一种基于深度学习的圆形端面检测及其亚像素定心方法技术

本申请提供一种基于深度学习的圆形端面检测及其亚像素定心方法，包括：对圆形端面采集不同场景下的图像，构成训练集；并使用目标检测与超分辨率进行训练，得到第一网络模型；使用该文件对训练集进行识别，得到第一图像；获取第一图像的超分辨率图像，得到第二图像；计算第二图像的阈值，进行图像二值化处理；设置连通域，并计算第二图像中每个像素点的权重w

【技术实现步骤摘要】
一种基于深度学习的圆形端面检测及其亚像素定心方法


[0001]本申请涉及深度学习
，尤其涉及一种基于深度学习的圆形端面检测及其亚像素定心方法。

技术介绍

[0002]通过摄像机对目标检测与定位是深度学习领域的关键技术之一，针对圆形端面，其中圆形端面的圆心为定位特征点，因此圆心的精确定位是至关重要的一步；
[0003]目前针对圆心的传统检测方法主要有Hough变化法、质心法和最小二乘法；Hough变化法受参数空间离散化程度影响较大；质心法对成像图像灰度分部均匀要求较高；最小二乘法拟合法对图像的边缘点进行拟合，因此边缘点提取精度直接影响到圆心定位的精度；
[0004]目前亚像素边缘的提取方法主要有矩方法，插值法与拟合法；插值算法和拟合算法复杂度高，运算量较大，从而导致运行时间较长；矩方法运算精度较低，故其稳定性不高。

技术实现思路

[0005]本申请的目的是针对以上问题，提供一种基于深度学习的圆形端面检测及其亚像素定心方法。
[0006]本申请提供一种基于深度学习的圆形端面检测及其亚像素定心方法，包括：本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的圆形端面检测及其亚像素定心方法，其特征在于，包括：使用相机对圆形端面采集不同场景下的原始图像，构成训练集；使用目标检测与超分辨率对所述训练集进行训练，得到第一网络模型；使用所述第一网络模型对所述训练集内的图像进行识别，得到第一图像；获取所述第一图像的超分辨率图像，得到第二图像；计算所述第二图像的阈值，并进行图像二值化处理；设置连通域，并计算所述第二图像中每个像素点的权重w
i
；根据每个像素点的权重w
i
以及与其相对应的每个像素点的坐标P
i
(x,y)，计算所述第二图像的圆心坐标O0(x0,y0)；假设所述训练集中每一张图像的亚像素精度中心点为O
c
(x
c
,y
c
)，根据所述圆心坐标O0(x0,y0)计算所述训练集中每一张图像的亚像素精度中心点O
c
(x
c
,y
c
)。2.根据权利要求1所述的基于深度学习的圆形端面检测及其亚像素定心方法，其特征在于，所述训练集既可以用于目标检测，也可以用于对目标区域进行超分辨率。3.根据权利要求1所述的基于深度学习的圆形端面检测及其亚像素定心方法，其特征在于，所述目标检测所使用的方法为：Yolo4模型。4.根据权利要求1所述的基于深度学习的圆形端面检测及其亚像素定心方法，其特征在于，所述超分辨率所使用的方法为：EDSR模型。5.根据权利要求1所述...

【专利技术属性】
技术研发人员：张天华，李科，
申请(专利权)人：天津津航技术物理研究所，
类型：发明
国别省市：