基于图像匹配的目标定位方法及装置制造方法及图纸

本发明专利技术公开了一种基于图像匹配的目标定位方法及装置，方法包括粗定位目标范围、归一化模板区域亮度和精确定位目标几大步骤，具体包括：获取巡检图像，采用基于形状匹配的目标定位算法，读取模板图像中模板区域的信息，在巡检图像上做区配定位，确定巡检图像中的目标潜在区域；采用基于HSV颜色空间的亮度归一化算法，使用模板图像中模板区域的亮度归一化处理所述目标潜在区域的亮度；采用模板匹配定位算法，对亮度归一化处理后的目标潜在区域进行匹配定位，确定目标在巡检图像中的精确位置。本发明专利技术适用于室外存在大量电线杆、铁塔、变压器环境下的室外机器人巡检场景，能够解决目标细节丢失和目标局部发生变化情况下的目标定位问题。位问题。位问题。

【技术实现步骤摘要】
基于图像匹配的目标定位方法及装置


[0001]本专利技术属于定位
，具体涉及一种基于图像匹配的目标定位方法及装置。

技术介绍

[0002]目前以云台作为执行机构的室外巡检机器人，依赖可见光图像匹配技术来定位巡检目标，引导云台调整到目标所在的角度，进而拍摄清晰的目标图像用于识别检测等用途。此巡检流程要求算法能够在拍的画面中快速、准确的找到目标所在位置。
[0003]当前定位目标的方法主要采用可见光目标匹配方法，先采集目标模板，记录下模板对应的云台角度、相机焦距、倍率信息，巡检时云台运动到对应的角度，然后拍照，用巡检时拍的图像和模板图像比较，采用图像配准、匹配等方法定位目标位置。实际工作中，机器人每次做任务的时间不固定，如果是在阴雨天或者傍晚等光线不好的情况下，拍出来的任务图即巡检图像就会不清楚，依据从模板图上框出的刀闸目标，确定任务图上的刀闸目标就变得很困难。
[0004]现有目标定位技术主要采用图像匹配方法，包括模板匹配、特征匹配以及基于深度学习目标检测的匹配方法，但是以上方法均无法同时兼顾抗光照干扰、低算力占用、匹配结果精确三方面的要求。

技术实现思路

[0005]技术目的：针对上述技术问题，本专利技术提出了一种基于图像匹配的目标定位方法及装置，能够解决目标细节丢失和目标局部发生变化情况下的目标定位问题。
[0006]技术方案：为实现上述技术目的，本专利技术采用了如下技术方案：
[0007]一种基于图像匹配的目标定位方法，其特征在于，包括步骤：
[0008]粗定位目标范围：获取巡检图像，采用基于形状匹配的目标定位算法，读取模板图像中模板区域的信息，在巡检图像上做区配定位，确定巡检图像中的目标潜在区域；所述模板图像是预先在光照充足条件下获取的包含目标的图像，模板区域为在模板图像上确定的包含目标的区域；
[0009]归一化模板区域亮度：采用基于HSV颜色空间的亮度归一化算法，使用模板图像中模板区域的亮度归一化处理所述目标潜在区域的亮度；
[0010]精确定位目标：采用模板匹配定位算法，对亮度归一化处理后的目标潜在区域进行匹配定位，确定目标潜在区域里的目标位置，将目标位置映射到巡检图像，得到确定目标在巡检图像中的精确位置。
[0011]优选地，确定巡检图像中目标的潜在区域的步骤包括：
[0012]使用linemod
‑
2D算法提取模板图像中模板区域的梯度特征；
[0013]在巡检图像中使用滑窗法寻找和模板区域相似的区域，作为目标潜在区域。
[0014]优选地，包括步骤：
[0015]在模板区域上标注目标位置的矩形区域，提取linmod
‑
2D模板特征；
[0016]在图像金字塔的上层，采用基于量化方向作为匹配特征的linemod
‑
2d算法，进行模板粗匹配；
[0017]使用正交傅里叶
‑
马林矩对linemod
‑
2d模板特征中的边缘点进行亚像素校正。
[0018]优选地，对目标潜在区域进行亮度归一化处理的步骤包括：
[0019]将模板图像和巡检图像转换到HSV颜色空间，提取模板区域的V分量均值，即第一均值v1，提取巡检图像中的目标潜在区域的V分量均值，即第二均值v2，计算第一均值和第二均值的比例s＝v1/v2；
[0020]对目标潜在区域逐像素点计算V分量，并乘以比例s，将目标潜在区域亮度归一化到和模板区域中一致。
[0021]优选地，精确定位目标包括步骤：
[0022]在归一化亮度处理后的目标潜在区域，使用归一化相关系数匹配法，进行目标模板匹配，得到用于目标精确定位的矩形框；
[0023]将所述矩形框的中心点作为目标位置；
[0024]将目标位置映射到巡检图像，得到目标在整个巡检图像上的精确位置。
[0025]优选地，所述目标为室外电气刀闸。
[0026]一种基于图像匹配的目标定位装置，其特征在于，包括：
[0027]粗定位目标范围模块，用于获取巡检图像，采用基于形状匹配的目标定位算法，读取模板图像中模板区域的信息，在巡检图像上做区配定位，确定巡检图像中的目标潜在区域；所述模板图像是预先在光照充足条件下获取的包含目标的图像，模板区域为在模板图像上确定的包含目标的区域；
[0028]归一化模板区域亮度模块，用于采用基于HSV颜色空间的亮度归一化算法，使用模板图像中模板区域的亮度归一化处理所述目标潜在区域的亮度；
[0029]精确定位目标模块，用于采用模板匹配定位算法，对亮度归一化处理后的目标潜在区域进行匹配定位，确定目标潜在区域里的目标位置，将目标位置映射到巡检图像，得到目标在巡检图像中的精确位置。
[0030]优选地，还包括：模板图像获取模块，用于获取目标的模板图像，模板图像中包括模板区域。
[0031]有益效果：由于采用了上述技术方案，本专利技术具有如下有益效果：
[0032]本专利技术的方法适用于室外存在大量电线杆、铁塔、变压器环境下的室外机器人巡检场景，典型应用场景是变电站的设备状态巡检，能够显著提升复杂光照条件下室外电气刀闸匹配定位准确率，兼顾光照鲁棒性、低算力占用、目标定位结果准确等特点。
附图说明
[0033]图1为本专利技术基于图像匹配的目标定位方法的流程图；
[0034]图2为光照发生变化场景下的电气刀闸的模板图像和巡检图像；
[0035]图3为基于形状匹配算法确定图1中巡检图像中的目标潜在区域的示意图；
[0036]图4为图2中目标潜在区域亮度归一化处理前后的对比图；
[0037]图5为最终确定的巡检图像中目标定位结果的示意图；
[0038]图6是理想情况下的二维图像边缘模型的结构示意图。
具体实施方式
[0039]下面结合附图对本专利技术的实施例作详细的说明。
[0040]本专利技术目的在于通过改进一种基于形状匹配的目标定位算法，然后融合该算法、亮度归一化算法和模板匹配算法实现大光照变化条件下的电气刀闸设备目标定位。即使用改进的基于形状匹配的目标定位算法粗定位出刀闸目标在巡检图像上的潜在区域，该方法基于形状匹配，可以在强光照、弱光照、逆光和目标存在阴影的条件下准确地定位出目标潜在区域，然后通过基于HSV颜色空间的亮度归一化算法将巡检图的目标潜在区域亮度调整到和模板图像中模板区域亮度一致，最后用模板匹配定位方法得到目标精确位置。
[0041]实施例一
[0042]本实施例提供一种基于图像匹配的目标定位方法，包括步骤：
[0043]粗定位目标范围：获取巡检图像，采用基于形状匹配的目标定位算法，读取模板图像中模板区域的信息，在巡检图像上做区配定位，确定巡检图像中的目标潜在区域；所述模板图像是预先在光照充足条件下获取的包含目标的图像，模板区域为在模板图像上确定的包含目标的区域；
[0044]归一化模板区域亮度：采用基于H本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像匹配的目标定位方法，其特征在于，包括步骤：粗定位目标范围：获取巡检图像，采用基于形状匹配的目标定位算法，读取模板图像中模板区域的信息，在巡检图像上做区配定位，确定巡检图像中的目标潜在区域；所述模板图像是预先在光照充足条件下获取的包含目标的图像，模板区域为在模板图像上确定的包含目标的区域；归一化模板区域亮度：采用基于HSV颜色空间的亮度归一化算法，使用模板图像中模板区域的亮度归一化处理所述目标潜在区域的亮度；精确定位目标：采用模板匹配定位算法，对亮度归一化处理后的目标潜在区域进行匹配定位，确定目标潜在区域里的目标位置，将目标位置映射到巡检图像，得到目标在巡检图像中的精确位置。2.根据权利要求1所述的基于图像匹配的目标定位方法，其特征在于，确定巡检图像中目标的潜在区域的步骤包括：使用linemod
‑
2D算法提取模板图像中模板区域的梯度特征；在巡检图像中使用滑窗法寻找和模板区域相似的区域，作为目标潜在区域。3.根据权利要求2所述的基于图像匹配的目标定位方法，其特征在于，包括步骤：在模板区域上标注目标位置的矩形区域，提取linmod
‑
2D模板特征；在图像金字塔的上层，采用基于量化方向作为匹配特征的linemod
‑
2d算法，进行模板粗匹配；使用正交傅里叶
‑
马林矩对linemod
‑
2d模板特征中的边缘点进行亚像素校正。4.根据权利要求1所述的基于图像匹配的目标定位方法，其特征在于，对目标潜在区域进行亮度归一化处理的步骤包括：将模板图像和巡检图像转换到...

【专利技术属性】
技术研发人员：陆盼盼，项导，邓轩，彭冲冲，
申请(专利权)人：亿嘉和科技股份有限公司，
类型：发明
国别省市：