一种复杂场景下个体X角点提取方法技术

本发明专利技术公开了一种基于响应值方法和支持向量机(Support Vector Machine，简称SVM)分类器的X角点提取算法，X角点是两个暗块和两个亮块交替排列形成图案的公共点，如图1所示。本发明专利技术的算法步骤主要包括：一、制作X角点标准板；二、采集训练图像，并将图片灰度化；三、对图片进行高斯滤波；四、计算各个像素的响应值，并进行阈值过滤；五、使用U‑SURF特征提取方法提取特征；六、人工添加标记；七、训练SVM分类器；八、加载图片进行检测；九、亚像素定位。由于采用机器学习的方法，本发明专利技术具有良好的移植性。此外，本发明专利技术具有良好的识别能力、实时性和定位精度，基本可以满足机器视觉在快速识别和定位上的需求。

A method of individual X corner extraction in complex scenes

The invention discloses a method based on the response value and support vector machine (Support Vector Machine, referred to as SVM) classifier X corner extraction algorithm, X corner is two blocks and two bright dark blocks arranged alternately forming the pattern of public, as shown in figure 1. The algorithm steps of the invention include: first, making X corner standard plate; two, collection of training images, and the image gray scale; three, Gauss filtering of the picture; four, the response calculation of each pixel value, and threshold filtering; five, the use of U SURF feature extraction feature extraction method; six, adding the artificial marker; seven, training SVM classifier; eight, loading pictures were detected; nine, sub-pixel positioning. Due to the machine learning method, the invention has good portability. In addition, the invention has good identification ability, real-time and positioning accuracy, and basically meets the requirement of machine vision in rapid identification and positioning.

【技术实现步骤摘要】
一种复杂场景下个体X角点提取方法
本专利技术涉及机器视觉领域，尤其涉及一种复杂场景下个体X角点提取方法。
技术介绍
在机器视觉中，对目标物体快速精准的定位，一直是学界和工程界研究的重点问题，解决了识别与定位问题，就完成了“机器人眼睛”的一个重要工作。在目标检测方面，从识别目标上来区分，包括有Marker的方式和无Marker的途径。Marker是指固定在目标物体上，可以被系统自身算法识别的二维或三维标记点，例如二维码、条形码以及本专利技术所要识别的X角点。无Marker识别指的是识别目标物体本身，通过提取目标物体的轮廓及纹理特征，然后对特征加以分类，最后对目标的种类做出判断。从识别的途径上来分，有基于形态学方法和基于深度学习的方式，这两种方式的区别在于，形态学方法是采用人工的方式对特征进行提取，而深度学习相当于一个黑箱，通过众多不同功能的神经元和深层次的卷积神经网络对图片进行特征提取。本专利技术中，采用相对环境辨识度高、抗干扰能力强的X角点为Marker，X角点是两个暗块和两个亮块图案交替排列形成图案的公共点。目前学术界对于X角点检测的工作几乎全部集中于棋盘格特征点的检测，比如张正友本文档来自技高网...

【技术保护点】
一种复杂场景下个体X角点提取方法，特征在于：该方法步骤如下：步骤一：制作X角点标准板，用于采集训练样本。步骤二：采集训练SVM使用的图像，并将图片灰度化。步骤三：对采集的图片进行高斯滤波。步骤四：计算各个图像中各个像素的响应值，并进行响应值过滤。步骤五：特征提取。使用U‑SURF特征提取方法对候选点的特征进行提取。步骤六：人工添加标记。人工选点生成一组带有类比信息的标签向量。步骤七：将提取的特征和标签向量送入SVM分类器中进行训练。步骤八：加载图片进行检测。对图片进行灰度化之后，使用步骤三、步骤四、步骤五、步骤六完成特征矩阵的生成，将其送入SVM分类器中进行预测，得到分类各个候选点的分类结果，...

【技术特征摘要】
1.一种复杂场景下个体X角点提取方法，特征在于：该方法步骤如下：步骤一：制作X角点标准板，用于采集训练样本。步骤二：采集训练SVM使用的图像，并将图片灰度化。步骤三：对采集的图片进行高斯滤波。步骤四：计算各个图像中各个像素的响应值，并进行响应值过滤。步骤五：特征提取。使用U-SURF特征提取方法对候选点的特征进行提取。步骤六：人工添加标记。人工选点生成一组带有类比信息的标签向量。步骤七：将提取的特征和标签向量送入SVM分类器中进行训练。步骤八：加载图片进行检测。对图片进行灰度化之后，使用步骤三、步骤四、步骤五、步骤六完成特征矩阵的生成，将其送入SVM分类器中进行预测，得到分类各个候选点的分类结果，输出预测为X角点的候选点坐标。步骤九：对提取的候选点进行亚像素定位。2.根据权利要求1所述的一种复杂场景下个体X角点提取方法，特征在于：步骤四中采用专门为X角点设计的响应值计算方法：在以当前像素点为中心，半径为5个像素的圆上，均匀取16个像素点编号0～15，然后将当前像素点的上、右、下、左和当前像素点5个像素编号为16、17、18、19、20。计算其总响应值(SR)，微分响应(DR)和平均响应值(MR)，公式如下：

【专利技术属性】
技术研发人员：王君臣，季旭全，徐庆鹤，赵宵洋，卢清荣，孙振，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京,11