CN112669365A - 一种复杂环境下的低依赖性棋盘角点检测方法及装置 - Google Patents
一种复杂环境下的低依赖性棋盘角点检测方法及装置 Download PDFInfo
- Publication number
- CN112669365A CN112669365A CN202011433621.0A CN202011433621A CN112669365A CN 112669365 A CN112669365 A CN 112669365A CN 202011433621 A CN202011433621 A CN 202011433621A CN 112669365 A CN112669365 A CN 112669365A
- Authority
- CN
- China
- Prior art keywords
- points
- angular
- corner
- processed
- point
- 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.)
- Withdrawn
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 51
- 230000007704 transition Effects 0.000 claims abstract description 50
- 230000000877 morphologic effect Effects 0.000 claims abstract description 32
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000011282 treatment Methods 0.000 claims abstract description 18
- 238000012216 screening Methods 0.000 claims description 55
- 230000000670 limiting effect Effects 0.000 claims description 17
- 238000000605 extraction Methods 0.000 claims description 2
- 238000001914 filtration Methods 0.000 claims 1
- 238000004590 computer program Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 230000002452 interceptive effect Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 230000036961 partial effect Effects 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000003628 erosive effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明实施例公开一种复杂环境下的低依赖性棋盘角点检测方法及装置,该方法包括:从前景灰度图提取包含有效棋盘格的范围区间的特定区域;对特定区域进行多次形态学处理,获得多个处理结果,处理结果至少包括第一角点;以处理结果为依据确定待处理群体,并计算待处理群体中两个对角多边形的对角线上的中心坐标,获得第二角点,待处理群体至少包括两个多边形;根据第一角点和第二角点获得角点集;依次获取角点集内的角点作为待处理角点,并确定以待处理角点为圆心预设长度为半径的圆上的两个过渡点,以及计算待处理角点与两个过渡点之间的角度,获得角度集;以角度集为依据从角点集内确定目标角点,以提高棋盘格角点检测的准确率和鲁棒性。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种复杂环境下的低依赖性棋盘角点检测方法及装置。
背景技术
高级驾驶辅助系统(Advanced Driver Assistance System,ADAS)是利用安装在车上的各式各样传感器(如毫米波雷达、激光雷达、单/双目摄像头以及卫星导航),在汽车行驶过程中随时来感应周围的环境,收集数据,进行静态、动态物体的辨识、侦测与追踪,并结合导航仪地图数据,进行系统的运算与分析,从而预先让驾驶者察觉到可能发生的危险,有效增加汽车驾驶的舒适性和安全性。
ADAS系统在进行一些运算与分析时,需要建立图像坐标与世界坐标之间的对应关系,这种对应关系的建立是通过摄像头来标定完成的。但是汽车行驶过程中的环境比较复杂,光照也不均匀,在使用这种环境下拍摄的图像进行角点检测时,可能会检测到不是棋盘格上所需要的角点,会降低棋盘格角点检测的准确率,从而影响标定的准确率。
发明内容
本发明实施例公开了一种复杂环境下的低依赖性棋盘角点检测方法及装置,用于解决因复杂环境导致检测到的不一定是棋盘格上所需角点而存在的检测准确率较低的问题。
本发明实施例第一方面公开了一种复杂环境下的低依赖性棋盘角点检测方法,可包括:
从前景灰度图提取特定区域,所述特定区域包含有效棋盘格的范围区间;
对所述特定区域进行多次形态学处理,获得多个处理结果,所述处理结果至少包括第一角点;
以所述处理结果为依据确定待处理群体,并计算所述待处理群体中两个对角多边形的对角线上的中心坐标,获得第二角点,所述待处理群体至少包括两个多边形;
根据所述第一角点和所述第二角点获得角点集;
依次获取所述角点集内的角点作为待处理角点,并确定以所述待处理角点为圆心预设长度为半径的圆上的两个过渡点,以及计算所述待处理角点与所述两个过渡点之间的角度,获得角度集,所述角度集包括多个角度;
以所述角度集为依据从所述角点集内确定目标角点。
实施上述实施例,能够汇集多次形态学的处理结果并结合群体分类来计算隐藏的角点,以获得更多更精确的角点,同时,通过角度的约束项,剔除不是棋盘格上的角点,只检测出棋盘格上的角点,提高棋盘格检测角点的准确率。
作为一种可选的实施方式,在本发明实施例第一方面中,所述根据所述第一角点和所述第二角点获得角点集之后,所述方法还包括:
根据预设的筛选角点约束项对所述角点集进行角点筛选;
所述依次获取所述角点集内的角点作为待处理角点,并确定以所述待处理角点为圆心预设长度为半径的圆上的两个过渡点,以及计算所述待处理角点与所述两个过渡点之间的角度,获得角度集,包括:
依次获取角点筛选后的角点集内的角点作为待处理角点,并确定以所述待处理角点为圆心预设长度为半径的圆上的两个过渡点,以及计算所述待处理角点与所述两个过渡点之间的角度,获得角度集;
所述以所述角度集为依据从所述角点集内确定目标角点,包括:
以所述角度集为依据从角点筛选后的角点集内确定目标角点。
实施上述实施方式,通过设置筛选角点约束项来将杂点从角点集内剔除,以提高角点检测的准确率。
作为一种可选的实施方式,在本发明实施例第一方面中,所述以所述处理结果为依据确定待处理群体,包括:
根据预设的限定条件对所述特定区域中所述处理结果所指示的多边形进行群体分类,并从分类后的群体中确定出待处理群体。
实施上述实施方式,通过群体分类来计算出隐藏的角点,以检测出更多更加精确的角点,提高棋盘格检测的准确率。
作为一种可选的实施方式,在本发明实施例第一方面中,所述以所述角度集为依据从所述角点集内确定目标角点,包括:
依次判断所述角度集中的角度是否不大于角度阈值;
若是,则确定所述角度的对应角点为目标角点。
实施上述实施方式,通过角度的约束项,剔除不是棋盘格上的角点,提高棋盘格检测角点的准确率。
作为一种可选的实施方式,在本发明实施例第一方面中,所述筛选角点约束项包括预设周长和/或预设距离和/或预设角度,所述根据预设的筛选角点约束项对所述角点集进行角点筛选,包括:
依次判断所述角点集内的角点是否满足所述筛选角点约束项;
将不满足所述筛选角点约束项的角点从所述角点集内剔除。
本发明实施例第二方面公开了一种复杂环境下的低依赖性棋盘角点检测装置,可包括:
提取模块,用于从前景灰度图提取特定区域,所述特定区域包含有效棋盘格的范围区间;
第一处理模块,用于对所述特定区域进行多次形态学处理,获得多个处理结果,所述处理结果至少包括第一角点;
第一获取模块,用于以所述处理结果为依据确定待处理群体,并计算所述待处理群体中两个对角多边形的对角线上的中心坐标,获得第二角点,所述待处理群体至少包括两个多边形;
第二获取模块,用于根据所述第一角点和所述第二角点获得角点集;
第三获取模块,用于依次获取所述角点集内的角点作为待处理角点,并确定以所述待处理角点为圆心预设长度为半径的圆上的两个过渡点,以及计算所述待处理角点与所述两个过渡点之间的角度,获得角度集,所述角度集包括多个角度;
确定模块,用于以所述角度集为依据从所述角点集内确定目标角点。
作为一种可选的实施方式,在本发明实施例第二方面中,所述装置还包括:
筛选模块,用于在所述第二获取模块根据所述第一角点和所述第二角点获得角点集之后,根据预设的筛选角点约束项对所述角点集进行角点筛选;
所述第三获取模块用于依次获取所述角点集内的角点作为待处理角点,并确定以所述待处理角点为圆心预设长度为半径的圆上的两个过渡点,以及计算所述待处理角点与所述两个过渡点之间的角度,获得角度集的方式具体为:
依次获取角点筛选后的角点集内的角点作为待处理角点,并确定以所述待处理角点为圆心预设长度为半径的圆上的两个过渡点,以及计算所述待处理角点与所述两个过渡点之间的角度,获得角度集;
所述确定模块以所述角度集为依据从所述角点集内确定目标角点的方式具体为:
以所述角度集为依据从角点筛选后的角点集内确定目标角点。
作为一种可选的实施方式,在本发明实施例第二方面中,所述第一获取模块用于以所述处理结果为依据确定待处理群体的方式具体为:
根据预设的限定条件对所述特定区域中所述处理结果所指示的多边形进行群体分类,并从分类后的群体中确定出待处理群体。
作为一种可选的实施方式,在本发明实施例第二方面中,所述确定模块用于以所述角度集为依据从所述角点集内确定目标角点的方式具体为:
依次判断所述角度集中的角度是否不大于角度阈值;若是,则确定所述角度的对应角点为目标角点。
作为一种可选的实施方式,在本发明实施例第二方面中,所述筛选角点约束项包括预设周长和/或预设距离和/或预设角度;
所述筛选模块具体用于,依次判断所述角点集内的角点是否满足所述筛选角点约束项;以及,将不满足所述筛选角点约束项的角点从所述角点集内剔除。
本发明实施例第三方面公开了一种电子设备,可包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行本发明实施例第一方面公开的一种复杂环境下的低依赖性棋盘角点检测方法。
本发明实施例第四方面公开一种计算机可读存储介质,其存储计算机程序,其中,所述计算机程序使得计算机执行本发明实施例第一方面公开的一种复杂环境下的低依赖性棋盘角点检测方法。
本发明实施例第五方面公开一种计算机程序产品,当所述计算机程序产品在计算机上运行时,使得所述计算机执行第一方面的任意一种方法的部分或全部步骤。
本发明实施例第六方面公开一种应用发布平台,所述应用发布平台用于发布计算机程序产品,其中,当所述计算机程序产品在计算机上运行时,使得所述计算机执行第一方面的任意一种方法的部分或全部步骤。
与现有技术相比,本发明实施例具有以下有益效果:
在本发明实施例中,从前景灰度图中提取到特定区域,该特定区域包含有效棋盘格的范围区间,接着对特定区域进行多次形态学处理,获得对应的多个处理结果,处理结果至少包含第一角点,进一步以处理结果为依据确定出待处理群体,然后计算待处理群体中两个对角多边形的对角线上的中心坐标,获得第二角点,待处理群体至少包括两个多边形,从而能够计算得到经形态学处理后隐藏的角点,之后,根据计算得到的第一角点和第二角点,获得角点集,依次获取角点集内的角点作为待处理角点,并确定以待处理角点为圆心预设长度为半径的圆上的两个过渡点,以及计算待处理角点与两个过渡点之间的角度,获得角度集,最后,根据角度则可以从角点集内确定出目标角点;可以看出,通过实施本发明实施例,通过多次形态学处理,可以更多地检测出角点,然后结合群体分类计算出经形态学处理后可能隐藏的角点,最后利用角度准确地找出棋盘格上所需要的目标角点,以从整体上提高棋盘格角点检测的精确度和提高角点检测的鲁棒性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例中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为本发明实施例一公开的复杂环境下的低依赖性棋盘角点检测方法的流程示意图;
图2为本发明实施例公开的部分棋盘格示意图;
图3为本发明实施例二公开的复杂环境下的低依赖性棋盘角点检测方法的流程示意图;
图4为本发明实施例一公开的复杂环境下的低依赖性棋盘角点检测装置的结构示意图;
图5为本发明实施例二公开的复杂环境下的低依赖性棋盘角点检测装置的结构示意图;
图6为本发明实施例公开的电子设备的结构示意图。
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做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书中的术语“第一”、“第二”、“第三”等是用于区别不同的对象,而不是用于描述特定顺序。本发明实施例的术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例公开了一种复杂环境下的低依赖性棋盘角点检测方法及装置,用于提高棋盘格角点检测的精确度和提高角点检测的鲁棒性,从而提高坐标标定的准确率。
请参阅图1和图2,图1为本发明实施例一公开的复杂环境下的低依赖性棋盘角点检测方法的流程示意图,图2为本发明实施例公开的部分棋盘格示意图;如图1所示,该复杂环境下的低依赖性棋盘角点检测方法可包括:
101、从前景灰度图提取特定区域,该特定区域包含有效棋盘格的范围区间。
其中,在执行步骤101之前,系统先对采集的车载环视图像做二值化处理,获得灰度图,该灰度图包括前景灰度图和背景灰度图,进一步提取前景灰度图作为本发明实施例的处理基础。
具体地,系统通过摄像头(如鱼眼摄像头)采集车载环视图像,此时车载环视图像为彩色图像,包括前景图像和背景图像,对彩色的车载环视图像进行二值化处理以转换成为灰度图,转换后的灰度图包括前景灰度图和背景灰度图,而在本发明实施例中提取前景灰度图,从而剔除背景干扰,有效的为角点检测提供可靠的基础图像。
102、对上述特定区域进行多次形态学处理,获得多个处理结果,该处理结果至少包括第一角点。
可以理解,一次形态学处理包括灰度腐蚀处理和灰度膨胀处理,具体地,灰度腐蚀处理是对特定区域中的高亮部分(如图2中的白色色块)进行缩小处理。而灰度膨胀处理是对特定区域中的高亮部分(如图2中的白色色块) 进行扩大处理。
在本发明实施例中经过形态学处理后,能够将黑色色块进行分离,从而检测出黑色色块,可以更加准确检测出角点,但是只进行一次形态学处理时可能只能分离出部分黑色色块,而检测到部分角点,而多次形态学处理后,则可以检测出所有黑色色块,从而更多地检测出角点。因此,本发明实施例经过多次形态学处理以检测出更多更加精确的角点。
可选的,在执行步骤102之前,先将特定区域转化成棋盘布。其中,将特定区域转化成棋盘布具体包括:检测特定区域中的黑色色块,具体地,在确定出特定区域之后,由于特定区域是前景灰度图的一部分,通过检测扫描特定区域的黑色色块,可以是采用Blob检测算法扫描标记特定区域的黑色色块,还可以计算各个黑色色块的数据信息,如黑色色块的长度、宽度、面积等。
进一步的,经检测和标记出黑色色块后,特定区域形成了一个棋盘格的格式,特定区域则可以看作一个棋盘布。而上述提取的特定区域包含有效棋盘格的范围区间,能够屏蔽掉边界上一些无用信息以减少角点检测时间与提高检测精确度。
103、以处理结果为依据确定待处理群体,并计算待处理群体中两个对角多边形的对角线上的中心坐标,获得第二角点,该待处理群体至少包括两个多边形。
需要说明的是,图2中的黑色色块也是本发明中提到的多边形,将会在后续以多边形进行说明,优先的,多边形可以是四边形。其中,群体至少包括两个多边形,也可以将群体看作是一个包括2个及以上多边形的区域。
上述群体是根据限定条件进行分类的。可选的,限定条件可以是指定个数和/或者指定区间面积等,其中,指定个数是指群体所包含的多边形的数量,指定区间面积是指群体所对应的面积,需要说明的是,指定个数可以只有一个,用于限定所有群体,也可以有多个指定个数,一个指定个数限定一个群体,或者一个指定个数限定多个群体;同样的,指定区间面积可以只有一个,用于限定所有群体,也可以有多个指定区间面积,一个指定区间面积限定一个群体,或者一个指定区间面积限定多个群体。进一步可选的,在指定个数有多个时,可以是一个指定个数特指某种特征的群体,例如,2个指定个数: 2、4,其中,指定个数2是用于限定小多边形群体的数量,指定个数4是用于限定大多边形群体的数量,示例性的,如图2中的左边群体(小多边形群体,数量为2)、右边群体(小多边形群体,数量为2)、中间群体(大多边形群体,数量为4),其中,可以根据实践经验确定小多边形的判断条件,如可以将面积只有正常(预设)多边形的四分之一的多边形确定为小多边形。
进而,在一些可选的实施方式中,步骤103可以包括:根据预设的限定条件对特定区域中处理结果所指示的多边形进行群体分类,并从分类后的群体中确定出待处理群体。具体的,根据处理结果指示的角点,能够获得多边形的信息,根据群体分类的限定条件,对特定区域中的多边形进行群体分类,并从中确定出待处理群体。若限定条件为指定个数,根据处理结果指示的角点,获得多边形信息,根据多边形信息,将特定区域中的多边形按照指定个数来进行群体分类,使得分类后的群体中的多边形数量满足指定个数;若限定条件为指定区间面积,根据处理结果指示的角点,获得多边形信息,根据多边形信息,将特定区域中的多边形按照指定区间面积来进行群体分类,使得分类后的群体所对应的区间面积满足该指定区间面积;若限定条件为指定个数和指定区间面积,根据处理结果指示的角点,获得多边形信息,根据多边形信息,将特定区域中的多边形按照指定个数和指定区间面积来进行群体分类,使得分类后的群体中的多边形数量满足指定个数,同时群体所对应的区间面积满足指定区间面积。通过上述群体分类,确定出待处理群体,从而减少系统处理量,提高处理速度。
其中,待处理群体可以为分类后的群体,可选的,由于分类后的群体可能还包括干扰群体(非多边形形状的黑色区域等)和非干扰群体(即需要处理的群体),具体的,待处理群体可以为分类后的非干扰群体。
示例性的,分类后的群体可以如图2的左边群体(包括2个多边形)、中间群体(包括四个多边形)和右边群体(包括2个多边形)。当然,群体分类后可能还包括干扰群体,而真正需要的待处理群体为非干扰性群体,如图2中的左边群体(包括2个多边形)、中间群体(包括四个多边形)和右边群体(包括2个多边形),即图2中的左边群体(包括2个多边形)、中间群体(包括四个多边形)和右边群体(包括2个多边形)可以确定待处理群体。
在本发明实施例中,中心坐标的计算,只针对待处理群体中具有对角的两个多边形,将该两个多边形的对角线上的中心点作为角点,从而获得该中心点的中心坐标作为角点信息。示例性的,如图2中的1、2、3、4和5。
需要说明的是,在本发明实施例中通过群体分类确定出待处理群体,在本发明实施例中可以将非干扰群体都确定为待处理群体,从而可以通过计算待处理群体中的中心坐标以检测出一些隐藏角点,能够更加全面且准确地检测出角点。可选的,由于大部分大多边形在形态学处理中都能检测出角点,在本发明实施例中也可以只选择小多边形群体作为待处理群体,从而降低系统处理负担。
104、根据上述第一角点和第二角点获得角点集。
其中,角点集包括不重复的第一角点和第二角点。
105、依次获取角点集内的角点作为待处理角点,并确定以待处理角点为圆心预设长度为半径的圆上的两个过渡点,以及计算待处理角点与两个过渡点之间的角度,获得角度集。
其中,经过多次形态学处理和群体分类计算角点,获得比较全面且准确的角点集,接着需要对角点集内的角点进行判断,是否为本发明的低依赖性棋盘角点。
作为一种可选的实施方式,本发明实施例步骤105具体可以包括:先依次将角点集内的角点作为待处理角点,然后以该待处理角点为圆心而预设长度为半径进行画圆,其中,所画的圆将会与该待处理角点所对应的两个对角多边形相交,检测包含该圆与一多边形的边缘交点的连续n1个像素点,若连续n1个像素点的像素值与该待处理角点的像素值匹配,将该边缘角点作为一过渡点,检测包含该圆与另一多边形的边缘交点的连续n2个像素点,若连续 n2个像素点的像素值与该待处理角点的像素值匹配,将该边缘角点作为另一过渡点,计算该待处理角点与两个过渡点之间的角度,结合角点集内的所有角点对应的角度,获得角度集,该角度集包括多个角度,一个角度与角点集内的角点一一对应,其中优选的,n2等于n1,n2、n1大于等于2。通过该实施方式,以连续像素点的探索方式能够准确地获得可以用于检测是否为所需要角点的角度,提高角点检测的精确度。
可选的,上述预设长度可以根据经验值以及结合实际情况得到。
示例性的,图2中中间群体针对角点2进行画圆,分别得到两个白色的过渡点,其中一个过渡点在一个多边形的边缘上,另外一个过渡点在另一个多边形的边缘上。
106、以上述角度集为依据从角点集内确定目标角点。
可选的,步骤106可以具体包括:
依次判断每个角度集中的角度是否不大于角度阈值;
若是,则确定该角度的对应角点为目标角点。
可以理解,通过预设角度阈值,在检测出来的角度进一步满足小于或等于该角度阈值时,说明该角度对应的角点是棋盘格上所要检测的角点,以降低因边缘复杂环境导致检测的角点不一定是棋盘格上的角点的检测误差,因此,能够通过角度阈值这一约束条件,提高检测准确率。
因此,通过实施上述实施例,从前景灰度图中提取到特定区域,该特定区域包含有效棋盘格的范围区间,接着对特定区域进行多次形态学处理,获得对应的多个处理结果,处理结果至少包含第一角点,进一步以处理结果为依据确定出待处理群体,然后计算待处理群体中两个对角多边形的对角线上的中心坐标,获得第二角点,待处理群体至少包括两个多边形,从而能够计算得到经形态学处理后隐藏的角点,之后,根据计算得到的第一角点和第二角点,获得角点集,依次获取角点集内的角点作为待处理角点,并确定以待处理角点为圆心预设长度为半径的圆上的两个过渡点,以及计算待处理角点与两个过渡点之间的角度,获得角度集,最后,根据角度则可以从角点集内确定出目标角点,以通过多次形态学处理,可以更多地检测出角点,然后结合群体分类计算出经形态学处理后可能隐藏的角点,最后利用角度准确地找出棋盘格上所需要的目标角点,以从整体上提高棋盘格角点检测的精确度和提高角点检测的鲁棒性。
请参阅图3,图3为本发明实施例二公开的复杂环境下的低依赖性棋盘角点检测方法的流程示意图;如图3所示,该方法可包括:
301、从前景灰度图提取特定区域,该特定区域包含有效棋盘格的范围区间。
302、对上述特定区域进行多次形态学处理,获得多个处理结果,该处理结果至少包括第一角点。
303、以上述处理结果为依据确定待处理群体,并计算待处理群体中两个对角多边形的对角线上的中心坐标,获得第二角点,该待处理群体至少包括两个多边形。
304、根据上述第一角点和第二角点获得角点集。
其中,关于步骤301-304的介绍,请参阅图1实施例步骤101-104的对应说明,在此不再赘述。
305、根据预设的筛选角点约束项对角点集进行角点筛选。
其中,上述筛选角点约束项包括预设周长和/或预设距离和/或预设角度。作为一种可选的实施方式,根据预设的筛选角点约束项对角点集进行角点筛选,包括:
依次判断角点集内的角点是否满足筛选角点约束项;
将不满足筛选角点约束项的角点从角点集内剔除。
其中,筛选角点约束项根据实践经验或者结合海量样本获得。
可以理解,经形态学处理和群体分类计算了中心坐标之后,可能存在一些杂点,在本发明实施例中可以通过设置筛选角点约束项来将杂点从角点集内剔除,以提高角点检测的准确率。
306、依次获取角点筛选后的角点集内的角点作为待处理角点,并确定以待处理角点为圆心预设长度为半径的圆上的两个过渡点,以及计算待处理角点与两个过渡点之间的角度,获得角度集。
307、以上述角度集为依据从角点筛选后的角点集内确定目标角点。
可以看出,经多次形态学处理,可以更多地检测出角点,然后结合群体分类计算出经形态学处理后可能隐藏的角点,但经多次形态学处理和中心坐标计算提取到的角点里可能参合杂点,通过筛选角点约束项进一步剔除杂点,提高角点检测的准确率,最后利用角度准确地找出所需要的目标角点,以从整体上提高棋盘格角点检测的精确度和提高角点检测的鲁棒性。
请参阅图4,图4为本发明实施例一公开的复杂环境下的低依赖性棋盘角点检测装置的结构示意图;如图4所示,该复杂环境下的低依赖性棋盘角点检测装置可包括:
提取模块410,用于从前景灰度图提取特定区域,该特定区域包含有效棋盘格的范围区间。
第一处理模块420,用于对特定区域进行多次形态学处理,获得多个处理结果,该处理结果至少包括第一角点。
第一获取模块430,用于以处理结果为依据确定待处理群体,并计算待处理群体中两个对角多边形的对角线上的中心坐标,获得第二角点,该待处理群体至少包括两个多边形。
第二获取模块440,用于根据第一角点和第二角点获得角点集。
第三获取模块450,用于依次获取角点集内的角点作为待处理角点,并确定以待处理角点为圆心预设长度为半径的圆上的两个过渡点,以及计算待处理角点与两个过渡点之间的角度,获得角度集。
确定模块460,用于以角度集为依据从角点集内确定目标角点。
可以看出,通过实施上述装置,通过多次形态学处理,可以更多地检测出角点,然后结合群体分类计算出经形态学处理后可能隐藏的角点,最后利用角度准确地找出所需要的目标角点,以从整体上提高棋盘格角点检测的精确度和提高角点检测的鲁棒性。
作为一种可选的实施方式,上述群体是根据限定条件进行分类的。可选的,限定条件可以是指定个数和/或者指定区间面积等,其中,指定个数是指群体所包含的多边形的数量,指定区间面积是指群体所对应的面积,需要说明的是,指定个数可以只有一个,用于限定所有群体,也可以有多个指定个数,一个指定个数限定一个群体,或者一个指定个数限定多个群体;同样的,指定区间面积可以只有一个,用于限定所有群体,也可以有多个指定区间面积,一个指定区间面积限定一个群体,或者一个指定区间面积限定多个群体。进一步可选的,在指定个数有多个时,可以是一个指定个数特指某种特征的群体,例如,2个指定个数:2、4,其中,指定个数2是用于限定小多边形群体的数量,指定个数4是用于限定大多边形群体的数量,示例性的,如图2中的左边群体(小多边形群体,数量为2)、右边群体(小多边形群体,数量为2)、中间群体(大多边形群体,数量为4),其中,可以根据实践经验确定小多边形的判断条件,如可以将面积只有正常(预设)多边形的四分之一的多边形确定为小多边形。上述第一获取模块430用于以处理结果为依据确定待处理群体的方式具体为:
根据预设的限定条件对特定区域中处理结果所指示的多边形进行群体分类,并从分类后的群体中确定出待处理群体。
具体的,第一获取模块430根据处理结果指示的角点,能够获得多边形的信息,根据群体分类的限定条件,对特定区域中的多边形进行群体分类,并从中确定出待处理群体。若限定条件为指定个数,根据处理结果指示的角点,获得多边形信息,根据多边形信息,将特定区域中的多边形按照指定个数来进行群体分类,使得分类后的群体中的多边形数量满足指定个数;若限定条件为指定区间面积,根据处理结果指示的角点,获得多边形信息,根据多边形信息,将特定区域中的多边形按照指定区间面积来进行群体分类,使得分类后的群体所对应的区间面积满足该指定区间面积;若限定条件为指定个数和指定区间面积,根据处理结果指示的角点,获得多边形信息,根据多边形信息,将特定区域中的多边形按照指定个数和指定区间面积来进行群体分类,使得分类后的群体中的多边形数量满足指定个数,同时群体所对应的区间面积满足指定区间面积。通过上述群体分类,确定出待处理群体,从而减少系统处理量,提高处理速度。
作为一种可选的实施方式,上述确定模块460用于以角度集为依据从角点集内确定目标角点的方式具体为:
依次判断角度集中的角度是否不大于角度阈值;若是,则确定角度的对应角点为目标角点。
在上述实施方式中,通过预设的角度阈值,在检测出来的角度进一步满足小于或等于该角度阈值时,说明该角点为棋盘格上所需要的角点,因此,通过设置角度的约束项,能够剔除不是棋盘格上的角点,从而提高棋盘格检测的准确率。
请参阅图5,图5为本发明实施例二公开的复杂环境下的低依赖性棋盘角点检测装置的结构示意图;图5所示的复杂环境下的低依赖性棋盘角点检测装置是在图4所示的基础上进行优化或者变形得到的,在图5所示的装置中,该装置还包括:
筛选模块510,用于在上述第二获取模块440根据第一角点和第二角点获得角点集之后,根据预设的筛选角点约束项对角点集进行角点筛选;
上述第三获取模块450用于依次获取角点集内的角点作为待处理角点,并确定以待处理角点为圆心预设长度为半径的圆上的两个过渡点,以及计算待处理角点与两个过渡点之间的角度,获得角度集的方式具体为:
依次获取角点筛选后的角点集内的角点作为待处理角点,并确定以待处理角点为圆心预设长度为半径的圆上的两个过渡点,以及计算待处理角点与两个过渡点之间的角度,获得角度集;
上述确定模块460以角度集为依据从角点集内确定目标角点的方式具体为:
以角度集为依据从角点筛选后的角点集内确定目标角点。
其中,上述筛选角点约束项包括预设周长和/或预设距离和/或预设角度上述筛选模块510具体用于,依次判断角点集内的角点是否满足筛选角点约束项;以及,将不满足筛选角点约束项的角点从角点集内剔除。
可以理解,经形态学处理和群体分类计算了中心坐标之后,可能存在一些杂点,在本发明实施例中可以通过设置筛选角点约束项来将杂点从角点集内剔除,以提高角点检测的准确率。
请参阅图6,图6为本发明实施例公开的电子设备的结构示意图;图6所示的电子设备可包括:至少一个处理器610,例如CPU,通信总线630用于实现这些组件之间的通信连接。存储器620可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。存储器620 可选的还可以是至少一个位于远离前述处理器610的存储装置。其中,存储器610中存储一组程序代码,且处理器610调用存储器620中存储的程序代码,用于执行以下操作:
从前景灰度图提取特定区域,特定区域包含有效棋盘格的范围区间;
对特定区域进行多次形态学处理,获得多个处理结果,处理结果至少包括第一角点;
以处理结果为依据确定待处理群体,并计算待处理群体中两个对角多边形的对角线上的中心坐标,获得第二角点,待处理群体至少包括两个多边形;
根据第一角点和第二角点获得角点集;
依次获取角点集内的角点作为待处理角点,并确定以待处理角点为圆心预设长度为半径的圆上的两个过渡点,以及计算待处理角点与两个过渡点之间的角度,获得角度集;
以角度集为依据从角点集内确定目标角点。
在一些可选的实施方式中,上述处理器610还用于执行以下步骤:
根据预设的筛选角点约束项对角点集进行角点筛选;
以及,依次获取角点筛选后的角点集内的角点作为待处理角点,并确定以待处理角点为圆心预设长度为半径的圆上的两个过渡点,以及计算待处理角点与两个过渡点之间的角度,获得角度集;
以及,以角度集为依据从角点筛选后的角点集内确定目标角点。
在一些可选的实施方式中,上述处理器610还用于执行以下步骤:
根据预设的限定条件对特定区域中处理结果所指示的多边形进行群体分类,并从分类后的群体中确定出待处理群体。
在一些可选的实施方式中,上述处理器610还用于执行以下步骤:
依次判断角度集中的角度是否不大于角度阈值;
若是,则确定角度的对应角点为目标角点。
在一些可选的实施方式中,上述处理器610还用于执行以下步骤:
筛选角点约束项包括预设周长和/或预设距离和/或预设角度,依次判断角点集内的角点是否满足筛选角点约束项;将不满足筛选角点约束项的角点从角点集内剔除。
可见,通过上述电子设备,能够通过多次形态学处理,检测出更多角点,然后结合群体分类计算出经形态学处理后可能隐藏的角点,最后利用角度准确地找出所需要的目标角点,以从整体上提高棋盘格角点检测的精确度和提高角点检测的鲁棒性。
本发明实施例还公开一种计算机可读存储介质,其存储计算机程序,其中,所述计算机程序使得计算机执行图1及图3公开的一种复杂环境下的低依赖性棋盘角点检测方法。
本发明实施例还公开一种计算机程序产品,当所述计算机程序产品在计算机上运行时,使得所述计算机执行图1及图3公开的任意一种方法的部分或全部步骤。
本发明实施例还公开一种应用发布平台,所述应用发布平台用于发布计算机程序产品,其中,当所述计算机程序产品在计算机上运行时,使得所述计算机执行图1及图3公开的任意一种方法的部分或全部步骤。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、一次可编程只读存储器 (One-time Programmable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory, EEPROM)、只读光盘(Compact Disc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
以上对本发明实施例公开的一种复杂环境下的低依赖性棋盘角点检测方法及装置进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种复杂环境下的低依赖性棋盘角点检测方法,其特征在于,包括:
从前景灰度图提取特定区域,所述特定区域包含有效棋盘格的范围区间;
对所述特定区域进行多次形态学处理,获得多个处理结果,所述处理结果至少包括第一角点;
以所述处理结果为依据确定待处理群体,并计算所述待处理群体中两个对角多边形的对角线上的中心坐标,获得第二角点,所述待处理群体至少包括两个多边形;
根据所述第一角点和所述第二角点获得角点集;
依次获取所述角点集内的角点作为待处理角点,并确定以所述待处理角点为圆心预设长度为半径的圆上的两个过渡点,以及计算所述待处理角点与所述两个过渡点之间的角度,获得角度集;
以所述角度集为依据从所述角点集内确定目标角点。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一角点和所述第二角点获得角点集之后,所述方法还包括:
根据预设的筛选角点约束项对所述角点集进行角点筛选;
所述依次获取所述角点集内的角点作为待处理角点,并确定以所述待处理角点为圆心预设长度为半径的圆上的两个过渡点,以及计算所述待处理角点与所述两个过渡点之间的角度,获得角度集,包括:
依次获取角点筛选后的角点集内的角点作为待处理角点,并确定以所述待处理角点为圆心预设长度为半径的圆上的两个过渡点,以及计算所述待处理角点与所述两个过渡点之间的角度,获得角度集;
所述以所述角度集为依据从所述角点集内确定目标角点,包括:
以所述角度集为依据从角点筛选后的角点集内确定目标角点。
3.根据权利要求1或2所述的方法,其特征在于,所述以所述处理结果为依据确定待处理群体,包括:
根据预设的限定条件对所述特定区域中所述处理结果所指示的多边形进行群体分类,并从分类后的群体中确定出待处理群体。
4.根据权利要求1或2所述的方法,其特征在于,所述以所述角度集为依据从所述角点集内确定目标角点,包括:
依次判断所述角度集内的角度是否不大于角度阈值;
若是,则确定所述角度的对应角点为目标角点。
5.根据权利要求2所述的方法,其特征在于,所述筛选角点约束项包括预设周长和/或预设距离和/或预设角度,所述根据预设的筛选角点约束项对所述角点集进行角点筛选,包括:
依次判断所述角点集内的角点是否满足所述筛选角点约束项;
将不满足所述筛选角点约束项的角点从所述角点集内剔除。
6.一种复杂环境下的低依赖性棋盘角点检测装置,其特征在于,包括:
提取模块,用于从前景灰度图提取特定区域,所述特定区域包含有效棋盘格的范围区间;
第一处理模块,用于对所述特定区域进行多次形态学处理,获得多个处理结果,所述处理结果至少包括第一角点;
第一获取模块,用于以所述处理结果为依据确定待处理群体,并计算所述待处理群体中两个对角多边形的对角线上的中心坐标,获得第二角点,所述待处理群体至少包括两个多边形;
第二获取模块,用于根据所述第一角点和所述第二角点获得角点集;
第三获取模块,用于依次获取所述角点集内的角点作为待处理角点,并确定以所述待处理角点为圆心预设长度为半径的圆上的两个过渡点,以及计算所述待处理角点与所述两个过渡点之间的角度,获得角度集,所述角度集包括多个角度;
确定模块,用于以所述角度集为依据从所述角点集内确定目标角点。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
筛选模块,用于在所述第二获取模块根据所述第一角点和所述第二角点获得角点集之后,根据预设的筛选角点约束项对所述角点集进行角点筛选;
所述第三获取模块用于依次获取所述角点集内的角点作为待处理角点,并确定以所述待处理角点为圆心预设长度为半径的圆上的两个过渡点,以及计算所述待处理角点与所述两个过渡点之间的角度,获得角度集的方式具体为:
依次获取角点筛选后的角点集内的角点作为待处理角点,并确定以所述待处理角点为圆心预设长度为半径的圆上的两个过渡点,以及计算所述待处理角点与所述两个过渡点之间的角度,获得角度集;
所述确定模块以所述角度集为依据从所述角点集内确定目标角点的方式具体为:
以所述角度集为依据从角点筛选后的角点集内确定目标角点。
8.根据权利要求6或7所述的装置,其特征在于,所述第一获取模块用于以所述处理结果为依据确定待处理群体的方式具体为:
根据预设的限定条件对所述特定区域中所述处理结果所指示的多边形进行群体分类,并从分类后的群体中确定出待处理群体。
9.根据权利要求6或7所述的装置,其特征在于,所述确定模块用于以所述角度集为依据从所述角点集内确定目标角点的方式具体为:
依次判断所述角度集中的角度是否不大于角度阈值;若是,则确定所述角度的对应角点为目标角点。
10.根据权利要求7所述的装置,其特征在于,所述筛选角点约束项包括预设周长和/或预设距离和/或预设角度;
所述筛选模块具体用于,依次判断所述角点集内的角点是否满足所述筛选角点约束项;以及,将不满足所述筛选角点约束项的角点从所述角点集内剔除。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011433621.0A CN112669365A (zh) | 2020-12-10 | 2020-12-10 | 一种复杂环境下的低依赖性棋盘角点检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011433621.0A CN112669365A (zh) | 2020-12-10 | 2020-12-10 | 一种复杂环境下的低依赖性棋盘角点检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112669365A true CN112669365A (zh) | 2021-04-16 |
Family
ID=75401706
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011433621.0A Withdrawn CN112669365A (zh) | 2020-12-10 | 2020-12-10 | 一种复杂环境下的低依赖性棋盘角点检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112669365A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115830049A (zh) * | 2022-07-18 | 2023-03-21 | 宁德时代新能源科技股份有限公司 | 角点检测的方法和装置 |
-
2020
- 2020-12-10 CN CN202011433621.0A patent/CN112669365A/zh not_active Withdrawn
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115830049A (zh) * | 2022-07-18 | 2023-03-21 | 宁德时代新能源科技股份有限公司 | 角点检测的方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3176751B1 (en) | Information processing device, information processing method, computer-readable recording medium, and inspection system | |
EP2207010B1 (en) | House change judgment method and house change judgment program | |
US8019164B2 (en) | Apparatus, method and program product for matching with a template | |
JP5223675B2 (ja) | 車両検知装置,車両検知方法並びに車両検知プログラム | |
CN111402264A (zh) | 图像区域分割方法、装置及其模型训练方法及计算机设备 | |
CN110490839B (zh) | 一种检测高速公路中损坏区域的方法、装置及计算机设备 | |
CN109344824B (zh) | 一种文本行区域检测方法、装置、介质和电子设备 | |
CN111967545B (zh) | 文本检测方法、装置、电子设备及计算机存储介质 | |
EP2447884A1 (en) | Method for detecting and recognising an object in an image, and an apparatus and a computer program therefor | |
JP2011165170A (ja) | 対象物検出装置及びプログラム | |
CN116342525A (zh) | 基于Lenet-5模型的SOP芯片引脚缺陷检测方法及系统 | |
Ganapathy et al. | A Malaysian vehicle license plate localization and recognition system | |
CN112669365A (zh) | 一种复杂环境下的低依赖性棋盘角点检测方法及装置 | |
EP3955207A1 (en) | Object detection device | |
CN112150522A (zh) | 遥感图像的配准方法、装置、设备、存储介质及系统 | |
JP7264428B2 (ja) | 道路標識認識装置及びそのプログラム | |
JP5010627B2 (ja) | 文字認識装置及び文字認識方法 | |
JP2018109824A (ja) | 電子制御装置、電子制御システムおよび電子制御方法 | |
CN110751623A (zh) | 基于联合特征的缺陷检测方法、装置、设备及存储介质 | |
US20090129632A1 (en) | Method of object detection | |
CN116310889A (zh) | 无人机环境感知数据的处理方法、控制终端以及存储介质 | |
CN112183229B (zh) | 基于计算动态参数的作业纸图像的字格提取方法及装置 | |
CN112101139B (zh) | 人形检测方法、装置、设备及存储介质 | |
Ahn et al. | Design of car license plate area detection algorithm for enhanced recognition plate | |
CN113486728A (zh) | 基于特征融合的地表三维变化检测方法和装置 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210416 |