KR101612054B1 - 영상 기반 원거리 2차원 바코드 검출 시스템 - Google Patents

영상 기반 원거리 2차원 바코드 검출 시스템 Download PDF

Info

Publication number
KR101612054B1
KR101612054B1 KR1020150013244A KR20150013244A KR101612054B1 KR 101612054 B1 KR101612054 B1 KR 101612054B1 KR 1020150013244 A KR1020150013244 A KR 1020150013244A KR 20150013244 A KR20150013244 A KR 20150013244A KR 101612054 B1 KR101612054 B1 KR 101612054B1
Authority
KR
South Korea
Prior art keywords
image
unit
code
detection
interest
Prior art date
Application number
KR1020150013244A
Other languages
English (en)
Inventor
심재용
윤인용
Original Assignee
대덕밸리과학기술인 협동조합
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 대덕밸리과학기술인 협동조합 filed Critical 대덕밸리과학기술인 협동조합
Priority to KR1020150013244A priority Critical patent/KR101612054B1/ko
Application granted granted Critical
Publication of KR101612054B1 publication Critical patent/KR101612054B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/10544—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation by scanning of the records by radiation in the optical part of the electromagnetic spectrum
    • G06K7/10712—Fixed beam scanning
    • G06K7/10722—Photodetector array or CCD scanning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
    • G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
    • G06K19/06009—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking
    • G06K19/06037—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking multi-dimensional coding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/10544—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation by scanning of the records by radiation in the optical part of the electromagnetic spectrum
    • G06K7/10821—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation by scanning of the records by radiation in the optical part of the electromagnetic spectrum further details of bar or optical code scanning devices
    • G06K7/10831—Arrangement of optical elements, e.g. lenses, mirrors, prisms

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Electromagnetism (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Toxicology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

본 발명은 영상 기반 원거리 2차원 바코드 검출 시스템에 관한 것으로서, 더욱 상세하게는 비전을 이용한 영상처리 기술을 기반으로 원거리에서 2차원 바코드를 검출 할 수 있는 실시간 시스템을 제안한다.
제안된 시스템은 2차원 바코드의 위치 심볼을 찾는 근거리 검출을 먼저 수행하고, 만약 검출이 안될 경우 원거리 검출로 전환한다. 원거리 검출은 다음과 같은 순서로 진행된다. 먼저 엣지지도, 영상 이진화, 커넥트 컴포넌트 라벨링(connect component labeling)을 순차적으로 수행하여 관심영역을 설정한다. 설정된 관심영역을 이중선형 보간법(Bilinear Interpolation)을 이용하여 확대한 후, 근거리 검출과 마찬가지로 위치 심볼 패턴을 검출하여 2차원 바코드 영역을 결정한다. 마지막으로 검출된 패턴 정보를 활용하여 역 투영 변환을 적용하여 패턴을 정렬하게 된다.
본 발명은 기존의 2차원 검출 알고리즘 보다 약 2~3배정도 더 먼 거리의 바코드를 검출 할 수 있으며, 여러 개의 2차원 바코드 검출이 가능하다.
또한, 실내의 복잡한 환경에서도 강인한 검출 결과를 얻는다.

Description

영상 기반 원거리 2차원 바코드 검출 시스템{Image-based Two-dimensional Bar Code Detection System at Long Range}
본 발명은 영상 기반 원거리 2차원 바코드 검출 시스템에 관한 것으로서,
더욱 상세하게는 카메라를 통하여 입력받은 영상을 이용하여 근거리 뿐만 아니라 원거리에서도 효과적으로 큐알코드(QR-code)를 검출 할 수 있는 시스템을 구축함으로서 기존의 Zxing방법 혹은 Zbar방법 보다 원거리에서 큐알코드(QR-code)를 더 정확하게 검출할 수 있도록 이루어진 것이다.
이는, 먼저 큐알코드(QR-code)의 구조적 특징인 파인드패턴(Find Pattern)을 찾는 방법으로 근거리 큐알코드(QR-code)를 검출하고, 만약 검출이 안 될 경우 본 발명의 원거리 검출 방법으로 전환되어 실외 및 실내의 복잡한 환경에서도 강인한 검출 결과를 얻어 큐알코드(QR-code)에 저장된 데이터의 해석을 가능하게 한다.
바코드는 물품의 정보를 표시하는 라벨로써, 물류 시스템의 발전과 물류량의 증가와 함께 최근 널리 사용되고 있다. 현재 가장 많이 사용되는 1차원 바코드는 테이터 용량이 작고, 심벌 훼손으로 인해 나타날 수 있는 여러 가지 에러 정정 기능에 취약한 단점을 갖고 있다.
이러한 문제를 해결하기 위해 다양한 2차원 바코드가 제안되고 있다. 2차원 바코드는 1차원 바코드에 비해 작은 공간에 많은 데이터를 포함 할 수 있을 뿐만 아니라 심벌 훼손으로 인한 에러 정정 기능도 포함되어 있어 1차원 바코드의 제한성을 극복하였다.
도 1에 나타난 바와 같이 현재 많이 사용되고 있는 2차원 바코드의 종류는 크게 다섯 가지로 나뉜다.
도 1의 a)와 같은 큐알코드(QR-code)와 b)와 같은 Aztce, c)와 같은 Data Matrix, d)와 같은 Maxicode, 마지막으로 e)와 같은 PDF417이다.
본 발명은 상기와 같은 다양한 2차원 바코드 중 상기 a)에 해당되는 큐알코드(QR-code)의 인식을 다루며, 전체 시스템에서 가장 중요한 바코드 위치 검출 알고리즘에서 원거리에서도 강인한 검출 결과를 보이는 알고리즘을 제안한다.
대한민국 등록특허공보 10-1259004 (2013.04.23)
이에 본 발명은 상기 전술한 문제점을 해결하기 위해 안출된 것으로서,
근거리뿐만 아니라 특히 원거리에서의 정확한 큐알코드(QR-code) 검출을 지원하는 것으로, 실외 및 실내의 복잡한 환경에서도 강인한 검출 결과를 얻어 큐알코드(QR-code)에 저장된 데이터를 제공함에 그 목적이 있다.
상기 목적을 이루기 위한 본 발명은 해결하고자 하는 과제를 달성하기 위해 안출된 것으로서,
큐알코드(QR-code)가 입력된 영상을 저장하는 영상 획득부;와 상기 영상 획득부에서 입력된 큐알코드(QR-code)를 이진화하는 전처리부;와 상기 전처리부에서 이진화 된 영상의 큐알코드(QR-code) 검출을 위한 파인드패턴(Find Pattern)을 기반으로 하는 근거리 검출부;와 상기 전처리부에서 이진화 된 영상의 큐알코드(QR-code)의 무(無)표시 영역(Quite Zone)의 특징을 이용하는 원거리 검출부;와
상기 근거리 검출부와 원거리 검출부에서 검출된 영상의 패턴을 정렬하는 패턴 정렬부;와 상기 근거리 검출부와 원거리 검출부에서 검출된 영상을 최적화 하는 최적화부; 및 상기 최적화부에서 최적화 된 영상을 해독하는 영상 해독부;를 포함하여 구성되는 것을 특징으로 한다.
이때, 상기 전처리부는 적분 이미지를 활용하여 상기 영상 획득부에서 획득한 영상의 각 화소에 대한 임계값을 수학식 1의 공식을 이용하여 결정하는 방법으로 수행하는 것을 특징으로 하며, 상기 패턴 정렬부는 역 투영 변환을 사용하여 수행하는 것을 특징으로 한다.
또한, 상기 원거리 검출부는,
입력 영상을 기반으로 엣지(Edge)지도를 구성하는 엣지(Edge)검출부;와 상기 엣지(Edge)검출부에서 출력된 영상을 이진화 하는 영상 이진화부;와 상기 영상 이진화부에서 출력된 영상에서 필요한 영상만을 제한하는 관심영역 설정부;와 상기 관심영역 설정부에서 설정된 영역을 확대하는 영역 확대부; 및 상기 영역 확대부에서 확대 된 영역을 검출하는 영역 검출부;를 포함하여 구성되며, 상기 영상 이진화부에서는 오츠(Otsu)방법으로 수행되는 것을 특징으로 한다.
또한, 상기 관심영역 설정부는
4단계의 절차에 의해 설정되되,
상기 4단계는,
커넥트 컴포넌트 라벨링(Connect Component Labeling) 영역에서 (x1,y1),(x2,y2),(x3,y3),(x4,y4)의 네 모서리 포인트를 찾는 제 1단계;
상기 제 1단계의 네 모서리 포인트 지점에서의 위치 비교를 통해서 최대, 최소가 되는 지점을 관심영역의 시작(x1,y2)/끝(x3,y4) 점으로 설정하는 제 2단계;와
상기 제 2단계의 시작(x1,y2)/끝(x3,y4) 점의 값을 이용하여,
높이(Height)값 = 끝점의 y좌표값(y4) - 시작점의 y좌표값(y2),
넓이(Width)값 = 끝점의 x좌표값(x3) - 시작점의 x좌표값(x1)
상기 수식에 의해 높이(Height)값과 넓이(Width)값을 계산하는 제 3단계; 및
제 1조건과 제 2조건을 이용하여 최종 관심영역을 설정하되,
상기 제 1조건은 관심영역의 가로/세로의 비가 정사각형에 가까울 경우,
Ratio = abs(1.0-Width/Height)를 이와 같이 정의하였을 때, Ratio가 일정 임계값(Tr, 여기서는 실험적 최적치 0.2~0.5로 설정) 이하 일 경우 제 2조건을 확인하고,(여기서, abs는 절대치(absolute value)를 말한다.)
상기 제 2조건은 관심 영역 내부의 정보량이 일정 수치를 넘어설 경우, 커넥트 컴포넌트 라벨링(Connect Component Labeling)을 수행하면서 체크하는 영역에서의 흑색 화소(Pixel) 값의 개수를 체크하여 설정된 관심영역의 최대 화소(Pixel) 수와 계산된 화소(Pixel) 수를 비교해서 일정 임계값(Ti, 여기서는 실험적 최적치 0.4이상으로 설정)을 넘어선 경우 최종 관심영역으로 설정하는 제 4단계;를 포함하여 이루어진다.
전술한 바와 같이 본 특허의 방법으로 근거리뿐만 아니라 특히 원거리에서의 정확한 큐알코드(QR-code) 검출을 지원하고, 실외 및 실내의 복잡한 환경에서도 강인한 검출 결과를 얻어 큐알코드(QR-code)에 저장된 데이터를 제공한다.
한편, 이에 앞서 본 명세서는 특허등록청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다. 따라서 본 명세서에 기재된 실시 예와 도면에 도시된 구성은 본 발명의 가장 바람직한 실시 예에 불과할 뿐이고, 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형 예들이 있을 수 있음을 이해하여야 한다.
이상의 구성 및 작용에서 상기 설명한 바와 같이 본 발명에 따르면,
큐알코드(QR-code)에 저장된 데이터를 출력함에 있어서, 근거리뿐만 아니라 원거리에서도 강인한 검출 결과를 제공함으로써 큐알코드(QR-code)에 저장된 정보를 확인 할 수 있는 발명이라 하겠다.
도 1은 2차원 바코드의 종류를 나타낸 것이다.
도 2는 무(無)표시 영역(Quite Zone) 확보의 실시예를 나타낸 것이다.
도 3은 본 발명인 영상 기반 원거리 2차원 바코드 검출 시스템의 전체 흐름도를 나타낸 것이다.
도 4는 본 발명에 따른 실험 실시 예를 나타낸 것이다.
도 5는 파인드패턴(Find Pattern) 검출 패턴의 비율을 나타낸 것이다.
도 6은 영상의 히스토그램 형태의 예를 나타낸 것이다.
도 7은 픽셀의 인접성을 나타낸 것이다.
도 8은 커넥트 컴포넌트 라벨링(Connect Component Labeling) 영역에서 네 모서리 포인트를 검출하는 실시 예를 나타낸 것이다.
도 9는 관심영역을 설정하는 방법의 흐름도를 나타낸 것이다.
도 10은 역 투영 변환 방법을 나타낸 것이다.
도 11은 대응 패턴의 위치 결정의 수행과 패턴 정렬 결과를 나타낸 것이다.
도 12는 본 발명의 시스템을 기반으로 한 검출 결과와 기존 Zxing방법을 기반으로 한 검출 결과와의 비교 그래프를 나타낸 것이다.
도 13은 역 투영 기법을 이용한 거리별 패턴 정렬 결과를 나타낸 것이다.
도 14는 다양한 크기와 방향을 갖는 큐알코드(QR-code) 검출 결과를 나타낸 것이다.
도 15는 본 발명인 영상 기반 원거리 2차원 바코드 검출 시스템의 흐름도 내의 원거리 검출부의 과정을 나타낸 것이다.
이하에서는 첨부된 도면을 참조하여 본 발명인 영상 기반 원거리 2차원 바코드 검출 시스템의 구성 및 작용을 상세히 설명하기로 한다.
도 1은 2차원 바코드의 종류를 나타낸 것이며, 도 2는 무(無)표시 영역(Quite Zone) 확보의 실시 예를 나타낸 것이다.
도 3은 본 발명인 영상 기반 원거리 2차원 바코드 검출 시스템의 전체 흐름도를 나타낸 것이다.
도 4는 본 발명에 따른 실험 실시 예를 나타낸 것이며, 도 5는 파인드패턴(Find Pattern) 검출 패턴의 비율을 나타낸 것이다.
도 6은 영상의 히스토그램 형태의 예를 나타낸 것이다.
도 7은 픽셀의 인접성을 나타낸 것이다.
도 8은 커넥트 컴포넌트 라벨링(Connect Component Labeling) 영역에서 네 모서리 포인트를 검출하는 실시 예를 나타낸 것이다.
도 9는 관심영역을 설정하는 방법의 흐름도를 나타낸 것이다.
도 10은 역 투영 변환 방법을 나타낸 것이다.
도 11은 대응 패턴의 위치 결정의 수행과 패턴 정렬 결과를 나타낸 것이다.
도 12는 본 발명의 시스템을 기반으로 한 검출 결과와 기존 Zxing방법을 기반으로 한 검출 결과와의 비교 그래프를 나타낸 것이다.
도 13은 역 투영 기법을 이용한 거리별 패턴 정렬 결과를 나타낸 것이다.
도 14는 다양한 크기와 방향을 갖는 큐알코드(QR-code) 검출 결과를 나타낸 것이다.
마지막으로, 도 15는 본 발명인 영상 기반 원거리 2차원 바코드 검출 시스템의 흐름도 내의 원거리 검출부 과정을 나타낸 것이다.
지금까지 바코드 자동 인식에 관련된 많은 연구가 진행 되었는데 대부분 1차원 바코드에 대한 방법이다.
예를 들면, Gabor필터에 기반 한 텍스처 분석 방법을 사용하여 바코드 위치를 검출 하고, 입력 영상을 다수의 Gabor필터 뱅크를 통과 시켜 로컬 에너지를 나타내는 특징 영상을 생성한 후, 이 영상의 각 화소를 클러스터링 기법으로 후보 영역으로 분할하며 이들의 크기와 종횡비 등의 기준을 적용하여 바코드 영역을 결정한 방법이 있으며, 영상 획득 과정에서 발생하는 잡음 영상에 강건한 방법을 개발하기 위해 히스토그램에 기반을 둔 적응형 알고리즘을 제안하는 방법도 있다.
또한, Jain의 방법이 주파수 영역으로 변환하여 처리함으로써 실시간 처리가 힘들다는 문제를 해결하기 위해 공간 영역에서 바코드를 찾는 알고리즘을 제안함으로서 다중 레벨 영상에 대해 4방향(0°,45°,90°,135°)에 대한 기울기를 구해 그 중 기울기가 최대인 방향정보를 이용하여 바코드 위치를 찾고자 하는 방법이 있다.
또 다른 예로는, 바코드의 수평 방향 엣지 성분을 구하고 가우시안 스무딩을 통해 최대값을 찾고, 이를 통해 박스 디텍션을 이용하여 바코드의 위치를 결정 하는 방법도 있다.
이러한, 2차원 바코드의 관한 연구는 1990년대 후반부터 진행되었는데 2차원 바코드 인식에는 텍스쳐 분석이나 1차원 프로젝션, 엣지 분석이나 허프 변환 등 1차원 바코드에서 사용된 다양한 기법들이 부분적으로 적용될 수 있으나, 많은 부분에서 새로운 접근 방법이 필요하다.
그 예로는, 2차원 바코드 인식을 위한 공통적인 영상처리 프레임 워크를 제안하였다. 입력 영상에서 바코드가 존재하는 관심영역을 결정 하는 단계, 관심영역에서 각 바코드의 특징을 찾아 위치를 결정 하는 단계, 추출된 특징부분을 이용하여 코드 영역을 분리하는 단계, 마지막으로 분리된 코드를 디코딩 하는 단계로 구분 하는 방법이 있으며, 핸드폰에 부착된 카메라를 통해 영상을 입력 받아 큐알코드(QR-code)를 인식하는 방법을 제안하기도 한다.
또 다른 예로는, 상기 방법과 비슷하며, 영상에서 패턴을 검출하기 위해 케니 엣지 디텍터를 이용하기도 하고, 멀티레벨 이진화를 이용하여 다양한 밝기 환경에서 큐알코드(QR-code)를 검출 할 수 있는 방법을 제안하기도 한다.
2차원 바코드는 일정한 구조를 갖고 있어 이를 활용하여 허프 변환을 이용한 연구도 많이 진행되었는데,
상기의 허프 변환을 통해 2차원 바코드의 네 코너를 검출하고 이차 미분 이미지를 이용하여 바코드를 디코딩 하는 방법과 2차원 바코드의 측정한 텍스처 정보를 이용한 방법도 연구되었다.
마지막으로, 2차원 바코드가 갖는 패턴 방향 정보를 이용하여 위치를 검출 하기도 한다.
본 발명에서 제안하는 검출 방법은 크게 두 부분으로 나뉜다.
기존의 큐알코드(QR-code) 검출을 위한 파인드패턴(Find Pattern)를 기반으로 하는 근거리 검출과 큐알코드(QR-code)의 무(無)표시 영역(Quite Zone)의 특징을 이용하는 원거리 검출이다.
무(無)표시 영역(Quite Zone)의 특징은 큐알코드(QR-code)의 버전 및 셀(cell)의 크기가 결정되면 큐알코드(QR-code)의 자체의 크기가 정해진다. 실제로 큐알코드(QR-code)를 운용하기 위해서는 코드 영역의 주위에 무(無)표시 영역(Quite Zone)을 확보해야 하는데, 이때 심볼의 네 면을 감싸는 아무것도 표시되지 않는 영역을 네 셀(cell)이상 확보해야 한다.(도 2참조)
본 발명에서 제안하는 시스템은 도 3에 나타낸 흐름도와 같다.
영상 획득부(S100)는 카메라를 통하여 YUV2 포맷으로 초기 영상의 데이터를 저장한다.
전처리부(S200)에서는 상기 영상 획득부(S100)에서 입력 받은 영상의 처리를 간단하게 하기 위해 입력된 영상의 Y 채널만을 이용하여 따로 컬러 영상을 그레이 영상으로 변환하지 않는다. 또한 바코드 검출을 위한 가장 중요한 전처리 과정인 영상 이진화를 수행한다. 본 발명에서는 효과적인 이진화를 위해 적분 이미지를 활용하여 조명 환경에 취약한 전역 이진화 방법을 보완하기 위한 지역 이진화 방법으로 영상의 배경에 텍스처(Texture)가 존재할 경우 잡영을 많이 발생시킴으로 이를 보완하기 위하여 적용된 방법을 사용한다. 이러한 방법은 각 화소에 대한 임계값을 구하기 위해서 하기 수학식 1를 이용하여 결정한다.
Figure 112015009178016-pat00001
여기서, mean(w1), mean(w2)는 xi를 중심으로 하는 NxN, MxM 크기의 윈도우 내 평균 화소를 나타내며, k1과 k2는 weight value(범위:0~2.0 사이의 값으로 결정)를 나타내며 실험적으로 설정하고, threshold는 임계값을 나타낸다.
제안하는 수학식 1과 기존 이진화 알고리즘을 비교하면, 조명이 불균등한 입력영상(ex)을 이용하였을 경우 도면 3과 같은 결과를 수반한다.
도면 4의 a)의 savola방법에서의 좌 영상은 윈도우 사이즈를 15x15로 설정한 후 처리했을 경우이다. 이 경우 패턴 외부의 엣지(Edge) 성분만이 강조되서 표현되므로 큐알코드(QR-code) 인식이 불가함을 알 수 있다. 우 영상은 윈도우 사이즈 65x65로 설정한 후 처리했을 경우이나, 이 경우 큐알코드(QR-code)의 파인드패턴(Find Pattern) 중간의 빈 홀이 발생하여 패턴 검출에 있어서 또한 오류가 빈번하게 발생함을 알 수 있다.
도면 4의 b)의 Niblack방법에서의 좌 영상은 윈도우 사이즈를 15x15로 설정한 후 처리했을 경우이다. 이 경우 상기 a)의 Savola방법보다 결과가 좋게 보이는 듯 하지만 주변 노이즈 성분이 포함되어 큐알코드(QR-code) 인식이 불가함을 알 수 있다. 우 영상은 윈도우 사이즈를 65x65로 설정한 후 처리했을 경우이다. 이 경우에도 마찬가지로 파인드패턴(Find Pattern) 내부의 홀 발생으로 인해 종종 검출 오류가 발생한다.
반면, 마지막으로 도면 4의 c)는 본 특허에 제시된 수학식 1의 방법을 이용하여 나타난 결과이다. 본 특허에 제안된 이진화 방법은 지역 윈도우가 2개 필요하다. 따라서, 좌 영상은 윈도우 사이즈를 15x15, 65x65로 설정한 후 처리했을 경우이며, 우 영상은 윈도우 사이즈를 65x65, 105x105로 설정한 후 처리했을 경우이다.
상기 두 방법(Savola방법, Niblack방법) 보다 큐알코드(QR-code)의 패턴이 정확하게 표현되어 인식 가능한 영상으로 검출이 가능하며, 우 영상의 경우(로컬 윈도우의 크기가 큰 경우)는 파인드패턴(Find Pattern) 내부의 빈 공간 없이 이진화가 수행되어 큐알코드(QR-code) 위치 선정에서 오류가 발생하지 않음을 알 수 있다.
근거리 검출부(S300)는 근거리 검출을 위한 파인드패턴(Find Pattern)은 큐알코드(QR-code)의 세 모서리 사각형 패턴을 말한다. 상세하게는 큐알코드(QR-code)가 360°어느 방향에서나 인식 가능하도록 큐알코드(QR-code) 안에 존재하는 위치 찾기 심볼를 말하며 배경과 효과적으로 분리가 되기 위해 일정한 비율의 패턴으로 이루어져 있다. 파인드패턴(Find Pattern)을 검출하기 위해서 검출 패턴의 비율을 이용하였다. 도 5에서 보이듯 파인드패턴(Find Pattern)은 1:1:3:1:1의 일정한 흑/백 비율을 갖고 있다.
이러한 특징을 이용하여 영상에서 큐알코드(QR-code)의 위치를 빠르게 검출 할 수 있다. 본 발명에서 파인드패턴(Find Pattern)을 검출하기 위해 Zxing알고리즘을 사용하였으나, Zxing알고리즘 이외에 Zbar알고리즘도 사용할 수 있다.
여기서, Zxing알고리즘은 Zebra crossing의 약자로 다양한 1D/2D 바코드 이미지 처리를 지원하는 오픈소스(open source)이며, Java, C++등 다양한 언어를 지원한다.
라이센스는 Apache License v2.0을 따르고 있고 파인드패턴(Find Pattern)을 찾기 위한 기본 알고리즘을 Zxing에서 사용하는 방법을 기본으로 구현하고 있다.
또한, Zbar알고리즘은 Zxing알고리즘 보다 좀 더 복잡한 코드로 이루어져 있지만 파인드패턴(Find Pattern)의 일정한 패턴 정보를 검출하는 목적은 같다.
원거리 검출부(S400)는 근거리 검출을 위한 파인드패턴(Find Pattern)을 찾는 것만으로 원거리에 위치한 큐알코드(QR-code)를 검출하기에는 부족하다. 물론, 프린트 되는 큐알코드(QR-code)의 크기를 크게 하면 원거리에서도 검출이 가능하지만 박스나, 기타 물류 상품에 무조건 큐알코드(QR-code)의 크기를 크게 해서 부착하기에는 어려움이 따른다.
이러한 문제를 해결하기 위해 본 발명에서는 다음과 같은 알고리즘을 제안한다. 큐알코드(QR-code)를 사용하기 위해서는 무(無)표시 영역(Quite Zone)을 확보해야 한다. 상기에서 설명한 바와 같이 버전 및 셀(cell)의 크기를 결정하면 큐알코드(QR-code)의 자체 크기가 결정되고, 결정된 크기에서 상하좌우 네 면을 감싸는 아무것도 표시 되지 않는 무(無)표시 영역(Quite Zone)을 네 셀(cell)이상 확보해야 한다.(도 2참조)
이러한 무(無)표시 영역(Quite Zone)의 특징을 이용하여 원거리 검출을 수행한다.
도 3의 시스템 흐름도에 나타낸 바와 같이 근거리 검출에 실패하게 되면 원거리 검출로 넘어 가게 된다. 원거리 검출을 하기 위해서 이전에 사용된 이진 영상 대신 원본의 그레이 영상이 다시 사용된다. 그레이 영상을 sobel edge 검출기를 이용하여 영상의 엣지 지도를 구하는데 엣지(Edge)라는 것은 영상에서 기울기(Gradient)를 말한다. 이 엣지(Edge)는 화소 중심 위치에서의 편미분 방정식을 통하여 구할 수 있는데, 이를 구하는 방법 중 하나가 상기와 같은 sobel mask를 이용하는 sobel edge 검출기이다. sobel mask는 3x3 크기이고 이를 전체 영상과의 컨벌루션(convolution)을 통하여 구하게 된다. 그리고 sobel mask 연산자에서 가운데 계수에는 2의 가중치를 사용하여 중앙점에 중요도를 부과하고, 결과값에 평활화를 수행한다. 상기와 같은 방법으로 영상의 엣지 지도를 구하는 이유는 큐알코드(QR-code)의 구조적 특징과 노이즈에 의한 영향을 최소화하기 위함이다. 엣지 지도를 구한 이후에 오츠(Otsu)방법을 이용하여 전역 이진화를 수행한다.
오츠(Otsu)방법은 영상의 히스토그램 형태가 도면 6과 같이 bimodal이라고 가정하였을 때, 계곡점(valley)을 찾아 그 점을 임계값으로 결정하는 방법이다.
상기 임계값을 결정하기 위해 통계학적인 방법을 사용하며, 전체 분산은 수학식 2와 같이 클래스 내 분산과 클래스 간 분산의 합으로 나타내어질 수 있다.
Figure 112015009178016-pat00002
상기 수학식 2의 클래스 내 분산은 수학식 3과 같이 계산된다.
Figure 112015009178016-pat00003
클래스 내 분산은 (가중치1 * 클래스1의 분산)+(가중치2 * 클래스2의 분산)이며, 가중치는 전체 영상에서 클래스에 해당하는 픽셀이 나타날 확률을 의미한다.
분산이란 분포가 퍼져있는 정도를 나타내는 척도로 사용되므로, 상기 식의 클래스 내 분산의 최소값을 구하면 최적의 임계값을 찾아 낼 수 있다.
이것을 좀 더 쉽게 풀기 위해 클래스 간 분산을 활용한다. 클래스 간 분산은 하기의 수학식 4와 같이 계산된다.
Figure 112015009178016-pat00004
클래스 간 분산은 클래스 내 분산의 역이므로 클래스 간 분산의 최대값을 구하고, 그 때의 임계값을 찾아낸다.
상술한 오츠(Otsu)방법을 이용하여 이진화를 수행하게 되면 큐알코드(QR-code)의 내부 패턴과 배경부분이 코드의 무(無)표시 영역(Quite Zone) 영역에 의해 분리가 된다. 이 후, 커넥트 컴포넌트 라벨링(Connect Component Labeling)을 통하여 관심영역을 설정한다.
커넥트 컴포넌트 라벨링(Connect Component Labeling)은 이진화 된 영상에 존재하는 픽셀들의 인접영역을 구하고 이를 이용하여 영상을 분할하는 방법을 말한다. 인접한 영역을 찾기 위해 픽셀의 인접성을 고려하는데, 도 7과 같다.
4-이웃 화소는 상하 좌우에 있는 화소만을 이웃으로 결정하고, 8-이웃 화소는 대각선에 위치한 화소까지 이웃 화소로 결정한다.
이때, 연결된 화소에 동일한 Label을 부여하기 위한 알고리즘은 Grass-fire방식과 Two-pass방식이 있다. 상기의 두 알고리즘을 이용하는 메모리를 활용하여 인접 화소가 모두 검출 될 때까지 재귀 호출 하여 검사 하거나, Labeling 정보를 저장하고 반환하는 stack를 이용한다.
여기서 stack는 후입선출(Last-In First-Out)의 구조로 데이터를 입력순서에 따라 차례대로 저장하고 출력 시에는 가장 나중에 입력된 순서대로 출력하게 된다. 즉, stack는 검사하는 화소(Pixel)의 좌표를 저장하는 저장 메모리 역할을 한다. 검사한 인접화소 좌표값을 계속해서 저장하면서 Labeling을 하다가 더 이상 검사할 점이 없는 경우 stack의 가장 마지막 좌표를 리턴 받아 다시 그 주변에 검사 되지 않는 부분을 검사하게 된다. 그러므로, 최종적으로 stack에 쌓인 모든 좌표값 주변의 인접영역을 검사하고 마지막까지 전부 검사해서 stack가 빈 메모리가 되면 최종 연결성분의 검사가 종료된다. 따라서 이러한 과정을 전체영상에 반복해서 수행하게 되는 것이다.
또한, 상기 설명한 커넥트 컴포넌트 라벨링(Connect Component Labeling)을 통하여 분리된 객체는 다음의 두 가지 조건을 만족할 경우 관심영역으로 결정한다.
첫 번째 조건은 관심영역의 가로/세로 비가 정사각형에 가까울 경우이고,
두 번째 조건은 관심영역 내부의 정보량이 일정 수치를 넘어설 경우이다.
본 발명의 가장 핵심은 관심영역을 얼마나 빠르고 정확하게 찾을 것인가이다. 이에 대한 절차를 도면 8과 도면 9의 흐름도를 바탕으로 상세히 기술하면 다음과 같다.
1. 커넥트 컴포넌트 라벨링(Connect Component Labeling) 영역에서 (x1,y1),(x2,y2),(x3,y3),(x4,y4)의 네 모서리 포인트를 찾는다.(P1, P2, P3, P4)
2. 상기 네 모서리 포인트 지점에서의 위치 비교를 통해서 최대, 최소가 되는 지점을 관심영역의 시작(x1,y2)/끝(x3,y4) 점으로 설정한다.
3. 시작(x1,y2)/끝(x3,y4) 점의 값을 이용하여 높이(Height)값, 넓이(Width)값을 계산한다.
높이(Height)값 = 끝점의 y좌표값(y4) - 시작점의 y좌표값(y2),
넓이(Width)값 = 끝점의 x좌표값(x3) - 시작점의 x좌표값(x1)
4. 제 1조건과 제 2조건을 이용하여 최종 관심영역을 설정한다.
제 1 조건
관심 영역의 가로/세로의 비가 정사각형에 가까울 경우이다.
Ratio를 아래식과 같이 정의할 경우,
Ratio = abs(1.0-Width/Height)
만약, Ratio가 일정 임계값(Tr, 여기서는 실험적 최적치 0.2~0.5로 설정) 이하 일 경우 다음 제 2조건을 확인한다. 여기서, abs는 절대치(absolute value)를 말한다.
제 2 조건
관심 영역 내부의 정보량이 일정 수치를 넘어설 경우이다.
이 조건을 수행하기 위해 커넥트 컴포넌트 라벨링(Connect Component Labeling)을 수행하면서 체크하는 영역에서의 흑색 화소(Pixel) 값의 개수를 체크한다.
만약, 설정된 관심 영역의 최대 화소(Pixel) 수와 계산된 화소(Pixel) 수를 비교해서 일정 임계값(Ti, 여기서는 실험적 최적치 0.4이상으로 설정)을 넘어선 경우 최종 관심영역으로 설정한다.
또한, 도 9의 흐름도와 같이 결정된 관심영역에서 파인드패턴(Find Pattern)을 찾는 알고리즘을 수행 하면 찾을 수 없기 때문에 이중선형 보간법(Bilinear interpolation)을 통하여 영상 확대를 하고, 이 후 파인드패턴(Find Pattern)을 찾도록 하였다.(도 9의 ROI(Ratio of Information)는 관심영역 안에 존재하는 화소(Pixel)의 비율을 말한다.)
패턴 정렬부(S500)에서는 검출된 큐알코드(QR-code)의 패턴이 항상 정방향으로 정렬되어 있지 않기 때문에 큐알코드(QR-code)의 패턴을 정렬한다.
큐알코드(QR-code)의 패턴이 항상 정 방향으로 정렬되어 있지 않은 이유는 큐알코드(QR-code)는 360°어느 방향에서도 검출 가능하기 때문이다.
그러므로 영상 해독을 위해서 검출된 패턴을 정렬 시켜 주어야 하는데, 패턴 정렬을 위해 본 발명에서는 도 10과 같이 역 투영 변환을 사용하여 정렬한다.
도 10의 왼쪽 좌표와 같이 원 영상에서 바코드 영역이 검출되었을 경우, 이를 정규화 하기 위해 투시 변환 행렬을 찾아야 한다. 투시 변환은 다음과 같은 수학식 5로 주어진다.
Figure 112015009178016-pat00005
상기 식에서 C는 역 투시 변환 계수이고, (u,v)는 2차원 카메라 좌표계에 속하는 좌표 값이며, (x,y)는 정규화 된 3차원 세계 좌표계에 속하는 좌표 값이다. 정규화 된 세계 좌표계에서는 깊이(depth) 성분은 1로 된다. 이 값은 수학식 5에 반영되어 있다. 카메라 영상은 절대적인 세계 좌표계에 대하여 여러 형태로 투사되어 뒤틀림, 반전, 꺽임 등의 형태로 보인다. 이 부분을 역 투사하여 정규화 된 세계 좌표계에서 영상 처리를 하는 것이 상기 수학식 5이다. 이때, 역 투사 변환 계수는 일반적인 최소 자승 추정법(Least Square Estiomation)으로 구한다.
즉, 상기 식에서 (u,v)는 투시 변환에 의해 변형된 원 영상좌표를 의미하고, (x,y)는 정규화 된 좌표계에서의 좌표를 의미한다. 투시변환에 사용될 대응점을 구하기 위하여 검출된 파인트패턴(Find Pattern)정보를 이용한다.
간단한 연산을 통하여 패턴의 위치가 결정되면 수학식 5에 대응점 정보를 입력하여 패턴을 정렬한다. 도 11의 a)는 대응 패턴의 위치 결정의 수행을 나타낸 것이며, b)는 패턴 정렬 결과를 나타낸 것이다.
상술한 바와 같이, 본 발명인 영상 기반 원거리 2차원 바코드 검출 시스템을 기반으로 원거리 검출 결과를 확인하기 위해 카메라를 고정하고, 큐알코드(QR-code)의 위치를 변경 하면서 도면 12에서 나타난 바와 같은 검출 결과를 확인하였다.
도 12에서 나타난 바와 같이, 거리별 검출 결과를 비교해 보면 본 발명에서 제안하는 방법이 일정 거리 이상 멀어 지더라도 좋은 결과를 보이는 것을 확인 할 수 있다. 다음 도 13은 거리별 검출 결과에서 큐알코드(QR-code) 패턴을 인식하고 역 투영 기법을 이용하여 패턴을 정렬한 결과를 보여 준다.
1[m]에서 약 2.7[m]까지 패턴 검출을 통하여 큐알코드(QR-code)를 인식하고 각 패턴 정보를 찾아, 순서에 맞게 정렬 된 것을 확인 할 수 있다. 반면, 3[m]가 넘어 가게 되면 패턴의 위치는 예측 하지만 각 패턴의 정보를 찾지 못하고 정렬 하지 못하는 결과를 보이는데, 이는 카메라와의 거리가 멀어지면서 한 화소(Pixel) 수에 표시할 수 있는 데이터양이 한정되어 큐알코드(QR-code)의 패턴 영역의 손실로 인해 발생하는 것으로 예측된다. 즉, 위치를 선정하고 관심영역을 확대 하여도 각 패턴 심볼의 비율을 찾을 수 없기 때문에 검출이 불가능 하였다.
본 발명에서 제안하는 검출 방법으로 원거리에 위치한 다수의 큐알코드(QR-code)도 검출 가능 하였다. 커넥트 컴포넌트 라벨링(Connect Component Labeling)을 통하여 코드 영역과 배경 영역을 분리 하는데, 각 각 독립적으로 관심영역을 설정해 주기 때문이다. 검출된 관심영역 전부를 검사하기 때문에 영역 내에 바코드 정보를 갖고 있다면 제안하는 바코드 검출 알고리즘을 통하여 다수의 바코드를 검출 할 수 있다.
도 14는 다양한 크기와 방향을 갖는 바코드 검출 결과를 나타낸 것이다.
전술한 내용을 요약하자면,
본 발명에서는 카메라를 통하여 입력받은 영상을 이용하여 원거리에서도 효과적으로 큐알코드(QR-code)를 검출 할 수 있는 방법을 제안하고 있다. 먼저 큐알코드(QR-code)의 구조적 특징인 파인드패턴(Find Pattern)을 찾는 방법으로 근거리 큐알코드(QR-code)를 검출하고, 만약 검출이 안 될 경우 본 발명에서 제안하는 원거리 검출 방법으로 전환된다. 원거리 검출을 수행하기 위해 그레이 영상에서 엣지 지도를 구하고, 오츠(Otsu)방법을 이용하여 엣지 형상을 이진화 한다. 그 후, 커넥트 컴포넌트 라벨링(Connect Component Labeling)을 통하여 전경과 배경을 분리하고, 분리된 영상은 보간법을 이용하여 일정한 크기로 확대한 이후에 파인드패턴(Find Pattern)을 찾는 알고리즘을 통하여 큐알코드(QR-code)를 인식한다.
실험을 통하여 본 발명의 원거리 검출 알고리즘이 기존의 Zxing방법보다 원거리에서 큐알코드(QR-code)를 더 정확하게 검출하는 것을 확인 할 수 있었고, 여러개의 큐알코드(QR-code)가 존재하더라도 검출 가능함을 보였다.
또한, 검출에 필요한 시간이 약 30[ms]~70[ms]정도로 실시간에 가까운 속도를 보였다.
이상에서와 같이, 본 발명은 기재된 실시 예에 한정되는 것이 아니고, 본 발명의 사상 및 범위를 벗어나지 않고 다양하게 수정 및 변형할 수 있음은 이 기술의 분야에서 통상의 지식을 가진 자에게 자명하다. 따라서 기술적 사상 또는 주요한 특징으로부터 벗어남이 없이 다른 여러 가지 형태로 실시될 수 있으므로, 본 발명의 실시 예들은 모든 점에서 단순한 예시에 지나지 않으며 한정적으로 해석되어서는 안된다.
본 발명은 근거리뿐만 아니라 원거리에서도 큐알코드(QR-code)의 정보를 정확히 얻을 수 있어 큐알코드(QR-code)를 사용하는 산업의 전반적인 발전에 기여할 수 있다.
S100 : 영상 획득부 S200 : 전처리부
S300 : 근거리 검출부 S400 : 원거리 검출부
S410 : Edge 검출부 S420 : 영상 이진화부
S430 : 영역 설정부 S440 : 영역 확대부
S450 : 영역 검출부 S500 : 패턴 정렬부
S600 : 최적화부 S700 : 영상 해독부

Claims (6)

  1. 삭제
  2. 큐알코드(QR-code)가 입력된 영상을 저장하는 영상 획득부(S100);와
    상기 영상 획득부(S100)에서 입력된 큐알코드(QR-code)를 이진화하는 전처리부(S200);와
    상기 전처리부(S200)에서 이진화된 영상의 큐알코드(QR-code) 검출을 위한 파인드패턴(Find Pattern)을 기반으로 하는 근거리 검출부(S300);와
    상기 전처리부(S200)에서 이진화된 영상의 큐알코드(QR-code)의 무(無)표시 영역(Quite Zone)의 특징을 이용하는 원거리 검출부(S400);와
    상기 근거리 검출부(S300)와 원거리 검출부(S400)에서 검출된 영상의 패턴을 역 투영 변환을 사용하여 정렬하는 패턴 정렬부(S500);와
    상기 근거리 검출부(S300)와 원거리 검출부(S400)에서 검출된 영상을 최적화하는 최적화부(S600); 및
    상기 최적화부(S600)에서 최적화된 영상을 해독하는 영상 해독부(S700);로 구성되되,
    상기 전처리부(S200)는,
    적분 이미지를 활용하여 상기 영상 획득부(S100)에서 획득한 영상의 각 화소에 대한 임계값을 하기와 같은 공식을 이용하여 결정하는 방법으로 수행하는 것을 특징으로 하는 영상 기반 원거리 2차원 바코드 검출 시스템.
    Figure 112016008907768-pat00006

    여기서, mean(w1), mean(w2)는 xi를 중심으로 하는 NxN, MxM 크기의 윈도우 내 평균 화소를 나타내며, k1과 k2는 weight value(범위:0~2.0 사이의 값으로 결정)를 나타내며 실험적으로 설정하고, threshold는 임계값을 나타낸다.
  3. 삭제
  4. 제 2항에 있어서,
    상기 원거리 검출부(S400)는,
    입력 영상을 기반으로 엣지(Edge) 지도를 구성하는 엣지 검출부(S410);와
    상기 엣지 검출부(S410)에서 출력된 영상을 이진화하는 영상 이진화부(S420);와
    상기 영상 이진화부(S420)에서 출력된 영상에서 필요한 영상만을 제한하는 관심영역 설정부(S430);와
    상기 관심영역 설정부(S430)에서 설정된 영역을 확대하는 영역 확대부(S440); 및
    상기 영역 확대부(S440)에서 확대 된 영역을 검출하는 영역 검출부(S450);를 포함하여 구성되는 것을 특징으로 하는 영상 기반 원거리 2차원 바코드 검출 시스템.
  5. 제 4항에 있어서,
    상기 영상 이진화부(S420)에서는 오츠(Otsu)방법으로 수행되는 것을 특징으로 하는 영상 기반 원거리 2차원 바코드 검출 시스템.
  6. 제 4항에 있어서,
    상기 관심영역 설정부(S430)는
    4단계의 절차에 의해 설정되되,
    상기 4단계는,
    커넥트 컴포넌트 라벨링(Connect Component Labeling) 영역에서 (x1,y1),(x2,y2),(x3,y3),(x4,y4)의 네 모서리 포인트를 찾는 제 1단계;
    상기 제 1단계의 네 모서리 포인트 지점에서의 위치 비교를 통해서 최대, 최소가 되는 지점을 관심영역의 시작(x1,y2)/끝(x3,y4) 점으로 설정하는 제 2단계;와
    상기 제 2단계의 시작(x1,y2)/끝(x3,y4) 점의 값을 이용하여,
    높이(Height)값 = 끝점의 y좌표값(y4) - 시작점의 y좌표값(y2),
    넓이(Width)값 = 끝점의 x좌표값(x3) - 시작점의 x좌표값(x1)
    상기 수식에 의해 높이(Height)값과 넓이(Width)값을 계산하는 제 3단계; 및
    제 1조건과 제 2조건을 이용하여 최종 관심영역을 설정하되,
    상기 제 1조건은 관심영역의 가로/세로의 비가 정사각형에 가까울 경우, Ratio = abs(1.0-Width/Height)를 이와 같이 정의하였을 때, Ratio가 일정 임계값(Tr, 여기서는 실험적 최적치 0.2~0.5로 설정) 이하 일 경우 제 2조건을 확인하고,(여기서, abs는 절대치(absolute value)를 말한다.)
    상기 제 2조건은 관심영역 내부의 정보량이 일정 수치를 넘어설 경우, 커넥트 컴포넌트 라벨링(Connect Component Labeling)을 수행하면서 체크하는 영역에서의 흑색 화소(Pixel) 값의 개수를 체크하여 설정된 관심영역의 최대 화소(Pixel) 수와 계산된 화소(Pixel) 수를 비교해서 일정 임계값(Ti, 여기서는 실험적 최적치 0.4이상으로 설정)을 넘어선 경우 최종 관심영역으로 설정하는 제 4단계;를 포함하여 이루어지는 것을 특징으로 하는 영상 기반 원거리 2차원 바코드 검출 시스템.
KR1020150013244A 2015-01-28 2015-01-28 영상 기반 원거리 2차원 바코드 검출 시스템 KR101612054B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150013244A KR101612054B1 (ko) 2015-01-28 2015-01-28 영상 기반 원거리 2차원 바코드 검출 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150013244A KR101612054B1 (ko) 2015-01-28 2015-01-28 영상 기반 원거리 2차원 바코드 검출 시스템

Publications (1)

Publication Number Publication Date
KR101612054B1 true KR101612054B1 (ko) 2016-04-26

Family

ID=55919357

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150013244A KR101612054B1 (ko) 2015-01-28 2015-01-28 영상 기반 원거리 2차원 바코드 검출 시스템

Country Status (1)

Country Link
KR (1) KR101612054B1 (ko)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101785661B1 (ko) * 2016-12-06 2017-10-17 인천대학교 산학협력단 회색 값 분산을 이용한 얼굴 윤곽 인식방법 및 그 장치
KR20180116729A (ko) * 2017-04-17 2018-10-25 엔피씨(주) 물류 관리를 위한 원거리 다수의 코드 인식 방법 및 이를 이용한 코드 인식 장치
CN109461182A (zh) * 2018-09-05 2019-03-12 华北电力大学扬中智能电气研究中心 一种基于图像传感器通信的led阵列快速检测方法及装置
CN111208828A (zh) * 2020-02-20 2020-05-29 冯健 一种新型agv二维码导航系统及其应用
WO2020139746A1 (en) * 2018-12-24 2020-07-02 Polarr, Inc. Detected object based image and video effects selection
US10990778B2 (en) 2017-10-30 2021-04-27 Electronics And Telecommunications Research Institute Apparatus and method for recognizing barcode based on image detection
WO2023194638A1 (es) * 2022-04-08 2023-10-12 Nuevos sistemas tecnológicos S.L. Envase para producto de consumo con código visible y sistema que comprende el envase y procedimiento de encuadre del código visible

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101785661B1 (ko) * 2016-12-06 2017-10-17 인천대학교 산학협력단 회색 값 분산을 이용한 얼굴 윤곽 인식방법 및 그 장치
KR20180116729A (ko) * 2017-04-17 2018-10-25 엔피씨(주) 물류 관리를 위한 원거리 다수의 코드 인식 방법 및 이를 이용한 코드 인식 장치
KR101997048B1 (ko) * 2017-04-17 2019-07-05 엔피씨(주) 물류 관리를 위한 원거리 다수의 코드 인식 방법 및 이를 이용한 코드 인식 장치
US10990778B2 (en) 2017-10-30 2021-04-27 Electronics And Telecommunications Research Institute Apparatus and method for recognizing barcode based on image detection
CN109461182A (zh) * 2018-09-05 2019-03-12 华北电力大学扬中智能电气研究中心 一种基于图像传感器通信的led阵列快速检测方法及装置
WO2020139746A1 (en) * 2018-12-24 2020-07-02 Polarr, Inc. Detected object based image and video effects selection
US10812736B2 (en) 2018-12-24 2020-10-20 Polarr, Inc. Detected object based image and video effects selection
CN111208828A (zh) * 2020-02-20 2020-05-29 冯健 一种新型agv二维码导航系统及其应用
CN111208828B (zh) * 2020-02-20 2021-07-06 苏州亿尔奇信息科技有限公司 一种新型agv二维码导航系统及其应用
WO2023194638A1 (es) * 2022-04-08 2023-10-12 Nuevos sistemas tecnológicos S.L. Envase para producto de consumo con código visible y sistema que comprende el envase y procedimiento de encuadre del código visible

Similar Documents

Publication Publication Date Title
KR101612054B1 (ko) 영상 기반 원거리 2차원 바코드 검출 시스템
US9177239B1 (en) Generating machine-readable optical codes with aesthetic component
Liu et al. Recognition of QR Code with mobile phones
EP1678659B1 (en) Method and image processing device for analyzing an object contour image, method and image processing device for detecting an object, industrial vision apparatus, smart camera, image display, security system, and computer program product
US20140003723A1 (en) Text Detection Devices and Text Detection Methods
Lin et al. Real-time automatic recognition of omnidirectional multiple barcodes and dsp implementation
Yokoyama et al. Pole-like objects recognition from mobile laser scanning data using smoothing and principal component analysis
Alhichri et al. Virtual circles: a new set of features for fast image registration
CN108021837B (zh) 一种条形码检测方法、条形码检测装置及电子设备
KR101997048B1 (ko) 물류 관리를 위한 원거리 다수의 코드 인식 방법 및 이를 이용한 코드 인식 장치
Musoromy et al. Edge detection comparison for license plate detection
US9098764B2 (en) Image-based barcode reader
CN113111674A (zh) Aztec码定位与解码方法、系统、设备及存储介质
CN111767754A (zh) 一种识别码的识别方法、装置、电子设备及存储介质
US11941863B2 (en) Imaging system and method using a multi-layer model approach to provide robust object detection
CN105359165A (zh) 确定文档中的条形码位置
JP7448281B2 (ja) 二次元マーカの認識装置、方法、プログラム及びシステム
Kovacs et al. Orientation based building outline extraction in aerial images
Fang et al. 1-D barcode localization in complex background
Gallo et al. Reading challenging barcodes with cameras
Zingman et al. Automated search for livestock enclosures of rectangular shape in remotely sensed imagery
Ghandour et al. Building shadow detection based on multi-thresholding segmentation
CN115984211A (zh) 视觉定位方法、机器人及存储介质
CN115223173A (zh) 对象识别方法、装置、电子设备及存储介质
JP5657503B2 (ja) 読取装置、方法及びプログラム

Legal Events

Date Code Title Description
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20190402

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20200227

Year of fee payment: 5