CN112784851A - 阈值选取电路及方法、角点检测电路及方法 - Google Patents
阈值选取电路及方法、角点检测电路及方法 Download PDFInfo
- Publication number
- CN112784851A CN112784851A CN201911096636.XA CN201911096636A CN112784851A CN 112784851 A CN112784851 A CN 112784851A CN 201911096636 A CN201911096636 A CN 201911096636A CN 112784851 A CN112784851 A CN 112784851A
- Authority
- CN
- China
- Prior art keywords
- threshold
- corner
- thresholds
- cpu
- reference thresholds
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000004044 response Effects 0.000 claims abstract description 25
- 238000010187 selection method Methods 0.000 claims 1
- 238000000605 extraction Methods 0.000 abstract description 3
- 238000004422 calculation algorithm Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 230000007423 decrease Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000009360 aquaculture Methods 0.000 description 1
- 244000144974 aquaculture Species 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种阈值选取电路及及方法、角点检测电路及方法,阈值选取电路包括:CPU和多阈值角点统计电路;多阈值角点统计电路获取所述CPU传输的N个参考阈值,根据所述N个参考阈值,以及哈里斯Harris角点检测获得的角点响应值,分别统计所述N个参考阈值各自所对应的角点的数量,传输给CPU;CPU根据所述N个参考阈值各自对应的角点的数量,判断所述N个参考阈值中是否存在基准阈值,若不存在,则调整所述N个参考阈值后,将调整后的所述N个参考阈值传输给所述多阈值角点统计电路进行更新,其中,基准阈值对应的角点的数量属于预定数值区间。本申请用以解决人为设置角点提取的阈值,耗费CPU时长,降低了Harris角点检测的实时性的问题。
Description
技术领域
本申请涉及水产养殖技术领域,尤其涉及一种阈值选取电路及方法、角点检测电路及方法。
背景技术
角点是图像重要的局部特征,它在保留图像重要特征信息的同事有效减少了信息的数据量。角点检测已广泛应用到机器视觉中的目标跟踪、目标匹配、三维重建等领域中。
哈里斯(Harris)角点检测算法是一种基于信号的点特征提取算法,因其准确性和稳定性而被广泛使用,尤其在处理含噪声图像方法优于很多角点检测算法。
但是,现有的Harris角点检测算法中,在进行角点提取时需要人为给出合适的阈值,才能给出理想的角点检测结果,该理想的角点检测结果中能够去除角点团簇或伪角点。可见,Harris角点检测算法本身计算量大,CPU进行算法计算很难做到视频的实时角点检测,而人为进行阈值的选取和调整,会耗费更多的中央处理器(CPU)时长,极大限制了Harris角点检测算法在嵌入式领域的应用。
发明内容
本申请提供了一种阈值选取电路及方法、角点检测电路及方法,用以解决人为设置角点提取的阈值,耗费CPU时长,降低了Harris角点检测的实时性的问题。
第一方面,本申请实施例提供了一种阈值选取电路,包括:中央处理器CPU和多阈值角点统计电路;
多阈值角点统计电路,用于获取所述CPU传输的N个参考阈值,其中,所述N为大于1的整数,根据所述N个参考阈值,以及哈里斯Harris角点检测获得的角点响应值,分别统计所述N个参考阈值各自所对应的角点的数量,将所述N个参考阈值各自对应的角点的数量传输给所述CPU;
所述CPU,用于根据所述N个参考阈值各自对应的角点的数量,判断所述N个参考阈值中是否存在基准阈值,若不存在,则调整所述N个参考阈值后,将调整后的所述N个参考阈值传输给所述多阈值角点统计电路进行更新,其中,所述基准阈值对应的角点的数量属于预定数值区间。
可选地,所述多阈值角点统计电路包括:多阈值设置模块和角点统计模块,所述CPU分别所述多阈值设置模块和所述角点统计模块连接;
所述多阈值设置模块,用于获取所述CPU传输的所述N个参考阈值,并将所述N个参考阈值传输给所述角点统计模块;
所述角点统计模块,用于根据所述N个参考阈值,以及哈里斯Harris角点检测获得的角点响应值,分别统计所述N个参考阈值各自所对应的角点的数量,将所述N个参考阈值各自对应的角点的数量传输给所述CPU;
所述CPU,用于将调整后的所述N个参考阈值传输给所述多阈值设置模块进行更新。
可选地,所述CPU具体用于:
在判定所述N个参考阈值中不存在基准阈值后,若确定所述N个参考阈值各自对应的角点的数量,均低于所述预定数值区间的最小值,则减小所述N个参考阈值中的全部或部分;
在判定所述N个参考阈值中不存在基准阈值后,若确定所述N个参考阈值各自对应的角点的数量,均高于所述预定数值区间的最大值,则增大所述N个参考阈值中的全部或部分。
可选地,所述CPU具体用于:
若确定所述N个参考阈值各自对应的角点的数量,均低于所述预定数值区间的最小值,则分别将每个所述参考阈值减小第一预设值;
若确定所述N个参考阈值各自对应的角点的数量,均高于所述预定数值区间的最大值,则分别将每个所述参考阈值增大第二预设值。
第二方面,本申请实施例提供了一种角点检测电路,包括:角点输出模块和第一方面所述的阈值选取电路;
所述角点输出模块与所述多阈值角点统计电路连接;
所述CPU,用于若判定所述N个参考阈值中存在所述基准阈值,则将所述基准阈值传输给所述多阈值角点统计电路;
所述多阈值角点统计电路,用于将所述基准阈值对应的角点传输给所述角点输出模块;
所述角点输出模块,用于输出所述基准阈值对应的角点。
可选地,所述角点输出模块与所述角点统计模块连接;
所述CPU,用于若判定所述N个参考阈值中存在所述基准阈值,则将所述基准阈值传输给所述角点统计模块;
所述角点统计模块,用于将所述基准阈值对应的角点传输给所述角点输出模块。
可选地,还包括:哈里斯Harris角点检测电路,所述Harris角点检测电路与所述角点统计模块连接;
所述Harris角点检测电路,用于向所述角点统计模块输出Harris角点检测获得的角点响应值。
第三方面,本申请实施例提供了一种阈值选取方法,应用于第一方面所述的阈值选取电路,所述方法包括:
所述多阈值角点统计电路获取所述CPU传输的N个参考阈值,其中,所述N为大于1的整数,根据所述N个参考阈值,以及哈里斯Harris角点检测获得的角点响应值,分别统计所述N个参考阈值各自所对应的角点的数量;
所述CPU根据所述N个参考阈值各自对应的角点的数量,判断所述N个参考阈值中是否存在基准阈值,若不存在,则调整所述N个参考阈值后,将调整后的所述N个参考阈值传输给所述多阈值角点统计电路进行更新,其中,所述基准阈值对应的角点的数量属于预定数值区间。
可选地,所述方法还包括:
所述CPU在判定所述N个参考阈值中不存在基准阈值后,若确定所述N个参考阈值各自对应的角点的数量,均低于所述预定数值区间的最小值,则减小所述N个参考阈值中的全部或部分;
在判定所述N个参考阈值中不存在基准阈值后,若确定所述N个参考阈值各自对应的角点的数量,均高于所述预定数值区间的最大值,则增大所述N个参考阈值中的全部或部分。
第四方面,本申请实施例提供了一种角点检测方法,应用于第二方面所述的角点检测电路,所述方法包括:
所述多阈值角点统计电路获取所述CPU传输的N个参考阈值,其中,所述N为大于1的整数,根据所述N个参考阈值,以及哈里斯Harris角点检测获得的角点响应值,分别统计所述N个参考阈值各自所对应的角点的数量;
所述CPU根据所述N个参考阈值各自对应的角点的数量,判断所述N个参考阈值中是否存在基准阈值,若不存在,则调整所述N个参考阈值后,将调整后的所述N个参考阈值传输给所述多阈值角点统计电路进行更新,其中,所述基准阈值对应的角点的数量属于预定数值区间;若存在,将所述基准阈值传输给传输给所述多阈值角点统计电路;
所述多阈值角点统计电路通过所述角点输出模块输出所述基准阈值对应的角点。
本申请实施例提供的上述技术方案与现有技术相比具有如下优点:本申请实施例提供的该阈值选取电路中,多阈值角点统计电路统计CPU配置的N个参考阈值各自对应的角点的数量,将该N个参考阈值各自对应的角点的数量传输给CPU,CPU在判定该N个参考阈值不存在角点数量属于预设区间的基准阈值后,调整该N个参考阈值后再次配置给多阈值角点统计电路,从而使得多阈值角点统计电路和CPU的协作确定Harris角点检测中的阈值,即基准阈值,整个过程中无需人工参与,避免了CPU等待人为处理所耗费的时长,提高了Harris角点检测的实时性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例中阈值选取电路的结构示意图;
图2为本申请实施例中另一阈值选取电路的结构示意图;
图3为本申请实施例中角点检测电路的结构示意图;
图4为本申请实施例中另一角点检测电路的结构示意图;
图5为本申请实施例中另一角点检测电路的结构示意图;
图6为本申请实施例中阈值选取方法流程示意图;
图7为本申请实施例中角点检测方法流程示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请实施例中提供了一种阈值选取电路,如图1所示,该阈值选取电路10主要包括:CPU101和多阈值角点统计电路102。
其中,多阈值角点统计电路102,用于获取CPU101传输的N个参考阈值,其中,N为大于1的整数,根据该N个参考阈值,以及Harris角点检测获得的角点响应值,分别统计N个参考阈值各自所对应的角点的数量,将该N个参考阈值各自对应的角点的数量传输给CPU101。
CPU101,用于根据N个参考阈值各自对应的角点的数量,判断N个参考阈值中是否存在基准阈值,若不存在,则调整N个参考阈值后,将调整后的N个参考阈值传输给多阈值角点统计电路102进行更新,其中,基准阈值对应的角点的数量属于预定数值区间。
多阈值角点统计电路102采用更新后的N个参考阈值重新统计角点的数量后给CPU。按照以上过程进行多次迭代,直至找到基准阈值为止。
例如,以N等于8为例,CPU101可以配置8个参考阈值至多阈值角点统计电路102,该多阈值角点统计电路102根据Harris角点检测得到的角点响应值,以及该8个参考阈值进行角点数量统计,以每帧图像为单位,分别对每个参考阈值进行统计,得到一帧图像的角点响应值中角点响应值大于该参考阈值的角点的数量,对一帧图像统计结束后,得到8个参考阈值各自所对应的角点的数量。多阈值角点统计电路102将该8个参考阈值各自对应的角点的数量传输给CPU101。CPU101根据8个参考阈值各自对应的角点的数量决定下一次检测的参考阈值设置。假设8个参考阈值对应的角点的数量依次为:100,200,300,400,500,600,700,800,预定数值区间假设是900,则确定该8个参考阈值中不存在基准阈值,则CPU101对该8个参考阈值进行调整后传输给多阈值角点统计电路102再次进行统计。
一个具体实施例中,如图2所示,多阈值角点统计电路102包括:多阈值设置模块201和角点统计模块202,CPU101分别与多阈值设置模块201和角点统计模块202连接。
其中,多阈值设置模块201,用于获取CPU101传输的N个参考阈值,并将该N个参考阈值传输给角点统计模块202。
角点统计模块202,用于根据N个参考阈值,以及Harris角点检测获得的角点响应值,分别统计该N个参考阈值各自所对应的角点的数量,将该N个参考阈值各自对应的角点的数量传输给CPU101。
CPU101,用于将调整后的该N个参考阈值传输给多阈值设置模块201进行更新。
一个具体实施例中,CPU101在判定该N个参考阈值中不存在基准阈值后,若确定该N个参考阈值各自对应的角点的数量,均低于预定数值区间的最小值,则减小该N个参考阈值中的全部或部分。CPU101在判定该N个参考阈值中不存在基准阈值后,若确定该N个参考阈值各自对应的角点的数量,均高于该预定数值区间的最大值,则增大该N个参考阈值中的全部或部分。该具体实施例实现了参考阈值的自适应调整,加快了基准阈值的选取速度,进一步提高了Harris角点检测中阈值的选取效率,降低了CPU耗时。
例如,假设8个参考阈值对应的角点的数量依次为:100,200,300,400,500,600,700,800,预定数值区间假设是900,则需要增大8个参考阈值的取值;而在预定数值区间为50时,则需要减小8个参考阈值的取值。
一个具体实施例中,CPU101若确定N个参考阈值各自对应的角点的数量,均低于预定数值区间的最小值,则分别将每个参考阈值减小第一预设值。同理,CPU101若确定N个参考阈值各自对应的角点的数量,均高于预定数值区间的最大值,则分别将每个参考阈值增大第二预设值。也就是,CPU以等步长的方式增大N个参考阈值,以等步长的方式减小该N个参考阈值。其中,第一预设值和第二预设值的具体取值可以根据实际需要调整。
例如,CPU在第一次减小N个参考阈值时,每个参考阈值均减少0.1,在第二次减小N个参考阈值时,每个参考阈值也是均减少0.1,以及在连续减小N个参考阈值的每个过程中,均是减少0.1。同理,CPU在第一次增大N个参考阈值时,每个参考阈值均增加0.2,在第二次增大N个参考阈值时,每个参考阈值也是均增大0.2,以及在连续增大N个参考阈值的每个过程中,均是增大0.2。
其中,多阈值设置模块可以采用具有存储功能的电子元件搭建实现,角点统计模块可以采用多个比较器和计数器组合实现。本申请实施例中并不限制多阈值设置模块以及角点统计模块的具体元件搭建方式。
本申请实施例提供的该阈值选取电路中,多阈值角点统计电路统计CPU配置的N个参考阈值各自对应的角点的数量,将该N个参考阈值各自对应的角点的数量传输给CPU,CPU在判定该N个参考阈值不存在角点数量属于预设区间的基准阈值后,调整该N个参考阈值后再次配置给多阈值角点统计电路,从而使得多阈值角点统计电路和CPU的协作确定Harris角点检测中的阈值,即基准阈值,整个过程中无需人工参与,避免了CPU等待人为处理所耗费的时长,提高了Harris角点检测的实时性。
基于同一构思,本申请实施例中提供了一种角点检测电路,如图3所示,该角点检测电路包括:角点输出模块301和以上实施例所描述的阈值选取电路10。其中,角点输出模块301与多阈值角点统计电路102连接。
其中,多阈值角点统计电路102获取CPU101传输的N个参考阈值,其中,N为大于1的整数,根据该N个参考阈值,以及Harris角点检测获得的角点响应值,分别统计N个参考阈值各自所对应的角点的数量,将该N个参考阈值各自对应的角点的数量传输给CPU101。
CPU101根据N个参考阈值各自对应的角点的数量,判断N个参考阈值中是否存在基准阈值,若不存在,则调整N个参考阈值后,将调整后的N个参考阈值传输给多阈值角点统计电路102进行更新,其中,基准阈值对应的角点的数量属于预定数值区间。
CPU101若判定N个参考阈值中存在基准阈值,则将基准阈值传输给多阈值角点统计电路301;多阈值角点统计电路102将基准阈值对应的角点传输给角点输出模块301;角点输出模块301,用于输出基准阈值对应的角点。
一个具体实施例中,如图4所示,角点输出模块301与角点统计模块202连接。CPU101若判定N个参考阈值中存在基准阈值,则将基准阈值传输给角点统计模块202;角点统计模块202,用于将基准阈值对应的角点传输给角点输出模块301。
一个具体实施例中,如图5所示,该角点检测电路中还包括Harris角点检测电路501,Harris角点检测电路501与角点统计模块202连接。该Harris角点检测电路501,用于向角点统计模块202输出Harris角点检测获得的角点响应值。
其中,Harris角点检测电路501主要是完成Harris角点检测算法中的偏导计算、高斯滤波、角点响应及极大值抑制处理,并输出角点响应值(表示为R)。该Harris角点检测电路501可以采用现有的Harris角点检测算法的电路实现,只要能够输出角点响应值即可。
本申请实施例中所提供的角点检测电路,多阈值角点统计电路统计CPU配置的N个参考阈值各自对应的角点的数量,将该N个参考阈值各自对应的角点的数量传输给CPU,CPU在判定该N个参考阈值不存在角点数量属于预设区间的基准阈值后,调整该N个参考阈值后再次配置给多阈值角点统计电路,从而使得多阈值角点统计电路和CPU的协作确定Harris角点检测中的阈值,即基准阈值,整个过程中无需人工参与,避免了CPU等待人为处理所耗费的时长,提高了Harris角点检测的实时性。
并且,CPU在判定该N个参考阈值中存在基准阈值后,将该基准阈值传输给多阈值角点统计电路,由该多阈值角点统计电路将该基准阈值对应的角点传输给角点输出模块进行输出,从而能够快速找到准确的阈值,达到理想的角点检测效果。
同时,本申请实施例所提供的角点检测电路,电路实现简单,所涉及的计算采用多个比较器和计数器即可实现,还可以根据需要增减参考阈值的数量,达到快速迭代找到基准阈值的目的。
基于同一构思,本申请实施例提供了一种阈值选取方法,该方法应用于上述实施例所描述的阈值选取电路,如图6所示,该方法的具体实施过程如下:
步骤601,多阈值角点统计电路获取CPU传输的N个参考阈值,其中,N为大于1的整数,根据N个参考阈值,以及Harris角点检测获得的角点响应值,分别统计N个参考阈值各自所对应的角点的数量;
步骤602,CPU根据N个参考阈值各自对应的角点的数量,判断N个参考阈值中是否存在基准阈值,若不存在,则调整N个参考阈值后,将调整后的N个参考阈值传输给多阈值角点统计电路进行更新,其中,基准阈值对应的角点的数量属于预定数值区间。
一个具体实施例中,多阈值设置模块获取CPU传输的N个参考阈值,并将N个参考阈值传输给角点统计模块;角点统计模块根据所述N个参考阈值,以及Harris角点检测获得的角点响应值,分别统计N个参考阈值各自所对应的角点的数量,将N个参考阈值各自对应的角点的数量传输给CPU;CPU,用于将调整后的N个参考阈值传输给多阈值设置模块进行更新。
一个具体实施例中,CPU在判定N个参考阈值中不存在基准阈值后,若确定N个参考阈值各自对应的角点的数量,均低于预定数值区间的最小值,则减小N个参考阈值中的全部或部分;在判定N个参考阈值中不存在基准阈值后,若确定N个参考阈值各自对应的角点的数量,均高于预定数值区间的最大值,则增大N个参考阈值中的全部或部分。
一个具体实施例中,CPU若确定N个参考阈值各自对应的角点的数量,均低于预定数值区间的最小值,则分别将每个参考阈值减小第一预设值;若确定N个参考阈值各自对应的角点的数量,均高于预定数值区间的最大值,则分别将每个参考阈值增大第二预设值。
基于同一构思,本申请实施例提供了一种角点检测方法,该方法应用于上述的角点检测电路,如图7所示,该方法主要包括:
步骤701,多阈值角点统计电路获取CPU传输的N个参考阈值,其中,N为大于1的整数,根据N个参考阈值,以及Harris角点检测获得的角点响应值,分别统计N个参考阈值各自所对应的角点的数量;
步骤702,CPU根据N个参考阈值各自对应的角点的数量,判断N个参考阈值中是否存在基准阈值,若不存在,则调整N个参考阈值后,将调整后的N个参考阈值传输给多阈值角点统计电路进行更新,其中,基准阈值对应的角点的数量属于预定数值区间;若存在,将基准阈值传输给传输给多阈值角点统计电路;
步骤703,多阈值角点统计电路通过角点输出模块输出基准阈值对应的角点。
一个具体实施例中,CPU若判定所述N个参考阈值中存在所述基准阈值,则将所述基准阈值传输给所述角点统计模块;所述角点统计模块将所述基准阈值对应的角点传输给所述角点输出模块。
一个具体实施例中,Harris角点检测电路向所述角点统计模块输出Harris角点检测获得的角点响应值。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种阈值选取电路,其特征在于,包括:中央处理器CPU和多阈值角点统计电路;
多阈值角点统计电路,用于获取所述CPU传输的N个参考阈值,其中,所述N为大于1的整数,根据所述N个参考阈值,以及哈里斯Harris角点检测获得的角点响应值,分别统计所述N个参考阈值各自所对应的角点的数量,将所述N个参考阈值各自对应的角点的数量传输给所述CPU;
所述CPU,用于根据所述N个参考阈值各自对应的角点的数量,判断所述N个参考阈值中是否存在基准阈值,若不存在,则调整所述N个参考阈值后,将调整后的所述N个参考阈值传输给所述多阈值角点统计电路进行更新,其中,所述基准阈值对应的角点的数量属于预定数值区间。
2.根据权利要求1所述的阈值选取电路,其特征在于,所述多阈值角点统计电路包括:多阈值设置模块和角点统计模块,所述CPU分别所述多阈值设置模块和所述角点统计模块连接;
所述多阈值设置模块,用于获取所述CPU传输的所述N个参考阈值,并将所述N个参考阈值传输给所述角点统计模块;
所述角点统计模块,用于根据所述N个参考阈值,以及哈里斯Harris角点检测获得的角点响应值,分别统计所述N个参考阈值各自所对应的角点的数量,将所述N个参考阈值各自对应的角点的数量传输给所述CPU;
所述CPU,用于将调整后的所述N个参考阈值传输给所述多阈值设置模块进行更新。
3.根据权利要求2所述的阈值选取电路,其特征在于,所述CPU具体用于:
在判定所述N个参考阈值中不存在基准阈值后,若确定所述N个参考阈值各自对应的角点的数量,均低于所述预定数值区间的最小值,则减小所述N个参考阈值中的全部或部分;
在判定所述N个参考阈值中不存在基准阈值后,若确定所述N个参考阈值各自对应的角点的数量,均高于所述预定数值区间的最大值,则增大所述N个参考阈值中的全部或部分。
4.根据权利要求3所述的阈值选取电路,其特征在于,所述CPU具体用于:
若确定所述N个参考阈值各自对应的角点的数量,均低于所述预定数值区间的最小值,则分别将每个所述参考阈值减小第一预设值;
若确定所述N个参考阈值各自对应的角点的数量,均高于所述预定数值区间的最大值,则分别将每个所述参考阈值增大第二预设值。
5.一种角点检测电路,其特征在于,包括:角点输出模块和权利要求1至4任一项所述的阈值选取电路;
所述角点输出模块与所述多阈值角点统计电路连接;
所述CPU,用于若判定所述N个参考阈值中存在所述基准阈值,则将所述基准阈值传输给所述多阈值角点统计电路;
所述多阈值角点统计电路,用于将所述基准阈值对应的角点传输给所述角点输出模块;
所述角点输出模块,用于输出所述基准阈值对应的角点。
6.根据权利要求5所述的角点检测电路,其特征在于,所述角点输出模块与所述角点统计模块连接;
所述CPU,用于若判定所述N个参考阈值中存在所述基准阈值,则将所述基准阈值传输给所述角点统计模块;
所述角点统计模块,用于将所述基准阈值对应的角点传输给所述角点输出模块。
7.根据权利要求6所述的角点检测电路,其特征在于,还包括:哈里斯Harris角点检测电路,所述Harris角点检测电路与所述角点统计模块连接;
所述Harris角点检测电路,用于向所述角点统计模块输出Harris角点检测获得的角点响应值。
8.一种阈值选取方法,其特征在于,应用于权利要求1至4任一项所述的阈值选取电路,所述方法包括:
所述多阈值角点统计电路获取所述CPU传输的N个参考阈值,其中,所述N为大于1的整数,根据所述N个参考阈值,以及哈里斯Harris角点检测获得的角点响应值,分别统计所述N个参考阈值各自所对应的角点的数量;
所述CPU根据所述N个参考阈值各自对应的角点的数量,判断所述N个参考阈值中是否存在基准阈值,若不存在,则调整所述N个参考阈值后,将调整后的所述N个参考阈值传输给所述多阈值角点统计电路进行更新,其中,所述基准阈值对应的角点的数量属于预定数值区间。
9.根据权利要求8所述的阈值选取方法,其特征在于,所述方法还包括:
所述CPU在判定所述N个参考阈值中不存在基准阈值后,若确定所述N个参考阈值各自对应的角点的数量,均低于所述预定数值区间的最小值,则减小所述N个参考阈值中的全部或部分;
在判定所述N个参考阈值中不存在基准阈值后,若确定所述N个参考阈值各自对应的角点的数量,均高于所述预定数值区间的最大值,则增大所述N个参考阈值中的全部或部分。
10.一种角点检测方法,其特征在于,应用于权利要求5至7任一项所述的角点检测电路,所述方法包括:
所述多阈值角点统计电路获取所述CPU传输的N个参考阈值,其中,所述N为大于1的整数,根据所述N个参考阈值,以及哈里斯Harris角点检测获得的角点响应值,分别统计所述N个参考阈值各自所对应的角点的数量;
所述CPU根据所述N个参考阈值各自对应的角点的数量,判断所述N个参考阈值中是否存在基准阈值,若不存在,则调整所述N个参考阈值后,将调整后的所述N个参考阈值传输给所述多阈值角点统计电路进行更新,其中,所述基准阈值对应的角点的数量属于预定数值区间;若存在,将所述基准阈值传输给传输给所述多阈值角点统计电路;
所述多阈值角点统计电路通过所述角点输出模块输出所述基准阈值对应的角点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911096636.XA CN112784851A (zh) | 2019-11-11 | 2019-11-11 | 阈值选取电路及方法、角点检测电路及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911096636.XA CN112784851A (zh) | 2019-11-11 | 2019-11-11 | 阈值选取电路及方法、角点检测电路及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112784851A true CN112784851A (zh) | 2021-05-11 |
Family
ID=75749238
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911096636.XA Pending CN112784851A (zh) | 2019-11-11 | 2019-11-11 | 阈值选取电路及方法、角点检测电路及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112784851A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100157070A1 (en) * | 2008-12-22 | 2010-06-24 | Honeywell International Inc. | Video stabilization in real-time using computationally efficient corner detection and correspondence |
US20130208997A1 (en) * | 2010-11-02 | 2013-08-15 | Zte Corporation | Method and Apparatus for Combining Panoramic Image |
CN103279956A (zh) * | 2013-05-30 | 2013-09-04 | 华南理工大学 | 一种检测贴片机元器件定位精度的方法 |
CN103679666A (zh) * | 2012-09-18 | 2014-03-26 | 成都方程式电子有限公司 | 改善传感器图像质量的架构 |
CN108537796A (zh) * | 2018-03-19 | 2018-09-14 | 太原理工大学 | 基于模板边缘的自适应Harris角点检测方法 |
CN108629343A (zh) * | 2018-04-28 | 2018-10-09 | 湖北民族学院 | 一种基于边缘检测和改进Harris角点检测的车牌定位方法和系统 |
CN109919095A (zh) * | 2019-03-07 | 2019-06-21 | 北京石油化工学院 | 危化品仓库中码垛的监控方法及电子设备 |
JP2019124683A (ja) * | 2018-01-11 | 2019-07-25 | 富士通株式会社 | オブジェクト速度推定方法と装置及び画像処理機器 |
CN110309834A (zh) * | 2019-05-13 | 2019-10-08 | 电子科技大学成都学院 | 用于户外离线导航系统的改进orb-slam算法 |
-
2019
- 2019-11-11 CN CN201911096636.XA patent/CN112784851A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100157070A1 (en) * | 2008-12-22 | 2010-06-24 | Honeywell International Inc. | Video stabilization in real-time using computationally efficient corner detection and correspondence |
US20130208997A1 (en) * | 2010-11-02 | 2013-08-15 | Zte Corporation | Method and Apparatus for Combining Panoramic Image |
CN103679666A (zh) * | 2012-09-18 | 2014-03-26 | 成都方程式电子有限公司 | 改善传感器图像质量的架构 |
CN103279956A (zh) * | 2013-05-30 | 2013-09-04 | 华南理工大学 | 一种检测贴片机元器件定位精度的方法 |
JP2019124683A (ja) * | 2018-01-11 | 2019-07-25 | 富士通株式会社 | オブジェクト速度推定方法と装置及び画像処理機器 |
CN108537796A (zh) * | 2018-03-19 | 2018-09-14 | 太原理工大学 | 基于模板边缘的自适应Harris角点检测方法 |
CN108629343A (zh) * | 2018-04-28 | 2018-10-09 | 湖北民族学院 | 一种基于边缘检测和改进Harris角点检测的车牌定位方法和系统 |
CN109919095A (zh) * | 2019-03-07 | 2019-06-21 | 北京石油化工学院 | 危化品仓库中码垛的监控方法及电子设备 |
CN110309834A (zh) * | 2019-05-13 | 2019-10-08 | 电子科技大学成都学院 | 用于户外离线导航系统的改进orb-slam算法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020181872A1 (zh) | 一种物体检测方法、装置及电子设备 | |
CN107908998B (zh) | 二维码解码方法、装置、终端设备及计算机可读存储介质 | |
WO2017113917A1 (zh) | 成像方法、成像装置和终端 | |
CN111666907B (zh) | 一种视频中对象信息的识别方法、装置及服务器 | |
JP2009246958A5 (zh) | ||
CN109934789B (zh) | 图像去噪方法、装置及电子设备 | |
WO2016008259A1 (zh) | 获取直方图的方法、亮度动态调整的方法及图像处理装置 | |
WO2019120025A1 (zh) | 照片的调整方法、装置、存储介质及电子设备 | |
WO2017028047A1 (zh) | 背景模型的提取方法、装置以及图像处理设备 | |
CN101610414A (zh) | 图像处理装置、图像处理方法及程序 | |
CN113920022A (zh) | 一种图像优化方法、装置、终端设备及可读存储介质 | |
CN109885384B (zh) | 任务并行度优化方法、装置、计算机设备及存储介质 | |
CN108710538B (zh) | 一种线程配置方法、计算机可读存储介质及终端设备 | |
CN106023184A (zh) | 一种基于各向异性中心环绕差异的深度显著性检测方法 | |
CN112784851A (zh) | 阈值选取电路及方法、角点检测电路及方法 | |
WO2021000495A1 (zh) | 一种图像处理方法以及装置 | |
WO2017166585A1 (zh) | 视频转场判断方法、装置和电子设备 | |
CN111507923A (zh) | 一种视频图像的噪声处理方法、装置、设备和介质 | |
CN108764206B (zh) | 目标图像识别方法和系统、计算机设备 | |
WO2021147364A1 (zh) | 图像曝光调整方法、装置、设备和介质 | |
CN111639777B (zh) | 估计目标体重的方法和装置 | |
WO2016172980A1 (zh) | 信道估计方法、装置和终端 | |
CN114255326A (zh) | 点云数据的处理方法、装置、电子设备和存储介质 | |
CN112367476A (zh) | Tof相机的曝光时间确定方法、装置及终端设备 | |
US20200257928A1 (en) | Information processing apparatus, control method, and program |
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 |