专利名称：亚像素精度工业物体快速检测方法
技术领域：
本发明涉及图像处理和计算机视觉技术领域，具体涉及一种亚像素精度工业物体快速检测方法。
背景技术：
亚像素精度定位物体的位置和角度等信息是物体检测系统中的重要环节，通常为了保证真实场景中待检测物体获得高精度的位置和角度信息，图像中物体的定位精度须达到亚像素级别。由于图像中单个像素点提供的位置信息仅为一个像素级别，因此获取亚像素位置信息需要利用像素点周围邻域的其他点来实现。提高定位精度主要通过两类途径来解决I.对物体提取特征时采用较复杂的描述子，该描述子能在亚像素级别上做区分。2.大量提取物体上的特征点，依赖高正确率的匹配，计算整体变换参数，综合得出每个特征点的亚像素位置信息。目前常见的高精度定位方法大多数将以上两种途径结合使用。在第一类途径中，常见的特征提取办法分为3大类I.边缘的检测，如 Canny, Sobel, Harris, SUSAN 等；2.兴趣点的检测，如 Harris, SUSAN, FAST, Laplacian of Gaussian, Differenceof Gaussians 等；3.兴趣点周围邻域块的检测，如 Laplacian of Gaussian, Difference ofGaussians,MSER, PCBR 等。而常见的亚像素特征提取算法主要基于以上3大类展开，例如I.边缘曲线拟合，通过Sobel算子提取边缘点，用一阶直线或二阶曲线对局部边缘点集合拟合，线与线之间的交点坐标即为角点的亚像素位置。2.邻域曲面拟合，通过上述一种兴趣点提取算法提取某兴趣点后，以该兴趣点为中心，根据兴趣点邻域像素的灰度信息，拟合得到3维曲面，曲面中对应的极值点即为该兴趣点在亚像素精度上的位置。第二类途径的基本原理与第一类途径不同，其相关算法都引入了图像模板。迭代计算的过程，就是逐次计算待检测图像和模板图像之间的变换矩阵，并使代价函数越来越 小的过程。根据代价函数的不同，此类算法可以分为两类I.代价函数正比于区域图像灰度值之差，如
2
/(Ar) = 4Z(5,.(At cxc)-s,.(e))=晏 || s(M oxc)-s(€)f
鍾 k=\▲
O2.代价函数正比于图像内特征点的描述子之差，如坐标之差
权利要求
1.一种亚像素精度工业物体快速检测方法，其特征在于，包括以下步骤 (1)对包含待测物体的图像和模板图像分别进行平滑处理后提取边缘，保留物体的内外轮廓并过滤掉部分错误的边缘点，以坐标信息表示边缘点； (2)计算两幅图像上物体的内外轮廓上的每个边缘点的法向量和切线向量，分别计算法向量和切线向量与水平方向的夹角，并择其一记录，与坐标信息共同表示边缘点； (3)对两幅图像上物体的内外轮廓上的边缘点分别提取ShapeContext信息,针对每一个点都得到一个Shape Context描述子； (4)利用步骤2中的角度信息对每一个点的ShapeContext描述子进行校正,得到一个新的改进型描述子，该改进型描述子具有对旋转保持稳定的性质； (5)步骤(4)对两幅图像上物体的全部边缘点建立新的改进型描述子后，对改进型描述子添加所对应的边缘点的位置等信息，得到针对每一个边缘点的特征向量； (6)在对两幅图像都提取出各自边缘点的特征向量后，采用ICP迭代算法反复对各自特征点进行匹配并计算反变换矩阵，最终得到整个反变换矩阵和待检测物体轮廓上各点的亚像素位置信息。
2.如权利要求I所述的亚像素精度工业物体快速检测方法，其特征在于，步骤(4)进一步包括 (41)计算切线与水平方向夹角，采用atan函数； (42)Shape Context中两点之间连线与水平方向夹角计算时采用atan2函数； (43)将ShapeContext中两点之间连线与水平方向夹角和步骤(41)中的切线角度相减，并归一到-90°至90。之间； (44)利用步骤(43)得到的结果划分log-polar空间的角度，并生成最终的ShapeContext 柱状图； (45)将柱状图向量化并归一化，在向量前段加入该点的坐标信息和切向角度信息； (46)根据预设的位置信息，角度信息和ShapeContext描述子的权重再次进行归一化，得到最终改进型描述子。
3.如权利要求2所述的亚像素精度工业物体快速检测方法，其特征在于，步骤(43)采用的计算公式为YP-q=aP-q-@P，其中， P为当前建立shape context描述子的点，点q为点p邻域附件的任一个点，a为pq连线与水平方向的夹角，P为点P的切线与水平方向的夹角，Y为计算shape context的过程中所要存储的相对角度信息。
4.如权利要求I所述的亚像素精度工业物体快速检测方法，其特征在于，步骤(I)包括 (11)在待测物体的图像和模板图像中，找出物体在图像中的大概范围，扩大范围提取出物体区域； (12)对包含完整物体轮廓的图像区域进行高斯模糊处理，Canny边缘检测，过滤错误点，提取出边缘点； (13)将检测出的边缘点用其坐标信息所表示，记录并生成一张物体的轮廓图； (14)将步骤(13)得到的轮廓图放大到与原始输入图像同样的大小。
5.如权利要求4所述的亚像素精度エ业物体快速检测方法，其特征在于，步骤(2)包括 (21)对步骤(14)得到的物体轮廓进行多项式拟合，拟合出的曲线在某一边缘点的ー阶导数即为该边缘点的斜率； (22)通过斜率计算出该处曲线的法向向量和切线向量，分别计算法向向量和切线向量与水平方向的夹角，并在法向角和切向角中择其ー记录，与坐标信息共同表示该边缘点。
6.如权利要求5所述的亚像素精度エ业物体快速检测方法，其特征在于，步骤(21)中，具体的多项式拟合采用ニ阶曲线拟合。
7.如权利要求6所述的亚像素精度エ业物体快速检测方法，其特征在于，ニ阶曲线拟合还需采纳边缘点附近足够多的点的信息，具体提取点周围5*5 10*10的邻域。
全文摘要
本发明涉及一种亚像素精度工业物体快速检测方法，首先，对待测图像和模板图像进行平滑后提取边缘，以坐标信息表示边缘点；之后，计算两幅图像上物体的内外轮廓上的点的法向量和切线向量，并转换成角度信息；对图像上物体的内外轮廓上的边缘点提取Shape Context信息；利用角度信息对每一个点的Shape Context描述子进行校正，得到改进型描述子；对改进型描述子添加位置等信息，得到边缘点的特征向量；最后，采用ICP迭代算法反复对各自特征点进行匹配并计算反变换矩阵，得到整个反变换矩阵和待检测物体轮廓上各点的亚像素位置信息。本发明具有易于实现、鲁棒性强、精确度高、实时性强，旋转不变性等优点。
文档编号G01B11/00GK102679871SQ201210139888
公开日2012年9月19日 申请日期2012年5月7日 优先权日2012年5月7日
发明者刘允才, 戴中舟, 曹铭芪, 赵旭 申请人:上海交通大学