专利名称：对物体身份识别和朝向信息计算的标志结构及识别方法
技术领域：
本发明涉及一种用于身份识别以及朝向信息计算的柱状人工标志及其识别方法。
背景技术：
在智能机器人的实际应用中，机器人需要对利用视觉系统对物体进行识别，并获取与物体的想相对位置关系，以便采取相应的控制策略。在目前的技术条件下，使机器人利用其视觉系统识别环境中的各种自然物体还存在很大困难，因此，为了保证识别时的准确性和可靠性，通常采用人工标志对需要进行识别的物体进行标识。目前的人工标志多数采用单一颜色，在识别上可靠性不够，在区分多个目标时存在困难，而且单一颜色的标志智能提供距离信息，针对这种情况，有必要设计一种能够快速识别并且能提供足够的身份识别信息如编号以及朝向信息的新型标志。这种新型标志可以应用于多种场合，例如，在完成多机器人协作任务时，各个机器人利用这种标志能够快速识别处于多机器人系统中的其它机器人的身份和朝向信息，从而合理地规划自己的行为；对于军事中应用的智能弹药系统，为了能够控制智能弹药准确地对敌方目标进行攻击，也可以采用这种标志对智能弹药进行标识，从而更好地控制弹药的攻击行为。
发明内容
为了有效地解决利用机器视觉系统对物体身份进行识别以及朝向信息进行计算的问题，本发明的目的是设计一种简单有效的人工标志以及对应识别方法，能够快速、鲁棒的识别出以该标志标识的物体，并能计算出相对于该物体的朝向信息角，本发明提出一种对物体身份识别和朝向信息计算的标志结构及其识别方法。
为了实现所述目的，本发明一方面提供了种对物体身份识别和朝向信息计算的标志结构，由基体、色块、条码部和三角部组成；所述色块、条码部和三角部粘附于一基体表面；所述色块包含第一色块和第二色块两部分，分别位于基体的顶部和底部；所述条码部和三角部位于第一色块和第二色块之间，条码部用于标识物体身份，三角部用于计算物体朝向信息角。
其中，所述第一色块和第二色块为矩形图案，由两种不同颜色构成。
其中，所述条码部的条纹由对比度相差大的两种颜色组成，其深色条纹代表0和浅色条纹代表1组成该条码部表示的编号。
其中，所述三角部由对比度相差大的两种颜色组成，其图案为一浅色矩形上覆盖一深色等腰三角形，该等腰三角形的高与矩形宽相等，三角形的底边长与矩形长相等，且底边与矩形的一边对齐。
其中，所述基体为圆柱基体，且选择圆柱半径，使色块、条码部和三角部覆盖圆柱基体外表面。
为了实现所述目的，本发明另一方面提供一种对物体身份识别和朝向信息计算标志结构的识别方法，包括如下步骤 步骤1将获取的原始图像进行校正，去除镜头畸变引起的成像失真； 步骤2对标志结构的颜色进行识别，找出两个色块区域在图像中的位置； 步骤3对两个色块区域间的中部区域进行提取并缩放到标准尺寸； 步骤4对中部区域进行灰度直方图变换，用于改善其成像对比度； 步骤5对直方图变换后的中部区域进行二值化； 步骤6对二值化后中部区域中的条码部进行读码操作； 步骤7对二值化后中部区域中的三角部进行分析，计算成像时摄像机对于标志的朝向信息角。
其中所述的颜色识别包括步骤如下 步骤21将原始图像转换到某个颜色空间； 步骤22利用已经标定好的颜色查找表产生原始图像的颜色索引图，每个索引值代表了一种颜色； 步骤23对原始图像的索引图进行连通域分析，算出索引图中各种颜色区域的质心及边界； 步骤24对原始图像的索引图中的所有区域进行判断，如果有两个区域质心相近，大小相近，且索引值与标志所使用的颜色种类对应，则这两个区域就是标志的色块区域。
其中所述的提取中部区域包括步骤如下 步骤31根据色块区域的边界初步确定中部区域的上下边界； 步骤32在原始图像的索引图中用确定的边界查找精确边界； 步骤33利用边界计算标准图像中像素点和原始图像中的点对应关系，并对标准图中的像素点赋值，从而得到原始图像两色块间的中部区域对应的标准图。
其中所述的读码操作包括步骤如下 步骤61根据已知的比例从标准图中分离出条码部； 步骤62按照条码部所代表编号对应二进制数的位数将条码区自上而下等分为n份； 步骤63每个等分后的区域中，如果深色区大于浅色区超过40％，该区域对应的比特位置1，如果浅色区大于深色区超过40％，对应的比特位置0，如果都不是则不对该位置赋值； 步骤64如果所有比特位均有值，将该二进制数转换为十进制即为该条码部表示的编号，否则认为在颜色识别中发生了错误。
其中所述计算朝向信息角的步骤包括如下 步骤71根据已知的比例从标准图中分离出三角部； 步骤72提取三角部的中部区域，该中部区域高度与三角部的高度相同，长度为n个像素，该长度根据实际情况调整，计算深色占该区域的百分比为D％，则当前朝向信息角的绝对值为(1-D％)×180°； 步骤73统计提取的中部区域两侧的深色像素的多少，用于判断三角部中边缘的斜率，斜率为正则朝向信息角符号为正，反之为负。
本发明的积极效果本发明设计上使用了色块，在检测上利用了颜色识别的方法，可以大大提高将标志从环境中提取出来的速度，条码部包含的条纹数代表了二进制数的位数，灵活可变，可以保证包含信息量足够区分常规任务下的多个目标，利用三角部计算朝向信息角快速、鲁棒。因此，本发明适合用于一些需要进行身份识别及朝向信息计算并要求实时性的场合，如标识多机器人系统中的各个机器人等。
图1是本发明的圆柱基体一个实例的侧面展开图； 图2是本发明实际采集的一幅包含标志结构的图像； 图3是本发明识别方法的流程示意图； 图4是本发明识别时经过校正后的图像； 图5是本发明颜色识别的结果，其中的矩形框标出了识别出的色块； 图6是本发明提取标志中部区域的结果； 图7是本发明二值化的结果； 图8是本发明读取码值的示意图； 图9是本发明计算朝向信息角的示意图。
具体实施例方式 下面结合附图详细说明本发明技术方案中所涉及的各个细节问题。应指出的是，所描述的实施例仅旨在便于对本发明的理解，而对其不起任何限定作用。
图1所示为一个标志结构的实例的侧面展开图，图中包含第一色块11、第二色块12、条码部2、三角部3和基体4，其中 所述色块、条码部2和三角部3粘附于一基体4表面；所述条码部2和三角部3位于第一色块11和第二色块12之间，条码部2用于标识物体身份，三角部3用于计算物体朝向信息角。
标志结构中，第一色块11和第二色块12为矩形图案，分别位于标志结构的顶部和底部，这两部分颜色不同，在本实施例中第一色块11的颜色在称呼时以A代之，第二色块12的颜色以B代之，色块颜色选择的其他形式不再赘述； 其中条码部2的条纹由对比度相差大的两种颜色组成，其深色条纹代表0和浅色条纹代表1组成该条码部2表示的编号。本实例中条码部2为黑白条纹组成的图案，黑色代表二进制1，白色代表二进制0，该例中包含五条条码，最多可以标识25＝32个物体，图中的条码部代表二进制数为01010，其编号为10，条码部2颜色选择的其他形式不再赘述； 其中三角部3由对比度相差大的两种颜色组成，其图案为一浅色矩形上覆盖一深色等腰三角形，该等腰三角形的高与矩形宽相等，三角形的底边长与矩形长相等，且底边与矩形的一边对齐。本实例中三角部3，位于条码部2和第二色块12之间，其为一白色矩形上覆盖一黑色等腰三角形，图中还标出了在三角部3中各位置对应的角度，当使用识别方法中对朝向角进行计算时，选择的矩形框在图中对应的分度为成像时摄像机对于标志的朝向信息角的计算值，三角部3颜色选择的其他形式不再赘述。
其中基体4为圆柱基体，且应当通过选择圆柱半径，使色块、条码部和三角部刚好覆盖圆柱基体外表面，基体可以采用其它具有旋转对称性质的立体结构如圆台等。
图2所示为一幅由摄像机获取的包含标志结构的图像，该图像分辨率为320×240，颜色格式为RGB，图像中的标志结构粘贴于直径为20厘米的圆柱基体4的侧表面，且刚好将其完全覆盖。
图3所示为识别流程，下面以图2中包含标志结构的图像为输入图像，对标志结构识别流程中的各步骤作详细说明，其中未作具体说明时，原始图像均指图2。所述识别流程均通过C++语言实现，并在PC机上windowsXP系统下运行，其中的图像校正是通过调用开源图像处理库OpenCV1.0中的函数实现的。
一、图像校正 对获取的原始图像进行校正，去除镜头畸变引起的成像失真；任何摄像机的镜头都存在一定程度的畸变，使得它们的成像不符合小孔成像模型，因此首先应对摄像机获取的原始图像进行畸变校正，此处采用计算机视觉教科书中提供的标准的非线性镜头标定方法标定畸变参数，然后利用这些参数进行校正。如图4所示是利原始图像进行校正后的结果，为了更好的显示校正的效果，在图中顶部和左侧使用了两条黑色标记线，从图中可以看出在校正后的图像中这两条标记线变直了。
二、颜色识别 对标志结构的颜色进行识别，找出两个色块区域在图像中的位置；颜色识别是一种检测目标的常用方法，但在具体实现上没有固定的方式，本实例中采用的方法是，首先把原始图像转换到某个包含独立亮度分量的颜色空间，然后利用除亮度分量外的其他分量进行识别。转换使用的颜色空间为YCrCb，其中Y分量代表亮度，利用事先标定好的颜色空间中的CrCb分量的颜色查找表对原始图像中的像素点分析找到对应索引号从而生成索引图，每个索引值代表了一种颜色。识别结果如图5所示，为了方便显示，将颜色A对应索引号用浅色的点表示，颜色B对应索引号则用深色表示，RGB图像与颜色空间YCrCb之间的转换采用如下公式 在所有像素点的颜色类别判断完成后，对这些点进行连通域分析将这些点连接为区域，并计算它们的质心及边界，因为图像中有噪声，所以在连通域分析之前还应先进行如下操作将过小的颜色区域滤除，这些区域被认为是噪声，然后执行膨胀和腐蚀将颜色区域中的空洞以及未连接的部分连接。
找到图像中的所有对应颜色A和B的区域后，对这些区域进行判断，如果有两个区域质心相近，大小相近，且索引值与标志所使用的颜色种类对应，则这两个区域就是标志的色块区域。图5中用矩形框标出了找到的色块区域。
三、提取中部区域 对两个色块的区域提取中部区域并缩放到标准尺寸。颜色识别过程得到的标志的上下边界是不准确的，从图4中可以看出标志的下边界是一段弧线，而由颜色识别过程得到的边界是直线，因此使用如下方法提取中部区域并缩放至标准图像大小，该标准图像的长宽比等于所使用圆柱基体4的直径比标志的中部区域宽度 首先将原始图像转换为256级的灰度图； 标准图像中的点(X，Y)处的像素值与灰度图中的中部区域的某点(X’，Y’)的灰度值应相等，其坐标的换算公式为 X’＝X*(BoundR-BoundL)/WIDTH+BoundL； Y’＝Y*(BoundB-BoundT)/HEIGHT+BoundT。
其中BoundL和BoundR为中部区域的左右边界，它们分别取得到的两色块区域的左边界中的较大者和右边界中的较小者。BoundB和BoundT是中部区域的上下边界，因为中部区域不是矩形，所以这两个边界值对每列像素都重新检测，在识别结果图中从中间部分别向上向下查找颜色，向上找到颜色A则该点纵坐标为上边界，向下找到颜色B则该点纵坐标为下边界。WIDTH和HEIGHT为标准图像的长与宽。利用边界计算标准图像中像素点和原始图像中的点对应关系，并对标准图中的像素点赋值。
提取中部区域的结果如图6所示，图6即为中部区域标准图，该图的大小是固定的，图中三角部3和条码部2的位置是已知的，但是由于图像噪声的影响，可以从图6中看出该中部区域的提取存在一定的误差。
四、直方图变换 因为光照条件变化会对二值化有很大的影响，在二值化之前应对图6进行灰度直方图的变换，使像素值均匀地扩展到整个(0，255)的取值范围。这里使用标准的直方图线性变换方法。
五、二值化 对直方图变换后的中部区域进行二值化；二值化采用的是最优阈值化方法，步骤如下 (1)设定初始阈值T0； (2)在第t步，计算前景和背景的灰度均值，设前景均值为Uf，背景均值为Ub； (3)计算第t+1步的阈值T(t+1)＝(Uf+Ub)/2； (4)如果T(t+1)＝T(t)则停止，否则返回步骤(2)； (5)用阈值T对图像二值化。
二值化的结果如图7所示，图7中的像素点只有两种值0和1，值为0显示为黑色，值为1显示为白色。
六、读码 对二值化后中部区域中的条码部2进行读码操作；按照条码部2所代表编号对应二进制数的位数将条码区自上而下等分为n份；每个等分后的区域中，如果该区域中像素值为1的像素数大于像素值为0的像素数超过40％，该区域对应的比特位置1，反之，如果像素值为0的像素数大于像素值为1的像素数超过40％，对应的比特位置0，如果都不是则不对该位置赋值；如果所有比特位均有值，将该二进制数转换为十进制即为该条码部2表示的编号，否则认为在颜色识别中发生了错误。
图8所示为读取条码部2所表示编号的示意图，其中条码部2占总中部区域的比例已知为7/16，将图7中的条码区等分为5份，对每份内进行统计，如果黑色区大于白色区超过40％，该区域对应的比特位置1，如果白色区大于黑色区超过40％，对应的比特位置0，如果都不是则不对该位置赋值。图8中的灰色线条标出了各个子区域的边界，读取得到的码值为01010。
七、计算朝向信息角 对二值化后中部区域中的三角部进行分析，计算成像时摄像机对于标志的朝向信息角。提取三角部的中部区域，该中部区域高度与三角部3的高度相同，长度为n个像素，该长度根据实际情况调整，计算像素值为1的像素占该区域的百分比为D％，则当前朝向信息角的绝对值为(1-D％)×180°；统计提取的中部区域两侧的像素值为1的像素的多少，用于判断三角部中边缘的斜率，斜率为正则朝向信息角符号为正，反之为负。
如图9所示，三角部3占总中部区域的比例已知为9/16，据此用灰色矩形框标示出了搜索位置，在该区域内统计像素值为1的像素占整个区域的百分比，从而获得朝向信息角，图中所示区域大小为20×55，像素值为1的像素有388个，因此由Angle＝(1-D％)×180°计算得到朝向信息角大小为116.5°，图中右侧像素值为1的像素点多于左侧，因此边缘斜率为正，朝向信息角符号为正，故最后所得朝向信息角取值116.5°。
该搜索区域内顶部的像素值为1的像素点是干扰点，应该去除，通过自下而上统计的方法可以将顶部的干扰点去除，当一行中没有像素值为1的像素点时就停止统计。
以上所述，仅为本发明中的具体实施方式
，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可理解想到的变换或替换，都应涵盖在本发明的包含范围之内，因此，本发明的保护范围应该以权利要求书的保护范围为准。
权利要求
1、一种对物体身份识别和朝向信息计算的标志结构，其特征是由基体、色块、条码部和三角部组成；
所述色块、条码部和三角部粘附于一基体表面；
所述色块包含第一色块和第二色块两部分，分别位于基体的顶部和底部；
所述条码部和三角部位于第一色块和第二色块之间，条码部用于标识物体身份，三角部用于计算物体朝向信息角。
2、根据权利要求1所述的标志结构，其特征是所述第一色块和第二色块为矩形图案，由两种不同颜色构成。
3、根据权利要求1所述的标志结构，其特征是所述条码部的条纹由对比度相差大的两种颜色组成，其深色条纹代表0和浅色条纹代表1组成该条码部表示的编号。
4、根据权利要求1所述的标志结构，其特征是所述三角部由对比度相差大的两种颜色组成，其图案为一浅色矩形上覆盖一深色等腰三角形，该三角形的高与矩形宽相等，三角形的底边长与矩形长相等，且底边与矩形的一边对齐。
5、根据权利要求1所述的标志结构，其特征是所述基体为圆柱基体，且选择圆柱半径，使色块、条码部和三角部覆盖圆柱基体外表面。
6、一种对物体身份识别和朝向信息计算标志结构的识别方法，包括如下步骤
步骤1将获取的原始图像进行校正，去除镜头畸变引起的成像失真；
步骤2对标志结构的颜色进行识别，找出两个色块区域在图像中的位置；
步骤3对两个色块区域间的中部区域进行提取并缩放到标准尺寸；
步骤4对中部区域进行灰度直方图变换，用于改善其成像对比度；
步骤5对直方图变换后的中部区域进行二值化；
步骤6对二值化后中部区域中的条码部进行读码操作；
步骤7对二值化后中部区域中的三角部进行分析，计算成像时摄像机对于标志的朝向信息角。
7、根据权利要求6所述的识别方法，其特征是所述的颜色识别包括步骤如下
步骤21将原始图像转换到某个颜色空间；
步骤22利用已经标定好的颜色查找表产生原始图像的颜色索引图，每个索引值代表了一种颜色；
步骤23对原始图像的索引图进行连通域分析，算出索引图中各种颜色区域的质心及边界；
步骤24对原始图像的索引图中的所有区域进行判断，如果有两个区域质心相近，大小相近，且索引值与标志所使用的颜色种类对应，则这两个区域就是标志的色块区域。
8、根据权利要求6所述的识别方法，其特征是所述的提取中部区域包括步骤如下
步骤31根据色块区域的边界初步确定中部区域的上下边界；
步骤32在原始图像的索引图中用确定的边界查找精确边界；
步骤33利用边界计算标准图像中像素点和原始图像中的点对应关系，并对标准图中的像素点赋值，从而得到原始图像两色块间的中部区域对应的标准图。
9、根据权利要求6所述的识别方法，其特征是所述的读码操作包括步骤如下
步骤61根据已知的比例从标准图中分离出条码部；
步骤62按照条码部所代表编号对应二进制数的位数将条码区自上而下等分为n份；
步骤63每个等分后的区域中，如果深色区大于浅色区超过40％，该区域对应的比特位置1，如果浅色区大于深色区超过40％，对应的比特位置0，如果都不是则不对该位置赋值；
步骤64如果所有比特位均有值，将该二进制数转换为十进制即为该条码部表示的编号，否则认为在颜色识别中发生了错误。
10、根据权利要求6所述的识别方法，其特征是所述计算朝向信息角的步骤包括如下
步骤71根据已知的比例从标准图中分离出三角部；
步骤72提取三角部的中部区域，该中部区域高度与三角部的高度相同，长度为n个像素，该长度根据实际情况调整，计算深色占该区域的百分比为D％，则当前朝向信息角的绝对值为(1-D％)×180°；
步骤73统计提取的中部区域两侧的深色像素的多少，用于判断三角部中边缘的斜率，斜率为正则朝向信息角符号为正，反之为负。
全文摘要
本发明一种对物体身份识别和朝向信息计算的标志结构及识别方法。所述结构包括色块、条码部和三角部粘附于一基体表面；两个色块位于基体的顶部和底部；条码部和三角部位于第一色块和第二色块之间。结构的识别方法是对原始图像进行畸变校正；对两个色块进行颜色识别；对中部区域进行提取；对灰度直方图进行变换并二值化；对中部区域中的条码部进行读码操作；对中部区域中的三角部分析，计算朝向信息角。本发明在检测上以颜色识别为基础提高了标志的识别速度，条码部以条纹表示二进制数编号，其位数灵活可变，足以区分多个目标，利用三角部计算朝向信息角快速、鲁棒。因此，本发明适合用于一些需要进行身份识别及朝向信息计算并要求实时性的场合。
文档编号G06K9/46GK101609508SQ20081011515
公开日2009年12月23日 申请日期2008年6月18日 优先权日2008年6月18日
发明者魁 原, 睿 郑, 园 李 申请人:中国科学院自动化研究所