对象辨识与定位方法技术

本案关于一种对象辨识与定位方法，包括：执行脱机模式，取得对象的标准影像的多个取样边缘点及其梯度方向角度与重心；依据多个取样边缘点及设定的侦测距离范围与设定的侦测梯度方向角度差异范围计算多个相似分数窗体；执行在线模式，取得实时影像的多个边缘点及其梯度方向角度；以及对应实时影像的多个边缘点计算多个预测重心位置，依照多个相似分数窗体的多个相似分数，加总多个预测重心位置相对应的相似分数，且以分数高在用户设定阀值的区域最大值的预测重心位置判别为相对在标准影像的该重心位置，从而辨识与定位对象。该方案有效解决了现有技术在对对象辨识与定位时的准确性和效率性差的技术问题。

【技术实现步骤摘要】

本案是关于一种，尤指一种可提升辨识准确率且降低计算复 杂度的。
技术介绍
对象辨识与定位在机器视觉（MachineVision)上扮演非常重要的角色。产在线 待测的料件在进行量测、检测的工作之前，一般都需要先通过定位W补偿料件摆放的位置 的误差。此外如机器人在产线对料件的夹取、组装，都需要对料件进行辨识与定位。 早期对象辨识与定位是通过连通组件分析（ConnectedComponentAnalysis)，影 像经由二值化后分出前景物件群，再通过分析主轴长度、面积、周长等特征来辨识对象。如 果对象本身有破损或是被遮蔽的情形，连通组件分析的辨识率会大幅降低，W及如果环境 光源变化很大，二值化后也难W将对象清楚的分割出来。 绝对误差和方法（SumofAbsoluteDifference,SAD)也广泛的用于对象的定 位，虽然此方法不需要通过二值化，且实作上可W通过Salari，W.LiandE.等人所提出 的H角不等式的概念大量减少计算量，但是此方法无法克服线性的光源变化。而Luigi DiStefano,StefanoMattocciaandMartinoMola等人所提出的正规化相关匹配法 (Normalized化OSSCorrelation，NCC)可W克服线性的光源变化，是目前最广泛运用的定 位方法之一，但是遇到对象被遮蔽、非线性光源变化的情况下，其相似分数会大幅下降，进 而造成定位不稳定的现象。 前述的习用方法都是利用像素值作为定位使用的特征，而化H. Ballard所提出的 广义霍夫转换法（Generalizing化U曲化ansfornuGHT)是从灰阶影像中提取边缘巧dge) 作为特征，此方法可W克服非线性光源变化，对象被遮蔽的情形，不过此方法在影像背景复 杂，不属于对象的边缘很多的情况下，投票时会有大量的错误肯定（False Positive),造成 检测结果不稳定。Thayananthan, A. , Stenger, B. , Torr, P. H. S. and Cipolla, R.等人所提出 的距离转换法烟lamfer化ansform)也是利用边缘作为特征进行定位，此方法可W实做的 较快，但是此方法对于对象被遮蔽，产生许多非对象的边缘时，其定位效果便非常不稳定。 因此，如何发展一种可改进上述公知技术缺陷的，实为相关
目前所迫切需要解决的问题。
技术实现思路
本案的目的为提供一种，其可在二维实时影像中辨识与定位 出用户所定义的对象，W及在对象被部分遮蔽的情况下，在有复杂背景的情况下和/或在 非线性的光源变化下，皆可辨识与定位对象。 本案的另目的在于提供一种，其可提升辨识准确率及降低计 算复杂度。 为达上述目的，本案的优先实施例为提供一种，包含步骤；执 行脱机模式，对对象的标准影像进行分析w获得该标准影像的多个取样边缘点w及该多个 取样边缘点的各梯度方向角度与重必；依据所述多个取样边缘点W及设定的侦测距离范围 与设定的侦测梯度方向角度差异范围计算多个相似分数窗体；执行在线模式，对实时影像 进行分析W获得该实时影像的多个边缘点W及所述多个边缘点的各梯度方向角度；W及对 应该实时影像的所述多个边缘点计算多个预测重必位置，依照所述多个相似分数窗体的多 个相似分数，加总所述多个预测重必位置相对应的相似分数，且W分数高于用户设定阀值 的区域最大值的所述预测重必位置判别为相对在所述标准影像的所述重必位置，从而辨识 与定位所述对象。 如上所述的，其中所述步骤（a)进一步的包括步骤： (al)输入所述标准影像的灰阶影像，同时利用特定边缘点揃取算法取得所述标准 影像的多个边缘点； (a2)取得所述多个边缘点的各梯度方向角度；W及 (a3)对所述多个边缘点均匀取样，W取得所述多个取样边缘点，其中所述多个取 样边缘点是少在或等在所述多个边缘点；W及 (曰4)根据所述多个取样边缘点计算出所述重必，且取得所述标准影像的取样边缘 点集合。 如上所述的，其中所述步骤化）进一步的包括步骤： 化1)依据所述多个取样边缘点W及所述设定的侦测梯度方向角度差异范围计算 出多个空白相似分数窗体；W及 化2)依据所述多个取样边缘点W及所述设定的侦测距离范围W及所述设定的侦 测梯度方向角度差异范围计算出所述多个相似分数，同时将其填入所述多个空白相似分数 窗体，W取得所述多个相似分数窗体。 如上所述的，其中所述设定的侦测距离范围W及所述设定的 侦测梯度方向角度差异范围为可调整设定的参数值。 如上所述的，其中所述步骤（C)进一步的包括步骤： (cl)输入所述实时影像的灰阶影像，并利用特定边缘点揃取算法取得所述实时影 像的所述多个边缘点；W及 (c2)依据所述实时影像的所述多个边缘点，计算取得所述实时影像的所述多个边 缘点的各梯度方向角度。 如上所述的，其中所述步骤（d)进一步的包括步骤（dl)根据 所述设定的侦测梯度方向角度差异范围对所述实时影像的所述多个边缘点进行筛选，W取 得所述实时影像的多个筛选边缘点。 如上所述的，其中在所述步骤（dl)中，若所述实时影像的所 述多个边缘点与所述标准影像的所述多个取样边缘点的梯度方向角度差小于或等于所述 设定的侦测梯度方向角度差异范围，则将所述实时影像的所述多个边缘点视为所述实时影 像的所述多个筛选边缘点。 如上所述的，其中所述步骤（dl)的后进一步的包括步骤 (d2)将所述实时影像的所述多个筛选边缘点分别与所述标准影像的所述多个取样边缘点 进行比对，W计算出所述多个预测重必位置。如上所述的，其中在步骤（d2)的后还包括步骤（d3)依据所 述实时影像的所述多个筛选边缘点与所述标准影像的所述多个取样边缘点的梯度方向角 度差选出所述多个预测重必位置相对应的相似分数窗体。 如上所述的，其中在所述步骤（d3)的后还包括步骤（d4)利 用所述相对应的相似分数窗体计算出所述多个预测重必位置的相似分数值。 如上所述的，其中在所述步骤（d4)中，计算所述多个预测重 必位置的相似分数值时，若所述预测重必位置同时有多个相似分数窗体的相似分数，则W 产生所述预测重必位置时作为基准的所述取样边缘点是否相同来决定计算方式。 如上所述的，其中在所述步骤（d4)中，若产生所述预测重必 位置时作为基准的所述取样边缘点相同，则W择优取代的方式，判断所述预测重必位置的 相似分数为所述多个相似分数窗体中相对应的相似分数最高。 如上所述的，其中在所述步骤（d4)中，若产生所述预测重必 位置时作为基准的所述取样边缘点相异，则W累加的方式，将所述多个相似分数窗体相对 应在所述预测重必位置的相似分数累加，而所述预测重必位置的相似分数即为累加后的相 似分数。 如上所述的，其中所述使用设定阀值是呈可调整设定的分数 口坎，而判别为相对在所述标准影像的所述重必位置的预测重必位置是W分数高于用户设 定阀值的区域最大值为判别依据。 本专利技术提供的，通过（a)执行脱机模式，对对象的标准影像 进行分析W取得所述标准影像的多个取样边缘点W及所述多个取样边缘点的各梯度方向 角度与重必；化）依据所述多个取样边缘点W及设定的侦测距离范围与设定的侦测当前第1页1 2 3 4 本文档来自技高网...

【技术保护点】
一种对象辨识与定位方法，其特征在在，包括:(a)执行脱机模式，对对象的标准影像进行分析以取得所述标准影像的多个取样边缘点以及所述多个取样边缘点的各梯度方向角度与重心；(b)依据所述多个取样边缘点以及设定的侦测距离范围与设定的侦测梯度方向角度差异范围计算多个相似分数窗体；(c)执行在线模式，对实时影像进行分析以取得所述实时影像的多个边缘点以及所述多个边缘点的各梯度方向角度；以及(d)对所述实时影像的所述多个边缘点计算多个预测重心位置，依照所述多个相似分数窗体的多个相似分数，加总所述多个预测重心位置相对应的相似分数，且以分数高于用户设定阀值的所述预测重心位置判别为相对在所述标准影像的所述重心位置，从而辨识与定位所述对象。

【技术特征摘要】

【专利技术属性】
技术研发人员：杨远祥，
申请(专利权)人：台达电子工业股份有限公司，
类型：发明
国别省市：中国台湾;71