基于模拟退火的模板匹配参数自适应搜索方法及系统与流程

文档序号:34144360发布日期:2023-05-13 15:32阅读:31来源:国知局
基于模拟退火的模板匹配参数自适应搜索方法及系统与流程

本申请属于目标定位检测领域,具体涉及一种基于模拟退火的模板匹配参数自适应搜索方法及系统。


背景技术:

1、在工业视觉检测领域,定位技术是一项非常重要的基础技术,其广泛应用于机器人对位抓取、目标物位姿提取和手眼标定中。在传统计算机视觉中,定位技术主要使用了模板匹配算法,模板匹配算法包括基于灰度的模板匹配算法和基于边缘的模板匹配算法。在工程实现上,这些算法都包括搜索起止角度、最小分数、最大匹配个数、最大重叠率、亚像素搜素标志、金字塔层数和贪婪度等参数。对于项目应用而言,多参数调节变得异常复杂,同样也使得算法效果随参数的影响而变得不稳定。


技术实现思路

1、为至少在一定程度上克服相关技术中存在的问题,本申请提供了一种基于模拟退火的模板匹配参数自适应搜索方法及系统。

2、根据本申请实施例的第一方面,本申请提供了一种基于模拟退火的模板匹配参数自适应搜索方法,其包括以下步骤:

3、对匹配参数组中的各匹配参数进行归一化处理,得到归一化后的匹配参数;

4、归一化后的匹配参数结合模板匹配算法模型构建目标函数;

5、将随机生成的归一化后的匹配参数作为目标函数的自变量,并以退火的方式构建一迭代器,利用迭代器求解目标函数的最优解,利用最优解完成对匹配参数的更新。

6、上述基于模拟退火的模板匹配参数自适应搜索方法中,所述对匹配参数组中的各匹配参数进行归一化处理,得到归一化后的匹配参数的具体过程为:

7、

8、式中,wn表示匹配参数组中的第n个匹配参数,max(wn)表示匹配参数中的最大值,w′n表示归一化后的匹配参数。

9、进一步地,所述结合模板匹配算法模型构建目标函数的具体过程为:

10、模板匹配算法采用ncc算法,综合考虑ncc算法模型匹配后得到的得分分数score和实例个数objnumber构造目标相关性函数:

11、

12、式中,objfactor表示目标相关性函数,allnumber表示待测图像中的最大目标个数;

13、根据目标相关性函数构造目标函数,其过程为:

14、将ncc算法模型用函数f(·)表示,则目标函数为:

15、g(·)=f(·)-objfactor,

16、结合归一化后的匹配参数w′n代表的解空间,将目标函数表示为:

17、g(w′n),n∈[1,8];

18、该目标函数的解空间的定义域的范围满足:w′n∈[0,1]。

19、更进一步地,所述将随机生成的归一化后的匹配参数作为目标函数的自变量,并以退火的方式构建一迭代器,利用迭代器求解目标函数的最优解,利用最优解完成对匹配参数的更新的过程为:

20、初始化模拟退火的初始温度t和降温系数k;

21、判断是否达到最大迭代次数,如果是,则迭代结束,返回最优解;否则,对归一化后的匹配参数w′n进行更新,得到更新参数vn;

22、根据归一化后的匹配参数w′n和更新参数vn构建代价函数;

23、判断代价函数值是否小于0,如果是,则接受参数更新,并更新参数;否则,按照预设概率接受新的数值解;

24、利用设定的退火的降温系数k对退火的初始温度t进行降温,得到新的温度t′,t′=k*t;

25、设定温度衰减的终止温度std,当温度t′衰减至结束温度阈值std时,退火结束,并输出当前的参数状态值wj,j∈[1,8];

26、利用当前的参数状态值wj进行去归一化,得到匹配参数组中的第n个匹配参数为:

27、wn=wj*max(wn),n∈[1,8]。

28、更进一步地,所述更新参数vn为:

29、vn=w′n+bias,bias∈[-1,1],

30、式中,bias表示扰动偏差。

31、更进一步地,所述代价函数为:

32、cost=g(vn)-g(w′n);

33、式中,g(vn)表示参数更新后的目标函数值,g(w′n)表示参数更新前的目标函数值。

34、更进一步地,所述预设概率为接受参数更新的概率p:

35、

36、退火的降温系数k满足k∈(0,1)。

37、根据本申请实施例的第二方面,本申请还提供了一种基于模拟退火的模板匹配参数自适应搜索系统,其包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器处理所述计算机程序时实现上述任一项所述基于模拟退火的模板匹配参数自适应搜索方法。

38、根据本申请的上述具体实施方式可知,至少具有以下有益效果:本申请提供的基于模拟退火的模板匹配参数自适应搜索方法通过对匹配参数组中的各匹配参数进行归一化处理,得到归一化后的匹配参数;结合模板匹配算法模型构建目标函数;将随机生成的归一化后的匹配参数作为目标函数的自变量,并以退火的方式构建一迭代器,利用迭代器求解目标函数的最优解,利用最优解完成对匹配参数的更新,能够提高人为调参的效率,自动化、快速化地达到良好的匹配效果。

39、应了解的是,上述一般描述及以下具体实施方式仅为示例性及阐释性的,其并不能限制本申请所欲主张的范围。



技术特征:

1.一种基于模拟退火的模板匹配参数自适应搜索方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的基于模拟退火的模板匹配参数自适应搜索方法,其特征在于,所述对匹配参数组中的各匹配参数进行归一化处理,得到归一化后的匹配参数的具体过程为:

3.根据权利要求2所述的基于模拟退火的模板匹配参数自适应搜索方法,其特征在于,所述结合模板匹配算法模型构建目标函数的具体过程为:

4.根据权利要求3所述的基于模拟退火的模板匹配参数自适应搜索方法,其特征在于,所述将随机生成的归一化后的匹配参数作为目标函数的自变量,并以退火的方式构建一迭代器,利用迭代器求解目标函数的最优解,利用最优解完成对匹配参数的更新的过程为:

5.根据权利要求4所述基于模拟退火的模板匹配参数自适应搜索方法,其特征在于,所述更新参数vn为:

6.根据权利要求4所述基于模拟退火的模板匹配参数自适应搜索方法,其特征在于,所述代价函数为:

7.根据权利要求4所述基于模拟退火的模板匹配参数自适应搜索方法,其特征在于,所述预设概率为接受参数更新的概率p:

8.一种基于模拟退火的模板匹配参数自适应搜索系统,其特征在于,包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器处理所述计算机程序时实现如所述权利要求1~7任一项所述基于模拟退火的模板匹配参数自适应搜索方法。


技术总结
本申请提供了一种基于模拟退火的模板匹配参数自适应搜索方法及系统,基于模拟退火的模板匹配参数自适应搜索方法包括以下步骤:对匹配参数组中的各匹配参数进行归一化处理,得到归一化后的匹配参数;归一化后的匹配参数结合模板匹配算法模型构建目标函数;将随机生成的归一化后的匹配参数作为目标函数的自变量,并以退火的方式构建一迭代器,利用迭代器求解目标函数的最优解,利用最优解完成对匹配参数的更新。本申请能够提高人为调参的效率,自动化、快速化地达到良好的匹配效果。

技术研发人员:杨跞,张建安,左方睿,孙开胜
受保护的技术使用者:中科新松有限公司
技术研发日:
技术公布日:2024/1/12
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1