[發(fā)明專利]一種新型機(jī)器視覺目標(biāo)高速定位方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710797301.5
• 申請(qǐng)日: 2017-09-06
• 公開（公告）號(hào): CN107633535A
• 公開（公告）日: 2018-01-26
• 發(fā)明（設(shè)計(jì)）人: 高軍鵬
• 申請(qǐng)（專利權(quán)）人: 深圳市易天自動(dòng)化設(shè)備股份有限公司
• 主分類號(hào): G06T7/73
• 分類號(hào): G06T7/73;G06K9/62
• 代理公司: 廣東廣和律師事務(wù)所44298
• 代理人: 王少?gòu)?qiáng)

[技術(shù)領(lǐng)域]

本發(fā)明涉及目標(biāo)定位方法技術(shù)領(lǐng)域，尤其涉及一種算法時(shí)間復(fù)雜度低，精確 度高且速度快的新型機(jī)器視覺目標(biāo)高速定位方法。

[背景技術(shù)]

到目前為止，已經(jīng)提出了很多在圖片中識(shí)別物體的方法，模板匹配可以視為 由四個(gè)部分之間不同的組合而成的方法，這四個(gè)部分包括：特征空間，搜索空間， 搜索策略和相似度測(cè)量。具體的實(shí)施過程中，特征空間是在圖像中提取一些用于 匹配的信息，包括局部特征和全局特征,比如灰度值、距、尺度不變特征變換 (SIFT)等等，選取一個(gè)好的特征可以提高匹配的效果，還可以減少噪聲。搜索空 間是一類能夠矯正圖像的變換，空間域和頻率域是其中的兩種查找空間。搜索策 略決定了如何去選擇從這個(gè)空間到下一個(gè)空間的變化。搜索策略選擇一個(gè)合適的 搜索算法去找到平移、旋轉(zhuǎn)變換參數(shù)的最優(yōu)的估計(jì)，由粗及精、分層搜索、模擬 退火算法、遺傳算法、神經(jīng)網(wǎng)絡(luò)等都是搜索策略。相似度測(cè)量主要是決定如何去 度量匹配特征的相似性，一些經(jīng)典的相似性度量的算法有：差的平方和，序貫相 似性檢測(cè)算法，歸一化相關(guān)系數(shù)，豪斯多夫距離(Hausdorff distance)等等。 然而，在具體應(yīng)用過程中，上述的算法雖然可以對(duì)目標(biāo)進(jìn)行特征定位，但由于上 述的算法時(shí)間復(fù)雜度較高，不能應(yīng)用在機(jī)器視覺的實(shí)時(shí)系統(tǒng)中。

基于上述問題，怎樣才能有效的降低運(yùn)算復(fù)雜度，減少處理時(shí)間，提高效率，本 領(lǐng)域的技術(shù)人員進(jìn)行了大量的研發(fā)和實(shí)驗(yàn)，并取得了較好的成績(jī)。

[發(fā)明內(nèi)容]

為克服現(xiàn)有技術(shù)所存在的問題，本發(fā)明提供一種算法時(shí)間復(fù)雜度低，精確度 高且速度快的新型機(jī)器視覺目標(biāo)高速定位方法。

本發(fā)明解決技術(shù)問題的方案是提供一種新型機(jī)器視覺目標(biāo)高速定位方法，包括以 下步驟，

S1：預(yù)備用于進(jìn)行圖像數(shù)據(jù)獲取的若干個(gè)工業(yè)相機(jī)；并利用工業(yè)相機(jī)進(jìn)行拍 攝，得到需要的圖像數(shù)據(jù)信息；

S2：對(duì)步驟S1中工業(yè)相機(jī)所拍攝的圖像進(jìn)行篩選及處理，得到模板圖像數(shù) 據(jù)，并儲(chǔ)存；

S3：對(duì)步驟S1中所得的圖像數(shù)據(jù)進(jìn)行預(yù)處理，對(duì)步驟S2中所得的模板圖像 數(shù)據(jù)進(jìn)行預(yù)處理，并判定圖像是否發(fā)生旋轉(zhuǎn)，若沒有，則繼續(xù)處理，若發(fā)生旋轉(zhuǎn)， 則跳轉(zhuǎn)至步驟S5；將所得到的數(shù)據(jù)信息輸送到圖像與模板所對(duì)應(yīng)的計(jì)算公示中： (其中，f是圖像，t是模板)；

S4：通過歸一化圖像和模板向量，即歸一化相關(guān)系數(shù)；所述用于進(jìn)行相似度 測(cè)量的歸一化相關(guān)系數(shù)用如下公示表示：

S5:判定圖像旋轉(zhuǎn)是否超過預(yù)設(shè)值C1，若超過則跳轉(zhuǎn)至步驟S6；若沒有超過 預(yù)設(shè)旋轉(zhuǎn)角度值C1，則繼續(xù)處理；定義一個(gè)模板t的圓投影轉(zhuǎn)換值為P_t(r)：

其中θ∈[0,2π]；

對(duì)于離散的情況P_t(r)的值可以表示為：

其中L_r是圓r中所包含的所有象素點(diǎn)的個(gè)數(shù)，r＝0、1、 2、3...R；圓投影向量間的歸一化相關(guān)系數(shù)表示為：

NC(P_f,P_t)的范圍在-1到1之間，并且不受光照和旋轉(zhuǎn)的影響；

S6:創(chuàng)建不同角度不同方向的模板序列；然后用不同方向的模板在圖像金字 塔上分別匹配；采用圓投影轉(zhuǎn)換算法，并選擇圓內(nèi)數(shù)據(jù)作為匹配區(qū)域，當(dāng)在最底 層金字塔搜索到粗位置時(shí)，就跟蹤到上一層金字塔進(jìn)行經(jīng)匹配，一直匹配到原始 圖像；

S7:采用亞像素精度計(jì)算用于得到較高的圖像分辨率；把已求得位置3×3鄰 域內(nèi)的所有點(diǎn)的相似度值擬和成一個(gè)二次曲面，然后根據(jù)最小二乘法求出系數(shù)， 然后求取局部最大值或最小值，所得的位置就是要得到的亞像素精度位置；一旦 已經(jīng)匹配到整數(shù)位置，就可以獲得其3×3鄰域內(nèi)的所有相似度值；要擬和的二 次曲面方程為：

f(x,y)＝αx²+βy²+εxy+γx+δy+φ；其中參數(shù)模型為定義 是每個(gè)位置的x,y坐標(biāo)值的組合，得到：

其中A＝[A₁,A₂,...,A₉]^T，A₁,A₂,...,A₉是9個(gè)系數(shù)向量；已知的是每個(gè)點(diǎn)的相似度值F 和位置向量A，由最小二乘法估計(jì)得到系數(shù)為：

得到系數(shù)矩陣之后，可以通過微積分的方法求得局部極值；在極值好處，有：

就方程可以得到：