一種穩(wěn)定的直線/圓特征檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像識(shí)別技術(shù)領(lǐng)域,尤其涉及一種直線/圓特征檢測(cè)方法。
【背景技術(shù)】
[0002] 直線/圓是圖像中的重要特征,直線/圓檢測(cè)是計(jì)算機(jī)視覺和機(jī)器視覺識(shí)別中的最 為重要的工具之一,在機(jī)器視覺中有著重要的應(yīng)用,例如尺寸測(cè)量、參考坐標(biāo)系建立、網(wǎng)格 特征識(shí)別、單據(jù)表格識(shí)別、刻度線檢測(cè)、Mark點(diǎn)識(shí)別半徑、直徑測(cè)量等直線/圓類特征的檢 測(cè) 。
[0003] 在圖像處理中,通常使用的方法集中在Hough變換和Radon變換,各種不同的算法 重點(diǎn)在于解決檢測(cè)的精度和速度問題(參見非專利文獻(xiàn)l:Jiqiang Song,Michael R Lyu.A Hough Transform based Line Recognition Method Utilizing both Parameters Space and Image Space,Pattern Recognition,38(4) :539-552,2005.王立等,Radon變換在低信 噪比圖像中的線段檢測(cè),紅外與激光工程,2003,32(2): 163-166)。非專利文獻(xiàn)2(史冊(cè)等,實(shí) 時(shí)圖像處理中一種快速的直線檢測(cè)算法,浙江大學(xué)學(xué)報(bào),1999,33(5) :482-486)提出了一種 基于斑點(diǎn)的快速直線檢測(cè)算法。非專利文獻(xiàn)3(孫涵等,一種提出了一種基于鏈碼的直線檢 測(cè)算法快速實(shí)用的直線檢測(cè)算法,計(jì)算機(jī)應(yīng)用研究,2006,2: 256-260)。專利文獻(xiàn)1 (中國專 利公開號(hào)CN101645172A)公開了一種基于Hough變換的直線檢測(cè)算法;專利文獻(xiàn)2(中國專利[0004] 在工業(yè)應(yīng)用中,由于產(chǎn)品的形態(tài)多樣,工廠環(huán)境復(fù)雜多變,或者由于產(chǎn)品表面的變 化及反光等,使得產(chǎn)品圖像質(zhì)量變差,圖像中含有大量的噪聲、陰影等不穩(wěn)定因素,采用已 有的基于Hough變換、Radon變換或鏈碼的方法,都不能穩(wěn)定地檢測(cè)出直線/圓特征,同時(shí)這 類算法耗時(shí)較長,不能在工業(yè)機(jī)器視覺中進(jìn)行實(shí)時(shí)檢測(cè)。在實(shí)際機(jī)器視覺系統(tǒng)中通過依靠 圖像中的顯著特征進(jìn)行定位,然后利用直線/圓檢測(cè)區(qū)域和顯著特征區(qū)域的幾何位置關(guān)系 對(duì)后續(xù)的圖像進(jìn)行直線/圓檢測(cè)區(qū)域的定位,在直線/圓檢測(cè)區(qū)域中利用R0I區(qū)域進(jìn)行直線/ 圓特征的檢測(cè),得到亞像素的邊緣點(diǎn)后再利用最小二乘等方法擬合出直線/圓,但在強(qiáng)噪聲 圖像中,經(jīng)常會(huì)誤檢測(cè)到錯(cuò)誤的邊緣點(diǎn),進(jìn)行特征擬合時(shí)會(huì)對(duì)結(jié)果產(chǎn)生影響,造成檢測(cè)誤 差。有的算法采用枚舉的方式排出異常點(diǎn)(不在直線/圓上的點(diǎn)),但這種算法效率不高。
【發(fā)明內(nèi)容】
[0005] 本發(fā)明的目的在于提供一種在強(qiáng)噪聲圖像中穩(wěn)定的直線/圓檢測(cè)方法,為工業(yè)惡 例環(huán)境中機(jī)器視覺測(cè)量功能提供了重要的工具。
[0006] 為達(dá)上述目的,本發(fā)明通過以下技術(shù)方案實(shí)現(xiàn):
[0007] 一種直線/圓特征檢測(cè)方法,包括以下步驟:步驟①:基準(zhǔn)點(diǎn)及初始檢測(cè)區(qū)域設(shè)置; 步驟②:通過模板匹配對(duì)檢測(cè)區(qū)域基準(zhǔn)點(diǎn)重新定位;步驟③:參照基準(zhǔn)點(diǎn)利用位置補(bǔ)正調(diào)整 初始設(shè)置檢測(cè)區(qū)域;步驟④:區(qū)域范圍內(nèi)待擬合特征檢測(cè);其中,步驟④分為:
[0008] ⑤一維數(shù)據(jù)采樣:選擇二維圖像中的一個(gè)區(qū)域并提取區(qū)域范圍內(nèi)的數(shù)據(jù),在每個(gè) 位置根據(jù)數(shù)據(jù)來源的特性,決定各位置濾波與否或是濾波的程度,通過分析數(shù)據(jù)變化的快 慢判斷某位置是否為邊緣點(diǎn),具體算法為:(1)提取測(cè)量線方向數(shù)據(jù);(2)投影線范圍內(nèi)測(cè)量 線局部噪聲尺度計(jì)算;(3)測(cè)量線上局部尺度的濾波操作;
[0009] ⑥一維邊界點(diǎn)檢測(cè):邊界點(diǎn)的定義是灰度變化強(qiáng)烈的位置,邊緣濾波算法采用一 階濾波或二階濾波算法,其中,一階濾波算法的判斷標(biāo)準(zhǔn)是選擇梯度幅值極大值的位置,二 階濾波算法是選擇導(dǎo)數(shù)過零點(diǎn)位置;
[0010] ⑦擬合數(shù)據(jù)點(diǎn)提取:通過擬合內(nèi)點(diǎn)及噪聲點(diǎn)分割與篩選剔除檢測(cè)到點(diǎn)中的噪聲 點(diǎn),保留直線/圓上的內(nèi)點(diǎn);
[0011] ⑧直線/圓擬合:利用最小二乘算法解決擬合參數(shù)的問題。
[0012] 作為本發(fā)明的進(jìn)一步改進(jìn),所述檢測(cè)區(qū)域提供特征檢測(cè)時(shí)的部分參數(shù),包括:測(cè)量 線方向、起始位置、長度、檢測(cè)方向、檢測(cè)段高度;同時(shí)在該區(qū)域還為當(dāng)前圖像Cim g的檢測(cè)區(qū) 域提供了基準(zhǔn)位置。
[0013] 作為本發(fā)明的進(jìn)一步改進(jìn),直線擬合采用最小二乘擬合算法,圓擬合采用非線性 的最小二乘擬合算法或牛頓迭代算法。
【附圖說明】
[0014] 圖1是本發(fā)明的方法流程圖;
[0015] 圖2(a)是直線檢測(cè)區(qū)域設(shè)置示意圖;
[0016]圖2(b)是圓檢測(cè)區(qū)域設(shè)置不意圖;
[0017] 圖3是圖像中顯著特征定位示意圖;
[0018] 圖4是模板匹配定位及位置補(bǔ)正得到新的特征檢測(cè)區(qū)域示意圖;
[0019] 圖5是一維邊緣模型示意圖;
[0020] 圖6是直線特征檢測(cè)時(shí)一維數(shù)據(jù)采樣示意圖;
[0021] 圖7是測(cè)量線投影數(shù)據(jù)曲線示意圖;
[0022] 圖8是一維測(cè)量線的數(shù)據(jù)不同處理方式結(jié)果示意圖;
[0023] 圖9是傳統(tǒng)的直線檢測(cè)方法與本發(fā)明的直線檢測(cè)方法的檢測(cè)結(jié)果對(duì)比示意圖,其 中,圖9(a)和圖9(c)是傳統(tǒng)的直線檢測(cè)方法的檢測(cè)點(diǎn)和直線擬合的結(jié)果示意圖,圖9(b)和 圖9(d)是本發(fā)明的直線檢測(cè)方法的檢測(cè)點(diǎn)和直線擬合的結(jié)果示意圖。 具體實(shí)施方案
[0024] 下面通過【具體實(shí)施方式】結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步詳細(xì)說明。
[0025] 如附圖1所示,本發(fā)明的一種穩(wěn)定的直線/圓特征檢測(cè)方法,包括以下步驟:步驟 ①:基準(zhǔn)點(diǎn)及初始檢測(cè)區(qū)域設(shè)置;步驟②:檢測(cè)區(qū)域基準(zhǔn)點(diǎn)重新定位;步驟③:參照基準(zhǔn)點(diǎn)調(diào) 整初始設(shè)置檢測(cè)區(qū)域;步驟④:區(qū)域范圍內(nèi)待擬合特征檢測(cè);其中,步驟④分為:⑤一維數(shù)據(jù) 采樣、⑥一維邊界點(diǎn)檢測(cè)、⑦擬合數(shù)據(jù)點(diǎn)提取、⑧直線/圓擬合。
[0026] 在直線/圓檢測(cè)流程中步驟①中,首先在初始圖像(參考圖像)中設(shè)置特征檢測(cè)區(qū) 域,如附圖2(a)和附圖2(b)所示,檢測(cè)區(qū)域提供特征檢測(cè)時(shí)的部分參數(shù),包括:測(cè)量線方向、 起始位置、長度、檢測(cè)方向、檢測(cè)段高度。同時(shí)在該區(qū)域還為當(dāng)前圖像C img的檢測(cè)區(qū)域提供了 基準(zhǔn)位置,根據(jù)步驟②和步驟③中的變換關(guān)系算出基準(zhǔn)位置在圖像Cimg中的新位置。
[0027]在步驟②中利用模板匹配方法得到圖像中顯著特征的位置FP,檢測(cè)區(qū)域的基準(zhǔn)點(diǎn) P設(shè)置在參考圖像上,F(xiàn)jPP點(diǎn)可以建立變換關(guān)系(R,t),如附圖3所示。當(dāng)圖像改變時(shí)(當(dāng)前 圖像),基準(zhǔn)點(diǎn)的位置會(huì)發(fā)生改變,產(chǎn)生新的基準(zhǔn)點(diǎn)K的計(jì)算方法在步驟③中得到。
[0028] 對(duì)于后續(xù)輸入的圖像(當(dāng)前圖像)利用步驟③中位置補(bǔ)正關(guān)系將檢測(cè)區(qū)域重新設(shè) 定?;鶞?zhǔn)點(diǎn)位置的改變伴隨著產(chǎn)生坐標(biāo)變換矩陣的改變,通過參考圖像和當(dāng)前圖像的矩陣 變換調(diào)整檢測(cè)區(qū)域,得到檢測(cè)區(qū)域在當(dāng)前圖像的位置及方向。如附圖4所示,圖中檢測(cè)區(qū)域 的位置和姿態(tài)都發(fā)生了變化,首先利用模板匹配定位方法找到圖像中的顯著特征及位置 FP,再利用參考圖像中的變化關(guān)系(R,t)計(jì)算出新的檢測(cè)區(qū)域的基準(zhǔn)位置P\
[0029] 一維測(cè)量數(shù)據(jù)采樣及處理
[0030] 假設(shè)數(shù)字圖像的組成公式為1(^7)=6(^7)4(^7),圖像范圍內(nèi)各點(diǎn)都是由原 始模擬圖像G(x,y)及噪聲圖像N(x,y)疊加得到。相機(jī)