【技术实现步骤摘要】
一种基于近景摄影测量标志点的自动识别与定位方法
[0001]本专利技术属于近景摄影测量
,具体涉及一种基于近景摄影测量标志点的自动识别与定位方法的设计。
技术介绍
[0002]近景摄影测量技术是指利用对物距不大于300m的目标物摄取的立体像对进行的摄影测量,高速近景摄影测量技术广泛应用于土木工程、航空航天工程、体育运动学和工业制造等领域。在近景摄影测量技术中,通常布设特定的圆形标志点并通过对拍摄的影像进行识别检测来获取目标物的运动变化轨迹。然而,目前针对圆形标志点的自动识别提取研究较少,缺少一种能够高效自动化、精确地识别定位出影像的所有圆形标志点的方法。
技术实现思路
[0003]本专利技术的目的是为了解决现有的近景摄影测量技术中缺少能够高效自动化且精确地识别定位出影像的所有圆形标志点的方法的问题,提出了一种基于近景摄影测量标志点的自动识别与定位方法。
[0004]本专利技术的技术方案为:一种基于近景摄影测量标志点的自动识别与定位方法,包括以下步骤:
[0005]S1、从高速近景摄影影像中获取包含圆形标志点的影像样本数据集。
[0006]S2、基于YOLOv5算法对影像样本数据集中的圆形标志点进行自动化初始识别与定位。
[0007]S3、采用Canny算法和改进Zernike矩对圆形标志点进行精确识别。
[0008]S4、采用最小二乘拟合方法对圆形标志点进行中心点精确定位。
[0009]进一步地,步骤S1具体为:在高速近景摄影影像中使用黑底白色圆圆 ...
【技术保护点】
【技术特征摘要】
1.一种基于近景摄影测量标志点的自动识别与定位方法,其特征在于,包括以下步骤:S1、从高速近景摄影影像中获取包含圆形标志点的影像样本数据集;S2、基于YOLOv5算法对影像样本数据集中的圆形标志点进行自动化初始识别与定位;S3、采用Canny算法和改进Zernike矩对圆形标志点进行精确识别;S4、采用最小二乘拟合方法对圆形标志点进行中心点精确定位。2.根据权利要求1所述的基于近景摄影测量标志点的自动识别与定位方法,其特征在于,所述步骤S1具体为:在高速近景摄影影像中使用黑底白色圆圆形标志点作为检测目标,在多场景下对影像数据中的圆形标志点进行框选标注,得到包含圆形标志点的影像样本数据集。3.根据权利要求1所述的基于近景摄影测量标志点的自动识别与定位方法,其特征在于,所述步骤S2包括以下分步骤:S21、对影像样本数据集中的影像数据进行随机旋转、平移、缩放、错切和HSV增强处理,得到增强影像数据;S22、采用Mosaic数据增强算法对增强影像数据中的多张图片进行随机裁剪,再拼接到一张图片上作为训练数据;S23、采用K
‑
means算法和遗传算法对训练数据进行分析,获得适合圆形标志点的预设锚定框;S24、针对训练数据中不同尺寸的特征图,采用不同尺寸的锚定框生成包含置信度、类别和检测框的最终输出向量;S25、通过最终输出向量训练得到YOLOv5训练模型;S26、将实际工程获取的高速近景摄影影像输入到YOLOv5训练模型中,实现对影像样本数据集中的圆形标志点的自动化初始识别与定位。4.根据权利要求1所述的基于近景摄影测量标志点的自动识别与定位方法,其特征在于,所述步骤S3包括以下分步骤:S31、针对YOLOv5算法获取的圆形标志点初始识别与定位结果,采用Canny算法进行边缘检测,得到包含圆形标志点的像素级边缘信息;S32、基于椭圆特征限制条件剔除非圆形标志点的像素级边缘信息,保留只含圆形标志点的像素级边缘信息;S33、采用改进Zernike矩获取圆形标志点的亚像素级边缘信息,实现对圆形标志点的精确识别。5.根据权利要求4所述的基于近景摄影测量标志点的自动识别与定位方法,其特征在于,所述步骤S32中的椭圆特征限制条件包括椭圆的长半轴、短半轴和离心率。6.根据权利要求4所述的基于近景摄影测量标志点的自动识别与定位方法,其特征在于,所述步骤S33包括以下分步骤:S331、获取包含圆形标志点的影像f(x,y)的Zernike矩A
nm
:其中(x,y)为二维影像坐标位置,n为阶数,m为重复度,ρ为边缘位置,θ为ρ与X轴的夹
角,为积分核函数V
nm
的共轭复数,为归一化因子;S332、将影像f(x,y)旋转角度φ,得到旋转后影像f(x,y)的Zernike矩A
′
nm
:A
′
nm
=A
nm
e
‑
jmφ
S333、分别得到旋转后影像的Zernike矩A
′
00
、A
′
11
和A
′
20
:其中A
00
、A
...
【专利技术属性】
技术研发人员:郑守住,汪本康,柳思聪,叶真,马小龙,江威,龙腾飞,张建霞,陈绍杰,
申请(专利权)人:闽江学院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。