一种基于链码直方图检测物体旋角的方法与流程

本发明涉及检测物体旋转角度技术领域，具体为一种基于链码直方图检测物体旋角的方法。

背景技术：

在工业视觉领域，物体旋角检测是很重要的部分。例如在流水线上对工件进行缺陷检测时，传送带上的工件就可能出现各种放置角度。目前常用的一些物体旋角检测方法主要有关键点匹配方法，最小外接矩形方法，直线检测方法等，然而这些方法仍然存在一些难以解决的情况。

例如，关键点匹配方法首先使用关键点检测算法在物体上寻找关键点，然后通过关键点匹配计算旋角。这种方法对关键点检测算法有比较高的要求，如果关键点检测不稳定就会造成很大的误差，对于表面光滑、无明显纹理的工件，关键点检测算法很难保证稳定地检测到关键点。最小外接矩形方法通过检测物体的轮廓信息计算其最小外接矩形，然后计算矩形框与水平或垂直坐标轴的夹角，从而计算物体的旋角。这种方法无法区别最小外接矩形相同的物体，而且当物体被旋转到特定角度时也可能无法很好地检测角度，例如90度，180度。另外，在工业视觉领域，除了算法精度以外，时间效率也是同样重要的，如果检测速度达不到要求也是无法实际应用的。

针对上述问题，本发明专利提出一种基于链码直方图的物体旋角检测方法，提升物体旋角检测的精度和速度，以达到工业应用的要求。

技术实现要素：

本发明的目的在于提供一种基于链码直方图检测物体旋角的方法，实现对物体旋角的精确检测，提升物体旋角的检测精度和检测速度，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于链码直方图检测物体旋角的方法，包括链码直方图模板库建立阶段、待检测物体链码直方图计算阶段和链码直方图匹配阶段；

链码直方图模板库建立阶段，采集模板图像，对图片进行预处理，消除部分噪音，并转成二值图像，按照检测精确度要求对二值化的模板图像依次旋转一定角度θ，然后将旋转后的二值图像输入到物体轮廓检测器，检测出图像中物体的轮廓信息，最后将轮廓信息输入到轮廓链码检测器，计算出物体的链码直方图，并将链码直方图以当前旋转角度为标签进行存储；

待检测物体链码直方图计算阶段，采用摄像头拍摄的图片作为输入，对图片进行预处理，消除部分噪声，并转成二值图像，然后将二值图像输入到图像轮廓检测器，并对轮廓检测算法检测到的轮廓按照尺寸从大到小进行排序，最后，取出前k个轮廓信息输入到轮廓链码检测器，计算出物体的链码直方图；

链码直方图匹配阶段，通过计算直方图相似性从链码直方图模板库中找到匹配度最高的旋转角度，定位物体旋角。

优选的，在所述链码直方图模板库建立阶段中，首先对模板图像进行二值化处理，以方便轮廓检测算法提取更精确的物体轮廓信息。

优选的，在所述链码直方图模板库建立阶段中，对二值化的模板图像依次旋转一定角度θ，具体地以θ度角为单位，从0度旋转到360度。

优选的，对于所述从0度旋转到360度的多个二值化的模板图像，在每次旋转完成后，通过轮廓检测算法，检测该旋转模板图像中物体的轮廓信息。

优选的，对于所述从0度旋转到360度的多个二值化的模板图像，在每次旋转完成并检测出其轮廓信息后，通过链码直方图统计其轮廓上每两相邻像素坐标组成的向量的方向，最终统计得到该轮廓在8个方向，即左上，左，左下，下，右下，右，右上和上的向量个数，为其链码直方图。

优选的，对于所述从0度旋转到360度的多个二值化的模板图像，在每次统计完其模板图像内轮廓的链码直方图后，以当前旋转角度为标签存入链码直方图模板库，即得到该模板图像的链码直方图模板库。

与现有技术相比，本发明的有益效果是：通过链码直方图模板库建立阶段、待检测物体链码直方图计算阶段和链码直方图匹配阶段三个阶段，实现对链码直方图模板库的建立，建立好链码直方图模板库后，就可根据待检测图像的链码直方图信息，从模板库中找到匹配度最高的模板，该模板对应的角度标签即为图像中物体的旋角，精确、快速地检测出图像中的物体的旋转角度，准确度高、实时性好，以达到工业应用的要求。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明工作流程框架图；

图2为本发明链码直方图模板库阶段建立流程图；

图3为本发明利用原始拍摄图像作为输入检测的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1-2，本发明提供一种技术方案：一种基于链码直方图检测物体旋角的方法，包括链码直方图模板库建立阶段、待检测物体链码直方图计算阶段和链码直方图匹配阶段；

链码直方图模板库建立阶段，采集模板图像，对图片进行预处理，消除部分噪音，并转成二值图像，按照检测精确度要求对二值化的模板图像依次旋转一定角度θ，然后将旋转后的二值图像输入到物体轮廓检测器，检测出图像中物体的轮廓信息，最后将轮廓信息输入到轮廓链码检测器，计算出物体的链码直方图，并将链码直方图以当前旋转角度为标签进行存储；

其中，二值化和轮廓检测都是用的已经公开开源的算法库，为所属技术领域人员所公知，因此在此不做赘述。

待检测物体链码直方图计算阶段，采用摄像头拍摄的图片作为输入，对图片进行预处理，消除部分噪声，并转成二值图像，转成二值图像采用ostu自适应阈值方法，或者自己设定阈值都行，这里用已开源算法库实现的。然后将二值图像输入到图像轮廓检测器，并对轮廓检测算法检测到的轮廓按照尺寸从大到小进行排序，最后，取出前k个轮廓信息输入到轮廓链码检测器，计算出物体的链码直方图，其中，k是根据用户的需求可以自己设定，比如总共有5个轮廓，则可以选择1-5之间的任意整数；

链码直方图匹配阶段，通过计算当前图像的链码直方图与模板库中所有旋角模板图像的链码直方图的相似性，通过计算直方图相似性从链码直方图模板库中找到匹配度最高的旋转角度，定位物体旋角。

其中，在所述链码直方图模板库建立阶段中，首先对模板图像进行二值化处理，以方便轮廓检测算法提取更精确的物体轮廓信息。二值图像是通过图像二值化算法得到的，得到二值图像后可以使得轮廓提取算法更准确，减少图像噪声的干扰，而轮廓检测算法得到的是，轮廓的像素位置信息。进一步地，对于图像中物体的一个轮廓来说，它的轮廓信息就是一个有序的坐标列表，列表内的坐标即是物体轮廓上的像素的坐标。

对二值化的模板图像依次旋转一定角度θ，具体地以θ度角为单位，从0度旋转到360度。

对于所述从0度旋转到360度的多个二值化的模板图像，在每次旋转完成后，通过轮廓检测算法，检测该旋转模板图像中物体的轮廓信息。

其中，对于所述从0度旋转到360度的多个二值化的模板图像，在每次旋转完成并检测出其轮廓信息后，通过链码直方图统计其轮廓上每两相邻像素坐标组成的向量的方向，最终统计得到该轮廓在8个方向，即左上，左，左下，下，右下，右，右上和上的向量个数，为其链码直方图；

对于所述从0度旋转到360度的多个二值化的模板图像，在每次统计完其模板图像内轮廓的链码直方图后，以当前旋转角度为标签存入链码直方图模板库，即得到该模板图像的链码直方图模板库。

如图3所示，利用所提的检测框架，在建立好链码直方图模板库后，可以直接利用原始拍摄图像作为输入，快速检测出图像中的物体的旋转角度，准确度高、实时性好。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。