灯条可广泛应用于室内灯饰、户外广告，高档楼宇照明，既节能环保，又能明亮均匀，极受用户青睐。
以上，仅为本发明较佳的具体实施方式，但发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。
Claims (9)
1.一种三脚透镜的视觉识别方法，其特征在于：包括如下步骤：
步骤1)：图像轮廓前处理，即获取图像后，对图像轮廓填充；
步骤2)：图像轮廓提取，拟合圆并按得分排序；
步骤3)：过滤得到3个目标圆；
步骤4)：计算中心；
步骤5)：计算角度。
2.根据权利要求1所述一种三脚透镜的视觉识别方法，其特征在于：所述步骤1)包括如下步骤：
步骤a：获取图像；
步骤b：计算阀值并二值化；
步骤c：根据透镜设定的大小进行轮廓填充。
3.根据权利要求1所述一种三脚透镜的视觉识别方法，其特征在于：所述步骤2)包括如下步骤：
步骤a：提取所有图像轮廓点并拟合椭圆；
步骤b：根据实际长半轴、短半轴、面积和理论半径、理论面积计算得分；
步骤c：根据得分由高到低排序；
设检测到的圆的长半轴为a，短半轴为b，则面积s_r＝π×a×b。理论圆半径为r，则理论面积为s_t＝π×r2，则每个圆的得分为：
score1＝1-|1-a/r|
score2＝1-|1-b/r|
score3＝1-|1-s_r/s_t|
score＝(score1+score2+score3)/3
如果得分大于设定值，则为候选圆。
4.根据权利要求1所述一种三脚透镜的视觉识别方法，其特征在于：所述图像轮廓提取包括通过图像面积约束提取目标所呈现的轮廓。
5.根据权利要求1所述一种三脚透镜的视觉识别方法，其特征在于：所述步骤2)还包括如下步骤：
步骤a：计算图像理论面积；
步骤b：根据计算图像面积提取图像轮廓。
6.根据权利要求5所述一种三脚透镜的视觉识别方法，其特征在于：所述提取图像轮廓面积是图像理论面积的0.8～1.2倍时即为目标。
7.根据权利要求1所述一种三脚透镜的视觉识别方法，其特征在于：所述步骤3)包括如下步骤：
步骤a：对目标图像轮廓点进行最小二乘法拟合圆；
步骤b：因为实际检测到的圆可能很多，而目标圆只有3个，因此需要过滤。设3个圆两两间的间距为d_t，实际工艺允许误差为±5％，对所有的候选圆任何两个圆间的距离进行比较，设总共有n个候选圆，则需要经过
次计算，如果实际距离d_r满足d_r≥d_t×(1-0.05)∩d_r≤d_t×(1+0.05)，则将满足条件的个数加1，最终只有3个圆满足个数等于2，这3个圆即为目标圆。
8.根据权利要求1所述一种三脚透镜的视觉识别方法，其特征在于：根据权利要求1所述一种三脚透镜的视觉识别方法，其特征在于：所述步骤4)包括如下步骤：
步骤a：根据3个目标圆粗略计算透镜中心c1；
步骤b：以c1为圆心，在理论半径的圆环内计算每个像素点的方向向量，将指向圆心的且其模为局部极大值的方向向量的点添加到候选点；
步骤c：对所有候选点进行最小二乘法拟合圆，得圆心为c2；
步骤d：计算所有候选点到c2的距离并分段统计个数，则必然服从均值为r的正太分布；
步骤e：删除小于一定数量的点；
步骤f：重复执行步骤c、d、e，直至方差收敛到一定范围，即可得到准确圆心c3。
9.根据权利要求1所述一种三脚透镜的视觉识别方法，其特征在于：所述步骤5)透镜的角度可以通过3个目标圆中的任何一个与c3的连线来计算，但为了提高生产效率，必须使路径最短，即角度最小。因此取0度点为p1(r,0)，计算3个点到p1的距离，其中距离最小的点设为p2，则p2与c3的连线与x轴正方向的夹角即为透镜的角度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011193249.0A CN112464947B (zh) | 2020-10-30 | 2020-10-30 | 一种三脚透镜的视觉识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011193249.0A CN112464947B (zh) | 2020-10-30 | 2020-10-30 | 一种三脚透镜的视觉识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112464947A true CN112464947A (zh) | 2021-03-09 |
| CN112464947B CN112464947B (zh) | 2021-09-28 |
Family
ID=74834828
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011193249.0A Active CN112464947B (zh) | 2020-10-30 | 2020-10-30 | 一种三脚透镜的视觉识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112464947B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101075872A (zh) * | 2006-05-17 | 2007-11-21 | 索尼株式会社 | 注册设备、对照设备、提取方法，和程序 |
| CN102131046A (zh) * | 2011-01-25 | 2011-07-20 | 李东 | 电子传感器光学成像装置的镜头组件及其定位方法 |
| CN102915535A (zh) * | 2012-08-23 | 2013-02-06 | 深圳大学 | 摄像机投影变换中圆形标志点的圆心偏差修正方法及系统 |
| CN103544699A (zh) * | 2013-10-11 | 2014-01-29 | 江西省电力公司检修分公司 | 一种基于单图片三圆模版的摄像头标定方法 |
| CN104075666A (zh) * | 2013-03-28 | 2014-10-01 | 株式会社三丰 | 用于不规则表面边缘的增强型边缘检测工具 |
| CN105205796A (zh) * | 2014-06-30 | 2015-12-30 | 华为技术有限公司 | 广域图像获取方法和装置 |
| CN103416052B (zh) * | 2009-12-07 | 2017-03-01 | 郑苍隆 | 自动聚焦控制系统的产生聚焦信号的方法 |
| CN106650634A (zh) * | 2015-04-11 | 2017-05-10 | 贵阳科安科技有限公司 | 用于终端生物识别的图像镜面反射干扰检测和反馈方法 |
| CN109387938A (zh) * | 2017-08-14 | 2019-02-26 | 清华大学 | 光学系统自由曲面面形公差分布的分析方法 |
| CN109727286A (zh) * | 2018-12-26 | 2019-05-07 | 深圳市路远智能装备有限公司 | 一种三脚透镜的视觉识别方法 |
| CN110532875A (zh) * | 2019-07-26 | 2019-12-03 | 纵目科技（上海）股份有限公司 | 夜晚模式镜头付着物的检测系统、终端和存储介质 |
-
2020
- 2020-10-30 CN CN202011193249.0A patent/CN112464947B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101075872A (zh) * | 2006-05-17 | 2007-11-21 | 索尼株式会社 | 注册设备、对照设备、提取方法，和程序 |
| CN103416052B (zh) * | 2009-12-07 | 2017-03-01 | 郑苍隆 | 自动聚焦控制系统的产生聚焦信号的方法 |
| CN102131046A (zh) * | 2011-01-25 | 2011-07-20 | 李东 | 电子传感器光学成像装置的镜头组件及其定位方法 |
| CN102915535A (zh) * | 2012-08-23 | 2013-02-06 | 深圳大学 | 摄像机投影变换中圆形标志点的圆心偏差修正方法及系统 |
| CN104075666A (zh) * | 2013-03-28 | 2014-10-01 | 株式会社三丰 | 用于不规则表面边缘的增强型边缘检测工具 |
| CN103544699A (zh) * | 2013-10-11 | 2014-01-29 | 江西省电力公司检修分公司 | 一种基于单图片三圆模版的摄像头标定方法 |
| CN105205796A (zh) * | 2014-06-30 | 2015-12-30 | 华为技术有限公司 | 广域图像获取方法和装置 |
| CN106650634A (zh) * | 2015-04-11 | 2017-05-10 | 贵阳科安科技有限公司 | 用于终端生物识别的图像镜面反射干扰检测和反馈方法 |
| CN109387938A (zh) * | 2017-08-14 | 2019-02-26 | 清华大学 | 光学系统自由曲面面形公差分布的分析方法 |
| CN109727286A (zh) * | 2018-12-26 | 2019-05-07 | 深圳市路远智能装备有限公司 | 一种三脚透镜的视觉识别方法 |
| CN110532875A (zh) * | 2019-07-26 | 2019-12-03 | 纵目科技（上海）股份有限公司 | 夜晚模式镜头付着物的检测系统、终端和存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| ROBER E.HOPKINS: "Some Thoughts on Lens Mounting", 《OPTICAL ENGINEERING》 * |
| 宋明煜 等: "多向滤波结合小波逆变换的图像超分辨率重建", 《现代信息科技》 * |
| 李蕾 等: "贴片机视觉检测中角度计算的一种高效算法", 《数采与监测》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112464947B (zh) | 2021-09-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110220917A (zh) | 一种基于图像处理的皇冠盖表面缺陷在线检测方法 | |
| WO2022121039A1 (zh) | 银行卡倾斜矫正检测方法、装置、可读存储介质和终端 | |
| CN108596165B (zh) | 基于无人机低空航拍图像的道路交通标线检测方法及系统 | |
| CN102646193B (zh) | 一种环形排布字符图像分割方法 | |
| CN108171127A (zh) | 一种基于深度学习的发票自动识别方法 | |
| CN108022232B (zh) | 一种飞行器表面铆钉检测方法 | |
| CN109839385A (zh) | 一种自适应的pcb板缺陷视觉定位检测及分类系统 | |
| CN110634131B (zh) | 一种裂缝图像识别与建模方法 | |
| CN103530600A (zh) | 复杂光照下的车牌识别方法及系统 | |
| CN113963051A (zh) | 基于视觉信息和特征提取的目标直径自动测量方法和系统 | |
| CN115546170B (zh) | 一种基于激光测距的风机叶片缺陷定位方法及系统 | |
| CN113947570A (zh) | 一种基于机器学习算法和计算机视觉的裂纹辨识方法 | |
| CN115908774B (zh) | 一种基于机器视觉的变形物资的品质检测方法和装置 | |
| CN114359538A (zh) | 一种水表读数定位与识别方法 | |
| CN107392953B (zh) | 基于等高线的深度图像识别方法 | |
| CN106980845B (zh) | 基于结构化建模的人脸关键点定位方法 | |
| CN111178405A (zh) | 一种融合多种神经网络的相似物体识别方法 | |
| CN112464947B (zh) | 一种三脚透镜的视觉识别方法 | |
| CN111105418B (zh) | 一种针对图像中矩形目标的高精度图像分割方法 | |
| Ming | Image segmentation algorithm research and improvement | |
| CN117670989A (zh) | 一种基于旋转目标检测的视觉引导拆垛方法 | |
| CN109727286A (zh) | 一种三脚透镜的视觉识别方法 | |
| CN114926635B (zh) | 与深度学习方法相结合的多焦图像中目标分割方法 | |
| CN115131539A (zh) | 基于机器视觉的铝模板自动识别与分类系统 | |
| CN111091086B (zh) | 一种利用机器视觉技术提高物流面单特征信息识别率的方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |