一种基于颜色识别和轮廓提取的物体动态定位方法

摘要

本发明属于物体定位方法领域，并公开了一种基于颜色识别和轮廓提取的物体动态定位方法，包括以下步骤：1）物体标记：给每个需要识别的物体表面分别贴上一个标签；2）获取数据：实时采集所有标签的图像并传至计算机；3）颜色识别：将获得的图像由RGB空间转为HSV空间，分别提取各单一颜色区间的像素图案；4）轮廓提取：进行轮廓提取，保留面积在筛选范围内的轮廓；5）物体定位：对所筛选出的轮廓进行拟合获得最小的拟合外围，获得物体的中心点坐标，进而获得物体的位置。本发明事先对待识别物体进行特定颜色和形状标记，减小识别难度；将RGB空间转换为HSV空间，设置具体的颜色区间，能实现对颜色的精准区分和对物体的准确定位。

说明书

技术领域

本发明属于物体定位方法领域，更具体地，涉及一种物体动态定位方法。

背景技术

OpenCV是一个基于BSD许可(开源)发行的跨平台计算机视觉库，可以运行在Linux、Windows、Android和Mac OS操作系统上，其由一系列C函数和少量C++类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。

OpenCV致力于真实世界的实时应用，通过优化的C代码的编写对其执行速度带来了可观的提升，并且可以通过购买Intel的IPP高性能多媒体函数库(IntegratedPerformance Primitives)得到更快的处理速度。应用领域包括：人机互动，物体识别，图像分割，人脸识别，动作识别，运动跟踪，汽车安全驾驶等等。

物体动态定位是通过各种类型的传感器以及相关仪器设备对运动的物体进行实时监控，并且实时分析确定其所在位置，以达到对物体位置的准确提取。该技术运用于生活的各个领域，定位的速度和精度与所有设备和定位方法有直接关系。

一般来说，通过GPS或者其他无线技术进行定位，只能针对大区域的大型物体进行定位，定位的精度大概在米(m)的数量级，很难做到在小区域范围对小物件精确定位至厘米(cm)数量级，另外，传统摄像头定位对物体的定位大多时候受到环境因素的影响，有较大误差，甚至无法识别出物体。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于颜色识别和轮廓提取的物体动态定位方法，针对物体实时动态定位领域，实时对摄像头采集的图像进行分析；通过颜色识别和轮廓提取，精准识别颜色和计算实现对物体进行的动态定位，可以应用于抓取机器人、智能车避障、工业传送带检测等多种场合。

为实现上述目的，按照本发明，提供了一种基于颜色识别和轮廓提取的物体动态定位方法，其特征在于，包括以下步骤：

1)物体标记：给每个需要识别的物体表面分别贴上一个标签，其中，每个标签的颜色各不相同，并且标签的形状为矩形或圆形；

2)获取数据：摄像头实时采集所有标签的图像并将这些图像传至计算机；

3)颜色识别：计算机将获得的图像由RGB空间转为HSV空间，并根据预先设置的不同颜色的HSV颜色区间实现颜色的识别，然后根据HSV颜色区间，分别提取各单一颜色区间的像素图案；

4)轮廓提取：将步骤3)提取的像素图案转灰度图，对灰度图进行高斯降噪处理，再对各标签对应的灰度图分别进行轮廓提取，获得各标签对应的轮廓，然后根据设定的筛选范围，分别对各个轮廓进行筛选，保留面积在筛选范围内的轮廓；

5)物体定位：对所筛选出的轮廓分别进行拟合获得最小的拟合外围，从而获得物体的中心点坐标，进而获得物体的位置，其中，拟合外围的形状与对应标签的形状一致。

优选地，步骤5)按以下方法获得单个物体的中心点坐标

其中是物体中心点的横坐标，n是轮廓上所有轮廓点的总数量，X_i是轮廓上第i个轮廓点的横坐标，α_i是轮廓上第i个轮廓点的加权系数并且R_i是轮廓上第i个点与拟合外围的中心点的距离；

其中是物体中心点的纵坐标，n是轮廓上所有轮廓点的总数量，Y_i是拟合外围上第i个点的纵坐标，α_i是轮廓上第i个轮廓点的加权系数并且R_i是轮廓上第i个点与拟合外围的中心点的距离。

优选地，摄像头采集的时间间隔为10ms-50ms。

优选地，摄像头通过数据线或者WIFI路由器将采集图像传送给计算机。

优选地，所述摄像头为USB摄像头或WIFI摄像头。

总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：

1)事先对识别物体进行特定颜色和形状标记，减小识别难度，识别比较简单直接；

2)将RGB空间转换为HSV空间，设置具体的颜色区间，实现对颜色的精准区分；

3)提取轮廓后，根据轮廓的大小，分布情况等进行多次筛选，以保证得到的轮廓是标记所在的轮廓；

4)计算速度快，可移植性强，可广泛运用于各种机器人识别物体。

附图说明

图1是本发明方法的流程图；

图2是本发明中三个物体上不同颜色的长方形标签的示意图；

图3是本发明中实际识别出的三个物体上标签的形状和中心点的示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

参照图1～图3，一种基于颜色识别和轮廓提取的物体动态定位方法，包括以下步骤：

1)物体标记：给每个需要识别的物体表面分别贴上一个标签，其中，每个标签的颜色各不相同，并且标签的形状为矩形或圆形；

2)获取数据：摄像头实时采集所有标签的图像并将这些图像传至计算机，其中，摄像头采集的时间间隔为10ms-50ms，摄像头通过数据线或者WIFI路由器将采集图像传送给计算机，所述摄像头为USB摄像头或WIFI摄像头。

3)颜色识别：计算机将获得的图像由RGB空间转为HSV空间，并根据预先设置的不同颜色的HSV颜色区间实现颜色的识别，然后根据HSV颜色区间，分别提取各单一颜色区间的像素图案；

4)轮廓提取：将步骤3)提取的像素图案转灰度图，对灰度图进行高斯降噪处理后进行轮廓提取，然后根据设定的筛选范围，对提取的轮廓进行筛选，保留面积在筛选范围内的轮廓；譬如，设定的筛选范围为[A,B]，则面积在此区间以内的面积都被保留下来，而面积不在此区间的则被除去；

5)物体定位：对所筛选出的轮廓进行拟合获得最小的拟合外围，从而获得物体的中心点坐标，进而获得物体的位置，其中，拟合外围的形状与对应标签的形状一致，其中，步骤5)按以下方法获得单个物体的中心点坐标

其中是物体中心点的横坐标，n是轮廓上所有轮廓点的总数量，X_i是轮廓上第i个轮廓点的横坐标，α_i是轮廓上第i个轮廓点的加权系数并且R_i是轮廓上第i个点与拟合外围的中心点的距离；

其中是物体中心点的纵坐标，n是轮廓上所有轮廓点的总数量，Y_i是拟合外围上第i个点的纵坐标，α_i是轮廓上第i个轮廓点的加权系数并且R_i是轮廓上第i个点与拟合外围的中心点的距离。

本方法主要针对物体实时动态定位领域，实时对摄像头采集的图像进行分析。通过颜色识别和轮廓提取，精准识别颜色和计算实现对物体进行动态定位，并对下位机发送位置指令，可以应用于抓取机器人、智能车避障、工业传送带检测等多种场合。而本方法对于局部的小部件定位精度可以达到1cm，实现真正的精准定位，而且可以达到较高的物体识别定位率。

在计算机操作时，按键盘启动摄像头，屏幕会显示出标签颜色，参照图2，左上为红色标签，右上为蓝色标签，下方的为绿色标签(图2中未显示出彩色)，理想测试的图像是电脑生成的图片，三个标签选择矩形，每个矩形内部的颜色无色差和明暗区别。

实际测出时，参照图3，左上为红色标签识别结果，左下为绿色标签识别结果，右方的为蓝色标签识别结果(图3中未显示出彩色，其并不是由图2的三个标签识别出来的)，标签可以用白色点来显示出中心点，实际测试图案是摄像头抓拍的图案，标签的明暗可能会不一致，识别的难度比理想情况大得多。

另外，每隔30ms，计算机屏幕会自动更新当前标签的位置信息。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。