一种基于双阈值的物体二维定位方法技术

一种基于双阈值的物体二维定位方法属图像处理技术领域，本发明专利技术综合了定位准确率以及效率的情况，针对目前物体定位主流的两种方法存在的：机器学习需要大量数据集、大量算力；根据关键点进行特征匹配的图像定位方式在面对特征点较少物体时表现较差的缺陷，提出了一种新的解决方案；本发明专利技术使用摄像头快速定位物体所在位置，并对摄像头采集的图片使用全新的算法进行处理，减少物体定位程序计算量，降低误差，且不需要大量数据集，本发明专利技术的方法不需要大量数据集，且准确性远高于主流特征点提取方法，且还拥有明显的速度优势，具有良好的推广价值。价值。价值。

【技术实现步骤摘要】
一种基于双阈值的物体二维定位方法


[0001]本专利技术属图像处理
，具体涉及一种基于双阈值的物体二维定位方法。

技术介绍

[0002]在图像处理的领域中，物体定位是一个十分常见的需求，目前常用的物体定位方式主要有两种，一种是基于机器学习的图像定位方式，该方式需要大量的数据集以供电脑学习与训练，在此过程中往往还需要对数据进行处理，例如标注特征点，清洗数据等，因此该方式虽然能较好地实现物体定位的需求，但在实现过程中需要大量的算力以及需要大量的数据集，这大大提高了物体定位的门槛，降低了工作效率。
[0003]另一种图像定位方式是基于对图像本身进行处理，获得目标物体的关键点，关键点一般指图像灰度值发生剧烈变化的点，或者图像边缘上曲率较大的点以及图像的角点等，具体实现方法为通过对目标物体图像的处理获得这些关键点，再对物体所在的图像进行相似处理，寻找待进行物体定位的图像中的关键点，通过对关键点的比对来确定物体在图像中的位置。在实际使用中，这种特征点比对的方法，对特征点多的物体的查找是比较成功的，但如果目标物体的特征点较少，且背景比较复杂时，例如目标物体如果是一个黑色三角形或是圆形，在物体定位的过程中，该方法就会将大量非目标物体识别为目标物体，导致定位的准确率大大下降，难以达到要求。

技术实现思路

[0004]本专利技术的目的是提供一种基于双阈值的物体二维定位方法，该方法使用摄像头快速定位物体所在位置，并对采集的图像使用全新的算法进行处理，减少物体定位程序计算量，降低误差，将该算法命名为VCC算法。
[0005]本专利技术的基于双阈值的物体二维定位方法，包括下列：
[0006]1)将x
s
*x
s
cm2的黑色方块硬塑6和目标物体1并列置于白色水平面上，并使用摄像机7拍摄，所摄图像设为目标物体1的图像；
[0007]2)截取包含黑色方块硬塑6和目标物体1的图像，假设像素为x
l
*x
l
，并对该图像进行灰度化处理,提取图像中黑色方块硬塑6的像素为x
s1
*，对图像矩阵进行中值滤波：
[0008]g1＝median[(x
‑
1,y
‑
1)+f(x,y
‑
1)+f(x+1,y
‑
1)+f(x
‑
1,y)+f(x,y)+f(x+1，y)+f(x
‑
1，y+1)+f(x，y+1)+f(x+1，y+1)，
[0009]用VCC算法对图像矩阵进行处理，获得临时数据库TMP1和通过VCC算法计算得出的边缘像素个数和总像素个数的比值参数op,设定为op
r
；
[0010]3)在目标物体1附近按照步骤1)的样式安装x
s
*x
s
cm2的黑色方块硬塑6，按照步骤1)的样式安装摄像机7，此次安装中，摄像机7距离目标物体1的远近，能在同时拍摄到黑色方块硬塑6及目标物体1的条件下任意更改，同时要求目标物体1及黑色方块硬塑6不能被遮挡，再次进行拍摄；
[0011]此次拍摄的图像为待寻找目标物体1的平面图像3，将摄像机7拍摄的图像进行灰
度化，并转换为二维数组，在其中得到黑色方块塑料像素尺寸为x
s2
*x
s2
；
[0012]4)计算步骤1)中黑色方块硬塑6相对于步骤2)中截取包含黑色方块硬塑6和目标物体1图像大小的比例为S1＝x
s1
*x
s1
/x
l
*x
l
，根据得到的S1能计算出x
f
＝x
s2
*x
s2
/S1；
[0013]5)对步骤3)中得到的二维数组再进行中值滤波：
[0014]g2＝median[(x
‑
1,y
‑
1)+f(x,y
‑
1)+f(x+1,y
‑
1)+f(x
‑
1,y)+f(x,y)+f(x+1，y)+f(x
‑
1，y+1)+f(x，y+1)+f(x+1，y+1)；
[0015]6)在步骤5)的中值滤波后的二维数组中从左到右、从上到下依次截取大小为x
f
*x
f
的矩阵,并使用VCC算法依次进行处理，得到临时数据库TMP2和op组成的列表op
ST
；
[0016]7)将步骤2)得到的数据库TMP1中的矩阵元素VCC记为m，步骤6)得到的临时数据库TMP2中的矩阵元素VCC记为n，并依次相减得到|m
‑
n|＝p，若p小于预设阈值k，则将n对应矩阵储存进数据库ST1中；
[0017]8)将步骤2)得到的op
r
和步骤6)得到的列表op
ST
中的n个元素，依次相减u＝|op
r
‑
op
STn
|，u代表步骤2)得到的op
r
和步骤6)得到的列表op
ST
中的元素的差值，设定阈值l，u≤l，则将op
STn
对应的矩阵[由于步骤6)截取矩阵方式为从左到右，从上到下，因此根据op
STn
的数值在步骤6)中得到的列表op
ST
中的位次即可按从左到右，从上到下的方式查找到步骤6)中对应的大小为x
f
*x
f
的矩阵]和数值u保留在数据库ST2中；
[0018]9)找出步骤7)的数据库ST1和步骤8)的数据库ST2中都包含的矩阵，认为该矩阵所在位置为物体所在位置，若有多块矩阵，则将ST2中u较小的矩阵所在位置，视为物体所在位置。
[0019]在步骤2)及步骤6)中使用的VCC算法的步骤是先对矩阵内的w个元素计算均值，
[0020]将矩阵分成m块，需保证矩阵行数及列数均可对m整除，计算m块矩阵内k个元素的均值计算均值对比度计算均值对比度的均值并储存进临时数据库Tmp之后，再使用Canny边缘检测算法对矩阵进行处理，得到边缘单位数量q，以及矩阵元素个数w计算出比值
[0021]本专利技术的有益效果在于：
[0022]1.本专利技术提出一种基于双阈值的物体二维定位方法，不仅能够快速定位物体在图像中的位置，还能避免复杂背景对检测结果的影响，有利于判断物体的具体位置。
[0023]2.本专利技术提出的VCC算法计算量小，精准度高，相比于之前的特征点匹配进行物体识别的方法，以及机器学习判断物体位置的方法，有速度及精准度方面的明显优势。
[0024]3.本专利技术提出的VCC算法不依赖于显卡设备，以及高清摄像头，能大幅度减少设备成本，在对物体定位的应用中具有积极意义。
附图说明
[0025]图1为采用主流特征点匹配算法surf算法计算结本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双阈值的物体二维定位方法，其特征在于包括下列：1)将x
s
*x
s
cm2的黑色方块硬塑(6)和目标物体(1)并列置于白色水平面上，并使用摄像机(7)拍摄，所摄图像设为目标物体(1)的图像；2)截取包含黑色方块硬塑(6)和目标物体(1)的图像，假设像素为x
l
*x
l
，并对该图像进行灰度化处理,提取图像中黑色方块硬塑(6)的像素为x
s1
*，对图像矩阵进行中值滤波：g1＝median[(x
‑
1,y
‑
1)+f(x,y
‑
1)+f(x+1,y
‑
1)+f(x
‑
1,y)+f(x,y)+f(x+1，y)+f(x
‑
1，y+1)+f(x，y+1)+f(x+1，y+1)，用VCC算法对图像矩阵进行处理，获得临时数据库TMP1和通过VCC算法计算得出的边缘像素个数和总像素个数的比值参数op,设定为op
r
；3)在目标物体(1)附近按照步骤1)的样式安装x
s
*x
s
cm2的黑色方块硬塑(6)，按照步骤1)的样式安装摄像机(7)，此次安装中，摄像机(7)距离目标物体(1)的远近，能在同时拍摄到黑色方块硬塑(6)及目标物体(1)的条件下任意更改，同时要求目标物体(1)及黑色方块硬塑(6)不能被遮挡，再次进行拍摄；此次拍摄的图像为待寻找目标物体(1)的平面图像(4)，将摄像机(7)拍摄的图像进行灰度化，并转换为二维数组，在其中得到黑色方块塑料像素尺寸为x
s2
*x
s2
；4)计算步骤1)中黑色方块硬塑(6)相对于步骤2)中截取包含黑色方块硬塑(6)和目标物体(1)图像大小的比例为：S1＝x
s1
*x
s1
/x
l
*x
l
，根据得到的S1能计算出：x
f
＝...

【专利技术属性】
技术研发人员：马海涛，路文豪，
申请(专利权)人：吉林大学，
类型：发明
国别省市：