CN113112415A - 一种全站仪影像测量的靶标自动识别方法和装置 - Google Patents
一种全站仪影像测量的靶标自动识别方法和装置 Download PDFInfo
- Publication number
- CN113112415A CN113112415A CN202110261506.8A CN202110261506A CN113112415A CN 113112415 A CN113112415 A CN 113112415A CN 202110261506 A CN202110261506 A CN 202110261506A CN 113112415 A CN113112415 A CN 113112415A
- Authority
- CN
- China
- Prior art keywords
- image
- target
- total station
- processing
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000005259 measurement Methods 0.000 title claims abstract description 34
- 238000012545 processing Methods 0.000 claims abstract description 75
- 238000004891 communication Methods 0.000 claims description 20
- 238000003708 edge detection Methods 0.000 claims description 8
- 238000009499 grossing Methods 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 238000005286 illumination Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000011022 operating instruction Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 239000011358 absorbing material Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000031700 light absorption Effects 0.000 description 1
- 238000011326 mechanical measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- G06T5/70—
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C15/00—Surveying instruments or accessories not provided for in groups G01C1/00 - G01C13/00
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
Abstract
本发明公开了一种全站仪影像测量的靶标自动识别方法和装置，所述方法包括：通过全站仪获取包含靶标的第一图像；识别所述第一图像，确定所述靶标在所述第一图像上的第一区域；对所述第一区域的图像进行增强处理、去噪处理和拟合处理，确定靶标中心的图像坐标信息；基于所述图像坐标信息，控制所述全站仪对准所述靶标中心，并通过所述全站仪获取所述靶标中心的地理坐标。本发明提供的自动识别方法实现成本低，应用范围广，适合大规模使用，且在全站仪设站完成后无需再人工操作，提高了测量的自动化、信息化、智能化水平。
Description
技术领域
本发明涉及自动化测量技术领域，尤其涉及一种全站仪影像测量的靶标自动识别方法和装置。
背景技术
通常，在利用全站仪进行测量的应用过程中，经常需要在目标位置布设专用的测量棱镜，并通过全站仪发射红外线，再根据接收到的红外线强度来搜索确定棱镜中心的方向，进而确定目标位置。对于无法布设棱镜的情况，则会在测点位置粘贴反射片靶标，进行替换。
然而，由于受到反射片靶标的质量、天气环境因素和反射片角度等因素的影响，全站仪使用自动目标照准功能时常常无法自动搜索到反射片靶标，或者搜索到的照准误差很大，最终也需要人工进行照准，给测量带来极大的不便。
发明内容
本发明实施例期望提供一种全站仪影像测量的靶标自动识别方法和装置。
本发明的技术方案是这样实现的：
本发明实施例第一方面提供一种全站仪影像测量的靶标自动识别方法，应用于终端设备中，所述方法包括：通过全站仪获取包含靶标的第一图像；
识别所述第一图像，确定所述靶标在所述第一图像上的第一区域；
对所述第一区域的图像进行增强处理、去噪处理和拟合处理，确定靶标中心的图像坐标信息；
基于所述图像坐标信息，控制所述全站仪对准所述靶标中心，并通过所述全站仪获取所述靶标中心的地理坐标。
可选地，在通过全站仪获取包含靶标的第一图像之前，所述方法包括：
建立与所述全站仪之间的通信连接；所述通信连接用于将所述终端设备的操作指令传输至所述全站仪。
可选地，所述通过全站仪获取包含靶标的第一图像，包括：
调整所述全站仪的方向角，使得所述全站仪的拍摄视场内包括靶标；所述靶标固定在目标物体上；所述靶标中心与目标位置重合；
通过所述全站仪获取至少一组包含靶标的第一图像。
可选地，所述识别所述第一图像，确定所述靶标在所述第一图像上的第一区域，包括：
利用图像处理技术，识别所述第一图像中的靶标，确定所述靶标在所述第一图像中的位置信息；
根据所述位置信息，确定所述靶标在所述第一图像上的第一区域。
可选地，所述对所述第一区域的图像进行增强处理、去噪处理和拟合处理，确定靶标中心的图像坐标信息，包括：
对所述第一区域的图像进行灰度化处理，获得所述第一区域的图像对应的灰度图；
对所述灰度图依次进行灰度变换增强处理、二值化处理和平滑处理，对处理后的图像进行边缘检测，获得边界图像；
对所述边界图像进行矢量化处理和去噪处理，基于去噪处理后的边界图像确定所述靶标对应的边界点；
基于所述边界点进行圆形拟合，确定所述靶标中心的图像坐标信息。
可选地，所述基于所述图像坐标信息，控制所述全站仪对准所述靶标中心，并通过所述全站仪获取所述靶标中心的地理坐标，包括：
根据所述靶标中心的图像坐标信息和所述全站仪的相关参数，确定所述靶标中心相对所述全站仪的测距轴的偏转角度；
基于所述偏转角度，调整所述全站仪的方向角，使得所述全站仪的测距轴对准所述靶标中心；
基于方向角调整后的所述全站仪获取所述靶标中心的地理坐标。
本发明实施例第二方面提供一种全站仪影像测量的靶标自动识别装置，所述装置包括：
获取模块，用于通过全站仪获取包含靶标的第一图像；
识别模块，用于识别所述第一图像，确定所述靶标在所述第一图像上的第一区域；
处理模块，用于对所述第一区域的图像进行增强处理、去噪处理和拟合处理，确定靶标中心的图像坐标信息；
控制模块，用于基于所述图像坐标信息，控制所述全站仪对准所述靶标中心，并通过所述全站仪获取所述靶标中心的地理坐标。
可选地，所述装置还包括建立模块，所述建立模块用于：
建立与所述全站仪之间的通信连接；所述通信连接用于将终端设备的操作指令传输至所述全站仪。
可选地，所述获取模块具体用于：
通过所述控制模块调整所述全站仪的方向角，使得所述全站仪的拍摄视场内包括靶标；所述靶标固定在目标物体上；所述靶标中心与目标位置重合；
通过所述全站仪获取至少一组包含靶标的第一图像。
可选地，所述识别模块具体用于：
利用图像处理技术，识别所述第一图像中的靶标，确定所述靶标在所述第一图像中的位置信息；
根据所述位置信息，确定所述靶标在所述第一图像上的第一区域。
可选地，所述处理模块具体用于：
对所述第一区域的图像进行灰度化处理，获得所述第一区域的图像对应的灰度图；
对所述灰度图依次进行灰度变换增强处理、二值化处理和平滑处理，对处理后的图像进行边缘检测，获得边界图像；
对所述边界图像进行矢量化处理和去噪处理，基于去噪处理后的边界图像确定所述靶标对应的边界点；
基于所述边界点进行圆形拟合，确定所述靶标中心的图像坐标信息。
可选地，所述控制模块具体用于：
根据所述靶标中心的图像坐标信息和所述全站仪的相关参数，确定所述靶标中心相对所述全站仪的测距轴的偏转角度；
基于所述偏转角度，调整所述全站仪的方向角，使得所述全站仪的测距轴对准所述靶标中心；
基于方向角调整后的所述全站仪获取所述靶标中心的地理坐标。
本发明实施例第三方面提供一种终端设备，所述设备包括存储器和处理器，其中，所述存储器中存储有指令；
所述处理器用于运行所述存储器中存储的指令，所述指令被处理器运行时，实现上述第一方面所述的任一项所述方法的步骤。
本发明实施例第四方面提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现上述第一方面的任一项所述方法的步骤。
本发明实施例提供的一种全站仪影像测量的靶标自动识别方法和装置。其中，该方法通过全站仪获取包含靶标的第一图像，识别所述第一图像，确定所述靶标在所述第一图像上的第一区域，进而对所述第一区域的图像进行增强处理、去噪处理和拟合处理，确定靶标中心的图像坐标信息，然后基于所述图像坐标信息，控制所述全站仪对准所述靶标中心，并通过所述全站仪获取所述靶标中心的地理坐标。本发明提供的自动识别方法实现成本低，应用范围广，适合大规模使用，且在全站仪设站完成后无需再人工操作，提高了测量的自动化、信息化、智能化水平。
附图说明
图1为本发明实施例提供的一种全站仪影像测量的靶标自动识别方法的流程示意图；
图2为本发明实施例提供的靶标的结构示意图；
图3为本发明实施例提供的靶标位置示意图；
图4为本发明实施例提供的一种全站仪影像测量的靶标自动识别装置的结构示意图；
图5为本发明实施例提供的一种终端设备的结构示意图。
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。
全站仪，全站型电子测距仪(Electronic Total Station)，是一种集光、机、电为一体的高技术测量仪器，是集水平角、垂直角、距离(斜距、平距)、高差测量功能于一体的测绘仪器系统。
当前，在利用全站仪进行测量的应用过程中，经常需要在目标位置布设专用的测量棱镜，并通过全站仪发射红外线，再根据接收到的红外线强度来搜索确定棱镜中心的方向，进而确定目标位置。对于无法布设棱镜的情况，则会在测点位置粘贴反射片靶标，进行替换。然而由于受到反射片靶标的质量、天气环境因素和反射片角度等因素的影响，全站仪使用自动目标照准功能时常常无法自动搜索到反射片靶标，或者搜索到的照准误差很大，最终也需要人工进行照准，给测量带来不便。基于此，提出本发明以下各实施例。
请参阅图1，图1为本发明实施例提供的种全站仪影像测量的靶标自动识别方法的流程示意图，本发明实施例提供的方法包括：
S101，通过全站仪获取包含靶标的第一图像。
S102，识别第一图像，确定靶标在第一图像上的第一区域。
S103，对第一区域的图像进行增强处理、去噪处理和拟合处理，确定靶标中心的图像坐标信息。
S104，基于坐标信息，控制全站仪对准所述靶标中心，并通过全站仪获取靶标中心的地理坐标。
在一个实施例中，在通过全站仪获取包含靶标的第一图像之前，该测量方法包括：建立与全站仪之间的通信连接；通信连接用于将终端设备的操作指令传输至全站仪。
在实际测量过程中，需要预先对全站仪进行设站。示例性地，在已知点上对中整平输入点坐标，或者通过多个已知点进行后方交会自由设站计算设站坐标。在确定设站坐标后，完成对全站仪的设站。需要说明的是，对中整平是在开始测量前对全站仪进行的校正过程。其中，对中整平包括对中和整平两个部分，对中是使仪器的中心和测站点的标志中心在同一铅垂线上，整平是使仪器的竖轴竖直，水平度盘水平。后方交会是指仅在待定点上设站，向三个已知控制点观测两个水平夹角，从而计算待定点的设站坐标。在本实施例中，设站坐标表征全站仪的坐标。设站完成后，可以得到全站仪的坐标值，用于后续计算靶标地理坐标。
另外，根据现场实际需求，选取合适大小的靶标粘贴到目标位置。示例性的，如图2所示，图2为本发明实施例提供的靶标的结构示意图。其中，靶标内部可以是高反光材质的圆形区域，圆形区域外部为黑色的吸光材质，从而在光线照射时凸显靶标内部的圆形区域。靶标中心的十字丝与圆形的圆心重合。
在设站完成后，终端设备可通过例如串口数据线、蓝牙通信方式或无线保真(Wi-Fi)通信方式与全站仪建立连接，以通过连接向全站仪发送操作指令或控制指令，和/或，通过连接接收全站仪采集的图像。
示例性的，终端设备可启动全站仪控制程序，通过控制程序将全站仪的测距轴的方向角，使测距轴大致指向待测物体，保证待测物体在全站仪的图像采集组件(例如望远镜相机)视场内可见。终端设备通过控制程序控制与全站仪测距轴同轴的图像采集组件(例如望远镜相机)进行拍照，采集包含有靶标的图像以及相关的距离和坐标等参数，并通过终端设备与全站仪之间的连接将拍摄的图像和获得的参数传输到终端设备上。如此，仅通过终端设备对全站仪的控制即可完成对待测物体的拍摄，不需要再进行额外的人工操作。
为了使得测量结果更加准确，还需要对拍摄的图像做进一步的处理，对部分位置进行增强处理，对部分位置进行去噪处理，最终，利用处理后的图像进行算法拟合，确定靶标中心的图像坐标信息，进而控制全站仪对准靶标中心，并通过全站仪获取靶标中心的地理坐标。地理坐标表征靶标中心在实际场景中的坐标。
具体地，在全站仪设站完成后，可以确定全站仪自身的坐标信息，而在控制全站仪对准靶标中心后，可以控制全站仪通过脉冲等多种方式获取全站仪到靶标中心的距离、方位角等参数，进而基于这些参数，利用全站仪内部程序计算出靶标中心的地理坐标。由此，终端用户可以基于终端设备与全站仪之间的通讯连接，直接从终端设备上获取靶标中心的地理坐标，或者也可以从终端设备上获取全站仪到靶标中心的距离、方位角等参数，自行计算得出靶标中心的地理坐标。
在本实施例中，通过在目标位置处设置靶标，并通过全站仪自动采集靶标的图像信息，进而对采集的图像进行处理，从而确定靶标中心的图像坐标信息，实现了全站仪与目标物体的精确对准，降低了测量成本，扩大了应用范围，且在全站仪设站完成后无需再人工操作，提高了测量的自动化、信息化、智能化水平。
在一个实施例中，对于步骤S101，通过全站仪获取包含靶标的第一图像，包括：
调整全站仪的方向角，使得全站仪的拍摄视场内包括靶标；靶标固定在目标物体上；靶标中心与目标位置重合。
通过全站仪获取至少一组包含靶标的第一图像。
全站仪的拍摄视场是大于目标物体与靶标所处的范围，在进行拍摄之前，可以通过终端上的控制程序将全站仪的测距轴大概指向靶标方向，保证靶标在全站仪望远镜相机视场内可见，如此，方便对靶标进行拍摄。为了提高测量的准确性，全站仪拍摄的图像应该为多组，具体拍摄数量可以结合精度要求，根据经验或试验数据进行确定。
在一个实施例中，对于步骤S102，识别第一图像，确定靶标在第一图像上的第一区域，包括：
利用图像处理技术，识别第一图像中的靶标，确定靶标在第一图像中的位置信息；
根据位置信息，确定靶标在第一图像上的第一区域。
可以理解的，由于受到光照和可见度等因素的影响，全站仪在不同时间段或不同天气下，获得的第一图像是存在区别的，进而导致靶标在第一图像上的位置信息并不完全一致。在本实施例中，通过机器学习算法、模式匹配等图像处理技术对图像中的靶标进行识别，大致框选出靶标在图像中的位置和范围，使得每个范围框只包含一个靶标。
在一个示例中，以每个范围框中的靶标的图像信息作为参量，进行训练，得到相应的深度学习算法模型。选定第一图像作为输入图像，利用上述得到的已经训练完善的深度学习算法模型，完成对输入图像的靶标位置自动检测，从而确定靶标在输出图像上的第一区域。
在一个实施例中，对于步骤S103，对第一区域的图像进行增强处理、去噪处理和拟合处理，确定靶标中心的图像坐标信息，包括：
对第一区域的图像进行灰度化处理，获得第一区域的图像对应的灰度图；
对灰度图依次进行灰度变换增强处理、二值化处理和平滑处理，对处理后的图像进行边缘检测，获得边界图像；
对边界图像进行矢量化处理和去噪处理，基于去噪处理后的边界图像确定靶标对应的边界点；
基于边界点进行圆形拟合，确定靶标中心的图像坐标信息。
在本实施例中，首先需要对拍摄的图像进行灰度化处理，将原始图像转换为单波段的灰度图，进而通过分段线性变换，增加图像的对比度，以避免天气因素、光照、阴影等因素影响降低了靶标中间白色圆形与外部黑色背景框之间的对比度。在此之后，利用最大类间方差算法确定二值化灰度阈值，根据阈值将图像进行二值化转换为黑白两色的图像，而后采用中值滤波或者高斯滤波算法对图像进行平滑处理，消除图像中可能存在的噪点。利用Canny算子或其他边缘检测算法提取图像对象的边界信息，得到边界影像图，并将边界图像中的边界点像素根据横纵坐标转换为矢量点数据。剔除部分孤立点数据后，使用随机抽样一致性算法和最小二乘算法相结合，对矢量点数据进行圆形拟合，得到拟合的圆心在图像中的坐标值，即靶标中心的图像坐标值。
在一个实施例中，对于步骤S104，所述基于所述图像坐标信息，控制所述全站仪对准所述靶标中心，并通过全站仪获取靶标中心的地理坐标，包括：
根据靶标中心的图像坐标信息和全站仪的相关参数，确定靶标中心相对全站仪的测距轴的偏转角度；
基于偏转角度，调整全站仪的方向角，使得全站仪的测距轴对准靶标中心；
基于方向角调整后的全站仪获取靶标中心的地理坐标。
在初始拍摄阶段，只要保证靶标在全站仪望远镜相机视场内可见，且此时靶标的具体位置信息是未知的，因此，全站仪的测距轴往往并不能做到对准靶标中心。因此，在通过上述实施例中的方法确定靶标中心的图像坐标信息后，可以根据靶标中心的图像坐标信息和全站仪的相关参数，如全站仪的图像大小、视场角等参数，确定靶标中心相对全站仪的测距轴的偏转角度，进而调整全站仪的方向角，实现全站仪的测距轴与靶标中心的对准。
示例性的，如图3所示，图3为本发明实施例提供的靶标位置示意图。已知图像宽度为w，图像宽度对应的水平方向视场角大小为Ax，图像高度为h，图像高度对应的竖直方向视场角大小为Ay，全站仪测距轴在图像上的位置为(x0,y0)，拟合得到的靶标在图像上的位置为(x′,y′)。因此，靶标中心点相对测距轴在图像上的位置点的偏移值Δx＝x′-xo和Δy＝y′-yo，相应的角度偏移值分别为ΔAx＝Δx·Ax/w和ΔAy＝Δy·Ay/h，因此，将全站仪在水平方向上旋转ΔAx、竖直方向上旋转ΔAy后可以实现将测距轴指向靶标中心点，进而基于方向角调整后的全站仪获取靶标中心的地理坐标。
基于前述实施例，请参阅图4，图4为本发明实施例提供的一种全站仪影像测量的靶标自动识别装置的结构示意图。该识别装置包括：
获取模块201，用于通过全站仪获取包含靶标的第一图像；
识别模块202，用于识别第一图像，确定靶标在第一图像上的第一区域；
处理模块203，用于对第一区域的图像进行增强处理、去噪处理和拟合处理，确定靶标中心的图像坐标信息；
控制模块204，用于基于坐标信息，控制全站仪对准靶标中心，并通过全站仪获取靶标中心的地理坐标。
在一个实施例中，在通过全站仪获取包含靶标的第一图像之前，该测量方法包括：建立与全站仪之间的通信连接；通信连接用于将终端设备的操作指令传输至全站仪。
在实际测量过程中，需要预先对全站仪进行设站。示例性地，在已知点上对中整平输入点坐标，或者通过多个已知点进行后方交会自由设站计算设站坐标。在确定设站坐标后，完成对全站仪的设站，得到全站仪的坐标值，用于后续计算靶标地理坐标。
另外，根据现场实际需求，选取合适大小的靶标粘贴到目标位置。示例性的，靶标内部可以是高反光材质的圆形区域，圆形区域外部为黑色的吸光材质，从而在光线照射时凸显靶标内部的圆形区域。靶标中心的十字丝与圆形的圆心重合。
在设站完成后，终端设备可通过例如串口数据线、蓝牙通信方式或无线保真(Wi-Fi)通信方式与全站仪建立连接，以通过连接向全站仪发送操作指令或控制指令，和/或，通过连接接收全站仪采集的图像。
为了使得测量结果更加准确，还需要对拍摄的图像做进一步的处理，对部分位置进行增强处理，对部分位置进行去噪处理，最终，利用处理后的图像进行算法拟合，确定靶标中心的图像坐标信息，进而控制全站仪对准靶标中心，并通过全站仪获取靶标中心的地理坐标。
在本实施例中，通过在目标位置处设置靶标，并通过全站仪自动采集靶标的图像信息，进而对采集的图像进行处理，从而确定靶标中心的位置信息，实现了全站仪与目标物体的精确对准，降低了测量成本，扩大了应用范围，且在全站仪设站完成后无需再人工操作，提高了测量的自动化、信息化、智能化水平。
在一具体实施例中，获取模块201具体用于：
通过控制模块调整全站仪的方向角，使得全站仪的拍摄视场内包括靶标；靶标固定在目标物体上；靶标中心与目标位置重合；
通过全站仪获取至少一组包含靶标的第一图像。
全站仪的拍摄视场是大于目标物体与靶标所处的范围，在进行拍摄之前，可以通过终端上的控制程序将全站仪的测距轴大概指向靶标方向，保证靶标在全站仪望远镜相机视场内可见，如此，方便对靶标进行拍摄。为了提高测量的准确性，全站仪拍摄的图像应该为多组，具体拍摄数量可以结合精度要求，根据经验或试验数据进行确定。
在一个实施例中，识别模块202具体用于：
利用图像处理技术，识别第一图像中的靶标，确定靶标在第一图像中的位置信息；
根据位置信息，确定靶标在第一图像上的第一区域。
可以理解的，由于受到光照和可见度等因素的影响，全站仪在不同时间段或不同天气下，获得的第一图像是存在区别的，进而导致靶标在第一图像上的位置信息并不完全一致。在本实施例中，通过机器学习算法、模式匹配等图像处理技术对图像中的靶标进行识别，大致框选出靶标在图像中的位置和范围，使得每个范围框只包含一个靶标。
在一个示例中，以每个范围框中的靶标的图像信息作为参量，进行训练，得到相应的深度学习算法模型。选定第一图像作为输入图像，利用上述得到的已经训练完善的深度学习算法模型，完成靶标位置自动检测，从而确定靶标在输出图像上的第一区域。
在一个实施例中，处理模块203具体用于：
对第一区域的图像进行灰度化处理，获得第一区域的图像对应的灰度图；
对灰度图依次进行灰度变换增强处理、二值化处理和平滑处理，对处理后的图像进行边缘检测，获得边界图像；
对边界图像进行矢量化处理和去噪处理，基于去噪处理后的边界图像确定靶标对应的边界点；
基于边界点进行圆形拟合，确定靶标中心的图像坐标信息。
在本实施例中，首先需要对拍摄的图像进行灰度化处理，将原始图像转换为单波段的灰度图，进而通过分段线性变换，增加图像的对比度，以避免天气因素、光照、阴影等因素影响降低了靶标中间白色圆形与外部黑色背景框之间的对比度。在此之后，利用最大类间方差算法确定二值化灰度阈值，根据阈值将图像进行二值化转换为黑白两色的图像，而后采用中值滤波或者高斯滤波等算法对图像进行平滑处理，消除图像中可能存在的噪点。利用Canny算子或其他边缘检测算法提取图像对象的边界信息，得到边界影像图，并将边界图像中的边界点像素根据横纵坐标转换为矢量点数据。剔除部分孤立点数据后，使用随机抽样一致性算法和最小二乘算法相结合，对矢量点数据进行圆形拟合，得到拟合的圆心在图像中的坐标值，即靶标中心的图像坐标值。
在一个实施例中，控制模块204具体用于：
根据靶标中心的图像坐标信息和全站仪的相关参数，确定靶标中心相对全站仪的测距轴的偏转角度；
基于偏转角度，调整全站仪的方向角，使得全站仪的测距轴对准靶标中心；
基于方向角调整后的全站仪获取靶标中心的地理坐标。
在初始拍摄阶段，只要保证靶标在全站仪望远镜相机视场内可见，且此时靶标的具体位置信息是未知的，因此，全站仪的测距轴往往并不能做到对准靶标中心。因此，在通过上述实施例中的方法确定靶标中心的图像坐标信息后，可以根据靶标中心的图像坐标信息和全站仪的相关参数，如全站仪的图像大小、视场角等参数，确定靶标中心相对全站仪的测距轴的偏转角度，进而调整全站仪的方向角，实现全站仪的测距轴与靶标中心的对准。具体调整方式如上述方法实施例所述，在此不再一一赘述。
本发明还提供了一种终端设备，如图5所示，该终端设备包括存储器和处理器，其中，存储器中存储有指令；处理器用于运行存储器中存储的指令，指令被处理器运行时，可以实现上述应用于全站仪影像测量的靶标自动识别方法的步骤。
可选地，该终端设备中的各个组件可通过总线系统耦合在一起。可以理解，总线系统用于实现这些组件之间的连接通信。总线系统除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。
可选地，存储器可以由任何类型的易失性或非易失性存储设备、或者它们的组合来实现。
可选地，处理器可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过软件形式的指令完成，还可以通过硬件的集成逻辑电路完成。上述的处理器可以是通用处理器、数字信号处理器(DSP，Digital Signal Processor)，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时，可以完成上述全站仪影像测量的靶标自动识别方法中的任一步骤。
本申请所提供的几个方法实施例中所揭露的方法，在不冲突的情况下可以任意组合，得到新的方法实施例。
本申请所提供的几个产品实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的产品实施例。
本申请所提供的几个方法或设备实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的方法实施例或设备实施例。
在本申请所提供的几个实施例中，应该理解到，所揭露的方法、装置和存储介质，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个模块或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的模块可以是、或也可以不是物理上分开的，作为模块显示的部件可以是、或也可以不是物理单元，即可以位于一个地方，也可以分布到多个网络模块上；可以根据实际的需要选择其中的部分或全部模块来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能模块可以全部集成在一个处理模块中，也可以是各模块分别单独作为一个模块，也可以两个或两个以上模块集成在一个模块中；上述集成的模块既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本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以所述权利要求的保护范围为准。
Claims (14)
1.一种全站仪影像测量的靶标自动识别方法，应用于终端设备中，其特征在于，所述方法包括：
通过全站仪获取包含靶标的第一图像；
识别所述第一图像，确定所述靶标在所述第一图像上的第一区域；
对所述第一区域的图像进行增强处理、去噪处理和拟合处理，确定靶标中心的图像坐标信息；
基于所述图像坐标信息，控制所述全站仪对准所述靶标中心，并通过所述全站仪获取所述靶标中心的地理坐标。
2.根据权利要求1所述的方法，其特征在于，在通过全站仪获取包含靶标的第一图像之前，所述方法包括：
建立与所述全站仪之间的通信连接；所述通信连接用于将所述终端设备的操作指令传输至所述全站仪。
3.根据权利要求1所述的方法，其特征在于，所述通过全站仪获取包含靶标的第一图像，包括：
调整所述全站仪的方向角，使得所述全站仪的拍摄视场内包括靶标；所述靶标固定在目标物体上；所述靶标中心与目标位置重合；
通过所述全站仪获取至少一组包含靶标的第一图像。
4.根据权利要求1所述的方法，其特征在于，所述识别所述第一图像，确定所述靶标在所述第一图像上的第一区域，包括：
利用图像处理技术，识别所述第一图像中的靶标，确定所述靶标在所述第一图像中的位置信息；
根据所述位置信息，确定所述靶标在所述第一图像上的第一区域。
5.根据权利要求1所述的方法，其特征在于，所述对所述第一区域的图像进行增强处理、去噪处理和拟合处理，确定靶标中心的图像坐标信息，包括：
对所述第一区域的图像进行灰度化处理，获得所述第一区域的图像对应的灰度图；
对所述灰度图依次进行灰度变换增强处理、二值化处理和平滑处理，对处理后的图像进行边缘检测，获得边界图像；
对所述边界图像进行矢量化处理和去噪处理，基于去噪处理后的边界图像确定所述靶标对应的边界点；
基于所述边界点进行圆形拟合，确定所述靶标中心的图像坐标信息。
6.根据权利要求1所述的方法，其特征在于，所述基于所述图像坐标信息，控制所述全站仪对准所述靶标中心，并通过所述全站仪获取所述靶标中心的地理坐标，包括：
根据所述靶标中心的图像坐标信息和所述全站仪的相关参数，确定所述靶标中心相对所述全站仪的测距轴的偏转角度；
基于所述偏转角度，调整所述全站仪的方向角，使得所述全站仪的测距轴对准所述靶标中心；
基于方向角调整后的所述全站仪获取所述靶标中心的地理坐标。
7.一种全站仪影像测量的靶标自动识别装置，其特征在于，所述装置包括：
获取模块，用于通过全站仪获取包含靶标的第一图像；
识别模块，用于识别所述第一图像，确定所述靶标在所述第一图像上的第一区域；
处理模块，用于对所述第一区域的图像进行增强处理、去噪处理和拟合处理，确定靶标中心的图像坐标信息；
控制模块，用于基于所述图像坐标信息，控制所述全站仪对准所述靶标中心，并通过所述全站仪获取所述靶标中心的地理坐标。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括建立模块，所述建立模块用于：
建立与所述全站仪之间的通信连接；所述通信连接用于将终端设备的操作指令传输至所述全站仪。
9.根据权利要求7所述的装置，其特征在于，所述获取模块具体用于：
通过所述控制模块调整所述全站仪的方向角，使得所述全站仪的拍摄视场内包括靶标；所述靶标固定在目标物体上；所述靶标中心与目标位置重合；
通过所述全站仪获取至少一组包含靶标的第一图像。
10.根据权利要求7所述的装置，其特征在于，所述识别模块具体用于：
利用图像处理技术，识别所述第一图像中的靶标，确定所述靶标在所述第一图像中的位置信息；
根据所述位置信息，确定所述靶标在所述第一图像上的第一区域。
11.根据权利要求7所述的装置，其特征在于，所述处理模块具体用于：
对所述第一区域的图像进行灰度化处理，获得所述第一区域的图像对应的灰度图；
对所述灰度图依次进行灰度变换增强处理、二值化处理和平滑处理，对处理后的图像进行边缘检测，获得边界图像；
对所述边界图像进行矢量化处理和去噪处理，基于去噪处理后的边界图像确定所述靶标对应的边界点；
基于所述边界点进行圆形拟合，确定所述靶标中心的图像坐标信息。
12.根据权利要求7所述的装置，其特征在于，所述控制模块具体用于：
根据所述靶标中心的图像坐标信息和所述全站仪的相关参数，确定所述靶标中心相对所述全站仪的测距轴的偏转角度；
基于所述偏转角度，调整所述全站仪的方向角，使得所述全站仪的测距轴对准所述靶标中心；
基于方向角调整后的所述全站仪获取所述靶标中心的地理坐标。
13.一种终端设备，其特征在于，所述设备包括存储器和处理器，其中，所述存储器中存储有指令；
所述处理器用于运行所述存储器中存储的指令，所述指令被处理器运行时，实现权利要求1至6任一项所述方法的步骤。
14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现权利要求1至6任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110261506.8A CN113112415A (zh) | 2021-03-10 | 2021-03-10 | 一种全站仪影像测量的靶标自动识别方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110261506.8A CN113112415A (zh) | 2021-03-10 | 2021-03-10 | 一种全站仪影像测量的靶标自动识别方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113112415A true CN113112415A (zh) | 2021-07-13 |
Family
ID=76711457
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110261506.8A Pending CN113112415A (zh) | 2021-03-10 | 2021-03-10 | 一种全站仪影像测量的靶标自动识别方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113112415A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113494906A (zh) * | 2021-07-18 | 2021-10-12 | 武汉大学 | 利用机器学习识别目标的影像全站仪无人测量方法及系统 |
| CN113723416A (zh) * | 2021-08-30 | 2021-11-30 | 北京字节跳动网络技术有限公司 | 一种图像处理方法、装置、设备及存储介质 |
| CN115239795A (zh) * | 2022-09-23 | 2022-10-25 | 山东工程职业技术大学 | 射箭靶环命中位置记环检测方法、检测装置及电子设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101140164A (zh) * | 2007-09-10 | 2008-03-12 | 唐发志 | 全站仪精确测量高程方法 |
| CN102032891A (zh) * | 2009-09-28 | 2011-04-27 | 中国科学院国家天文台 | 一种自适应靶标装置及实现方法 |
| CN110398208A (zh) * | 2019-07-23 | 2019-11-01 | 四川建筑职业技术学院 | 基于摄影全站仪系统的大数据变形监测方法 |
| CN110726402A (zh) * | 2019-09-12 | 2020-01-24 | 天津大学 | 非正交轴系激光全站仪的激光点视觉引导方法 |
| CN111750842A (zh) * | 2020-07-10 | 2020-10-09 | 中铁第四勘察设计院集团有限公司 | 用于摄影测量的反射片及采用其进行全站仪自动照准方法 |
-
2021
- 2021-03-10 CN CN202110261506.8A patent/CN113112415A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101140164A (zh) * | 2007-09-10 | 2008-03-12 | 唐发志 | 全站仪精确测量高程方法 |
| CN102032891A (zh) * | 2009-09-28 | 2011-04-27 | 中国科学院国家天文台 | 一种自适应靶标装置及实现方法 |
| CN110398208A (zh) * | 2019-07-23 | 2019-11-01 | 四川建筑职业技术学院 | 基于摄影全站仪系统的大数据变形监测方法 |
| CN110726402A (zh) * | 2019-09-12 | 2020-01-24 | 天津大学 | 非正交轴系激光全站仪的激光点视觉引导方法 |
| CN111750842A (zh) * | 2020-07-10 | 2020-10-09 | 中铁第四勘察设计院集团有限公司 | 用于摄影测量的反射片及采用其进行全站仪自动照准方法 |
Non-Patent Citations (1)
| Title |
|---|
| 冯其强等: "《数字工业摄影测量技术及应用》", 31 May 2013, 北京：测绘出版社 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113494906A (zh) * | 2021-07-18 | 2021-10-12 | 武汉大学 | 利用机器学习识别目标的影像全站仪无人测量方法及系统 |
| CN113494906B (zh) * | 2021-07-18 | 2023-03-10 | 武汉大学 | 利用机器学习识别目标的影像全站仪无人测量方法及系统 |
| CN113723416A (zh) * | 2021-08-30 | 2021-11-30 | 北京字节跳动网络技术有限公司 | 一种图像处理方法、装置、设备及存储介质 |
| CN113723416B (zh) * | 2021-08-30 | 2024-03-29 | 北京字节跳动网络技术有限公司 | 一种图像处理方法、装置、设备及存储介质 |
| CN115239795A (zh) * | 2022-09-23 | 2022-10-25 | 山东工程职业技术大学 | 射箭靶环命中位置记环检测方法、检测装置及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113112415A (zh) | 一种全站仪影像测量的靶标自动识别方法和装置 | |
| CN108297115B (zh) | 一种机器人的自主重定位方法 | |
| CN109387186B (zh) | 测绘信息获取方法、装置、电子设备及存储介质 | |
| US9939263B2 (en) | Geodetic surveying system | |
| CN109816697B (zh) | 一种无人模型车建立地图的系统及方法 | |
| CN105874384B (zh) | 基于多种测距方式的跟焦系统、方法及拍摄系统 | |
| CN107609547B (zh) | 星体快速识别方法、装置及望远镜 | |
| CN110634138A (zh) | 一种基于视觉感知的桥梁变形的监测方法、装置及设备 | |
| CN108964830A (zh) | 一种无人机干扰定位系统 | |
| CN112102387B (zh) | 一种基于深度相机深度估计性能的测试方法与测试系统 | |
| CN108917722B (zh) | 植被覆盖度计算方法及装置 | |
| CN110555874B (zh) | 一种图像处理方法及装置 | |
| CN112611399A (zh) | 用于校准激光扫平仪的装置 | |
| KR100981588B1 (ko) | 특징점 픽셀의 크기와 방향 정보를 이용하는 벡터 변환에 기초한 도시공간 지리정보 생성 시스템 | |
| CN112857341B (zh) | 基于全站仪的测量方法、装置、设备及存储介质 | |
| CN109900358A (zh) | 一种基于图像亮度信息的天空类型识别系统及方法 | |
| CN109214482A (zh) | 一种室内定位方法、装置、终端设备及存储介质 | |
| CN111738906B (zh) | 室内路网生成方法、装置、存储介质及电子设备 | |
| Jende et al. | Low-level tie feature extraction of mobile mapping data (mls/images) and aerial imagery | |
| CN108391106A (zh) | 投影系统、投影仪器及投影显示方法 | |
| CN114095910A (zh) | 一种用于智能ar眼镜的防偷拍方法、设备以及介质 | |
| JP2022136365A (ja) | 植物評価装置、植物評価方法、及びプログラム | |
| Tyukin et al. | Research and development of an indoor navigation system based on the digital processing of video images | |
| CN110910379A (zh) | 一种残缺检测方法及装置 | |
| CN115953484B (zh) | 探测设备的参数标定方法和装置、存储介质及电子装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210713 |
|
| RJ01 | Rejection of invention patent application after publication |