基于特征描述子的几何哈希法实现目标鲁棒识别的方法技术

技术编号:17667787 阅读:28 留言:0更新日期:2018-04-11 06:09
本发明专利技术是基于特征描述子的几何哈希法实现目标鲁棒识别的方法。离线建模阶段,对模板图像进行边缘检测并膨胀,通过SIFT提取特征点并添加描述子,选取符合距离阈值的基点对构建坐标系,量化剩余特征点,然后索引到哈希表中。在线识别阶段,使用欧氏距离来确定实测图像的描述子和模板图像的描述子之间的关系,利用最近邻搜索确定特征点子集,在特征子集中选取符合距离阈值的基点对构建坐标系,量化特征点,使用量化后的坐标查询几何哈希表中的基点对并投票,实现目标的识别。本发明专利技术可以实现存在遮挡、杂乱情况下几何目标的鲁棒识别。

Robust recognition method of target based on geometric hash method based on feature descriptor

The invention is based on the geometric hash method of the feature descriptor to realize the robust recognition of the target. In the off-line modeling stage, we detect and expand the template image edge, extract feature points and add descriptors through SIFT, select the base points that match the distance threshold to build the coordinate system, quantify the remaining feature points, and index them into the hash table. Online recognition stage, use the Euclidean distance to determine the relationship between the measured image descriptors and template image descriptors, using nearest neighbor search to determine the feature subset, in the basis of feature subset selection with distance threshold for the construction of coordinate system, the quantitative characteristics, the coordinates of the quantized geometric queries in a hash table on the basis of and to vote, to achieve the target recognition. The invention can achieve robust recognition of geometric objects in the case of occlusion and chaos.

【技术实现步骤摘要】
基于特征描述子的几何哈希法实现目标鲁棒识别的方法
本专利技术主要应用于机器视觉中工业装备零配件的定位识别领域,具体是指对图像进行边缘检测,提取特征点,将量化的特征点坐标索引到哈希表中,通过几何哈希法实现待测图像和模板库图像的鲁棒识别方法。
技术介绍
随着对机器视觉技术研究的不断深入,机器视觉技术逐渐取代人力,成为现代工业生产的重要方式。机器视觉的目的就是让机器人能够像人类一样工作,从而去替代人类的一些劳动任务,并且具备高效率、高精度、高稳定性等优点。因此机器视觉被广泛应用到汽车零件的识别、电子元器件的检测、物流产品的分拣等领域。HaimJ.Wolfson提出了一种几何哈希法用于图像识别,几何哈希法的最大优点是算法的并行性,算法分为离线建模过程和在线识别过程,使用数据结构中的哈希表作为索引、查找工具,建立模型几何特征的索引库,通过待测图像特征量化坐标的查找哈希表中相应坐标,实现目标的识别。经典的几何哈希法针对存在遮挡、目标杂乱的目标识别性能比较差。本专利技术在经典几何哈希法的基础上,为了提升视觉识别系统对目标存在遮挡、杂乱情况下的识别性能,提出了基于特征描述子的几何哈希法实现目标鲁棒识别的方法。
技术实现思路
本专利技术的目的实现对存在遮挡、杂乱情况下的目标进行识别,设计了一种使用特征点描述子向量作为辅助信息的鲁棒性识别方法。在工业领域中,汽车、电子、设备等生产过程中包含大量的形状规则的零部件。本专利技术能够对产线上存在遮挡和目标杂乱的形状规则零配件进行识别。本专利技术采用改进的Canny进行边缘检测,使用SIFT提取特征点并添加描述子向量,整体基于几何哈希法进行目标的鲁棒识别,具体的实现步骤如下:离线建模过程:(1)将需要识别的目标模板放置在单一背景的平台上,使用工业CCD相机采集模板图像,在模板图像中选择目标的所在的区域作为待处理的图像。(2)采用改进的Canny算子检测目标的边缘,然后使用3*3的正方形结构对目标边缘进行膨胀操作。通过SIFT提取特征点及添加描述子向量,并存储描述子向量。(3)选择点之间距离在阈值范围之内的基点对(Pi,Pj)建参考坐标系,通过该坐标系对剩余的特征点进行量化,得到特征点的在该坐标系下的坐标。(根据经验值,基点对之间的距离阈值取(Tmin,Tmax)=(30,80)像素,此距离阈值的选取与相机图像的像素大小有关)。(4)建立几何哈希表,重复步骤(3),直到将所有符合阈值条件的基点对均建立坐标系,用量化的特征点坐标索引(Mi,(Pi,Pj))到哈希表中,其中Mi指模型,(Pi,Pj)指基点对。在线识别阶段:(1)通过CCD相机获取现场中待识别目标的图像,对待测目标图像处理同离线建模阶段步骤(1)到(2)。(2)使用欧氏距离来匹配测量待识别目标图像的特征点描述子向量和模板图像的特征点描述子向量之间的对应关系,采用Kd树实现最近邻搜索,确定匹配置信度前20的特征点作为特征子集。(3)选择特征子集中符合距离阈值的基点对构建参考坐标系,使用该坐标系量化特征点,使用这些坐标值查询几何哈希表中的基点对,并计算基点对的得票数。(4)基点对的票数高于设定阈值,选择得票数最高的基点对符作为匹配点,使用欧氏距离验证实测图和模板图的相对关系,匹配成功,则识别目标,匹配不成功,重复步骤(3);如果不存在高于设定阈值的基点对,则重复步骤(3),直到所有符合条件的基点对评估完毕。本专利技术的优点:本专利技术采用几何哈希法作为识别的方法,满足了工业实时性的要求;采用改进的Canny算子进行边缘检测,很好的消除了图像中噪声的影响;本专利技术中引入了SIFT特征点及描述子向量,实现了对目标存在遮挡和目标杂乱情况下的鲁棒识别。附图说明图1是本专利技术的整体示意图。图2是本专利技术具体识别过程示意图。具体实施方式下面对本专利技术的具体实施步骤及每个步骤中具体细节、技术方案、方法优点做进一步的说明。图1是本专利技术的识别方法的整体示意图。识别方法分为并行的两部分,包括:离线建模过程、在线识别过程。具体步骤如下:离线建模过程步骤一(1.1)识别的目标模板放置在单一背景的平台上,使用背光照射,通过工业CCD相机采集模板图像,在模板图像中选择目标的所在的区域作为待处理的图像。步骤二(2.1)使用改进的Canny算子对模板图像进行边缘检测,得到边缘检测的图像。(2.2)通过3*3的正方形结构对边缘进行膨胀操作,3*3正方形结构如下:(2.3)通过SIFT提取特征点(p0,p1,…,pn)及添加描述子向量,存储描述子向量。步骤三(3.1)选择符合距离阈值的特征点,其中任意两点坐标为Pi(xi,yi),Pj(xj,yj),ij=0,1,...,n:Tmin≤D≤Tmax取Tmin=30像素,Tmax=80像素。(3.2)使用满足阈值的任意两点构建正交坐标系,量化剩余特征点坐标。Po=(Pi+Pj)/2其中Po是基点对的中点,Po=(Pxo,Pyo)。P'x=Px*cosθ+Py*sinθ-Pxo其中P'x是量化后的x坐标值,Px,Py是任意特征点的x,y坐标值。P'y=-Px*sinθ+Py*cosθ-Pyo其中P'y是量化后的y坐标值,Px,Py是任意征点的x,y坐标值。步骤四(4.1)建立几何哈希表,用量化的特征点坐标索引(Mi,(Pi,Pj))到哈希表中,其中Mi指模型,(Pi,Pj)指基点对。重复步骤三,直到所有符合阈值条件的基点对均构建坐标系。在线识别阶段步骤一(1.1)采用背光照射,使用工业CCD相机采集待识别目标图像。(1.2)使用改进的Canny算子对模板图像进行边缘检测,得到边缘检测的图像。(1.3)通过3*3的正方形结构对边缘进行膨胀操作,3*3正方形结构如下:(1.4)通过SIFT提取特征点(p0,p1,…,pm)及添加描述子向量,存储描述子向量。步骤二(2.1)使用欧氏距离来匹配测量待识别目标图像的特征点描述子向量和模板图像的特征点描述子向量之间的对应关系:其中D12表示描述子向量之间的欧氏距离,a,b分别表示模板、待测目标的描述子向量。采用Kd树实现最近邻搜索,确定匹配置信度前20的特征点(P0,P1,…,P19)作为特征子集。步骤三(3.1)在特征子集中选择符合距离阈值的特征点,其中任意两点坐标为Pi(xi,yi),Pj(xi,yj),ij=0,1,...,19:Tmin≤D≤Tmax取Tmin=30像素,Tmax=80像素。(3.2)使用满足阈值的任意两点作为基底构建正交坐标系,量化剩余特征点坐标。Po=(Pi+Pj)/2其中Po是基点对的中点,Po=(Pxo,Pyo)。P'x=Px*cosθ+Py*sinθ-Pxo其中P'x是量化后的x坐标值,Px,Py是任意特征点的x,y坐标值。P'y=-Px*sinθ+Py*cosθ-Pyo其中P'y是量化后的y坐标值,Px,Py是任意特征点的x,y坐标值。(3.3)使用量化的坐标值查询几何哈希表中的基点对,并计算基点对的投票数。每有一个坐标值查询到基点对,基点对的相应得票数加1。步骤四(4.1)基点对的票数高于设定阈值,选择得票数最高的基点对符作为匹配点,使用欧氏距离验证实测图和模板图的相对关系,匹配成功,则识别目标,匹配不成功,重复步骤三。(4.2)如果不存在高于设定投票阈值的基点对,本文档来自技高网...
基于特征描述子的几何哈希法实现目标鲁棒识别的方法

【技术保护点】
本专利技术是基于特征描述子的几何哈希法实现目标鲁棒识别的方法,实现工业现场存在遮挡和目标杂乱情况下的目标鲁棒识别,本专利技术方法包含离线建模阶段和在线识别阶段,具体实施步骤如下:离线建模阶段:(1)将需要识别的目标模板放置在单一背景的平台上,使用背光照射,通过工业CCD相机采集模板图像,在模板图像中选择目标的所在的区域作为待处理的图像。(2)采用改进的Canny算子检测图像中目标的边缘,对检测的边缘进行膨胀操作。通过SIFT提取特征点及特征描述子向量,并存储描述子向量。(3)选择点之间距离在阈值范围之内的基点对(Pi,Pj)构建参考坐标系,通过该坐标系对剩余的特征点进行量化,得到特征点在该坐标系下的坐标。(根据经验值,基点对之间的距离阈值取(Tmin,Tmax)=(30,80)像素,此距离阈值的选取与相机图像的像素大小有关)。(4)建立几何哈希表,重复步骤(3),直到将所有符合阈值条件的基点对一一建立坐标系,用量化的特征点坐标索引(Mi,(Pi,Pj))到哈希表中,其中Mi指模型,(Pi,Pj)指基点对。在线识别阶段:(1)使用相机获取现场中待识别目标的图像,对待测目标图像处理同离线建模阶段步骤(1)到(2)。(2)使用欧氏距离来匹配测量待识别目标图像的特征点描述子向量和模板图像的特征点描述子向量之间的对应关系,采用Kd树实现最近邻搜索,确定匹配置信度前20的特征点作为特征子集。(3)选择20个特征点中符合距离阈值范围的基点对构建参考坐标系,使用该坐标系量化剩余特征点的坐标,使用这些坐标查询几何哈希表中的基点对,并对基点对进行投票,计算基点对的得票数。(4)基点对的得票数高于设定阈值,选择得票数最高的基点对作为匹配点,使用欧氏距离验证实测图像和模板图像的相对关系,匹配成功,则视为识别目标,匹配不成功,重复步骤(3);如果不存在高于设定阈值的基点对,则重复步骤(3),直到所有符合条件的基点对评估完毕。...

【技术特征摘要】
1.本发明是基于特征描述子的几何哈希法实现目标鲁棒识别的方法,实现工业现场存在遮挡和目标杂乱情况下的目标鲁棒识别,本发明方法包含离线建模阶段和在线识别阶段,具体实施步骤如下:离线建模阶段:(1)将需要识别的目标模板放置在单一背景的平台上,使用背光照射,通过工业CCD相机采集模板图像,在模板图像中选择目标的所在的区域作为待处理的图像。(2)采用改进的Canny算子检测图像中目标的边缘,对检测的边缘进行膨胀操作。通过SIFT提取特征点及特征描述子向量,并存储描述子向量。(3)选择点之间距离在阈值范围之内的基点对(Pi,Pj)构建参考坐标系,通过该坐标系对剩余的特征点进行量化,得到特征点在该坐标系下的坐标。(根据经验值,基点对之间的距离阈值取(Tmin,Tmax)=(30,80)像素,此距离阈值的选取与相机图像的像素大小有关)。(4)建立几何哈希表,重复步骤(3),直到将所有符合阈值条件的基点对一一建立坐标系,用量化的特征点坐标索引(Mi,(Pi,Pj))到哈希表中,其中Mi指模型,(Pi,Pj)指基点对。在线识别阶段:(1)使用相机获取现场中待识别目标的图像,对待测目标图像处理同离线建模阶段步骤(1)到(2)。(2)使用欧氏距离来匹配测量待识别目标图像的特征点描述子向量和模板图像的特征点描述子向量之间的对应关系,采用Kd树实现最近邻搜索,确定匹配置信度前20的特征点作为特征子集。(3)选择20个特征点中符合距离阈值范围的基点对构建参考坐标系,使用该坐标系量化剩余特征点的坐标,使用这些坐标查询几何哈希表中的基点对,并对基点对进行投票,计算基点对的得票数。(4)基点对的得票数高于设定阈值,选择得票数最高的基点对作为匹配点,使用欧氏距离验证实测图像和模板图像的相对关系,匹配成功,则视为识别目标,匹配不成功,重复步骤(3);如果不存在高于设定阈值的基点对,则重复步骤(3),直到所有符合条件的基点对评估完毕。2.根据权利要求1所述基于特征描述子的几何哈希法实现目标鲁棒识别的方法,其特征是:所述离线建模阶段第(2)步,包括:改进的Canny算子检测目标的边缘:本发明使用改进的Canny算子进行边缘检测,改进的Canny算子采用双边滤波...

【专利技术属性】
技术研发人员:刘克平殷春华李西卫
申请(专利权)人:长春工业大学
类型:发明
国别省市:吉林,22

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1