基于多特征松弛约束的环状编码标志点提取与识别方法技术

本发明专利技术公开了一种基于多特征松弛约束的环状编码标志点提取与识别方法，具体包括：获取包含编码标志点的影像；进行分块处理；对分块影像进行预处理操作，获得包含所有轮廓的二值化影像；根据多特征松弛约束算法获取四边形轮廓；根据四边形轮廓的角点信息进行影像裁剪，获得局部影像；二值化处理，获得清晰的内部轮廓；仿射变换纠正；根据多特征松弛约束算法在经过纠正后的影像上做初次筛选，筛选圆轮廓；根据多特征松弛约束算法在经过纠正后的影像上做第二次筛选，筛选弧段轮廓；根据筛选得到的圆轮廓，在内部进行角点检测，实现中心点坐标的提取；根据筛选得到的弧段轮廓，进行编码标志点的解码。本发明专利技术可以有效实现编码标志点的提取与识别。点的提取与识别。点的提取与识别。

【技术实现步骤摘要】
基于多特征松弛约束的环状编码标志点提取与识别方法


[0001]本专利技术涉及计算机视觉以及摄影测量
，尤其涉及一种基于多特征松弛约束的环状编码标志点提取与识别方法。

技术介绍

[0002]随着计算机视觉技术和数码相机的快速发展，相机作为传感器越来越频繁的应用于摄影测量的数据采集中。通过相机获取物体的二维图像后，实现物体的三维重建是摄影测量中的关键技术。在三维重建过程中，相机参数的标定是非常关键的环节，其标定结果的精度及标定算法的稳定性直接影响后续三维重建模型的精度。传统的相机标定通过标定物上物点坐标与其像点坐标之间的对应关系模型完成标定，对于标定物上点的获取，常见的有自动特征点提取和使用人工标志两种方法，但是自动提取的特征点数量容易受到场景中纹理差异的影响，且自动提取的特征点精度不高，一般为0.5个像素左右。采用人工布设标志点的方式进行标定可以获取高精度的控制点信息，人工标志可分为非编码标志和编码标志，非编码标志需要人工进行控制点的物方点与图像点的关联，费时费力，效率低且容易出现错误。为了解决这种问题，引入编码标志用于相机的标定过程中。编码标志本身带有不同的编码信息，能够在编码信息中存储标志点的属性信息，从而自动将标志点的物点与像点一一对应起来。
[0003]编码标志点是由特殊的“编码”符号设计得到，具有唯一的标识信息，可以在多视图或多时间图像中自动跟踪和匹配，大大提高了效率和准确率。目前，编码标志点的设计与检测识别得到了国内外专家学者的广泛研究，编码标志点中点状标志点和环状标志点的应用最为广泛。点状编码标志的编码带上圆的尺寸较小使得解码较为困难；现存的环状编码受影像的拍摄倾角影响，当部分编码标志点的编码带发生明显的形变时，算法识别的准确性会大大下降，同时，通过中间圆环拟合得到的标志点中心坐标存在一定误差，并且也无法通过人工量测等方法判断其正确性。
[0004]针对编码标志的提取，多数方法是先利用边缘提取算子得到图像的像素级边缘信息，通过设置准则筛选边缘，剔除图像中的非编码标志点边缘，获得编码标志点的边缘信息，对编码标志点定位圆的边缘进行椭圆拟合确定编码标志点位置或者求定位圆区域的灰度中心作为编码标志点的位置，实现编码标志点的识别。这些方法可以简单快速的完成对编码标志点的识别，比较容易实现，但是算法的识别率收到图像倾角的影响，当图像的倾角比较小的时候，算法的识别率比较高，对于大倾角的图像算法的识别率比较低。
[0005]目前编码标志点的解码算法通常采用灰度采样的方法实现，当编码环带宽度较小或环带内部受到局部污染时，会出现解码错误的现象；同时受到图像噪声等各种因素的影响，利用灰度变化选取解码起始点，往往会造成起始点选取不精确的问题，最终也会导致解码错误；同时，拍摄倾角过大、光照不均匀、图像分辨率低等因素也会造成解码的不正确。
[0006]因此，提高编码标志点的识别率和解码结果的正确性是亟待解决的技术问题。

技术实现思路

[0007]为了解决上述技术问题，本专利技术设计了一种环状编码标志点，并提出了一种基于多特征松弛约束的编码标志点提取与识别方法，能够有效提高编码标志点的识别率及解码结果的正确性。
[0008]本专利技术采取的技术方案如下：提供了一种基于多特征松弛约束的环状编码标志点提取与识别方法，具体包括以下步骤：
[0009]S1：获取包含编码标志点的影像；
[0010]S2：对所述包含编码标志点的影像进行分块处理，得到分块影像；
[0011]S3：对所述分块影像进行预处理操作，获得包含所有轮廓的二值化影像；
[0012]S4：根据多特征松弛约束算法从所述二值影化像中获取四边形轮廓；
[0013]S5：根据四边形轮廓的角点信息进行影像裁剪，获得局部影像；
[0014]S6：对所述局部影像进行二值化处理，获得清晰的内部轮廓；
[0015]S7：通过仿射变换实现影像的纠正；
[0016]S8：在经过纠正后的影像上做初次筛选，根据多特征松弛约束算法筛选圆轮廓；
[0017]S9：在经过纠正后的影像上做第二次筛选，根据多特征松弛约束算法筛选弧段轮廓；
[0018]S10：根据筛选得到的圆轮廓，在圆轮廓内部进行角点检测，从而实现中心点坐标的提取；
[0019]S11：根据筛选得到的弧段轮廓，进行编码标志点的解码。
[0020]进一步地，步骤S1中，所述编码标志点的编码圆环被均等划分为8份，即编码标志点具有8个编码带，对编码带随机赋上黑白颜色，得到具有黑白颜色的8个编码带，在8个编码带组成的编码圆环内部，设置有一个中心圆环，在中心圆环内部内接一个被分成四等份小正方形的大正方形，处于对角的小正方形具有相同颜色，处于同一行的小正方形具有不同颜色，大正方形的中心作为编码标志点的中心。
[0021]进一步地，步骤S2中，设置分块缓冲区，使得分块影像间有重叠度；其中假定原始影像的列号为c，行号为r，分块数量为n*n，则初定的分块影像的行尺寸大小为：列尺寸大小为：设定缓冲区的重叠度为o，横向缓冲区大小为：O
c
＝o*m
c
，纵向缓冲区大小为：O
r
＝o*m
r
。
[0022]进一步地，步骤S3中，所述预处理操作包括：影像灰度化处理、影像匀光处理、影像二值化处理。
[0023]进一步地，步骤S4中，在进行四边形轮廓检测时，根据四边形的形状准则和几何关系准则对每一个四边形轮廓建立一个5维向量，该向量由角点个数C、横纵向像素个数P
r
、横纵向边长比L
r
、轮廓面积比S
A
、影像面积比Q
I
共五个变量组成；分别对五个变量设置阈值条件，进行四边形轮廓获取：
[0024]角点个数C：根据四边形有且仅有4个角点对轮廓进行多边形拟合处理，当拟合后多边形角点个数为4时，角点个数C的值取1，并进行其他四个变量计算，否则认定该轮廓不是四边形，将该轮廓剔除；
[0025]横纵向像素个数P
r
：当轮廓拟合得到的多边形有且仅有4个角点时，根据角点获取
轮廓的横向边长P
x
及纵向边长P
y
，设置第一阈值P
t
，若满足P
x
≥P
t
,P
y
≥P
t
，则横纵向像素个数P
r
＝1，否则，P
r
＝0，将该轮廓剔除；
[0026]横纵向边长比L
r
：当轮廓拟合得到的多边形有且仅有4个角点时，根据角点坐标计算四边形的横纵向边长，将横纵向边长分别与影像的横纵向长度作比值处理，得到横向边长比L
x
和纵向边长比L
y
，设置第二阈值L
t
，若满足L
x
≤L
t
,L
y
≤L
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多特征松弛约束的环状编码标志点提取与识别方法，其特征在于，包括以下步骤：S1：获取包含编码标志点的影像；S2：对所述包含编码标志点的影像进行分块处理，得到分块影像；S3：对所述分块影像进行预处理操作，获得包含所有轮廓的二值化影像；S4：根据多特征松弛约束算法从所述二值影化像中获取四边形轮廓；S5：根据四边形轮廓的角点信息进行影像裁剪，获得局部影像；S6：对所述局部影像进行二值化处理，获得清晰的内部轮廓；S7：通过仿射变换实现影像的纠正；S8：在经过纠正后的影像上做初次筛选，根据多特征松弛约束算法筛选圆轮廓；S9：在经过纠正后的影像上做第二次筛选，根据多特征松弛约束算法筛选弧段轮廓；S10：根据筛选得到的圆轮廓，在圆轮廓内部进行角点检测，从而实现中心点坐标的提取；S11：根据筛选得到的弧段轮廓，进行编码标志点的解码。2.根据权利要求1所述的环状编码标志点提取与识别方法，其特征在于，步骤S1中，所述编码标志点的编码圆环被均等划分为8份，即编码标志点具有8个编码带，对编码带随机赋上黑白颜色，得到具有黑白颜色的8个编码带，在8个编码带组成的编码圆环内部，设置有一个中心圆环，在中心圆环内部内接一个被分成四等份小正方形的大正方形，处于对角的小正方形具有相同颜色，处于同一行的小正方形具有不同颜色，大正方形的中心作为编码标志点的中心。3.根据权利要求1所述的环状编码标志点提取与识别方法，其特征在于，步骤S2中，设置分块缓冲区，使得分块影像间有重叠度；其中假定原始影像的列号为c，行号为r，分块数量为n*n，则初定的分块影像的行尺寸大小为：列尺寸大小为：设定缓冲区的重叠度为o，横向缓冲区大小为：O
c
＝o*m
c
，纵向缓冲区大小为：O
r
＝o*m
r
。4.根据权利要求1所述的环状编码标志点提取与识别方法，其特征在于，步骤S3中，所述预处理操作包括：影像灰度化处理、影像匀光处理、影像二值化处理。5.根据权利要求2所述的环状编码标志点提取与识别方法，其特征在于，步骤S4中，在进行四边形轮廓检测时，根据四边形的形状准则和几何关系准则对每一个四边形轮廓建立一个5维向量，该向量由角点个数C、横纵向像素个数P
r
、横纵向边长比L
r
、轮廓面积比S
A
、影像面积比Q
I
共五个变量组成；分别对五个变量设置阈值条件，进行四边形轮廓获取，具体步骤如下：角点个数C：根据四边形有且仅有4个角点对轮廓进行多边形拟合处理，当拟合后多边形角点个数为4时，角点个数C的值取1，并进行其他四个变量计算，否则认定该轮廓不是四边形，将该轮廓剔除；横纵向像素个数P
r
：当轮廓拟合得到的多边形有且仅有4个角点时，根据角点获取轮廓的横向边长P
x
及纵向边长P
y
，设置第一阈值P
t
，若满足P
x
≥P
t
,P
y
≥P
t
，则横纵向像素个数P
r
＝1，否则，P
r
＝0，将该轮廓剔除；横纵向边长比L
r
：当轮廓拟合得到的多边形有且仅有4个角点时，根据角点坐标计算四
边形的横纵向边长，将横纵向边长分别与影像的横纵向长度作比值处理，得到横向边长比L
x
和纵向边长比L
y
，设置第二阈值L
t
，若满足L
x
≤L
t
,L
y
≤L
t
，则横纵向边长比L
r
＝1，否则，L
r
＝0，将该轮廓剔除；影像面积比Q
I
：在得到拟合四边形的横纵向边长后，根据矩形面积计算公式，计算四边形的面积，将其与影像的面积进行比值处理，得到结果Q
r
，设置第三阈值Q
t
，若满足Q
r
≤Q
t
，则影像面积比Q
I
＝1，否则Q
I
＝0，将该轮廓剔除；轮廓面积比S
A
：当轮廓拟合得到的多边形有且仅有4个角点时，计算轮廓拟合的四边形所对应的矩形面积与轮廓本身面积的比值S
k
；设置第四阈值S
l
和第五阈值S
m
，且S
l
<S
m
，若满足S
l
<S
k
<S
m
，则轮廓面积比S
A
＝1；否则S
A
＝0，将将该轮廓剔除，最终保留的轮廓即为四边形轮廓。6.根据权利要求1所述的环状编码标志点提取与识别方法，其特征在于，步骤S6中，采用Otsu二值化算法，实现图像的二值化处理。7.根据权利要求2所述的环状编码标志点提取与识别方法，其特征在于，步骤S8中，在进行圆轮廓筛选时，根据编码标志点设计准则及圆的形状特征，建立一个3维圆特征向量，该向量由圆面积比S
C
、中心点D、半径比R共三个变量组成，分别对三个...

【专利技术属性】
技术研发人员：郑茂腾，卢星月，张莹莹，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：