CN113313628B - 基于仿射变换和均值像素法的环状编码点鲁棒性识别方法 - Google Patents

基于仿射变换和均值像素法的环状编码点鲁棒性识别方法 Download PDF

Info

Publication number
CN113313628B
CN113313628B CN202110725131.6A CN202110725131A CN113313628B CN 113313628 B CN113313628 B CN 113313628B CN 202110725131 A CN202110725131 A CN 202110725131A CN 113313628 B CN113313628 B CN 113313628B
Authority
CN
China
Prior art keywords
image
coding
points
area
mark 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.)
Active
Application number
CN202110725131.6A
Other languages
English (en)
Other versions
CN113313628A (zh
Inventor
孙丽君
李石
陈天飞
牛海旭
赵志鹏
赵攀
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.)
Henan University of Technology
Original Assignee
Henan University of Technology
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 Henan University of Technology filed Critical Henan University of Technology
Priority to CN202110725131.6A priority Critical patent/CN113313628B/zh
Publication of CN113313628A publication Critical patent/CN113313628A/zh
Application granted granted Critical
Publication of CN113313628B publication Critical patent/CN113313628B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/02—Affine transformations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

本发明提出了一种基于仿射变换和均值像素法的环状编码点鲁棒性识别方法，用以解决现有识别方法识别鲁棒性差、识别效率低、运算成本高的问题。本发明的步骤为：将获得的编码标记点原图像进行预处理，然后对预处理后的图像进行Canny边缘检测处理，得到原图像的边缘图像；将边缘图像中不满足尺寸准则、形状准则、面积差准则的轮廓剔除出去，获得中心标记点轮廓；利用区域分割和仿射变换将因透视投影退化的椭圆型编码标记点映射成规则圆形；利用均值像素法对规则圆形中的标记点进行解码，获得编码标记点解码值。本发明识别率高、受拍摄角度影响小，并且在实际场景中依然保持较高的识别率和较好的鲁棒性。

Description

基于仿射变换和均值像素法的环状编码点鲁棒性识别方法
技术领域
本发明涉及近景摄影测量的技术领域，尤其涉及一种基于仿射变换和均值像素法的环状编码点鲁棒性识别方法。
背景技术
在近景摄影测量领域，为了提升图像匹配的精确性，要对需要匹配的图像对应点进行精确的测量和正确的识别。通常需要借助一种带有唯一身份信息且易于识别的标记点，人为地将这些标记点粘贴在待测量物体特征点上，通过对这些编码标记点精确定位和正确识别来实现图像之间的匹配。因此，编码标记点的设计、提取和识别算法对摄影测量领域具有重要的研究意义。
关于编码标记点检测和识别，Ahn S J针对点状编码标记点提出了一种圆度形状因子的方法来对编码标记点进行检测和识别。宋丽梅提出了一种将局部同心椭圆变换为平行直线的ALPC变换，对编码标记点进行ALPC变换，将编码环带转换成一条直线进行解码。周玲提出了一种取编码标记点编码环内圆和外圆之间像素的中值的方法实现环状编码点识别。谢则晓提出六点法获取目标点近似成像中心，基于CCT的仿射不变性提出了一种等分椭圆内切圆法，实现了CCT(Circular Coded Target)的识别。王曼等人使用形态学算子进行识别。梁晋等人在相机标定中利用环状编码标记点，提出了改进的Canny边缘亚像素检测算法，使用先验规则去除误识别的标志点，多次拟合定位标志点中心，对标志点环带多次采样取中值进行编码标记点解码。目前，上述传统识别算法存在诸多不足之处，例如：(1)识别结果受拍摄角度影响较大，(2)算法运算量大，(3)识别效率不高，(4)在特殊场景中识别鲁棒性差等。
发明内容
针对现有识别方法识别鲁棒性差、识别效率低、运算成本高的技术问题，本发明提出一种基于仿射变换和均值像素法的环状编码点鲁棒性识别方法，实现了编码标记点的精确定位和准确识别。
为了达到上述目的，本发明的技术方案是这样实现的：一种基于仿射变换和均值像素法的环状编码点鲁棒性识别方法，其步骤如下：
步骤一：预处理：将获得的编码标记点原图像进行预处理，然后对预处理后的图像进行Canny边缘检测处理，得到原图像的边缘图像；
步骤二：将中心标记点从边缘图像中筛选出来：将边缘图像中不满足尺寸准则、形状准则、面积差准则的轮廓剔除出去，获得中心标记点轮廓；
步骤三：利用区域分割和仿射变换将因透视投影退化的椭圆型编码标记点映射成规则圆形；
步骤四：利用均值像素法对规则圆形中的循环遍历标记点进行解码，获得编码标记点的解码值。
所述步骤一中预处理的方法为：
步骤1：对编码标记点原始图像进行图像灰度化处理，得到的灰度图像；
步骤2：对获得的灰度图像进行高斯滤波处理，获得高斯滤波图像；
步骤3：对步获得的高斯滤波图像进行二值化处理，得到编码标记点的二值化图像；
步骤4：对编码标记点的二值化图形进行Canny边缘检测处理，得到编码标记点的边缘图像。
所述步骤二中尺度准则为：
Figure BDA0003138298830000021
其中，Smin和Smax分别对应标记点轮廓面积S在射影角度为0°到85°之间的最小值和最大值；Pmin和Pmax分别对应标记点轮廓周长P在0°到85°之间的最小值和最大值；
所述形状准则为：
Figure BDA0003138298830000022
其中，Scontours是轮廓的面积，Pcontours是轮廓的周长，Qmax是轮廓圆度阈值；
所述面积差准则为：
Figure BDA0003138298830000023
其中，Scontours是轮廓的面积，Sellipse是轮廓的椭圆拟合面积；ΔA表示轮廓椭圆拟合面积与轮廓面积之差相对于廓面积比值的绝对值，是衡量面积误差的指标。
所述步骤三的实现方法为：利用区域分割技术将标记点目标区域分割出来，即根据编码标记点设计特点，构建出一个以标记点椭圆拟合圆心为中心、长轴3倍为边长的正方形区域，利用正方形区域将成像后的编码标记点从原图像中分割出来；然后利用最小二乘法对分割处理的特征区域进行仿射变换，将不规则的椭圆编码标记点映射成规则圆形。
所述最小二乘法的实现方法为：
A：首先获取原图像中任意四个点且至少三个点不在同一直线上及目标图像上的四个点，选用编码带最外层椭圆轮廓的最小外接矩形的四个顶点(p1，p2，p3，p4)作为原图像中的四个点，假设变换后的图形轮廓为正圆轮廓，已知中心标记点拟合椭圆长轴为a，则设定目标图像的四个点分别为(0，0)，(3a，0)，(3a，3a)，(0，3a)；
B：根据原图和目标图像对应的两组坐标点，利用最小二乘法获取转换参数，进而求得原图像到目标图像的仿射变换矩形H；
C：将原图像进行仿射变换，得到规则圆形。
所述步骤四中采用质心法对编码标记点进行亚像素定位，然后采用均值像素法获取编码标记点的解码值，实现方法为：
S1：在变换后得到的规则圆形的编码标记点图像中，环形编码带M位于编码带内边界和外边界的中间；遍历环形编码带M一周，每隔24°取一个像素，取到15个像素值，获得了一个15位二进制数字序列b[i]，通过移位运算将15位二进制序列b[i]转化成对应最小十进制整数的二进制序列bmin[i]，其中，i＝0,1,2……14；
S2：继续遍历环形编码带M相对于上次取像素值的位置顺时针偏移一度，每隔24°取一个像素，取到15个像素值b2[i]；
S3：将上述过程循环u次，每一次遍历环形编码带M取像素值的位置较上次取像素值位置顺时针挪动一度，获得了u个二进制序列b(j)[i]；其中，j＝1,2……u，u>24；
S4：分别对这u个二进制序列进行移位运算，获得u个二进制序列bmin(j)[i]，对u个二进制序列bmin(j)[i]中对应的元素求和再求平均数后得到一个15位的二进制序列beven[i]；
S5：分别对序列beven[i]中的15个元素进行阈值判断，如果大于0.5，二进制数字被置为1，如果小于0.5，二进制数字被置为0，获得最终的15位二进制序列bresult[i]；
S6：将二进制序列bresult[i]转换成十进制数，十进制整数是这个编码标记点所对应的解码值：
Figure BDA0003138298830000031
与现有技术相比，本发明的有益效果：在对目标图像预处理后，首先根据边缘滤波准则来初步定位中心标记点，并将含编码带的特征区域分割出来；然后利用最小二乘法对特征区域进行仿射变换，将经透视投影退化的椭圆映射成规则圆形；最后采用均值像素法获取编码标记点的解码值，以进一步提高编码点的抗噪性。大量实验结果表明：本发明识别率高、受拍摄角度影响小，并且在实际场景中依然保持较高的识别率和较好的鲁棒性。
附图说明
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，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为本发明的流程示意图。
图2为本发明图像预处理的结果示意图；其中(a)，为编码标记点原图像，(b)为原图像经灰度处理得到的灰度图像，(c)为高斯模糊图像，(d)为二值化图像，(e)为Canny边缘检测图像。
图3为本发明的标记点筛选过程示意图，其中，(a)为预处理过程获得的Canny边缘检测图像，(b)为剔除边缘直线操作的图像，(c)为尺寸准则筛选结果图，(d)为形状滤波筛选结果图，(e)为面积差准则筛选的结果图。
图4为本发明将椭圆形编码标记点转换为标准圆的编码标记点过程示意图，其中，(a)为一个标记点的区域分割图像，(b)为真实图像中编码点最小外接矩形的四个顶点，(c)为假设变换后的正圆轮廓和四个目标点图像，(d)为变换后的编码标记点图像。
图5为本发明的编码标记点解码的示意图，其中，(a)为变换后的编码标记点图像，(b)为遍历取像素值过程示意图。
图6为本发明的编码标记点解码率随拍摄角度增大的变化曲线，其中，(a)为不同角度下编码标记点识别的准确率，(b)为倾角为75°时编码标记点的识别结果，(c)为倾角为80°时，编码标记点的识别结果，(d)为倾角为85°时，编码标记点的识别结果。
图7为本发明的编码标记点在实际场景中的解码效果图。
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付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。
如图1所示，一种基于仿射变换和均值像素法的环状编码点鲁棒性识别方法，其构思是：在对目标图像预处理后，首先根据边缘滤波准则初步定位中心标记点，并将含编码标记点的特征区域分割出来；然后，利用最小二乘法对特征区域进行仿射变换，将经透视投影退化的椭圆映射成规则圆形；最后采用均值像素法获取编码标记点的解码值，进一步提高编码点的抗噪性。实验结果表明：本发明在对编码标记点的中心定位达到亚像素级别的同时，改善了算法对识别角度的鲁棒性，在识别角度为70°时，正确识别率仍可达97.9％，在实际复杂场景中具有较好的实用价值。本发明的步骤为：
步骤一：预处理：将获得的编码标记点原图像进行预处理，然后对预处理后的图像进行Canny边缘检测处理，得到原图像的边缘图像。
对目标图像中的标记点提取之前要对目标图像进行预处理：将获得的编码标记点原图像进行图像灰度化、高斯模糊和二值化处理后获得原始图像的二值化图像，然后对获得的二值化图像进行Canny边缘检测处理，得到原图像的边缘图像，如图2所示。具体步骤为：
步骤1：对编码标记点原始图像进行图像灰度化处理，得到的灰度图像如图2(b)所示，图像灰度化处理目的在于减少彩色图像存储的信息量，为之后的算法设计减轻负担，利用opencv函数库里的cvtColor函数实现图像灰度化操作。
步骤2：对步骤1中获得的灰度图像进行高斯滤波处理，如图2(c)所示；利用高斯滤波去除图像中一些噪声，利用opencv函数库里的GaussianBlur函数来实现对灰度图像的高斯滤波。
步骤3：对步骤2中获得的高斯滤波图像进行二值化处理，得到编码标记点的二值化图像，如图2(d)所示，图像二值化处理是对灰度图像信息的进一步浓缩，使之变成只有0和255这两个灰度值的图像，进一步为以后的算法设计减轻负担，利用opencv函数库里的threshold函数来实现对高斯滤波图像进行二值化处理。
步骤4：对步骤3中得到的编码标记点的二值化图形进行Canny边缘检测处理，得到编码标记点的边缘图像，如图2(d)所示。Canny边缘检测方法不容易受噪声干扰，如图2所示，能够检测到真正的弱边缘，编码标记点图像预处理后获得的Canny边缘检测的示意图。
步骤二：将中心标记点从边缘图像中筛选出来：将边缘图像中不满足尺寸准则、形状准则、面积差准则的轮廓剔除出去，获得中心标记点轮廓。
如图3所示是筛选图2中的编码标记点的中心圆形标记点的过程图，具体实施步骤如下：
步骤21：利用尺度准则将不满足条件的轮廓剔除出去：
Figure BDA0003138298830000051
其中，Smin和Smax分别对应标记点轮廓面积S在射影角度为0°到85°之间的最小值和最大值；Pmin和Pmax分别对应标记点轮廓周长P在0°到85°之间的最小值和最大值。设计的位于编码标记点中心的中心圆形标记点在成像后会呈现椭圆形状，取一般的投影角度(标记点所在平面的法线方向与投影方向的夹角)在0°-85°的情况。
通过面积和周长的尺寸准则的筛选，能剔除面积和周长相对于成像标记点有明显有差别的轮廓，结果如图3(c)所示。
步骤22：利用形状准则将不满足条件的轮廓剔除出去：
Figure BDA0003138298830000061
拟合面积和轮廓面积差准则主要是为了剔除单位环瓣被误识别为标记点的情况。其中，Scontours是轮廓的面积，Pcontours是轮廓的周长，Qmax是轮廓圆度阈值；
圆形标记点在成像后会变成椭圆，因此筛选圆形标记点的问题就变成了筛选合适的椭圆、剔除不标准椭圆的问题。由于椭圆轮廓是一个凸性封闭轮廓，本发明利用椭圆的圆度Q进行椭圆轮廓剔除。当轮廓圆度Q小于这个轮廓圆度阈值Qmax时，不满足条件的轮廓就会被剔除，结果如图3(d)所示。
步骤23：利用面积差准则将不满足条件的轮廓剔除出去：
Figure BDA0003138298830000062
其中，Scontours是轮廓的面积，Sellipse是轮廓的椭圆拟合面积；ΔA表示轮廓椭圆拟合面积与轮廓面积之差相对于廓面积比值的绝对值，是衡量面积误差的指标，如图3(a)所示。
拟合面积和轮廓面积差准则主要是为了剔除单位环瓣被误识别为标记点的情况，如果一个轮廓是一个椭圆，那么对它进行最小二乘椭圆拟合后求得ΔA几乎接近与0；如果轮廓是一个单位环瓣，那么对它进行最小二乘椭圆拟合后求得的ΔA不会接近于0。所以利用这个原理设置一个合适阈值A，如果ΔA<A，那么这个轮廓就可以被认定为椭圆，反之就是一个单位环瓣。利用ΔA相对于实际轮廓面积的比例就可以来剔除单位环瓣被误识别成中心标记点的特殊情况，结果如图3(e)所示。
三个筛选准则同时作用下，能筛选出同时满足尺寸准则、形状准则和面积差准则的中心标记点，结果更为准确。
步骤三：利用区域分割和仿射变换将因透视投影退化的椭圆映射成规则圆形：利用区域分割技术将标记点目标区域分割出来，然后利用最小二乘法进行仿射变换将不规则的椭圆编码标记点映射成规则圆形。
经过以上图像的预处理和标记点筛选规则筛选以后，将圆形标记点筛选了出来，接下来就是编码标记点的定位和解码，编码标记点经过投影之后，呈现椭圆。根据编码标记点设计特点，构建出一个以标记点椭圆拟合圆心为中心、长轴3倍为边长的正方形区域，利用这个区域将成像后的编码标记点从原图像中分割出来，如图4(a)所示。然后利用最小二乘法对特征区域进行仿射变换，将经透视投影退化的椭圆映射成规则圆形。
如图4所示，最小二乘法的仿射变换将因透视投影退化的椭圆标记点映射成规则圆形的过程图，具体实施步骤如下：
A：本发明需要获取如图4(b)所示的区域分割的编码标记点图像上任意四个点(至少三个点不在同一直线上)和如图4(c)假想目标图像上的四个点。选用编码带最外层椭圆轮廓的最小外接矩形的四个顶点(p1，p2，p3，p4)作为原图像中的四个点，如图4(b)所示；如图4(c)所示，假设变换后的图形的轮廓为正圆轮廓，已知中心标记点拟合椭圆的长轴为a，因为区域分割图像上选取的四个点(p1，p2，p3，p4)是最外层椭圆轮廓的最小外接矩形的四个顶点，所以目标图像要取到与之对应的四个点分别为(0，0)，(3a，0)，(3a，3a)，(0，3a)。
B：根据原图和目标图像对应的两组坐标点，利用最小二乘法获取转换参数，进而求得原图像到目标图像的仿射变换矩形H。具体可参考文献：[1]孔建,姚宜斌,许双安.整体最小二乘求取坐标转换参数[J].大地测量与地球动力学,2010(03):78-82.以及[2]岳东杰,梅红.地图扫描矢量化误差的最小二乘配置法处理研究[J].测绘科学,2007,(2):51-53.
C：将图4(a)的原图像进行仿射变换，得到如图4(d)所示的规则圆形。
步骤四：利用均值像素法对上述规则圆形中的标记点进行解码，获得编码标记点解码值：利用循环遍历取标记点像素的方法进行解码，获取编码标记点的正确的解码值。
通过以上转换过程，因成像导致变形的编码标记点已经恢复成了正圆形，对编码标记点进行定位，传统的编码标记点亚像素定位方法中，质心法是一种精度高且易于实现的方法，本发明采用质心法进行标记点的亚像素定位。
最后采用均值像素法获取编码标记点的解码值，以进一步提高编码点的抗噪性，如图5所示，编码标记点解码示意图，具体实施步骤如下：
S1：如图5(a)所示，在变换后得到的规则编码标记点图像中，中心圆环K为识别出来的中心标记点的边缘，圆环L和最外层圆环N分别对应编码带内边界和外边界的椭圆，圆环M位于编码带内边界和外边界的中间。如图5(b)所示，遍历环形编码带M一周，每隔24°取一个像素，取到15个像素值，这样就获得了一个15位二进制数字序列b[i]，接下来通过移位运算将15位二进制序列b[i]转化成对应最小十进制整数的二进制序列bmin[i]，其中，i＝0,1,2……14。
S2：如图5(b)所示，第二次遍历M相对于第一次取像素值的位置顺时针偏移一度，每隔24°取一个像素，第二轮取到15个像素值b2[i]。
S3：将上述过程循环u(u>24)次，每一次遍历M取像素值的位置较上次取像素值位置顺时针挪动一度，这样就获得了u个二进制序列b(j)[i]。j＝1,2……u。
S4：分别对这u个二进制序列进行移位运算，获得u个二进制序列bmin(j)[i]，对这u个二进制序列bmin(j)[i]中对应的元素求和再求平均数后得到一个15位的二进制序列beven[i]。元素求和再求平均数能最大可能降低识别误差。
S5：分别对这序列beven[i]中的15个元素进行阈值判断，如果大于0.5，这个二进制数字被置为1，如果小于0.5，被置为0，这样就获得了最终的15位二进制序列bresult[i]。
S6：将这个二进制序列bresult[i]转换成十进制数字，这个十进制整数就是这个编码标记点所对应的解码值：
Figure BDA0003138298830000081
按照本发明的方法，用佳能1300D相机对贴有编码标记点的平面，从拍摄角度(相机的光轴与标记点的法线所成的角度)0°开始，每隔5°拍摄20张图片，0-85°的拍摄范围总共拍摄了200幅分辨率为5184*3456的图像。统计这200幅不同角度拍摄的编码标记点图像的识别结果，获得本发明在不同角度下的解码正确率如图6中(a)所示。当夹角小于70°时，平均识别率能达到97.9％，角度为75°、80°时相应的识别率分别为94.7％，88.6％，当拍摄角度大于80°时，识别率相比小于80°的情况明显下降，当拍摄角度被设置成85°时识别率为55.6％。本发明选取拍摄角度为75°、80°、85°的部分识别结果如图6中(b)、(c)(d)所示。从图6结果可知道：通过对更大拍摄角度下编码标记点的识别，能更加直观地反映出本发明对拍摄角度具有较好的鲁棒性。
按照本发明的方法，用佳能1300D相机对贴满编码标记点的别克汽车的各个角度进行拍照，总共拍摄50幅分辨率为5184*3456的图像，随机选择其中一幅图像，利用本发明进行识别，结果如图7所示。综合50张拍摄图像的识别结果，统计出本发明在有诸多干扰因素的大器件场景中综合识别率为97.2％。从结果可知道，本发明在实际的复杂环境中依然保持较高的识别率和较好的鲁棒性。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种基于仿射变换和均值像素法的环状编码点鲁棒性识别方法，其特征在于，其步骤如下：
步骤一：预处理：将获得的编码标记点原图像进行预处理，然后对预处理后的图像进行Canny边缘检测处理，得到原图像的边缘图像；
所述步骤一中预处理的方法为：
步骤1：对编码标记点原始图像进行图像灰度化处理，得到的灰度图像；
步骤2：对获得的灰度图像进行高斯滤波处理，获得高斯滤波图像；
步骤3：对步获得的高斯滤波图像进行二值化处理，得到编码标记点的二值化图像；
步骤4：对编码标记点的二值化图形进行Canny边缘检测处理，得到编码标记点的边缘图像；
步骤二：将中心标记点从边缘图像中筛选出来：将边缘图像中不满足尺寸准则、形状准则、面积差准则的轮廓剔除出去，获得中心标记点轮廓；
所述步骤二中尺度准则为：
Figure FDF0000020418620000011
其中，Smin和Smax分别对应标记点轮廓面积S在射影角度为0°到85°之间的最小值和最大值；Pmin和Pmax分别对应标记点轮廓周长P在0°到85°之间的最小值和最大值；
所述形状准则为：
Figure FDF0000020418620000012
其中，Scontours是轮廓的面积，Pcontours是轮廓的周长，Qmax是轮廓圆度阈值；
所述面积差准则为：
Figure FDF0000020418620000013
其中，Scontours是轮廓的面积，Sellipse是轮廓的椭圆拟合面积；ΔA表示轮廓椭圆拟合面积与轮廓面积之差相对于廓面积比值的绝对值，是衡量面积误差的指标；
步骤三：利用区域分割和仿射变换将因透视投影退化的椭圆型编码标记点映射成规则圆形；
所述步骤三的实现方法为：利用区域分割技术将标记点目标区域分割出来，即根据编码标记点设计特点，构建出一个以标记点椭圆拟合圆心为中心、长轴3倍为边长的正方形区域，利用正方形区域将成像后的编码标记点从原图像中分割出来；然后利用最小二乘法对分割处理的特征区域进行仿射变换，将椭圆型编码标记点映射成规则圆形；
所述最小二乘法的实现方法为：
A：首先获取原图像中任意四个点且至少三个点不在同一直线上及目标图像上的四个点，选用编码带最外层椭圆轮廓的最小外接矩形的四个顶点(p1，p2，p3，p4)作为原图像中的四个点，假设变换后的图形轮廓为正圆轮廓，已知中心标记点拟合椭圆长轴为a，则设定目标图像的四个点分别为(0，0)，(3a，0)，(3a，3a)，(0，3a)；
B：根据原图和目标图像对应的两组坐标点，利用最小二乘法获取转换参数，进而求得原图像到目标图像的仿射变换矩阵；
C：通过仿射变换矩阵将原图像进行仿射变换，得到规则圆形；
步骤四：利用均值像素法对规则圆形中的循环遍历标记点进行解码，获得编码标记点的解码值；
所述步骤四中采用质心法对编码标记点进行亚像素定位，然后采用均值像素法获取编码标记点的解码值，实现方法为：
S1：在变换后得到的规则圆形的编码标记点图像中，环形编码带M位于编码带内边界和外边界的中间；遍历环形编码带M一周，每隔24°取一个像素，取到15个像素值，获得了一个15位二进制数字序列b[i]，通过移位运算将15位二进制序列b[i]转化成对应最小十进制整数的二进制序列bmin[i]，其中，i＝0,1,2……14；
S2：继续遍历环形编码带M相对于上次取像素值的位置顺时针偏移一度，每隔24°取一个像素，取到15个像素值b2[i]；
S3：将上述过程循环u次，每一次遍历环形编码带M取像素值的位置较上次取像素值位置顺时针挪动一度，获得了u个二进制序列b(j)[i]；其中，j＝1,2……u，u>24；
S4：分别对这u个二进制序列进行移位运算，获得u个二进制序列bmin(j)[i]，对u个二进制序列bmin(j)[i]中对应的元素求和再求平均数后得到一个15位的二进制序列beven[i]；
S5：分别对序列beven[i]中的15个元素进行阈值判断，如果大于0.5，二进制数字被置为1，如果小于0.5，二进制数字被置为0，获得最终的15位二进制序列bresult[i]；
S6：将二进制序列bresult[i]转换成十进制数，十进制整数是这个编码标记点所对应的解码值：
Figure FDF0000020418620000021
CN202110725131.6A 2021-06-29 2021-06-29 基于仿射变换和均值像素法的环状编码点鲁棒性识别方法 Active CN113313628B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110725131.6A CN113313628B (zh) 2021-06-29 2021-06-29 基于仿射变换和均值像素法的环状编码点鲁棒性识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110725131.6A CN113313628B (zh) 2021-06-29 2021-06-29 基于仿射变换和均值像素法的环状编码点鲁棒性识别方法

Publications (2)

Publication Number Publication Date
CN113313628A CN113313628A (zh) 2021-08-27
CN113313628B true CN113313628B (zh) 2023-02-03

Family

ID=77380704

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110725131.6A Active CN113313628B (zh) 2021-06-29 2021-06-29 基于仿射变换和均值像素法的环状编码点鲁棒性识别方法

Country Status (1)

Country Link
CN (1) CN113313628B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114166141B (zh) * 2021-11-23 2023-05-26 中国直升机设计研究所 一种直升机高速旋转桨叶图像的多圆形标记检测方法
CN116128715B (zh) * 2023-02-20 2023-07-18 中国人民解放军军事科学院系统工程研究院 一种图形仿射变换方法及装置

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101739547B (zh) * 2008-11-21 2012-04-11 中国科学院沈阳自动化研究所 复杂背景下图像中鲁棒的编码点的精确识别与定位方法
CN103310215A (zh) * 2013-07-03 2013-09-18 天津工业大学 一种环状编码标记点的检测与识别方法
CN103530889A (zh) * 2013-11-04 2014-01-22 天津工业大学 一种基于骨架提取的测量棒编码标记点解码方法
CN109005407B (zh) * 2015-05-15 2023-09-01 华为技术有限公司 视频图像编码和解码的方法、编码设备和解码设备
CN107578051B (zh) * 2017-09-14 2020-09-29 西华大学 一种环状编码标记点的检测与识别方法
CN108764004B (zh) * 2018-06-04 2021-04-09 空气动力学国家重点实验室 一种基于编码环采样的环状编码标记点解码识别方法
CN109215016B (zh) * 2018-08-03 2021-02-05 湖南科技大学 一种编码标志的识别定位方法

Also Published As

Publication number Publication date
CN113313628A (zh) 2021-08-27

Similar Documents

Publication Publication Date Title
CN108764004B (zh) 一种基于编码环采样的环状编码标记点解码识别方法
CN107578051B (zh) 一种环状编码标记点的检测与识别方法
CN111243032B (zh) 一种棋盘格角点全自动检测方法
CN113313628B (zh) 基于仿射变换和均值像素法的环状编码点鲁棒性识别方法
CN109215016B (zh) 一种编码标志的识别定位方法
Zhang et al. Object-oriented shadow detection and removal from urban high-resolution remote sensing images
CN108985305B (zh) 一种激光蚀刻工业雷管编码图像定位及校正方法
US20160239975A1 (en) Highly robust mark point decoding method and system
Gonçalves et al. HAIRIS: A method for automatic image registration through histogram-based image segmentation
CN109285198B (zh) 一种环形编码标记点的编码及识别方法
US20060007452A1 (en) Coded target and photogrammetry method using such targets
CN105469418A (zh) 基于摄影测量的大视场双目视觉标定装置及方法
CN109190742B (zh) 一种基于灰度特征的编码特征点的解码方法
CN110569857B (zh) 一种基于质心距离计算的图像轮廓角点检测方法
CN106709500B (zh) 一种图像特征匹配的方法
CN101739547B (zh) 复杂背景下图像中鲁棒的编码点的精确识别与定位方法
CN104778701A (zh) 一种基于rgb-d传感器的局部图像描述方法
CN112580383B (zh) 二维码识别方法、装置、电子设备及存储介质
CN114792104A (zh) 一种环型编码点的识别解码方法
CN111462153B (zh) 一种基于图像轮廓Freeman链码的角点特征提取方法
CN115345870A (zh) 一种基于单目相机和带编码自发光靶标实现大场景精密形变监测的方法
CN108256518B (zh) 文字区域检测方法及装置
CN117788501A (zh) 一种用于视觉测量的编码标记点识别方法
CN113076768B (zh) 一种模糊可识别二维码的畸变校正方法
CN111815725B (zh) 一种qr码区域定位方法

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