一种基于机器人视觉的目标图像匹配系统及匹配方法

1.本技术涉及图像处理技术领域，具体而言，涉及一种基于机器人视觉的目标图像匹配系统及匹配方法。


背景技术：

2.图像匹配是通过对影像内容、特征、结构、关系、纹理及灰度等的对应关系，相似性和一致性的分析，寻求相似影像目标的方法。图像匹配是指通过一定的匹配算法在两幅或多幅图像之间识别同名点，如二维图像匹配中通过比较目标区和搜索区中相同大小的窗口的相关系数，取搜索区中相关系数最大所对应的窗口中心点作为同名点。其实质是在基元相似性的条件下，运用匹配准则的最佳搜索问题。
3.在现有技术中，通过机器视觉拍摄一张照片之后，可以将照片中的图像和中央数据库中的图像匹配并识别，然而，科技发展日新月异，创新无处不在的，新创造的物品或者形象难以匹配和识别。


技术实现要素：

4.本技术的主要目的在于提供一种基于机器人视觉的目标图像匹配系统及匹配方法，以改善相关技术中,新创造的物品或者形象难以匹配和识别的问题。
5.为了实现上述目的，本技术提供了一种基于机器人视觉的目标图像匹配系统，包括中央处理模块，所述中央处理模块用于用于负责整个交换系统的模块间呼叫接续管理，通过构建中央中央数据库来实现对中继资源和各种共享资源的管理，并负责管理和维护中心模块的设备；
6.中央数据库，中央数据库储存有用于对比的标准图片；
7.图像预处理模块，所述图像预处理模块和所述中央处理模块电性连接，所述图像处理单元对图象进行平滑、增强、恢复和滤波处理，从而增加画质的清晰度和完整度；
8.图像拆分模块，所述图像拆分模块和所述中央处理模块电性连接，所述图像拆分模块将图片中的图像拆分成各个独立的目标物体；具体可通过二值化对图片进行处理，从而识别出各个目标物体的边界，从而将图像拆分成各个目标物体。
9.目标图像选择模块，所述目标图像选择模块和所述中央处理模块电性连接，所述目标图像选择模块包括主动选择单元和自动选择单元；在进行一次图像拆分完之后，使用者可通过主动选择单元选择需要匹配的目标，没有被选中的目标自动舍弃，从而降低工作量；
10.自动选择单元用于将无法识别的目标先行舍弃，例如模糊的图像、画面中呈现点状的图像，从而降低图像处理的工作量；
11.图像变化模块，所述图像变化模块和所述中央处理模块电性连接，所述图像变换模块包括旋转单元和缩放单元；所述旋转单元对选中的目标进行旋转，从而便于匹配；
12.所述缩放单元对选中的目标进行缩放，从而便于目标的识别和匹配；
13.一次图像识别模块，所述一次图像识别模块和所述中央处理模块电性连接，对图像进行数据化处理，通过调用中央数据库，将目标图像的数据和中央数据库中的数据进行对比，能够进行匹配的，可直接输出图像的识别结果。
14.在本技术的一种实施例中，所述中央数据库中设置有数据更新单元，在识别出图片中的图像后，由审核员或者使用者进行评价，评价是或者否，若评价为“是”，则将该图片和识别的答案储存到中央数据库中，作为标准图片。
15.在本技术的一种实施例中，所述中央数据库中设置优先级划分单元，在识别出图片中的图像后，由审核员或者使用者进行评价，评价是或者否，根据两个评价的比例来确定对比时调用该图像的优先级，是所占的比例越高，则在目标图像匹配时调用该图像的优先级越高；反之，否所占的比例越高，则在目标图像匹配时调用该图像的优先级越低。
16.在本技术的一种实施例中，结构拆分模块；所述结构拆分模块和所述中央处理模块电性连接，对于不能和中央数据库中的图片数据进行匹配的数据，启用二次识别拆分模块；用于对同一个物体进行二次拆分，从而将同一个目标拆分成多个结构；
17.所述结构拆分模块包括结构拆分数据库；二次中央数据库中放置有各种物体的结构特征数据；
18.还包二次括图像识别模块；所述二次图像识别模块和所述中央处理模块电性连接，将单个的目标图像数据和二次中央数据库中的进行对比并匹配，从而将各个特征进行拆分，并且得到目标图像各个结构的属性；
19.如对生活用品而言，杯子可分成杯体、杯盖、把手。对门可拆分为门板、把手和锁；
20.对动物，拆分为头颅、躯干、肢体、翅膀和尾巴等；
21.对组合物，拆分为其组成单元，如对绿植，拆分为植物和花盆两个模块；
22.在本技术的一种实施例中，还包括异常去除模块；所述异常去除模块和所述中央处理模块电性连接，目标的各个结构的匹配结果不相适用时，如头颅匹配为老虎的头颅，尾巴匹配为狮子的尾巴，则调用此模块，用于去除异常数据，得到匹配结果；
23.所述异常去除模块包括结构优先级设置单元，设置各个结构对正确匹配的贡献度；当某些特征的贡献度叠加大于预设值时，则将该特征的物品或物种作为匹配结果。
24.在本技术的一种实施例中，还包括异常分析模块，所述异常分析模块和所述中央处理模块电性连接，对异常的图像进行进一步分析；
25.异常分析模块包括启闭单元，所述启闭单元用于控制本模块的启闭，当关闭时，异常图像直接转到人工识别；当开启时，对异常图像进行进一步分析；
26.在本技术的一种实施例中，异常分析模块还包括结构数量评判单元、结构组装单元和目标数量计量单元；
27.结构数量评判单元用于判断图像目标的各个结构的数量是否符合常识；
28.当图像目标的结构多于常识时，可判定为目标异常，可通过结构组装单元进一步判断结构的组装关系是否异常；
29.结构组装单元用于对各个结构的组装关系进行常识性的匹配，如头颅和尾巴应该位于躯干的两侧，杯子的把手应该位于杯子的侧壁上；
30.如异常图像符合组装关系，则可以匹配为异常特征加主体特征，如命名为两个头的狮子，三个把手的杯子；
31.如异常图像不符合组装关系，则开启目标数量计量单元，识别图片中同类目标的数量；
32.若有多个相同的目标图像，则可将异常结构归类为一个多个目标的重合；
33.若只有一个目标图像，则转到人工审核，进行人工匹配。如杯子的把手装在杯子的底部，头颅在躯干下方的狮子。
34.一种基于机器人视觉的目标图像匹配方法，包括以下步骤：
35.s1、录入图像，图像处理单元对图象进行平滑、增强、恢复和滤波处理，从而增加画质的清晰度和完整度
36.s2、图像拆分模块将图片中的图像拆分成各个独立的目标物体，并选择需要匹配的目标；
37.s3、对选中的目标进行旋转和缩放，从而便于目标的识别和匹配；
38.s4、对图像进行数据化处理，通过调用中央数据库，将目标图像的数据和中央数据库中的数据进行对比，能够进行匹配的，可直接输出图像的识别结果；
39.s5、对于不能和中央数据库中的图片数据进行匹配的数据，启用二次识别拆分模块；用于对同一个物体进行二次拆分，从而将同一个目标拆分成多个结构；
40.s6、目标的各个结构的匹配结果不相适用时，则调用异常去除模块，去除异常数据，得到匹配结果；
41.在本技术的一种实施例中，在需要时，对异常值进行进一步分析，包括以下步骤：
42.s7、结构数量评判单元用于判断图像目标的各个结构的数量是否符合常识；
43.s8、当图像目标的结构多于常识时，可判定为目标异常，可通过结构组装单元进一步判断结构的组装关系是否异常；
44.s9、结构组装单元对各个结构的组装关系进行常识性的匹配，如异常图像符合组装关系，则可以输出组合对比结果，
45.s10、如异常图像不符合组装关系，则开启目标数量计量单元，识别图片中同类目标的数量；
46.s11、若有多个相同的目标图像，则可将异常结构归类为一个多个目标的重合；
47.若只有一个目标图像，则转到人工匹配。
48.与现有技术相比，本技术的有益效果是：
49.1、设置异常去除模块，当目标的各个结构的匹配结果不相适用时，则调用此模块，用于去除异常数据，得到匹配结果；异常去除模块包括结构优先级设置单元，设置各个结构对正确匹配的贡献度；当某些特征的贡献度叠加大于预设值时，则将该特征的物品或物种作为匹配结果，因此可去除异常特征，得到一个准确率较高的答案，而不是匹配失败。
50.2、设置异常分析模块，结构数量评判单元用于判断图像目标的各个结构的数量是否符合常识；当图像目标的结构多于常识时，可判定为目标异常，可通过结构组装单元进一步判断结构的组装关系是否异常；结构组装单元用于对各个结构的组装关系进行常识性的匹配，如异常图像符合组装关系，则可以匹配为异常特征加主体特征；如异常图像不符合组装关系，则开启目标数量计量单元，识别图片中同类目标的数量；若有多个相同的目标图像，则可将异常结构归类为一个多个目标的重合，因此可以识别出异常特征。
附图说明
51.图1为根据本技术实施例1提供的基于机器人视觉的目标图像匹配系统的结构框图；
52.图2为根据本技术实施例1提供的基于机器人视觉的目标图像匹配系统的目标图像选择模块的结构框图；
53.图3为根据本技术实施例1提供的基于机器人视觉的目标图像匹配系统的图像变化模块的结构框图；
54.图4为根据本技术实施例1提供的基于机器人视觉的目标图像匹配系统的中央数据库的结构框图；
55.图5为根据本技术实施例1提供的基于机器人视觉的目标图像匹配系统的异常去除模块的结构框图；
56.图6为根据本技术实施例2提供的基于机器人视觉的目标图像匹配系统的结构框图；
57.图7为根据本技术实施例提供的基于机器人视觉的目标图像匹配系统的异常分析模块的结构框图。
具体实施方式
58.为了使本技术领域的人员更好地理解本技术方案，下面将结合本技术实施例中的附图，对本技术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技术一部分的实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本技术保护的范围。
59.需要说明的是，本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
60.在本技术中，术语“上”、“下”、“左”、“右”、“前”、“后”、“顶”、“底”、“内”、“外”、“中”、“竖直”、“水平”、“横向”、“纵向”等指示的方位或位置关系为基于附图所示的方位或位置关系。这些术语主要是为了更好地描述本技术及其实施例，并非用于限定所指示的装置、元件或组成部分必须具有特定方位，或以特定方位进行构造和操作。
61.并且，上述部分术语除了可以用于表示方位或位置关系以外，还可能用于表示其他含义，例如术语“上”在某些情况下也可能用于表示某种依附关系或连接关系。对于本领域普通技术人员而言，可以根据具体情况理解这些术语在本技术中的具体含义。
62.另外，术语“多个”的含义应为两个以及两个以上。
63.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本技术。
64.实施例1
65.请参阅图1-图5，本技术提供了一种基于机器人视觉的目标图像匹配系统，包括：
66.中央处理模块，所述中央处理模块用于用于负责整个交换系统的模块间呼叫接续管理，通过构建中央中央数据库来实现对中继资源和各种共享资源的管理，并负责管理和维护中心模块的设备；
67.中央数据库，中央数据库储存有用于对比的标准图片；
68.图像预处理模块，所述图像预处理模块和所述中央处理模块电性连接，所述图像处理单元对图象进行平滑、增强、恢复和滤波处理，从而增加画质的清晰度和完整度；
69.图像拆分模块，所述图像拆分模块和所述中央处理模块电性连接，所述图像拆分模块将图片中的图像拆分成各个独立的目标物体；具体可通过二值化对图片进行处理，从而识别出各个目标物体的边界，从而将图像拆分成各个目标物体。
70.图像的二值化处理就是将图像上的点的灰度置为0或255，也就是将整个图像呈现出明显的黑白效果。即将256个亮度等级的灰度图像通过适当的阈值选取而获得仍然可以反映图像整体和局部特征的二值化图像。在数字图像处理中，二值图像占有非常重要的地位，特别是在实用的图像处理中，以二值图像处理实现而构成的系统是很多的，要进行二值图像的处理与分析，首先要把灰度图像二值化，得到二值化图像，这样子有利于在对图像做进一步处理时，图像的集合性质只与像素值为0或255的点的位置有关，不再涉及像素的多级值，使处理变得简单，而且数据的处理和压缩量小。为了得到理想的二值图像，一般采用封闭、连通的边界定义不交叠的区域。所有灰度大于或等于阈值的像素被判定为属于特定物体，其灰度值为255表示，否则这些像素点被排除在物体区域以外，灰度值为0，表示背景或者例外的物体区域。如果某特定物体在内部有均匀一致的灰度值，并且其处在一个具有其他等级灰度值的均匀背景下，使用阈值法就可以得到比较的分割效果。如果物体同背景的差别表现不在灰度值上(比如纹理不同)，可以将这个差别特征转换为灰度的差别，然后利用阈值选取技术来分割该图像。动态调节阈值实现图像的二值化可动态观察其分割图像的具体结果。
71.目标图像选择模块，所述目标图像选择模块和所述中央处理模块电性连接，所述目标图像选择模块包括主动选择单元和自动选择单元；在进行一次图像拆分完之后，使用者可通过主动选择单元选择需要匹配的目标，没有被选中的目标自动舍弃，从而降低工作量；
72.自动选择单元用于将无法识别的目标先行舍弃，例如模糊的图像、画面中呈现点状的图像，从而降低图像处理的工作量；
73.图像变化模块，所述图像变化模块和所述中央处理模块电性连接，所述图像变换模块包括旋转单元和缩放单元；所述旋转单元对选中的目标进行旋转，从而便于匹配；
74.所述缩放单元对选中的目标进行缩放，从而便于目标的识别和匹配；
75.一次图像识别模块，所述一次图像识别模块和所述中央处理模块电性连接，对图像进行数据化处理，通过调用中央数据库，将目标图像的数据和中央数据库中的数据进行对比，能够进行匹配的，可直接输出图像的识别结果。
76.优选的，所述中央数据库中设置有数据更新单元，在识别出图片中的图像后，由审核员或者使用者进行评价，评价是或者否，若评价为“是”，则将该图片和识别的答案储存到中央数据库中，作为标准图片。
77.优选的，所述中央数据库中设置优先级划分单元，在识别出图片中的图像后，由审核员或者使用者进行评价，评价是或者否，根据两个评价的比例来确定对比时调用该图像的优先级，是所占的比例越高，则在目标图像匹配时调用该图像的优先级越高；反之，否所占的比例越高，则在目标图像匹配时调用该图像的优先级越低。
78.优选的，还包括结构拆分模块；所述结构拆分模块和所述中央处理模块电性连接，对于不能和中央数据库中的图片数据进行匹配的数据，启用二次识别拆分模块；用于对同一个物体进行二次拆分，从而将同一个目标拆分成多个结构；
79.所述结构拆分模块包括结构拆分数据库；二次中央数据库中放置有各种物体的结构特征数据；
80.还包二次括图像识别模块；所述二次图像识别模块和所述中央处理模块电性连接，将单个的目标图像数据和二次中央数据库中的进行对比并匹配，从而将各个特征进行拆分，并且得到目标图像各个结构的属性；
81.如对生活用品而言，杯子可分成杯体、杯盖、把手。对门可拆分为门板、把手和锁；
82.对动物，拆分为头颅、躯干、肢体、翅膀和尾巴等；
83.对组合物，拆分为其组成单元，如对绿植，拆分为植物和花盆两个模块；
84.还包括异常去除模块；所述异常去除模块和所述中央处理模块电性连接，目标的各个结构的匹配结果不相适用时，如头颅匹配为老虎的头颅，尾巴匹配为狮子的尾巴，则调用此模块，用于去除异常数据，得到匹配结果；
85.所述异常去除模块包括结构优先级设置单元，设置各个结构对正确匹配的贡献度；当某些特征的贡献度叠加大于预设值时，则将该特征的物品或物种作为匹配结果。
86.如对动物而言，可头颅占据30-50％，躯干占据20-30％，其他体型的每个结构5-10％。
87.预设值可根据使用者的需求来设置；使用者对结果的准确率要求越高，则预设值可设置的越高。如预设值设置为100％，则说明目标的各个结构的匹配结果必须全部相适应，才判定为匹配结果正确。如预设值为80％，则目标的80％以上的结构属于同一个物品或者同一个物种，就可以判定该目标图像为这个物品或者物种。
88.一种基于机器人视觉的目标图像匹配方法，包括以下步骤：
89.s1、录入图像，图像处理单元对图象进行平滑、增强、恢复和滤波处理，从而增加画质的清晰度和完整度
90.s2、图像拆分模块将图片中的图像拆分成各个独立的目标物体，并选择需要匹配的目标；
91.s3、对选中的目标进行旋转和缩放，从而便于目标的识别和匹配；
92.s4、对图像进行数据化处理，通过调用中央数据库，将目标图像的数据和中央数据库中的数据进行对比，能够进行匹配的，可直接输出图像的识别结果；
93.s5、对于不能和中央数据库中的图片数据进行匹配的数据，启用二次识别拆分模块；用于对同一个物体进行二次拆分，从而将同一个目标拆分成多个结构；
94.s6、目标的各个结构的匹配结果不相适用时，则调用异常去除模块，去除异常数据，得到匹配结果。
95.实施例2
96.与实施例1不同的是，请参阅图6和图7，还包括异常分析模块，所述异常分析模块和所述中央处理模块电性连接，对异常的图像进行进一步分析；
97.异常分析模块包括启闭单元，所述启闭单元用于控制本模块的启闭，当关闭时，异常图像直接转到人工识别；当开启时，对异常图像进行进一步分析；
98.异常分析模块还包括结构数量评判单元、结构组装单元和目标数量计量单元；
99.结构数量评判单元用于判断图像目标的各个结构的数量是否符合常识；
100.当图像目标的结构多于常识时，可判定为目标异常，可通过结构组装单元进一步判断结构的组装关系是否异常；
101.结构组装单元用于对各个结构的组装关系进行常识性的匹配，如头颅和尾巴应该位于躯干的两侧，杯子的把手应该位于杯子的侧壁上；
102.如异常图像符合组装关系，则可以匹配为异常特征加主体特征，如命名为两个头的狮子，三个把手的杯子；
103.如异常图像不符合组装关系，则开启目标数量计量单元，识别图片中同类目标的数量；
104.若有多个相同的目标图像，则可将异常结构归类为一个多个目标的重合；
105.若只有一个目标图像，则转到人工审核，进行人工匹配。如杯子的把手装在杯子的底部，头颅在躯干下方的狮子。
106.一种基于机器人视觉的目标图像匹配方法，包括以下步骤：
107.s1、录入图像，图像处理单元对图象进行平滑、增强、恢复和滤波处理，从而增加画质的清晰度和完整度
108.s2、图像拆分模块将图片中的图像拆分成各个独立的目标物体，并选择需要匹配的目标；
109.s3、对选中的目标进行旋转和缩放，从而便于目标的识别和匹配；
110.s4、对图像进行数据化处理，通过调用中央数据库，将目标图像的数据和中央数据库中的数据进行对比，能够进行匹配的，可直接输出图像的识别结果；
111.s5、对于不能和中央数据库中的图片数据进行匹配的数据，启用二次识别拆分模块；用于对同一个物体进行二次拆分，从而将同一个目标拆分成多个结构；
112.s6、目标的各个结构的匹配结果不相适用时，则调用异常去除模块，去除异常数据，得到匹配结果；
113.s7、对异常值进行进一步分析，结构数量评判单元用于判断图像目标的各个结构的数量是否符合常识；
114.s8、当图像目标的结构多于常识时，可判定为目标异常，可通过结构组装单元进一步判断结构的组装关系是否异常；
115.s9、结构组装单元对各个结构的组装关系进行常识性的匹配，如异常图像符合组装关系，则可以输出组合对比结果，
116.s10、如异常图像不符合组装关系，则开启目标数量计量单元，识别图片中同类目标的数量；
117.s11、若有多个相同的目标图像，则可将异常结构归类为一个多个目标的重合；
118.若只有一个目标图像，则转到人工匹配。
119.以上所述仅为本技术的优选实施例而已，并不用于限制本技术，对于本领域的技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。