全天候未知环境下高精度快速圆形目标定位方法和系统

摘要

本发明涉及计算机视觉技术领域，本发明公开了一种全天候未知环境下高精度快速圆形目标定位方法，其具体包括以下的步骤：采用高分辨率相机采集图像，采集图像后对图像进行金字塔分解，在金字塔顶端的低分辨率图像上对完整目标或污染目标进行概略定位；然后再将低分辨率图像上的完整目标或污染目标位置映射至高分辨率图像；在高分辨率图像的目标映射区域上计算完整目标或者污染目标的中心点的三维坐标。通过在低分辨率图像上对完整目标或污染目标进行概略定位，然后映射的方式，能获得较快的定位速度，方便了系统的实现。本发明还公开了一种全天候未知环境下高精度快速圆形目标定位的系统。

说明书

技术领域

本发明涉及机器视觉技术领域，具体是一种全天候未知环境下高精 度快速圆形目标定位方法和系统，可在野外全天候环境下实现圆形目标识 别与三维定位。

背景技术

在机器视觉、模式识别领域，圆形标志物常被粘贴或者刻于目标 表面，作为目标表面的一部分。由于圆形标志物具有较显著的特征， 因此较识别物体本身，对圆形标志物的识别会更容易、更稳定。这种 方法被广泛的应用于智能机械手对静止或移动目标抓取领域。在机械 手的末端装上相机，通过相机拍摄的图像识别场景中的圆形目标，并 计算圆形目标中心在全局坐标系中的三维坐标，用此值引导机械手对 目标物进行自动抓取。在整个过程中，圆形目标的高精度、快速定位 是关键。

圆形目标识别与定位的方法主要有：

(1)模板匹配法。这种方法通过提前建立圆形目标的模板，在 目标图像中搜索和模板具有最大相似度的区域。以此区域作为目标所 在的区域。通常，为了适应不同的环境，建立的模板需要有多种。

(2)通过模式训练的方法。利用大量圆形目标的特征统计分布， 对目标识别系统进行训练。将候选目标图像作为训练好分类器的输入， 根据分类器的输出判断候选目标图像是否为真正的目标。

以上是两种常见的圆形目标识别方法，识别到圆形目标所在的区 域后，根据hough检测方法或者质心法计算出圆形目标的中心。

模板匹配法的效果缺陷：误识别率较高，尤其是当圆形目标被污 染时误识别率更高，耗时。

通过模式训练的方法：需要提前对目标进行分割，误识别率较高， 尤其是当圆形目标被污染时误识别率更高，耗时。

采用高分辨率图像获得高精度定位，由于图像分辨率高，使得处 理时间加长，无法达到实时处理。也即，现有的高精度定位技术不能 很好的平衡速度与精度这两个指标，往往以牺牲速度换取高的定位精 度，或者牺牲定位精度换取快的速度。

相对室内环境下圆形目标，全天候未知环境下圆形目标的特点有： (1)背景可能为任意。(2)受到光照、遮挡、污染、阴影、透视形 变的影响，圆形目标图案形状被改变。鉴于以上因素，使用模板匹配 法时，很难给定准确的模板，因为目标被污染后的形状是任意的。因 此，使用模板匹配法，会导致误识别率较高，进而直接导致定位错误。 (3)当图像分辨率较高，而目标又较小时，从一幅图像中搜索目标 区域，需要将模板在整幅图像上滑动，耗时长。

而模式分类器的训练需要大量的样本，对于野外全天候自然环境， 想要获取完备的样本几乎是不可能的。在训练分类器时，样本不同的 特征，训练结果不一样。确定有效的样本特征是一个难点。训练样本 通常需要手动的将目标从图像中分割出来，当样本数量偏大时，人工 工作量将会较大。

采用高分辨率图像获得高精度定位的技术缺陷，在现有的圆形目 标定位技术中，为了获得较高的定位精度，需要采用高分辨率的相机。 在目标识别过程中，需要对图像的每个区域进行识别，当图像分辨率 过高时，需要识别的区域增多，导致时间开销加大。

发明内容

针对现有技术中的识别定位方法存在的上述问题，本发明公开了 全天候未知环境下高精度快速圆形目标定位方法和系统。

本发明的技术方案如下：

本发明公开了一种全天候未知环境下高精度快速圆形目标定位 的方法，其具体包括以下的步骤：采用高分辨率相机采集图像，采集 图像后对图像进行金字塔分解，在金字塔顶端的低分辨率图像上对完 整目标或污染目标进行概略定位；然后再将低分辨率图像上的完整目 标或污染目标位置映射至高分辨率图像；在高分辨率图像的目标映射 区域上计算完整目标或者污染目标的中心点的三维坐标。通过在低分 辨率图像上对完整目标或污染目标进行概略定位，然后映射的方式， 能获得较快的定位速度，方便了系统的实现。

更进一步地，上述方法还包括对定位出的圆形目标进行验证，其 验证过程包括以下的步骤：(1)计算原始图像坐标系下中心点(x_c,y_c) 及其n*n邻域(n为空间圆形目标映射至相机像平面椭圆的短轴长度的 三分之一)的灰度均值g_n；(2)以点(x_c,y_c)为中心，沿着与x轴角度 分别为0度、45度、90度、135度、180度、225度、270度、315度的八 个方向(方向和角度可以根据需要进行灵活的设定)进行搜索，到达 圆形物的边界后，再沿着该方向继续搜索5个(该值也可以是其它的 值，比如6、4等)像素，以第5个像素为中心，计算n*n邻域(n为空 间圆形目标映射至相机像平面椭圆的短轴长度的三分之一)的灰度均 值，记为g_ex1、g_ex2、g_ex3、g_ex4、g_ex5、g_ex6、g_ex7、g_ex8；(3)计算d_i＝g_n-g_exi， i＝1～8；如果所有d_i的正负符号相同，则计算出的圆心坐标不是伪圆 形坐标，反之是伪坐标。通过上述方法，剔除伪圆形坐标，从而提高 识别的精度。

更进一步地，上述对污染目标进行概略定位的过程具体为：(1) 获取图片中的非闭合曲线，记为曲线为L；(2)对曲线上的每个点， 计算沿x和y方向的差分，分别记为dx,dy；从第一个点开始，将符号 相同的连续像素记为弧段a_k，每一个a_k具有自身的符号，“+”或“-”； (3)对每一个弧段a_k的凸性进行分类：弧段a_k将把其外接矩形R分 为上下两个部分，计算向上部分的区域面积s_u和向下部分的区域面积 s_d，如果s_u>s_d，则弧段a_k为向下凸，记为"-"；反之为向上凸，记为 “+”；(4)根据弧段的方向和凸性对弧段进行象限分类，在第一象限 中，弧段方向为“+”，凸性为“-”；在第二象限中，弧段方向为“+”， 凸性为“+”；在第三象限中，弧段方向为“-”，凸性为“-”；在第四 象限中，弧段方向为“-”，凸性为“+”；(5)从第一个弧段a₁开始循 环，在其邻域搜索弧段a_i(i≠1)，弧段a_i和a₁位于不同的象限，弧段 a_i(i≠1)和弧段a₁构成候选椭圆的两部分；(6)将候选椭圆上每个像素的 坐标值作为样本参数，代入椭圆方程，根据最小二乘求解椭圆参数， 求得椭圆参数后，建立椭圆解析表达式，再将候选椭圆上每个点的坐 标值代入椭圆方程，计算残差，去除残差大于2个像素(该范围可以 根据需要进行选择)的像素点，剩余点的个数为n1；如果n1个数超过 初始样本个数n0的80％(该百分比可以根据需要进行选择)，则将剩 余的点再作为新的样本重新计算椭圆的参数，直至每个样本的计算残 差都小于2(该范围可以根据需要进行选择)个像素。通过上述方法， 识别被污染的圆形目标，提高了识别定位能力，方便了用户的使用。

本发明还公开了全天候未知环境下高精度快速圆形目标定位的系统， 其具体包括高分辨率相机、图像分解模块、目标定位模块、映射模块 和中心点计算模块；所述高分辨率相机用于采集图像；所述图像分解 模块用于对采集到的图像进行金字塔分解，得到低分辨率图像；所述 目标定位模块用于在金字塔顶端的低分辨率图像上对完整目标或污 染目标进行概略定位；所述映射模块用于将低分辨率图像上的完整目 标或污染目标位置映射至高分辨率图像；所述中心点计算模块用于在 高分辨率图像的目标映射区域上计算完整目标或者污染目标的中心 点的三维坐标。

更进一步地，上述系统还包括伪圆形验证模块，用于将识别出的 伪圆形去除。从而提高识别的精度。

更进一步地，上述系统还包括污染圆识别模块，所述污染圆识别 模块用于识别出图片中的非闭合曲线，根据弧段的方向和凸性对弧段 进行象限分类，根据分类出的象限判断是否构成一个椭圆，从而识别 出被污染的圆。

通过采用以上的技术方案，本发明的有益效果为：通过在低像素 图片中先进行定位再映射到高精度图片中定位能获得较快的定位速 度(用原始分辨率为100万像素的图像进行测试，采用本发明所提方 法，相比于在原始图像上处理，速度可提高1/3)。通过对伪圆的去除 能获得较高的定位精度。本发明还能对被污染的圆形目标进行检测。

附图说明

图1是本发明的总体实现流程图。

图2是低分辨率图像上进行目标识别流程图。

图3是圆形目标识别与中心定位流程图。

图4为验证所识别的圆形目标是否为伪目标的示意图。

图5为污染圆识别与中心定位流程图。

图6为低分辨率图像上目标整合流程图。

图7为目标由低分辨率图像映射至高分辨率图像示意图。

具体实施方式

下面结合说明书附图，详细说明本发明的具体实施方式。

本发明公开了一种全天候未知环境下高精度快速圆形目标定位的方法， 其具体步骤为用高分辨率相机采集图像，采集图像后对图像进行金字 塔分解，在金字塔顶端的低分辨率图像上对完整目标或污染目标进行 概略定位；然后再将低分辨率图像上的完整目标或污染目标位置映射 至高分辨率图像；在高分辨率图像的目标映射区域上计算完整目标或 者污染目标的中心点位置。在低分辨率图像上进行完整目标和污染目 标的识别；目标区域由低分辨率图像映射至高分辨率图像；目标在高 分辨率图像上的精确定位、圆形目标中心点三维计算。采用金字塔分 解，并在顶端先粗略定位，然后映射后精确定位与计算，快速、高精 度的定位出目标。

本发明的实现流程图如图1所示，步骤如下：第一步，对于输入 的图像(高分辨率图像)I₀进行金字塔分解，将原始图像分解为不同 尺度的图像，以最低分辨率层图像I_s作为下一步需要处理的低分辨率 图像。I_s图像尺寸一般为高分辨率图像I₀尺寸的1/4。第二步，在低分 辨率图像I_s上完成圆形目标和污染圆目标的概略区域O_s。如果能找到 目标，则执行第三步。第三步：将低分辨率图像I_s上的概略区域O_s映 射至高分辨率图像I₀上，得到目标在原始图像上所在的区域O₀。第四 步，在子图像O₀上检测和定位完整目标或缺陷目标，得到子图像O₀坐 标系下目标中心坐标(x_c′,y_c′)；第五步，将(x_c′,y_c′)映射至原始图像坐标 系下，记为(x_c,y_c)。

图像金字塔分解的具体步骤包括：步骤1：对图像进行高斯平滑， 定义原始图像为I₀，则平滑后的图像为I，为卷积符号， f为高斯模板，定义如下。

$f=\left(\begin{array}{ccccc}0.003& 0.013& 0.022& 0.013& 0.003\\ 0.013& 0.060& 0.098& 0.060& 0.013\\ 0.022& 0.098& 0.162& 0.098& 0.022\\ 0.013& 0.060& 0.098& 0.060& 0.013\\ 0.003& 0.013& 0.022& 0.013& 0.003\end{array}\right)$

步骤2：对图像进行亚采样，去除所有偶数行和列，得到低分辨 率图像I_s。此低分辨率图像的尺寸为原始图像尺寸的1/4。

在低分辨率图像I_s上进行目标识别的过程如图2所示。首先对输 入的图像进行完整圆识别，如果成功(圆形目标未被污染)，估计圆 形目标区域并返回。如果不成功(圆形目标被污染)，进行污染圆识 别，如果能识别到污染圆，则以污染圆所在的位置为先验知识，估计 并返回目标区域，反之退回。

完整圆识别的过程具体包括以下的步骤：(1)、比如采用大津法 或者其他方法，对低分辨率图像I_s进行二值化，得到图像I_b。(2)对 I_b进行canny边缘检测，得到图像I_e。(3)计算图像I_e中的封闭轮廓向 量Counter，Counter(i)表示第i条轮廓。(4)封闭轮廓的个数为n_counter， 从i＝1开始循环，直到i＝n_counter；在每个循环内判断Counter(i)是否为圆 形区域。

判断Counter(i)是否为圆形区域具体包括以下的步骤：S41计算 Counter(i)的面积，记为S；计算Counter(i)的长度，记为L；计算 Counter(i)的圆形度m＝4πS/L₂；S42判断Counter(i)是否为圆形目标区域： 当且仅当满足如下2个条件时，Counter(i)为圆形目标区域，反之不是。 2个条件如下：L_min≤L≤L_max，m_min≤m≤m_max。L_min，L_max，m_min，m_max为长 度和圆形度的最小和最大值的经验值，该经验值可以根据需要进行适 应性的调整。

圆形目标中心点定位包括以下的步骤：Counter(i)向量中每个元素 点的坐标为(x_i,y_i)，i∈[1n]，n为点的个数。圆形目标在图像上的影 像为椭圆，椭圆的一般表达式为：ax²+bxy+cy²+dx+ey+f＝0。将(x_i,y_i) 代入椭圆一般表达式，通过最小二乘法计算出(a,b,c,d,e,f)的值，椭 圆中心计算公式为：$x_c=\frac{2cd-be}{b^2-4ac},y_c=\frac{2ae-bd}{b^2-4ac};$(b²-4ac≠0)。

上述方法还包括验证所识别的圆形目标是否为伪目标。所识别的 目标圆如图4所示。(x_c,y_c)为计算的目标圆圆心，其验证过程包括以 下的步骤：(1)计算(x_c,y_c)及其n*n(比如7*7)邻域的灰度均值g_in,n 为空间圆形目标映射至相机像平面椭圆的短轴长度的三分之一。(2) 以点(x_c,y_c)为中心，沿着与x轴角度分别为0度、45度、90度、135度、 180度、225度、270度、315度的八个方向进行搜索，到达圆形物的边 界后，再沿着该方向继续搜索5个像素，以第5个像素为中心(图4中 的p₁-p₈)，计算n*n邻域的灰度均值(n为空间圆形目标映射至相机像 平面椭圆的短轴长度的三分之一)，记为g_ex1、g_ex2、g_ex3、g_ex4、g_ex5、 g_ex6、g_ex7、g_ex8。计算d_i＝g_in-g_exi，i＝1～8；如果所有d_i的正负符号相 同，则计算出的圆心坐标不是伪圆形坐标，反之是伪坐标。

污染圆的定义是指在野外环境中，由于遮挡、阴影，圆形目标的 轮廓受到污染，不再是一个圆；但是存在部分可见圆弧。污染圆的识 别就是通过识别圆弧，由圆弧去推测圆形目标所在位置。算法流程如 图5所示。

识别污染圆的过程包括以下的步骤：(1)判断当前连通曲线是否为闭 合曲线：从所有的曲线中去除闭合曲线，剩下的即为非闭合曲线。(2) 计算弧段方向：如果是非闭合曲线，记曲线为L；对曲线上的每个点， 计算沿x和y方向的差分，分别记为dx,dy；从L的第一个点开始进行 统计，将dx(x,y)×dy(x,y)符号相同的连续像素记为弧段a_k，每一个a_k具 有自身的符号，“+”或“-”。假定此段弧有10个点，第1-5个点的dx×dy 方向为正，第6个点的dx×dy方向为负，第7-10个点的方向为正；则将 第1-5个点连接起来，成为一段弧；第6个点也是一段弧，只不过仅有 一个孤立点；第7-10个点连接起来成为一段弧。(3)去除伪椭圆弧段： 去除原则：(1)计算弧段a_k的长度，当长度小于20(此值为经验值， 可设置为其它不同的值)个像素时，去除该弧段，以避免噪声的干扰。 (2)计算a_k的外接矩形R，当R最短边长度小于5(此值为经验值， 可设置为其它不同的值)个像素时，去除该弧段，以避免由共线点构 成的弧段。(4)对弧段凸性进行分类：对弧段a_k的凸性进行分类。弧 段a_k将把其外接矩形R分为上下两个部分，计算向上部分的区域面积 s_u和向下部分的区域面积s_d，如果s_u>s_d，则弧段a_k为向下凸，记为"-"； 反之为向上凸，记为“+”。(5)对弧段进行象限分类：依据为根据弧 段的方向和凸性。在第一象限中，弧段方向为“+”，凸性为“-”；在 第二象限中，弧段方向为“+”，凸性为“+”；在第三象限中，弧段方 向为“-”，凸性为“-”；在第四象限中，弧段方向为“-”，凸性为“+”； (6)检测候选椭圆：假定候选椭圆弧的个数为n。从第一个弧段a¹开 始循环，在其邻域搜索满足如下条件的弧段a_i(i≠1)，弧段a_i和a₁位于 不同的象限。邻域的定义如下：以a₁的中心为中心，d₁为边长的矩形 区域。d₁为经验值。满足条件的弧段a_i(i≠1)和弧段a₁构成候选圆的两 部分。(7)计算候选椭圆的中心：将候选椭圆上每个像素的坐标值作 为样本参数，代入椭圆方程，根据最小二乘求解椭圆参数。求得椭圆 参数后，建立椭圆解析表达式，再将候选椭圆上每个点的坐标值代入 椭圆方程，计算残差，去除残差大于2个像素的像素点，剩余点的个 数为n1。如果n1个数超过n0(n0为初始样本个数)的80％，则将剩余 的点再作为新的样本重新计算椭圆的参数，直至每个样本的计算残差 都小于2个像素。

在低分辨率上，当只检测到一个圆形目标区域时，圆形目标区域 即为圆形区域的外界四边形。当检测到多个圆形目标，且两个圆形目 标距离较近时(比如同心圆，两个圆心目标基本重合)，需要将两个 目标区域整合为一个目标区域。设每个圆形目标区域由矩形表示 C(ri₀₀,ri₀₁,ri₁₀,ri₁₁)，i＝1...n，ri₀₀,ri₀₁,ri₁₀,ri₁₁表示矩形的四个顶点，n表示 目标的个数。目标区域整合的目的就将相邻的目标区域整个为一个目 标区域。目标整合流程如图6所示。

以第1个目标为基准目标，从第i(i＝2)个目标开始循环，判断第 i个目标是否需要和第1个目标整合在一起。如果需要，则将基准目标 所在的区域和第i个目标所在区域进行整合；反之，将第i个目标区域 存入新的向量。待循环结束之后，再将新向量内各个目标按图6的流 程进行整合。

本发明中令基准区域的坐标为C₀(r0₀₀,r0₀₁,r0₁₀,r0₁₁)，第i个目标区 域的坐标为C_i(ri₀₀,ri₀₁,ri₁₀,ri₁₁)。其中，r0_j,k和ri_j,kj,k＝0,1分别表示目 标区域的四个顶点，定义为：r0₀₀＝(x0₀₀,y0₀₀)，r0₀₁＝(x0₀₁,y0₀₁)， r0₁₀＝(x0₁₀,y0₁₀)，r0₁₁＝(x0₁₁,y0₁₁),ri₀₀＝(xi₀₀,yi₀₀)，ri₀₁＝(xi₀₁,yi₀₁)， ri₁₀＝(xi₁₀,yi₁₀)，ri₁₁＝(xi₁₁,yi₁₁)。

计算C₀和C_i区域是否需要整合，其具体包括以下的步骤：(1)计 算C₀和C_i区域公共区域面积S_0i；S_0i＝0，从C_i区域的第一个元素开 始，从左至右，从上至下进行循环；假定当前点的坐标为(x_i,y_i)，如 果x0₀₀≤x_i≤x0₀₁，并且y0₀₀≤y_i≤y0₀₁；则S_0i＝S_0i+1；(2)计算第i个目 标区域和基准区域是否需要整合，计算C₀的面积S₀，C_i的面积S_i。如 果或者则表示第i个目标区域需要和基准区域进行 整合，整合后的区域称为新的基准区域。更新后的基准区域C₀′。

目标在低分辨率图像和高分辨率图像上位于不同的区域，如图7 所示。为完成目标在高分辨率图像上的定位，需要将目标从低分辨率 图像映射至高分辨率图像。图7目标由低分辨率图像映射至高分辨 率图像示意图。

将目标在低分辨率图像所在的区域映射至高分辨率具体包括以 下的步骤：(1)目标在低分辨率图像I_s上的坐标为(x_s,y_s)，设定目标 圆在低分辨率图像上的直径为r_s,此值为经验值，则目标在低分辨率图 像上的矩形区域位置为：(r₀₀′,r₀₁′,r₁₀′,r₁₁′)。

r₀₀′＝(x_s-r_s-10，y_s-r_s-10)；

r₀₁′＝(x_s+r_s+10，y_s-r_s-10)；

r₁₀′＝(x_s-r_s-10，y_s+r_s+10)；

r₁₁′＝(x_s+r_s+10，y_s+r_s+10)。

(2)目标在高分辨率图像I_o上矩形区域位置O₀(r₀₀,r₀₁,r₁₀,r₁₁)为：

r₀₀＝(2(x_s-r_s-10)，2(y_s-r_s-10))；

r₀₁＝(2(x_s+r_s+10)，2(y_s-r_s-10))；

r₁₀＝(2(x_s-r_s-10)，2(y_s+r_s+10))；

r₁₁＝(2(x_s+r_s+10)，2(y_s+r_s+10))。

(3)在O₀上识别和定位目标。目标中心坐标为(x_c′,y_c′)；

(4)目标中心由O₀子坐标系映射至I₀图像坐标系(x_c,y_c)。

x_c＝x_c′+2(x_s-r_s-10)

y_c＝y_c′+2(y_s-r_s-10)

根据双目立体视觉原理，先标定两个相机的内外参数，再根据两 个相机的几何关系计算圆形目标中心三维点坐标。

上述的实施例中所给出的系数和参数，是提供给本领域的技术人员来 实现或使用发明的，发明并不限定仅取前述公开的数值，在不脱离发 明的思想的情况下，本领域的技术人员可以对上述实施例作出种种修 改或调整，因而发明的保护范围并不被上述实施例所限，而应该是符 合权利要求书提到的创新性特征的最大范围。