[發(fā)明專利]一種基于少量正樣本融合的模板匹配方法在審
| 申請?zhí)枺?/td> | 202010587584.2 | 申請日: | 2020-06-24 |
| 公開(公告)號: | CN113920049A | 公開(公告)日: | 2022-01-11 |
| 發(fā)明(設(shè)計)人: | 李思聰;吳清瀟;王化明;嵇冠群;張正光;朱楓 | 申請(專利權(quán))人: | 中國科學(xué)院沈陽自動化研究所 |
| 主分類號: | G06T7/00 | 分類號: | G06T7/00;G06K9/62 |
| 代理公司: | 沈陽科苑專利商標代理有限公司 21002 | 代理人: | 王倩 |
| 地址: | 110016 遼*** | 國省代碼: | 遼寧;21 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 少量 樣本 融合 模板 匹配 方法 | ||
本發(fā)明涉及一種基于少量正樣本融合的模板匹配方法。本發(fā)明面向圖像目標識別定位領(lǐng)域,尤其涉及基于模板匹配的目標識別定位方法,通過對少量模板正樣本的融合,當(dāng)目標存在較大遮擋、形變、梯度方向突變時,能夠?qū)δ繕诉M行魯棒的、快速的識別定位。本發(fā)明包括以下四個步驟:1、提取模板圖像中的目標邊緣點集;2、不同模板圖像下目標邊緣點集的配準;3、目標邊緣點的融合;4、基于融合點集的相似度統(tǒng)計。本發(fā)明解決目標存在較大遮擋、形變、梯度方向突變時的模板匹配問題,提高目標識別定位魯棒性;本發(fā)明應(yīng)用于工業(yè)機器視覺識別與定位領(lǐng)域,為工業(yè)生產(chǎn)中零部件的識別與定位提供了解決方法,為實現(xiàn)工業(yè)自動化生產(chǎn)過程提供了感知功能。
技術(shù)領(lǐng)域
本發(fā)明屬于計算機視覺領(lǐng)域,具體的說涉及基于少量正樣本融合的模板匹配方法。
背景技術(shù)
隨著工業(yè)自動化水平的不斷提升,視覺識別與定位技術(shù)得到了廣泛的應(yīng)用。面向智能制造的重大需求,機器視覺作為工業(yè)自動化中的“眼睛”為生產(chǎn)過程提供了非接觸式的測量方法和稠密的、可視化的測量數(shù)據(jù)。工業(yè)流水線上同一工位同一生產(chǎn)時段內(nèi)的零部件多數(shù)為形狀重復(fù)擺放各異的同類型樣品,因此機器視覺技術(shù)要能滿足對同一類型樣品在擺放、光照、遮擋等情況下的快速、可靠識別定位,模板匹配是能夠滿足這一需求的識別定位技術(shù)。
模板匹配技術(shù)一般利用一張或多張模板圖像提取能夠描述目標的有限特征,生成目標模板;然后,在識別與定位過程中,在某種度量方法統(tǒng)計下,將模板按照某種遍歷規(guī)則在待檢測圖像中對比查找,匹配高相似度的潛在目標。工業(yè)機器視覺中的模板匹配技術(shù)目的是對特定目標工件實現(xiàn)快速、可靠的識別定位,但在目標存在以下情況:(1)目標邊緣特征存在較大遮擋;(2)目標邊緣特征出現(xiàn)梯度方向突變;(3)目標邊緣特征出現(xiàn)形變,尤其是由于生產(chǎn)工藝導(dǎo)致的有規(guī)律的大幅形變時,現(xiàn)有的模板匹配算法一般很難實現(xiàn)可靠的識別定位。
發(fā)明內(nèi)容
本發(fā)明通過利用有限數(shù)量的目標正樣本圖像,這些樣本提供了目標存在遮擋、邊緣形變、梯度突變情況下的正確描述,算法首先提取目標邊緣點并獲得梯度信息,將每個樣本的邊緣點集進行位姿配準,通過算法實現(xiàn)點集融合,最終形成能夠涵蓋每個樣本特征的新模板,利用新模板完成匹配過程,從而實現(xiàn)可靠、快速的識別定位。
本發(fā)明為實現(xiàn)上述目的所采用的技術(shù)方案是:
一種基于少量正樣本融合的模板匹配方法,包括以下步驟:
1)提取工業(yè)零件模板圖像中的目標邊緣點集;
2)不同工業(yè)零件模板圖像下的目標邊緣點集配準;
3)通過目標邊緣點的合并或分裂,得到合并分裂后的工業(yè)零件模板特征點集;
4)基于合并分裂后的工業(yè)零件模板特征點集進行相似度統(tǒng)計,進行工業(yè)零件模板與檢測圖像匹配。
步驟1)具體為:提取工業(yè)零件圖像模板中多個目標邊緣點坐標,并通過梯度檢測方法計算每個目標邊緣點的梯度幅值與方向,形成目標邊緣點集。
所述梯度檢測方法為:
m=mag[gx,gy]
θ=dir[gx,gy]
其中,gx、gy為目標邊緣點坐標使用梯度掩模計算后得到的值,m為根據(jù)數(shù)組索引得到的離散梯度幅值,θ為采用數(shù)組索引得到的離散梯度方向,mag[·]和dir[·]分別為二維數(shù)組,兩個維度變量分別為gx和gy,索引范圍包含gx、gy取得的從最小值到最大值的所有值。
步驟2)具體為:對不同工業(yè)零件模板圖像下的目標邊緣點集進行歐式變換,使得變換后的目標邊緣點集與某一幅工業(yè)零件模板即基準模板圖像下的目標邊緣點的目標姿態(tài)對齊。
所述歐式變換為:
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于中國科學(xué)院沈陽自動化研究所,未經(jīng)中國科學(xué)院沈陽自動化研究所許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010587584.2/2.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。





