System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及图形识别领域,特别是涉及一种基于点密度的图形角点查找方法和系统。
技术介绍
1、尽管现代技术已经能够在计算机上生成许多精美的图形,但手绘图形在许多领域仍然是不可或缺的一部分。其中,角点作为手绘图形中的重要几何特征,是手绘图形识别的重点。
2、传统的角点查找方法通常通过遍历查找手绘点并计算离散曲率,当曲率超过特定的阈值时,该手绘点会被判定为角点。然而,在存在较多屏幕采样噪声或频繁手绘抖动的情况下,这种方法可能会检测出过多的角点。如果手绘图形的速度比较快,导致图形的角点比较平滑,就会出现漏找角点的情况。
技术实现思路
1、本专利技术提供一种基于点密度的图形角点查找方法和系统,以提高在手绘图形角点特征不明显时角点查找的准确率。
2、为了实现上述目的,本专利技术提供了如下技术方案,包括:
3、获取手绘图形,并识别所述手绘图形中的各采样点以及所述手绘图形的边数;其中,起笔和收笔的所述采样点;
4、将所述手绘图形按所述手绘图形的边数均分为独立的区间,并在每个所述区间内各创建第一窗口;
5、以任意第一窗口为待处理窗口,对所述待处理窗口进行迭代计算,获得当前迭代时待处理窗口内采样点密度最大的第一位置,并根据所述第一位置,更新所述待处理窗口,直到更新后的待处理窗口内的采样点数小于或等于递归约束参数时,以更新后的待处理窗口中采样点的中心点作为角点,并选取另一第一窗口作为待处理窗口;
6、当所有第一窗口完成迭代计算完成
7、与现有技术相比,本专利技术实施例的有益效果在于:
8、基于点密度而非曲率查找角点,能够避免图形角点特征不明显时识别准确率不高的问题;将手绘图形按照边数均分为独立的区间,并在每个区间内各创建第一窗口,可以适应不同复杂度和大小的图形,从而增加了方法的灵活性和适用性;以任意第一窗口为待处理窗口,通过更新所述待处理窗口迭代遍历每个区间,获取待处理窗口内点密度的最大值及其对应位置,然后将该位置作为新的区域,从而实现自适应的窗口定位,有效地捕捉角点。
9、可选地,所述对所述待处理窗口进行迭代计算,获得当前迭代时待处理窗口内采样点密度最大的第一位置,具体为:
10、通过在每个所述区间内滑动所述待处理窗口,遍历所述区间内的采样点,每遍历一个所述采样点,计算所述待处理窗口内的采样点密度,以采样点密度最大的采样点位置作为所述第一位置。
11、实施本可选项,允许系统根据实际数据的特性自适应地找到点密度最大的位置,而不需要事先设定硬性阈值。这提高了算法的鲁棒性,使其适用于各种不同的手绘图形。
12、可选地,所述计算所述待处理窗口内的采样点密度,具体为:
13、根据所述待处理窗口的窗口大小和所述待处理窗口内所有采样点的累计弦长,计算所述待处理窗口内的采样点密度;
14、其中,所述累计弦长为所述手绘图形一条轨迹上每相邻两个采样点之间的距离之和。
15、可选地,所述更新后的待处理窗口中采样点的中心点,具体为:
16、计算更新后的待处理窗口中每个所述采样点到其它采样点的距离之和,以所述距离之和最小的所述采样点为所述中心点。
17、实施本可选项,利用采样点之间的距离总和通常受到噪声或不规则采样的影响较小的优点,有助于降低噪声对中心点选择的影响,提高方法的鲁棒性。
18、可选地,所述识别所述手绘图形的边数,具体为:
19、通过卷积神经网络识别所述手绘图形的边数;其中,所述手绘图形包括:不规则几何图形。
20、实施本可选项,使用卷积神经网络,可以实现自动化的边数识别,而无需用户手动输入或测量,提高了系统的便利性和准确性。
21、相应的,本专利技术还提供一种基于点密度的图形角点查找系统,包括:
22、预处理模块,用于获取手绘图形.并识别手绘图形中的各采样点以及所述手绘图形的边数;
23、切割模块,用于将所述手绘图形按所述手绘图形的边数均分为独立的区间,并在每个所述区间内各创建第一窗口;
24、计算模块,用于以任意第一窗口为待处理窗口,对所述待处理窗口进行迭代计算,获得当前迭代时待处理窗口内采样点密度最大的第一位置,并根据所述第一位置,更新所述待处理窗口,直到更新后的待处理窗口内的采样点数小于或等于递归约束参数时,以更新后的待处理窗口中采样点的中心点作为角点,并选取另一第一窗口作为待处理窗口;
25、统计模块,用于当所有第一窗口完成迭代计算完成后,获得所述手绘图形的多个角点。
26、可选地,所述计算模块对所述待处理窗口进行迭代计算,获得当前迭代时待处理窗口内采样点密度最大的第一位置,具体为:
27、所述计算模块通过在每个所述区间内滑动所述待处理窗口,遍历所述区间内的采样点,每遍历一个所述采样点,计算所述待处理窗口内的采样点密度,以采样点密度最大的采样点位置作为所述第一位置。
28、可选地,所述计算模块计算所述待处理窗口内的采样点密度,具体为:
29、所述计算模块根据所述待处理窗口的窗口大小和所述待处理窗口内所有采样点的累计弦长,计算所述待处理窗口内的采样点密度;
30、其中,所述累计弦长为所述手绘图形一条轨迹上每相邻两个采样点之间的距离之和。
31、可选地,所述计算模块计算更新后的待处理窗口中采样点的中心点,具体为:
32、所述计算模块计算更新后的待处理窗口中每个所述采样点到其它采样点的距离之和,以所述距离之和最小的所述采样点为所述中心点。
33、可选地,所述预处理模块识别所述手绘图形的边数,具体为:
34、所述预处理模块通过卷积神经网络识别所述手绘图形的边数;其中,所述手绘图形包括:不规则几何图形。
35、相应的,本专利技术还提供一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序;其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述任一项所述的一种基于点密度的图形角点查找方法。
本文档来自技高网...【技术保护点】
1.一种基于点密度的图形角点查找方法,其特征在于,包括:
2.如权利要求1所述的一种基于点密度的图形角点查找方法,其特征在于,所述对所述待处理窗口进行迭代计算,获得当前迭代时待处理窗口内采样点密度最大的第一位置,具体为:
3.如权利要求2所述的一种基于点密度的图形角点查找方法,其特征在于,所述计算所述待处理窗口内的采样点密度,具体为:
4.如权利要求1所述的一种基于点密度的图形角点查找方法,其特征在于,所述更新后的待处理窗口中采样点的中心点,具体为:
5.如权利要求1所述的一种基于点密度的图形角点查找方法,其特征在于,所述识别所述手绘图形的边数,具体为:
6.一种基于点密度的图形角点查找系统,其特征在于,包括:
7.如权利要求6所述的一种基于点密度的图形角点查找系统,其特征在于,所述计算模块对所述待处理窗口进行迭代计算,获得当前迭代时待处理窗口内采样点密度最大的第一位置,具体为:
8.如权利要求7所述的一种基于点密度的图形角点查找系统,其特征在于,所述计算模块计算所述待处理窗口内的采样点密度,具体
9.如权利要求6所述的一种基于点密度的图形角点查找系统,其特征在于,所述计算模块计算更新后的待处理窗口中采样点的中心点,具体为:
10.如权利要求6所述的一种基于点密度的图形角点查找系统,其特征在于,所述预处理模块识别所述手绘图形的边数,具体为:
...【技术特征摘要】
1.一种基于点密度的图形角点查找方法,其特征在于,包括:
2.如权利要求1所述的一种基于点密度的图形角点查找方法,其特征在于,所述对所述待处理窗口进行迭代计算,获得当前迭代时待处理窗口内采样点密度最大的第一位置,具体为:
3.如权利要求2所述的一种基于点密度的图形角点查找方法,其特征在于,所述计算所述待处理窗口内的采样点密度,具体为:
4.如权利要求1所述的一种基于点密度的图形角点查找方法,其特征在于,所述更新后的待处理窗口中采样点的中心点,具体为:
5.如权利要求1所述的一种基于点密度的图形角点查找方法,其特征在于,所述识别所述手绘图形的边数,具体为:
6.一种基于点...
【专利技术属性】
技术研发人员:谭天,
申请(专利权)人:厦门亿联网络技术股份有限公司,
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。