一种多个不规则二维码批量定位识别方法技术

本发明专利技术涉及一种多个不规则二维码批量定位识别方法，包括以下步骤：S1、对用于拍摄多个二维码图像的照相机进行相机标定，获得照相机的内参矩阵、镜头畸变参数用于照片图像畸变校正；S2、使用经过相机标定的照相机拍摄若干张包括多个二维码的样张照片，将经过畸变校正的样张照片用于计算机机器学习，获得二维码定位检测模型；S3、使用经过相机标定的照相机拍摄包括多个二维码的视频图像，对经过畸变校正的视频图像帧使用二维码定位检测模型进行多个二维码图像定位；S4、对经过定位的多个二维码图像进行二维码图像解码识别，获得多个二维码编码字串。有益效果是自动识别二维码位置及编码字串、识别效率高。识别效率高。识别效率高。

【技术实现步骤摘要】
一种多个不规则二维码批量定位识别方法


[0001]本专利技术涉及二维码图像识别领域，具体涉及一种多个不规则二维码批量定位识别方法。

技术介绍

[0002]QR码是二维条码的一种，QR来自英文“Quick Response”的缩写，即快速反应的意思，源自专利技术者希望QR码可让其内容快速被解码。QR码比普通条码可储存更多资料，亦无需像普通条码般在扫描时需直线对准扫描器。QR码呈正方形，只有黑白两色。在4个角落的其中3个，印有较小，像“回”字的正方图案。这3个“回”字的正方图案是帮助解码软件定位的图案，使用者不需要对准，无论以任何角度扫描，资料仍可正确被读取。QR码由两部分组成：a、位于内部区域的QR码；b、位于外部的辅助定位框。QR码有两种尺寸：根据Camera安装位置离目标QR码的距离，定义两种尺寸：外框边长24mm(较小的QR码)、外框边长28mm(较大的QR码)。QR码字定义样例：XB050N3941042513、XB082N3157920410。具体码字可以自行定义。
[0003]在图像测量过程以及机器视觉应用中，为确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系，必须建立相机成像的几何模型，这些几何模型参数就是相机参数。在大多数条件下这些参数必须通过实验与计算才能得到，这个求解参数的过程就称之为相机标定(或摄像机标定)。相机标定方法有：传统相机标定法、主动视觉相机标定方法、相机自标定法、零失真相机标定法。标定模板(标定板Calibration Target)：在机器视觉、图像测量、摄影测量、三维重建等应用中，为校正镜头畸变；确定物理尺寸和像素间的换算关系；以及确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系，需要建立相机成像的几何模型。通过相机拍摄带有固定间距图案阵列平板、经过标定算法的计算，可以得出相机的几何模型，从而得到高精度的测量和重建结果。而带有固定间距图案阵列的平板就是标定模板(标定板Calibration Target)。标定模板种类：
①
等间距实心圆阵列图案Ti-timesCG-100-D；
②
国际象棋盘图案Ti-times CG-076-T；
③
相移光栅(3纵、3横，120
°
相位移)。相机标定工具GML Camera Calibration，“相机2.0”开发包SDK、C++API函数库、C++源程序等。
[0004]RTSP(Real Time Streaming Protocol)，RFC2326，实时流传输协议，是TCP/IP协议体系中的一个应用层协议，该协议定义了一对多应用程序如何有效地通过IP网络传送多媒体数据。Undistort变换：无畸变的变换。Dlib由C++编写，提供了和机器学习、数值计算、图模型算法、图像处理等领域相关的一系列功能。imglab是一个在图像上标注矩形的工具。HOG特征：方向梯度直方图(Histogram of Oriented Gradient，HOG)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子；它通过计算和统计图像局部区域的梯度方向直方图来构成特征；Hog特征结合SVM分类器已经被广泛应用于图像识别中。支持向量机(Support Vector Machine，SVM)是一类按监督学习(supervised learning)方式对数据进行二元分类的广义线性分类器(generalizedlinear classifier)，其决策边界是对学习样本求解的最大边距超平面(maximum-margin hyperplane)。直方图拉伸，就是当图像的
灰度级分布不均匀，只集中在某些区域时，把它扩充开来，使其充满整个灰度级。单应性变换，可简单理解为用来描述物体在世界坐标系和像素坐标系之间的位置映射关系，对应的变换矩阵称为单应性矩阵，单应性在图像校正、图像拼接、相机位姿估计、视觉SLAM等领域有非常重要的作用。ZXing是一个开放源码的，用Java实现的多种格式的1D/2D条码图像处理库，它包含了联系到其他语言的端口，Zxing可以实现使用手机的内置的摄像头完成条形码的扫描及解码。OpenCV是一个基于BSD许可(开源)发行的跨平台计算机视觉和机器学习软件库，可以运行在Linux、Windows、Android和Mac OS操作系统上；它轻量级而且高效，由一系列C函数和少量C++类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。ROI(region of interest)，感兴趣区域；机器视觉、图像处理中，从被处理的图像以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域，称为感兴趣区域，ROI；在Halcon、OpenCV、Matlab等机器视觉软件上常用到各种算子(Operator)和函数来求得感兴趣区域ROI，并进行图像的下一步处理。OpencvRect模板类是一个比较重要的类，可以设置图像ROI区域，截取图像等；Rect类的成员变量有x，y，width，height，分别为左上角座标和矩形宽高。
[0005]本专利技术利用上述现有图像识别技术对多个二维码批量定位识别方法进行了改进。

技术实现思路

[0006]本专利技术的目的是，提出一种自动识别二维码位置及编码字串、识别效率高的多个不规则二维码定位识别方法。
[0007]为实现上述目的，本专利技术采取的技术方案是一种多个不规则二维码批量定位识别方法，包括以下步骤：
[0008]S1、对用于拍摄多个二维码图像的照相机进行相机标定，获得照相机的内
[0009]参矩阵、镜头畸变参数用于照片图像畸变校正；
[0010]S2、使用经过相机标定的照相机拍摄若干张包括多个二维码的样张照片，将经过畸变校正的样张照片用于计算机机器学习，获得二维码定位检测模型；
[0011][0012]S3、使用经过相机标定的照相机拍摄包括多个二维码的视频图像，对经过畸变校正的视频图像帧使用二维码定位检测模型进行多个二维码图像定位；
[0013][0014]S4、对经过定位的多个二维码图像进行二维码图像解码识别，获得多个二维码编码字串。
[0015]优选地，上述的一种多个不规则二维码批量定位识别方法，所述步骤S1包括以下步骤：
[0016]S11、照相机使用棋盘标定板采集若干标定样张照片；
[0017]S12、把采集的标定样张照片保存在一个文件夹中；
[0018]S13、利用标定脚本对照相机进行相机标定；
[0019]S14、生成照相机内参矩阵、镜头畸变参数，用于照相机采集的照片图像畸变校正。
[0020]优选地，上述照相机采用超广角、鱼眼镜头；上述棋盘格标定板尺寸大于60cm*40cm，每个格子为边长3cm的正方形。
[0021]优选地，上述的一种多个不规则二维码批量定位识别方法，所述步骤S2包括以下步骤：
[0022]S21、使本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多个不规则二维码批量定位识别方法，其特征在于包括以下步骤：S1、对用于拍摄多个二维码图像的照相机进行相机标定，获得照相机的内参矩阵、镜头畸变参数用于照片图像畸变校正；S2、使用经过相机标定的照相机拍摄若干张包括多个二维码的样张照片，将经过畸变校正的样张照片用于计算机机器学习，获得二维码定位检测模型；S3、使用经过相机标定的照相机拍摄包括多个二维码的视频图像，对经过畸变校正的视频图像帧使用二维码定位检测模型进行多个二维码图像定位；S4、对经过定位的多个二维码图像进行二维码图像解码识别，获得多个二维码编码字串。2.根据权利要求1所述的一种多个不规则二维码批量定位识别方法，其特征在于所述步骤S1包括以下步骤：S11、照相机使用棋盘标定板采集若干标定样张照片；S12、把采集的标定样张照片保存在一个文件夹中；S13、利用标定脚本对照相机进行相机标定；S14、生成照相机内参矩阵、镜头畸变参数，用于照相机采集的照片图像畸变校正。3.根据权利要求2所述的一种多个不规则二维码批量定位识别方法，其特征在于：所述照相机采用超广角、鱼眼镜头；所述棋盘格标定板尺寸大于60cm*40cm，每个格子为边长3cm的正方形。4.根据权利要求1所述的一种多个不规则二维码批量定位识别方法，其特征在于所述步骤S2包括以下步骤：S21、使用经过相机标定的照相机拍摄若干张包括多个二维码的样张照片；S22、将经过畸变校正的样张照片使用样张标注工具进行标注；S23、将经过标注的样张照片用于计算机机器学习训练二维码定位检测模型。5.根据权利要求4所述的一种多个不规则二维码批量定位识别方法，其特征在于：所述步骤S22对样张照片进行1/4下采样，长宽各缩小0.5倍后进行标注。6.根据权利要求4所述的一种多个...

【专利技术属性】
技术研发人员：田洪志，张贺，田芳如，
申请(专利权)人：上海迅邦电子科技有限公司，
类型：发明
国别省市：