【技术实现步骤摘要】
本专利技术总体上涉及机器视觉系统，更具体地，涉及对经历部分遮挡(partial occlusion)、杂波(clutter)或非线性对比度变化的非线性变换对象的视觉识别。
技术介绍
对于许多计算机视觉应用，特别是机器视觉应用来说，在图像中将给定的二维对象模板快速、鲁棒而准确地本地化是自然的先决条件。例如对于拾放应用，对象识别方法必须确定成像对象的位置。当结合成像设备的已知几何参数给定对象的位置时，可以通过本领域众知的方法来计算对象的姿态。当给定这个姿态时，机器人可以从例如传送带抓取对象。在各种检验工作中，提取对象的位置使得能够将图像中的找到区域(foundregion)解扭曲(un-warp)，并且便于光学字符识别或与例如用于对可能的制造误差进行检测的原型图像的比较。 在本领域中已经提出了几种用来在图像中确定对象的位置的方法。大多数方法比较一组可能的对象姿态与图像之间的相似性。超过阈值并且就该相似性量度而言局部最大的位置被选作对象的位置。 依赖于所使用的相似性量度，实现了相对于不利成像条件的某种不变性。例如，以归一化相关性作为相似性量度，实现了相对于模...
【技术保护点】
一种用于识别图像中的经历广义非线性变形的对象的方法，该方法包括以下步骤： （ａ）在电子存储器中获取模型对象的图像； （ｂ）将模型对象的图像变换成与搜索空间的递归细分一致的多级表示，所述多级表示至少包括所述对象的图像； （ｃ ）针对搜索空间的每一个离散化级，生成模型对象的至少一个预先计算的模型，所述预先计算的模型包括多个具有对应方向矢量的模型点，所述模型点和方向矢量通过返回每一个模型点的方向矢量的图像处理操作产生； （ｄ）生成将所述多个模型点细分成多个部分 的细分，其中，模型的变形实例通过对所述部分进行变换来表示； （ｅ）在电子存储...
【技术特征摘要】
EP 2008-1-18 08150403.71.一种用于识别图像中的经历广义非线性变形的对象的方法，该方法包括以下步骤(a)在电子存储器中获取模型对象的图像；(b)将模型对象的图像变换成与搜索空间的递归细分一致的多级表示，所述多级表示至少包括所述对象的图像；(c)针对搜索空间的每一个离散化级，生成模型对象的至少一个预先计算的模型，所述预先计算的模型包括多个具有对应方向矢量的模型点，所述模型点和方向矢量通过返回每一个模型点的方向矢量的图像处理操作产生；(d)生成将所述多个模型点细分成多个部分的细分，其中，模型的变形实例通过对所述部分进行变换来表示；(e)在电子存储器中获取搜索图像；(f)将搜索图像变换成与搜索空间的递归细分一致的多级表示，所述多级表示至少包括所述搜索图像；(g)对多级表示的每一个变换的图像执行图像处理操作，该图像处理操作返回所述搜索图像内的模型点的子集的方向矢量，该子集对应于搜索所述至少一个预先计算的模型所应该针对的变换范围；(h)计算将局部度量的结果相结合的全局匹配度量，其中，对于局部度量，在接近于预先计算的模型的受限制的变换范围内搜索模型的部分，并将每个部分的最适合者视为该部分对全局匹配度量的贡献；(i)确定那些其匹配度量超过了用户可选择的阈值且其匹配度量局部最大的模型姿态，以及，根据这些模型姿态产生处于搜索空间的最粗糙的离散化级的所述至少一个预先计算的模型的实例的列表；(j)计算描述所述部分的局部位移的变形变换；(k)通过搜索空间的递归细分，跟踪处于搜索空间的最粗糙的离散化级的所述至少一个预先计算的模型的实例，直到达到最精细的离散化级；(l)在每一级计算相应的变形变换，并将所述变形变换传送到下一级；(m)在最精细的离散化级提供模型对象实例的变形变换和模型姿态。2.根据权利要求1所述的方法，其中，以高于最精细的离散化级的分辨率来确定所述部分的位置。3.根据权利要求2所述的方法，其中，除了用户可选择的阈值之外，只有可达用户可选择的最大数量的最佳假设实例也被生成到最粗糙的离散化级上的可能匹配的列表中。4.根据权利要求3所述的方法，其中，每一个部分的局部匹配度量的得分必须超过用户可选择的局部阈值，否则，认为该部分被遮挡并且将该部分舍弃而不做进一步的处理。5.根据权利要求4所述的方法，其中，每一个部分由多个点组成，其中所述细分生成交叠的点集。6.根据权利要求4所述的方法，其中，每一个部分由多个点组成，其中所述点集是分离的集合。7.根据权利要求6所述的方法，其中，利用k均值聚类或利用归一化分割来进行所述细分。8.根据权利要求4所述的方法，其中，所计算的变换是透视变换。9.根据...
【专利技术属性】
技术研发人员：安德烈亚斯霍夫豪泽，卡斯滕施特格，
申请(专利权)人：MV科技软件有限责任公司，
类型：发明
国别省市：DE[德国]
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。