CN115731312B - 基于多特征松弛约束的环状编码标志点提取与识别方法 - Google Patents

基于多特征松弛约束的环状编码标志点提取与识别方法 Download PDF

Info

Publication number
CN115731312B
CN115731312B CN202211369771.9A CN202211369771A CN115731312B CN 115731312 B CN115731312 B CN 115731312B CN 202211369771 A CN202211369771 A CN 202211369771A CN 115731312 B CN115731312 B CN 115731312B
Authority
CN
China
Prior art keywords
contour
point
coding
image
ratio
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
CN202211369771.9A
Other languages
English (en)
Other versions
CN115731312A (zh
Inventor
郑茂腾
卢星月
张莹莹
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.)
China University of Geosciences
Original Assignee
China University of Geosciences
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 China University of Geosciences filed Critical China University of Geosciences
Priority to CN202211369771.9A priority Critical patent/CN115731312B/zh
Publication of CN115731312A publication Critical patent/CN115731312A/zh
Application granted granted Critical
Publication of CN115731312B publication Critical patent/CN115731312B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30Computing systems specially adapted for manufacturing

Landscapes

  • Image Analysis (AREA)

Abstract

本发明公开了一种基于多特征松弛约束的环状编码标志点提取与识别方法,具体包括:获取包含编码标志点的影像;进行分块处理;对分块影像进行预处理操作,获得包含所有轮廓的二值化影像;根据多特征松弛约束算法获取四边形轮廓;根据四边形轮廓的角点信息进行影像裁剪,获得局部影像;二值化处理,获得清晰的内部轮廓;仿射变换纠正;根据多特征松弛约束算法在经过纠正后的影像上做初次筛选,筛选圆轮廓;根据多特征松弛约束算法在经过纠正后的影像上做第二次筛选,筛选弧段轮廓;根据筛选得到的圆轮廓,在内部进行角点检测,实现中心点坐标的提取;根据筛选得到的弧段轮廓,进行编码标志点的解码。本发明可以有效实现编码标志点的提取与识别。

Description

基于多特征松弛约束的环状编码标志点提取与识别方法
技术领域
本发明涉及计算机视觉以及摄影测量技术领域,尤其涉及一种基于多特征松弛约束的环状编码标志点提取与识别方法。
背景技术
随着计算机视觉技术和数码相机的快速发展,相机作为传感器越来越频繁的应用于摄影测量的数据采集中。通过相机获取物体的二维图像后,实现物体的三维重建是摄影测量中的关键技术。在三维重建过程中,相机参数的标定是非常关键的环节,其标定结果的精度及标定算法的稳定性直接影响后续三维重建模型的精度。传统的相机标定通过标定物上物点坐标与其像点坐标之间的对应关系模型完成标定,对于标定物上点的获取,常见的有自动特征点提取和使用人工标志两种方法,但是自动提取的特征点数量容易受到场景中纹理差异的影响,且自动提取的特征点精度不高,一般为0.5个像素左右。采用人工布设标志点的方式进行标定可以获取高精度的控制点信息,人工标志可分为非编码标志和编码标志,非编码标志需要人工进行控制点的物方点与图像点的关联,费时费力,效率低且容易出现错误。为了解决这种问题,引入编码标志用于相机的标定过程中。编码标志本身带有不同的编码信息,能够在编码信息中存储标志点的属性信息,从而自动将标志点的物点与像点一一对应起来。
编码标志点是由特殊的“编码”符号设计得到,具有唯一的标识信息,可以在多视图或多时间图像中自动跟踪和匹配,大大提高了效率和准确率。目前,编码标志点的设计与检测识别得到了国内外专家学者的广泛研究,编码标志点中点状标志点和环状标志点的应用最为广泛。点状编码标志的编码带上圆的尺寸较小使得解码较为困难;现存的环状编码受影像的拍摄倾角影响,当部分编码标志点的编码带发生明显的形变时,算法识别的准确性会大大下降,同时,通过中间圆环拟合得到的标志点中心坐标存在一定误差,并且也无法通过人工量测等方法判断其正确性。
针对编码标志的提取,多数方法是先利用边缘提取算子得到图像的像素级边缘信息,通过设置准则筛选边缘,剔除图像中的非编码标志点边缘,获得编码标志点的边缘信息,对编码标志点定位圆的边缘进行椭圆拟合确定编码标志点位置或者求定位圆区域的灰度中心作为编码标志点的位置,实现编码标志点的识别。这些方法可以简单快速的完成对编码标志点的识别,比较容易实现,但是算法的识别率收到图像倾角的影响,当图像的倾角比较小的时候,算法的识别率比较高,对于大倾角的图像算法的识别率比较低。
目前编码标志点的解码算法通常采用灰度采样的方法实现,当编码环带宽度较小或环带内部受到局部污染时,会出现解码错误的现象;同时受到图像噪声等各种因素的影响,利用灰度变化选取解码起始点,往往会造成起始点选取不精确的问题,最终也会导致解码错误;同时,拍摄倾角过大、光照不均匀、图像分辨率低等因素也会造成解码的不正确。
因此,提高编码标志点的识别率和解码结果的正确性是亟待解决的技术问题。
发明内容
为了解决上述技术问题,本发明设计了一种环状编码标志点,并提出了一种基于多特征松弛约束的编码标志点提取与识别方法,能够有效提高编码标志点的识别率及解码结果的正确性。
本发明采取的技术方案如下:提供了一种基于多特征松弛约束的环状编码标志点提取与识别方法,具体包括以下步骤:
S1:获取包含编码标志点的影像;
S2:对所述包含编码标志点的影像进行分块处理,得到分块影像;
S3:对所述分块影像进行预处理操作,获得包含所有轮廓的二值化影像;
S4:根据多特征松弛约束算法从所述二值影化像中获取四边形轮廓;
S5:根据四边形轮廓的角点信息进行影像裁剪,获得局部影像;
S6:对所述局部影像进行二值化处理,获得清晰的内部轮廓;
S7:通过仿射变换实现影像的纠正;
S8:在经过纠正后的影像上做初次筛选,根据多特征松弛约束算法筛选圆轮廓;
S9:在经过纠正后的影像上做第二次筛选,根据多特征松弛约束算法筛选弧段轮廓;
S10:根据筛选得到的圆轮廓,在圆轮廓内部进行角点检测,从而实现中心点坐标的提取;
S11:根据筛选得到的弧段轮廓,进行编码标志点的解码。
进一步地,步骤S1中,所述编码标志点的编码圆环被均等划分为8份,即编码标志点具有8个编码带,对编码带随机赋上黑白颜色,得到具有黑白颜色的8个编码带,在8个编码带组成的编码圆环内部,设置有一个中心圆环,在中心圆环内部内接一个被分成四等份小正方形的大正方形,处于对角的小正方形具有相同颜色,处于同一行的小正方形具有不同颜色,大正方形的中心作为编码标志点的中心。
进一步地,步骤S2中,设置分块缓冲区,使得分块影像间有重叠度;其中假定原始影像的列号为c,行号为r,分块数量为n*n,则初定的分块影像的行尺寸大小为:
Figure BDA0003924472160000031
列尺寸大小为:/>
Figure BDA0003924472160000032
设定缓冲区的重叠度为o,横向缓冲区大小为:Oc=o*mc,纵向缓冲区大小为:Or=o*mr
进一步地,步骤S3中,所述预处理操作包括:影像灰度化处理、影像匀光处理、影像二值化处理。
进一步地,步骤S4中,在进行四边形轮廓检测时,根据四边形的形状准则和几何关系准则对每一个四边形轮廓建立一个5维向量,该向量由角点个数C、横纵向像素个数Pr、横纵向边长比Lr、轮廓面积比SA、影像面积比QI共五个变量组成;分别对五个变量设置阈值条件,进行四边形轮廓获取:
角点个数C:根据四边形有且仅有4个角点对轮廓进行多边形拟合处理,当拟合后多边形角点个数为4时,角点个数C的值取1,并进行其他四个变量计算,否则认定该轮廓不是四边形,将该轮廓剔除;
横纵向像素个数Pr:当轮廓拟合得到的多边形有且仅有4个角点时,根据角点获取轮廓的横向边长Px及纵向边长Py,设置第一阈值Pt,若满足Px≥Pt,Py≥Pt,则横纵向像素个数Pr=1,否则,Pr=0,将该轮廓剔除;
横纵向边长比Lr:当轮廓拟合得到的多边形有且仅有4个角点时,根据角点坐标计算四边形的横纵向边长,将横纵向边长分别与影像的横纵向长度作比值处理,得到横向边长比Lx和纵向边长比Ly,设置第二阈值Lt,若满足Lx≤Lt,Ly≤Lt,则横纵向边长比Lr=1,否则,Lr=0,将该轮廓剔除;
影像面积比QI:在得到拟合四边形的横纵向边长后,根据矩形面积计算公式,计算四边形的面积,将其与影像的面积进行比值处理,得到结果Qr,设置第三阈值Qt,若满足Qr≤Qt,则影像面积比QI=1,否则QI=0,将该轮廓剔除;
轮廓面积比SA:当轮廓拟合得到的多边形有且仅有4个角点时,计算轮廓拟合的四边形所对应的矩形面积与轮廓本身面积的比值Sk;设置第四阈值Sl和第五阈值Sm,且Sl<Sm,若满足Sl<Sk<Sm,则轮廓面积比SA=1;否则SA=0,将将该轮廓剔除,最终保留的轮廓即为四边形轮廓。
优选地,所述第一阈值Pt=20,第二阈值Lt=0.9,第三阈值Qt=0.8,第四阈值Sl=0.7,第五阈值Sm=3。
优选地,步骤S6中,采用Otsu二值化算法,实现图像的二值化处理。
进一步地,步骤S8中,在进行圆轮廓筛选时,根据编码标志点设计准则及圆的形状特征,建立一个3维圆特征向量,该向量由圆面积比SC、中心点D、半径比R共三个变量组成,分别对三个变量设置阈值条件,进行圆轮廓筛选:
圆面积比SC:对轮廓进行最小外接圆处理,计算拟合圆的面积将其与轮廓自身面积进行比值处理,得到比值结果Sr,设置第六阈值St,若满足Sr≤St,则圆面积比SC=1,否则SC=0,将该轮廓剔除;
中心点D:将变形纠正后的四边形轮廓的对角线交点作为标志点的粗略中心C(xc,yc),计算内部轮廓的最小拟合圆,获得轮廓的圆心R(xr,yr),计算C(xc,yc)和R(xr,yr)两点之间的距离Dl,计算距离Dl与四边形边长的比值,得到相对距离结果Dr,设置第七阈值Dt,若Dr≤Dt,则中心点D=1,否则D=0,将该轮廓剔除;
半径比R:编码标志点内部圆半径与四边形对角线的一半长度的设计比值为∝;将内部轮廓的拟合圆半径作为内部圆的半径值,将四边形四个顶点到内部轮廓拟合圆的圆心距离的平均值作为四边形对角线的长度的一半,根据下式计算内部圆半径与该距离之比:
Figure BDA0003924472160000051
其中,r为拟合圆半径,d1,d2,d3,d4分别为四边形四个顶点至圆心的距离;
计算Rr与∝的差值,设置第八阈值Rt,若该差值小于或等于第八阈值Rt,则半径比R=1,否则,R=0,将该轮廓剔除,最终保留的轮廓即为筛选得到的圆轮廓。
优选地,所述第六阈值St=0.28,第七阈值Dt=0.1,第八阈值Rt=0.1,编码标志点内部圆半径与四边形对角线的一半长度的设计比值为
Figure BDA0003924472160000052
进一步地,步骤S9中,在进行弧段轮廓筛选时,对每一个弧段轮廓建立一个3维向量,该向量由与圆轮廓之间的位置关系L、轮廓角度Ac、弧段内外环半径与圆半径比值Ir三个变量组成,分别对三个变量设置阈值条件,进行弧段轮廓筛选:
与圆轮廓之间的位置关系L:在标志点设计中,弧段位于圆的外部,因此通过除圆轮廓外的内部轮廓与圆轮廓之间的位置关系,作初步的弧段筛选;计算轮廓上每个点至拟合圆圆心的距离,若每个点的距离均大于拟合圆的半径,则该轮廓在圆轮廓外部,取L=1,并且进一步判断该轮廓是否为弧段,否则L=0,将该轮廓剔除;
轮廓角度Ac:在标志点设计中,每个弧段的角度均是由选定的标志点位数得到的,因此根据轮廓所对应的圆心角,判断轮廓的类型;据轮廓上的点与圆心所构成的向量计算轮廓角度,首先需要选定基准点构造基准向量,选定基准向量后,通过计算轮廓上每个点与圆心构成的向量与基准向量之间的夹角即可得到轮廓所对应的圆心角;计算圆心角与45°的四舍五入整除值An及取余值Af,若轮廓为弧段,则An≥1,设置第九阈值β,若满足An≥1,Af<β,则轮廓角度Ac=1,否则Ac=0,将该轮廓剔除;
弧段内外环半径与圆半径比值Ir:计算轮廓上每个点至四边形中心点的距离,对距离进行排序,选取最小的5个值的平均值作为内环半径值,最大的5个值的平均值作为外环半径值;将内外环半径值分别于四边形对角线的一半长度进行比值处理,得到比值结果Ia、Oa;设置第十阈值Ii、第十一阈值Im、第十二阈值Oi、第十三阈值Om,若满足Ii≤Ia≤Im,Oi≤Oa≤Om,弧段内外环半径与圆半径比值Ir=1,否则Ir=0,将该轮廓剔除,最终保留的轮廓即为筛选得到的弧段轮廓。
优选地,所述第九阈值β=0.3,第十阈值Ii=0.26,第十一阈值Im=0.63,第十二阈值Oi=0.35,第十三阈值Om=0.73。
进一步地,步骤S10中,采用棋盘格角点提取算法,提取感兴趣区域中的初始角点合集,并且计算初始角点坐标与矩形对角线交点之间的距离,取距离最小的点作为编码点的坐标,最终实现中心点的提取。
进一步地,步骤S11中,在提取到弧段轮廓后,选择任意一个弧段轮廓,判断弧段轮廓时所使用的计算弧段圆心角方法选定基准点,构造基准向量,此处的基准点作为解码起始点,基于该点与标志点中心构造基准向量,计算每个弧段的角度,记录每个弧段相对于基准向量的角度最大值及最小值,对弧段的角度进行二次阈值判断,当弧段角度在阈值内时,将其作为编码弧段,用于解算标志点的编码;
根据编码弧段角度的最大值及最小值,基于编码位数确定编码弧段在二进制编码中的位置;
对二进制编码值进行循环移位操作,得到多个二进制数,将二进制数转为十进制,比较十进制数的大小后将最小的十进制数作为标志点的编码值。
本发明提供的技术方案具有以下有益效果:
本发明设计的环状编码标志点和提出的基于多特征松弛约束的编码标志点提取与识别方法,考虑棋盘格的内角点,可利用全站仪或者测量机器人对标志点中心位置进行高精度量测,并且可以人工量测检验其精度及正确性;采用多特征松弛约束实现轮廓的筛选,可以有效提高编码标志点的识别率和解码正确率。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明实施例中所设计的环状编码标志点;
图2是本发明实施例中基于多特征松弛约束的环状编码标志点提取与识别方法的执行流程图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图详细说明本发明的具体实施方式。
本实施例提供了一种环状编码标志点,该标志点如图1所示,设计原理如下:
本实施例设计的编码标志点的编码圆环被均等划分为8份,即编码标志点具有8个编码带。对编码带赋上黑白颜色,用二进制码代表编码值,其中黑色的编码带对应的二进制码值取1,而白色的编码带对应的二进制码值取0。随机选取其中一个编码带作为起始位,然后顺时针方向读取生成一个8位二进制码,再修改起始位,得到新的8位二进制码,直到所有的编码带都被作为起始位,此时共有8个二进制码,将二进制码转化为十进制数值,取8个中最小的十进制数值作为编码标志点的编码值。在圆环内部加上黑白相间的棋盘格,作为编码标志点的中心。
基于上述环状编码标志点,本发明实施例提供了一种基于多特征松弛约束的环状编码标志点提取与识别方法,其具体流程如图2所示,包括以下处理步骤:
S1:获取包含编码标志点的影像;
该步骤中,获取的图像是在步骤S1之前在场景中粘贴本发明设计的编码标志,然后进行图像采集,从而获得含有编码标志点的影像。
具体地,如图1所示,编码标志点的编码圆环被均等划分为8份,即编码标志点具有8个编码带,对编码带交替随机赋上黑白颜色,得到具有黑白颜色相间的8个编码带,在8个编码带组成的编码圆环内部,设置有一个中心点圆环,在中心圆环内部内接一个四边形被分成四等份小正方形的大正方形,四边形均分成四个黑白相间的棋盘格,处于对角的小正方形具有相同颜色,处于同一行的小正方形具有不同颜色,大正方形的中心作为编码标志点的中心。
S2:对所述包含编码标志点的影像进行分块处理,得到分块影像;
该步骤中,为了提高图像中编码标志点外轮廓的识别率,对原始图像进行分块处理,同时为了避免编码标志点位于分块边缘时,标志点被分到两个图像中的情况,设置分块缓冲区,使得分块图像间有一定的重叠度。其中假定原始图像的列号为c,行号为r,分块数量为n*n,则初定的分块图像的行尺寸大小为:
Figure BDA0003924472160000071
列尺寸大小为:/>
Figure BDA0003924472160000081
设定缓冲区的重叠度为o,横向缓冲区大小为:Oc=o*mc,纵向缓冲区大小为:Or=o*mr
S3:对所述分块影像进行预处理操作,获得包含所有轮廓的二值化影像;
该步骤中,预处理操作具体包括:影像灰度化处理、影像匀光处理、影像二值化处理。其中影像灰度化处理采用加权平均处理,按照下述公式得到像素点的亮度值Y。
Y=0.3R+0.59G+0.11B
匀光处理采用Gamma校正实现,来减少由于图像中偏暗或偏亮导致轮廓提取遗漏的问题。影像二值化处理采用Otsu二值化算法,以减少影像中的信息量,从而提高算法处理效率和识别准确率。
S4:根据多特征松弛约束算法从所述二值影化像中获取四边形轮廓;
该步骤中,在进行轮廓的检测时,同时考虑四边形轮廓的以下5个特征:1、轮廓有且仅有四个角点;2、轮廓自身面积近似于其拟合矩形面积;3、轮廓横纵向像素个数满足一定条件;4、轮廓边长远小于图像边长;5、轮廓面积远小于图像面积。同时对每个特征选取宽松的约束条件,降低检测阈值。基于多特征松弛约束思想,根据形状准则和几何关系准则对每一个四边形轮廓建立一个5维向量,该向量由:角点个数C、横纵向像素个数Pr、横纵向边长比Lr、轮廓面积比SA、影像面积比QI组成,根据上述5维向量,利用二值影像轮廓提取算法获取图像中的所有轮廓。
其中:(1)角点个数C:根据四边形的角点个数定义,四边形有且仅有四个角点,因此对轮廓进行多边形拟合处理,当拟合后多边形角点个数为4时,角点个数变量C的值取1,并进行后续其他变量计算,否则认定该轮廓不是四边形,将其剔除;
(2)横纵向像素个数Pr:当轮廓拟合得到的多边形有且仅有四个角点时,根据角点获取轮廓的横向边长Px及纵向边长Py。Pr变量的目的在于筛除过小的轮廓,当横向边长或纵向边长小于一定值时,都需要将轮廓剔除,所以在对横纵向的边长进行判断时,可以选择相同的阈值,用Pt表示第一阈值,根据式(4.1)确定Pr值。根据多组数据的实验结果,Pt的值优选为20个单位;
Figure BDA0003924472160000091
(3)横纵向边长比Lr及影像面积比QI:在提取轮廓时,存在提取到图像边框的情况,该轮廓满足四边形的形状特征,但该轮廓不是标志点轮廓。当此类型轮廓被判定为四边形轮廓时,后续的提取内部轮廓及判定过程会耗费大量时间,降低效率,因此需将该类型轮廓剔除。本发明引入两个变量Lr、QI剔除图像边框轮廓,变量的具体计算方式如下:
1)在得到拟合四边形的四个角点后,根据角点坐标计算四边形的横纵向边长,将横纵向边长分别与影像的横纵向长度作比值处理,得到横向边长比Lx和纵向边长比Ly,根据式(4.2)确定Lr的值,其中Lt为选定的第二阈值。
Figure BDA0003924472160000092
2)在得到拟合四边形的横纵向边长后,根据矩形面积计算公式,计算四边形的面积,将其与影像的面积进行比值处理,得到结果Qr,根据式(4.3)确定QI的值,其中Qt为选定的第三阈值。
Figure BDA0003924472160000093
Lr及QI变量是为了剔除可能提取到的影像边框,当轮廓为影像边框时,Lx、Ly及Qr的值接近于1,基于该准则以及多次实验,优选第二、第三阈值满足Lt=0.9,Qt=0.8;
(4)轮廓面积比SA:当轮廓拟合得到的多边形有且仅有4个角点时,计算轮廓拟合的四边形所对应的矩形面积与轮廓本身面积的比值Sk,根据式(4.4)确定SA的值,其中Sl,Sm为选定的第四、第五阈值。在设计时,编码标志点的最外围轮廓是正方形,因此Sk的值应该接近于1,但是由于形变的存在,需要对Sk的阈值范围进行扩大。经过多次实验,优选Sl=0.7,Sm=3。
Figure BDA0003924472160000101
S5:根据四边形轮廓的角点信息进行影像裁剪,获得局部影像;
S6:对所述局部影像进行二值化处理,获得清晰的内部轮廓;
该步骤中,本发明采用Otsu二值化算法,实现图像的二值化处理。首先设置阈值把灰度图像分为两组,一组为背景,另一组为目标,并统计两组灰度值的类间方差,然后调节阈值使两组之间的类间方差最大,根据此阈值获得图像的二值化结果。
S7:通过仿射变换实现影像的纠正;
该步骤中,本发明采用使用仿射变换实现图像的纠正。主要通过两步完成图像的仿射变换:(1)计算变换矩阵:在仿射变换中,变换前后点之间的关系如公式4.5所示,根据已知的点对计算出仿射变换矩阵M。
Figure BDA0003924472160000102
在公式中,[x',y']是校正后图像中的选定点坐标,[u,v]是需校正图像的选定点坐标,M是仿射变换矩阵。在M中有6个未知数,则至少需要三个点对才可解算出M矩阵。在本发明中,通过四个点解算仿射变换矩阵。在不存在变形情况下,标志点最外围的四边形应为正方形,基于此条件设定正方形四个角点坐标作为理想坐标与变形多边形轮廓的四个顶点相对应构建纠正模型,解算基于仿射变换公式所建立的误差方式中的仿射变换矩阵M;其中,a1,a2,b1,b2,c1,c2为6个仿射变换参数。(2)根据公式(4.5)进行变形纠正。
S8:在经过纠正后的影像上做初次筛选,根据多特征松弛约束算法筛选圆轮廓;
该步骤中,本发明利用圆的最小外接圆进行轮廓的判断,当轮廓为圆形时,该轮廓的最小外接圆面积与其面积比例应近似为1,基于此条件,建立圆面积比约束条件筛选圆轮廓。其中标志点圆轮廓具有三个特征:1、轮廓最小外接圆面积接近轮廓自身面积;2、轮廓拟合圆心与标志点外轮廓中心接近;3、轮廓拟合圆的半径与标志点外轮廓的边长存在一定比值关系。在进行圆轮廓的筛选时,考虑以上三个特征,同时对每个特征选取宽松的约束条件,使用多特征松弛约束建立特征向量。至此,可根据标志点设计准则及圆的形状特征,建立一个3维圆特征向量,该向量由圆面积比SC、中心点D、半径比R组成。其中:
(1)圆面积比SC:对轮廓进行最小外接圆处理,计算拟合圆的面积将其与轮廓自身面积进行比值处理,得到比值结果Sr,根据式(4.6)确定SC的值,其中St为第六阈值。根据多次实验,优选St=0.28时可满足条件。
Figure BDA0003924472160000111
(2)中心点D:将变形纠正后的四边形轮廓的对角线交点作为标志点的粗略中心C(xc,yc),计算内部轮廓的最小拟合圆,获得轮廓的圆心R(xr,yr),根据式(4.7)计算两点之间的距离。
Figure BDA0003924472160000112
标志点的大小会影响两点之间的距离,因此需得到两点之间的相对距离,计算距离值与四边形边长的比值,得到相对距离结果Dr,根据式(4.8)确定D的值,其中Dt为第七阈值。根据多次实验,优选Dt=0.1时可满足条件。
Figure BDA0003924472160000113
(3)半径比变量R:在设计标志点时,其内部圆的半径与其四边形的对角线长度的一半具有一定的比例关系。本发明所使用的编码标志点内部圆半径与四边形对角线的一半长度的设计比值优选为
Figure BDA0003924472160000114
由于形变的存在,将内部轮廓的拟合圆半径作为内部圆的半径值,将四边形四个顶点至内部轮廓拟合圆的圆心距离的平均值作为四边形对角线的长度的一半,根据式(4.9)计算内部圆半径与该距离之比:
Figure BDA0003924472160000115
其中,r为拟合圆半径,d1,d2,d3,d4分别为四边形四个顶点至圆心的距离。
根据式(4.10)确定R的值,其中Rt为第八阈值。根据多次实验结果,Rt的值优选为0.1可满足筛选条件。
Figure BDA0003924472160000121
S9:在经过纠正后的影像上做第二次筛选,根据多特征松弛约束算法筛选弧段轮廓;
该步骤中,本发明在设计标志点时,弧段的角度是根据选择的标志点位数确定的,弧段与内部圆之间具有明确的位置关系:弧段是位于内部圆的外部,并且弧段是由两个不同半径的圆得到的,与内部圆的半径之间存在比例关系。因此标志点弧段轮廓具有三个特征:1、轮廓位于标志点圆轮廓外部;2、轮廓角度满足标志点设计条件;3、轮廓内外环半径与标志点圆半径存在一定比例关系。基于多特征松弛约束思想,在进行弧段轮廓的筛选时,考虑以上三个特征,同时对每个特征选取宽松的约束条件,建立特征向量。本发明对每一个弧段轮廓建立一个3维向量,该向量由与圆轮廓之间的位置关系L、轮廓角度Ac、弧段内外环半径与圆半径比值Ir构成。其中:
(1)与圆轮廓之间的位置关系L:在标志点设计中,弧段位于圆的外部,因此通过除圆轮廓外的内部轮廓与圆轮廓之间的位置关系,可作初步的弧段筛选。计算轮廓上每个点至拟合圆圆心的距离,若每个点的距离均大于拟合圆的半径,则该轮廓在圆轮廓外部,L=1,并且进一步判断该轮廓是否为弧段,否则L=0。
(2)轮廓角度Ac:在标志点的设计中,每个弧段的角度均是由选定的标志点位数得到的,因此可根据轮廓所对应的圆心角,判断轮廓的类型。本发明根据轮廓上的点与圆心所构成的向量计算轮廓角度,首先需要选定基准点构造基准向量,选定基准向量后,通过计算轮廓上每个点与圆心构成的向量与基准向量之间的夹角即可得到轮廓所对应的圆心角。
将轮廓第一个点作为初始基准点,记为P0(x0,y0),拟合圆圆心与初始基准点构成初始基准向量Vd,拟合圆圆心与轮廓中的其他每个点Pi构成向量Vi,根据式(4.11)计算两向量之间的夹角A。
Figure BDA0003924472160000122
对A进行排序,设定角度变化阈值TA,根据式(4.12)确定基准点。
Figure BDA0003924472160000131
选定基准点Pd后,根据向量解算公式得到向量之间夹角,搜索所有角度得到角度最大最小值,对其做差处理解算轮廓的圆心角Av,判断该角度值是否在阈值内。以本发明所使用的8位标志点为例,此类标志点中最小弧段对应的圆心角为45°,那么当计算得到轮廓的圆心角是45°或45°的整数倍时,该轮廓可能为弧段。由于标志点变形的存在,圆心角的范围应该得到一定的扩大。计算圆心角与45°的四舍五入整除值An及取余值Af,因为圆心角的最小值是45°,所以若轮廓为弧段,则An≥1。虽然轮廓存在变形,但经过仿射变换纠正后,弧段角度与设计角度值较为接近,设置第九阈值β,若满足An≥1,Af<β,则轮廓角度Ac=1,否则Ac=0,将该轮廓剔除;根据多次实验,当β优选为0.3时,可将轮廓分为弧段与其他非弧段轮廓区分开。根据式(4.13)确定Ac的值。
Figure BDA0003924472160000132
(3)弧段内外环半径与圆半径比值Ir:本发明所使用的标志点在设计时,弧段的内环半径与正方形对角线的一半长度的比值为
Figure BDA0003924472160000133
弧段的外环半径与正方形对角线的一半长度的比值为/>
Figure BDA0003924472160000134
因此,可根据比值实现对弧段轮廓的判断。
计算轮廓上每个点至四边形中心点的距离,对距离进行排序,选取最小的5个值的平均值作为内环半径值,最大的5个值的平均值作为外环半径值。为了排除标志点大小对判断结果的影响,将内外环半径值分别于四边形对角线的一半长度进行比值处理,得到比值结果Ia,Oa;给定第十、第十一、第十二、十三阈值Im、Ii、Om、Oi,根据式(4.14)确定变量Ir的值。结合标志点的设计准则及多次实验验证结果,优选Im=0.63,Ii=0.26,Om=0.73,Oi=0.35。
Figure BDA0003924472160000135
S10:根据筛选得到的圆轮廓,在圆轮廓内部进行角点检测,从而实现中心点坐标的提取;
该步骤中,本发明使用Duda等人提出的棋盘格角点提取算法,提取感兴趣区域中的初始角点合集,并且计算初始角点坐标与矩形对角线交点之间的距离,取距离最小的点作为编码点的坐标,最终实现中心点的提取。
S11:根据筛选得到的弧段轮廓,进行编码标志点的解码。
该步骤中,由于编码标志点具有旋转不变性,因此设计的编码带不存在起始位和终止位。在提取到标志点轮廓后,选择合适基准点,根据基准点解算编码弧段角度,完成解码。选择任意一个弧段轮廓,判断弧段轮廓时所使用的计算弧段圆心角方法选定基准点,构造基准向量。此处的基准点作为解码起始点,基于该点与标志点中心构造基准向量,计算每个弧段的角度,记录每个弧段相对于基准向量的角度最大值及最小值。对弧段的角度进行二次阈值判断,当弧段角度在阈值内时,将其作为编码弧段轮廓,用于解算标志点的编码。
根据编码弧段角度的最大值及最小值,基于编码位数确定编码弧段在二进制编码中的位置。以本发明使用的8位编码标志点为例,其二进制编码可视为一个8位数组,记标志点所对应的最小编码弧段圆心角为ma,弧段角度的最大值Rx,最小值为Ri,则每个弧段在二进制编码中的起始位置mc可由式(4.15)得到,其中的λ用于控制弧段起始位置。虽然经过了仿射变换,但由于变形的存在,弧段角度相对于设计角度仍存在一定的偏差。在解算弧段位置时,选择对弧段角度与设计最小角度的比值进行四舍五入处理,为了解决偏差对结果的影响,引入λ值,确保最终计算的弧段位置正确。在本文中,经多次实验选定λ=0.2。每个弧段在二进制编码中所占的位数nc可由式(4.16)得到。
Figure BDA0003924472160000141
Figure BDA0003924472160000142
对得到的二进制编码值进行循环移位操作,以8位编码标志点二进制编码值为10111010为例,对其循环移位总共可以得到八个二进制数,如下表所示,将二进制数转为十进制,比较十进制数的大小后将最小的结果87作为标志点的编码值。
表1循环移位操作表
Figure BDA0003924472160000151
由上述本发明的实施例提供的技术方案可以看出,本发明设计的环状编码标志点和提出的基于多特征松弛约束的环状编码标志点提取与识别方法,考虑棋盘格的内角点,可利用全站仪或者测量机器人对标志点中心位置进行高精度量测,并且可以人工量测检验其精度及正确性;采用多特征松弛约束实现轮廓的筛选,可以有效实现编码标志点的提取与识别。
与现有的技术比较,本发明的上述技术方案实施后带来的有益效果体现在:编码标志点的中心可以实现高精度量测,也可以人工检验其正确性;采用多特征松弛约束实现轮廓的筛选,可以有效识别标志点弧段信息,提高标志点识别的准确率与精度。
需要说明的是,在本文中,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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。词语第一、第二、以及第三等的使用不表示任何顺序,可将这些词语解释为标识。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。

Claims (9)

1.一种基于多特征松弛约束的环状编码标志点提取与识别方法,其特征在于,包括以下步骤:
S1:获取包含编码标志点的影像,所述编码标志点的编码圆环被均等划分为8份,即编码标志点具有8个编码带,对编码带随机赋上黑白颜色,得到具有黑白颜色的8个编码带,在8个编码带组成的编码圆环内部,设置有一个中心圆环,在中心圆环内部内接一个被分成四等份小正方形的大正方形,处于对角的小正方形具有相同颜色,处于同一行的小正方形具有不同颜色,大正方形的中心作为编码标志点的中心;
S2:对所述包含编码标志点的影像进行分块处理,得到分块影像;
S3:对所述分块影像进行预处理操作,获得包含所有轮廓的二值化影像;
S4:根据多特征松弛约束算法从所述二值影化像中获取四边形轮廓;
步骤S4中,在进行四边形轮廓检测时,根据四边形的形状准则和几何关系准则对每一个四边形轮廓建立一个5维向量,该向量由角点个数C、横纵向像素个数Pr、横纵向边长比Lr、轮廓面积比SA、影像面积比QI共五个变量组成;分别对五个变量设置阈值条件,进行四边形轮廓获取;
S5:根据四边形轮廓的角点信息进行影像裁剪,获得局部影像;
S6:对所述局部影像进行二值化处理,获得清晰的内部轮廓;
S7:通过仿射变换实现影像的纠正;
S8:在经过纠正后的影像上做初次筛选,根据多特征松弛约束算法筛选圆轮廓,步骤S8中,在进行圆轮廓筛选时,根据编码标志点设计准则及圆的形状特征,建立一个3维圆特征向量,该向量由圆面积比SC、中心点D、半径比R共三个变量组成,分别对三个变量设置阈值条件,进行圆轮廓筛选;
S9:在经过纠正后的影像上做第二次筛选,根据多特征松弛约束算法筛选弧段轮廓,步骤S9中,在进行弧段轮廓筛选时,对每一个弧段轮廓建立一个3维向量,该向量由与圆轮廓之间的位置关系L、轮廓角度Ac、弧段内外环半径与圆半径比值Ir三个变量组成,分别对三个变量设置阈值条件,进行弧段轮廓筛选;
S10:根据筛选得到的圆轮廓,在圆轮廓内部进行角点检测,从而实现中心点坐标的提取;
S11:根据筛选得到的弧段轮廓,进行编码标志点的解码。
2.根据权利要求1所述的环状编码标志点提取与识别方法,其特征在于,步骤S2中,设置分块缓冲区,使得分块影像间有重叠度;其中假定原始影像的列号为c,行号为r,分块数量为n*n,则初定的分块影像的行尺寸大小为:
Figure FDA0004251033550000021
列尺寸大小为:/>
Figure FDA0004251033550000022
设定缓冲区的重叠度为o,横向缓冲区大小为:Oc=o*mc,纵向缓冲区大小为:Or=o*mr
3.根据权利要求1所述的环状编码标志点提取与识别方法,其特征在于,步骤S3中,所述预处理操作包括:影像灰度化处理、影像匀光处理、影像二值化处理。
4.根据权利要求1所述的环状编码标志点提取与识别方法,其特征在于,步骤S4具体步骤如下:
角点个数C:根据四边形有且仅有4个角点对轮廓进行多边形拟合处理,当拟合后多边形角点个数为4时,角点个数C的值取1,并进行其他四个变量计算,否则认定该轮廓不是四边形,将该轮廓剔除;
横纵向像素个数Pr:当轮廓拟合得到的多边形有且仅有4个角点时,根据角点获取轮廓的横向边长Px及纵向边长Py,设置第一阈值Pt,若满足Px≥Pt,Py≥Pt,则横纵向像素个数Pr=1,否则,Pr=0,将该轮廓剔除;
横纵向边长比Lr:当轮廓拟合得到的多边形有且仅有4个角点时,根据角点坐标计算四边形的横纵向边长,将横纵向边长分别与影像的横纵向长度作比值处理,得到横向边长比Lx和纵向边长比Lv,设置第二阈值Lt,若满足Lx≤Lt,Lv≤Lt,则横纵向边长比Lr=1,否则,Lr=0,将该轮廓剔除;
影像面积比QI:在得到拟合四边形的横纵向边长后,根据矩形面积计算公式,计算四边形的面积,将其与影像的面积进行比值处理,得到结果Qr,设置第三阈值Qt,若满足Qr≤Qt,则影像面积比QI=1,否则QI=0,将该轮廓剔除;
轮廓面积比SA:当轮廓拟合得到的多边形有且仅有4个角点时,计算轮廓拟合的四边形所对应的矩形面积与轮廓本身面积的比值Sk;设置第四阈值Sl和第五阈值Sm,且Sl<Sm,若满足Sl<Sk<Sm,则轮廓面积比SA=1;否则SA=0,将该轮廓剔除,最终保留的轮廓即为四边形轮廓。
5.根据权利要求1所述的环状编码标志点提取与识别方法,其特征在于,步骤S6中,采用Otsu二值化算法,实现图像的二值化处理。
6.根据权利要求1所述的环状编码标志点提取与识别方法,其特征在于,步骤S8具体步骤如下:
圆面积比SC:对轮廓进行最小外接圆处理,计算拟合圆的面积将其与轮廓自身面积进行比值处理,得到比值结果Sr,设置第六阈值St,若满足Sr≤St,则圆面积比SC=1,否则SC=0,将该轮廓剔除;
中心点D:将变形纠正后的四边形轮廓的对角线交点作为标志点的粗略中心C(xc,yc),计算内部轮廓的最小拟合圆,获得轮廓的圆心R(xr,yr),计算C(xc,yc)和R(xr,yr)两点之间的距离Dl,计算距离Dl与四边形边长的比值,得到相对距离结果Dr,设置第七阈值Dt,若Dr≤Dt,则中心点D=1,否则D=0,将该轮廓剔除;
半径比R:编码标志点内部圆半径与四边形对角线的一半长度的设计比值为∝;将内部轮廓的拟合圆半径作为内部圆的半径值,将四边形四个顶点到内部轮廓拟合圆的圆心距离的平均值作为四边形对角线的长度的一半,根据下式计算内部圆半径与该距离之比:
Figure FDA0004251033550000031
其中,r为拟合圆半径,d1,d2,d3,d4分别为四边形四个顶点至圆心的距离;
计算Rr与∝的差值,设置第八阈值Rt,若该差值小于或等于第八阈值Rt,则半径比R=1,否则,R=0,将该轮廓剔除,最终保留的轮廓即为筛选得到的圆轮廓。
7.根据权利要求1所述的环状编码标志点提取与识别方法,其特征在于,步骤S9具体步骤如下:
与圆轮廓之间的位置关系L:在标志点设计中,弧段位于圆的外部,因此通过除圆轮廓外的内部轮廓与圆轮廓之间的位置关系,作初步的弧段筛选;计算轮廓上每个点至拟合圆圆心的距离,若每个点的距离均大于拟合圆的半径,则该轮廓在圆轮廓外部,取L=1,并且进一步判断该轮廓是否为弧段,否则L=0,将该轮廓剔除;
轮廓角度Ac:在标志点设计中,每个弧段的角度均是由选定的标志点位数得到的,因此根据轮廓所对应的圆心角,判断轮廓的类型;据轮廓上的点与圆心所构成的向量计算轮廓角度,首先需要选定基准点构造基准向量,选定基准向量后,通过计算轮廓上每个点与圆心构成的向量与基准向量之间的夹角即可得到轮廓所对应的圆心角;计算圆心角与45°的四舍五入整除值An及取余值Af,若轮廓为弧段,则An≥1,设置第九阈值β,若满足An≥1,Af<β,则轮廓角度Ac=1,否则Ac=0,将该轮廓剔除;
弧段内外环半径与圆半径比值Ir:计算轮廓上每个点至四边形中心点的距离,对距离进行排序,选取最小的5个值的平均值作为内环半径值,最大的5个值的平均值作为外环半径值;将内外环半径值分别于四边形对角线的一半长度进行比值处理,得到比值结果Ia、Oa;设置第十阈值Ii、第十一阈值Im、第十二阈值Oi、第十三阈值Om,若满足Ii≤Ia≤Im,Oi≤Oa≤Om,弧段内外环半径与圆半径比值Ir=1,否则Ir=0,将该轮廓剔除,最终保留的轮廓即为筛选得到的弧段轮廓。
8.根据权利要求1所述的环状编码标志点提取与识别方法,其特征在于,步骤S10中,采用棋盘格角点提取算法,提取感兴趣区域中的初始角点合集,并且计算初始角点坐标与矩形对角线交点之间的距离,取距离最小的点作为编码点的坐标,最终实现中心点的提取。
9.根据权利要求1所述的环状编码标志点提取与识别方法,其特征在于,步骤S11中,在提取到弧段轮廓后,选择任意一个弧段轮廓,选定基准点,构造基准向量,将基准点作为解码起始点,基于该点与标志点中心构造基准向量,计算每个弧段的角度,记录每个弧段相对于基准向量的角度最大值及最小值,对弧段的角度进行二次阈值判断,当弧段角度在阈值内时,将其作为编码弧段,用于解算标志点的编码;
根据编码弧段角度的最大值及最小值,基于编码位数确定编码弧段在二进制编码中的位置;
对二进制编码值进行循环移位操作,得到多个二进制数,将二进制数转为十进制,比较十进制数的大小后将最小的十进制数作为标志点的编码值。
CN202211369771.9A 2022-11-03 2022-11-03 基于多特征松弛约束的环状编码标志点提取与识别方法 Active CN115731312B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211369771.9A CN115731312B (zh) 2022-11-03 2022-11-03 基于多特征松弛约束的环状编码标志点提取与识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211369771.9A CN115731312B (zh) 2022-11-03 2022-11-03 基于多特征松弛约束的环状编码标志点提取与识别方法

Publications (2)

Publication Number Publication Date
CN115731312A CN115731312A (zh) 2023-03-03
CN115731312B true CN115731312B (zh) 2023-07-11

Family

ID=85294512

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211369771.9A Active CN115731312B (zh) 2022-11-03 2022-11-03 基于多特征松弛约束的环状编码标志点提取与识别方法

Country Status (1)

Country Link
CN (1) CN115731312B (zh)

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101968877A (zh) * 2010-10-15 2011-02-09 天津工业大学 一种双层圆弧的编码标记点设计方法
CN108573511B (zh) * 2018-02-11 2021-10-12 湖南科技大学 点状分布合作编码标志及其识别定位方法
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
CN111243032B (zh) * 2020-01-10 2023-05-12 大连理工大学 一种棋盘格角点全自动检测方法
CN113129397B (zh) * 2020-12-23 2022-10-14 合肥工业大学 一种基于图形几何关系的平行四边形编码标志的解码方法
CN113538483B (zh) * 2021-06-28 2022-06-14 同济大学 高精度近景摄影测量标志的编解码方法和测量方法

Also Published As

Publication number Publication date
CN115731312A (zh) 2023-03-03

Similar Documents

Publication Publication Date Title
CN110047109B (zh) 一种基于自识别标记的相机标定板及其识别检测方法
CN107633192B (zh) 一种基于机器视觉的复杂背景下条形码分割与识读方法
CN111243032B (zh) 一种棋盘格角点全自动检测方法
CN108364280B (zh) 结构裂缝自动化描绘及宽度精准测量方法与设备
CN110727747B (zh) 基于经纬度识别的纸质地图快速矢量化方法及系统
CN106340044B (zh) 摄像机外参自动标定方法及标定装置
CN108573511B (zh) 点状分布合作编码标志及其识别定位方法
CN108960237B (zh) 一种指针式油位计读数识别方法
CN109215016B (zh) 一种编码标志的识别定位方法
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
CN116188496B (zh) 基于土地利用类型的遥感影像自适应分割方法
CN114792104A (zh) 一种环型编码点的识别解码方法
CN113255452A (zh) 一种目标水体的提取方法及提取系统
CN110570354B (zh) 一种基于长条形棋盘格标定板的近景图像拼接方法
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
CN113129397B (zh) 一种基于图形几何关系的平行四边形编码标志的解码方法
CN113506276B (zh) 一种测量结构位移的标志物及方法
JP7058170B2 (ja) タイヤ金型サイドプレートの検査方法
CN115731312B (zh) 基于多特征松弛约束的环状编码标志点提取与识别方法
CN108256475B (zh) 一种票据图像倒置检测方法
CN115761468A (zh) 一种基于图像分割和目标检测技术的水位检测系统、方法
CN116718599A (zh) 一种基于三维点云数据的表观裂缝长度测量方法
CN111199163A (zh) 一种环形码的边缘检测与定位识别方法
CN115376131A (zh) 一种点状编码标志的设计与识别方法
CN113591875B (zh) 一种高精度指针式仪表识别方法

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