CN107194395B - 一种基于颜色识别和轮廓提取的物体动态定位方法 - Google Patents

一种基于颜色识别和轮廓提取的物体动态定位方法 Download PDF

Info

Publication number
CN107194395B
CN107194395B CN201710301512.5A CN201710301512A CN107194395B CN 107194395 B CN107194395 B CN 107194395B CN 201710301512 A CN201710301512 A CN 201710301512A CN 107194395 B CN107194395 B CN 107194395B
Authority
CN
China
Prior art keywords
contour
color
point
label
camera
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201710301512.5A
Other languages
English (en)
Other versions
CN107194395A (zh
Inventor
胡涛
张俐
丁林山
王郑亚
邵修
金聪
徐阳阳
刘熠
杜谦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN201710301512.5A priority Critical patent/CN107194395B/zh
Publication of CN107194395A publication Critical patent/CN107194395A/zh
Application granted granted Critical
Publication of CN107194395B publication Critical patent/CN107194395B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G06V10/245—Aligning, centring, orientation detection or correction of the image by locating a pattern; Special marks for positioning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

本发明属于物体定位方法领域，并公开了一种基于颜色识别和轮廓提取的物体动态定位方法，包括以下步骤：1）物体标记：给每个需要识别的物体表面分别贴上一个标签；2）获取数据：实时采集所有标签的图像并传至计算机；3）颜色识别：将获得的图像由RGB空间转为HSV空间，分别提取各单一颜色区间的像素图案；4）轮廓提取：进行轮廓提取，保留面积在筛选范围内的轮廓；5）物体定位：对所筛选出的轮廓进行拟合获得最小的拟合***，获得物体的中心点坐标，进而获得物体的位置。本发明事先对待识别物体进行特定颜色和形状标记，减小识别难度；将RGB空间转换为HSV空间，设置具体的颜色区间，能实现对颜色的精准区分和对物体的准确定位。

Description

一种基于颜色识别和轮廓提取的物体动态定位方法
技术领域
本发明属于物体定位方法领域，更具体地，涉及一种物体动态定位方法。
背景技术
OpenCV是一个基于BSD许可(开源)发行的跨平台计算机视觉库，可以运行在Linux、Windows、Android和Mac OS操作***上，其由一系列C函数和少量C++类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。
OpenCV致力于真实世界的实时应用，通过优化的C代码的编写对其执行速度带来了可观的提升，并且可以通过购买Intel的IPP高性能多媒体函数库(IntegratedPerformance Primitives)得到更快的处理速度。应用领域包括：人机互动，物体识别，图像分割，人脸识别，动作识别，运动跟踪，汽车安全驾驶等等。
物体动态定位是通过各种类型的传感器以及相关仪器设备对运动的物体进行实时监控，并且实时分析确定其所在位置，以达到对物***置的准确提取。该技术运用于生活的各个领域，定位的速度和精度与所有设备和定位方法有直接关系。
一般来说，通过GPS或者其他无线技术进行定位，只能针对大区域的大型物体进行定位，定位的精度大概在米(m)的数量级，很难做到在小区域范围对小物件精确定位至厘米(cm)数量级，另外，传统摄像头定位对物体的定位大多时候受到环境因素的影响，有较大误差，甚至无法识别出物体。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种基于颜色识别和轮廓提取的物体动态定位方法，针对物体实时动态定位领域，实时对摄像头采集的图像进行分析；通过颜色识别和轮廓提取，精准识别颜色和计算实现对物体进行的动态定位，可以应用于抓取机器人、智能车避障、工业传送带检测等多种场合。
为实现上述目的，按照本发明，提供了一种基于颜色识别和轮廓提取的物体动态定位方法，其特征在于，包括以下步骤：
1)物体标记：给每个需要识别的物体表面分别贴上一个标签，其中，每个标签的颜色各不相同，并且标签的形状为矩形或圆形；
2)获取数据：摄像头实时采集所有标签的图像并将这些图像传至计算机；
3)颜色识别：计算机将获得的图像由RGB空间转为HSV空间，并根据预先设置的不同颜色的HSV颜色区间实现颜色的识别，然后根据HSV颜色区间，分别提取各单一颜色区间的像素图案；
4)轮廓提取：将步骤3)提取的像素图案转灰度图，对灰度图进行高斯降噪处理，再对各标签对应的灰度图分别进行轮廓提取，获得各标签对应的轮廓，然后根据设定的筛选范围，分别对各个轮廓进行筛选，保留面积在筛选范围内的轮廓；
5)物体定位：对所筛选出的轮廓分别进行拟合获得最小的拟合***，从而获得物体的中心点坐标，进而获得物体的位置，其中，拟合***的形状与对应标签的形状一致。
优选地，步骤5)按以下方法获得单个物体的中心点坐标
Figure BDA0001284433470000022
其中
Figure BDA0001284433470000023
是物体中心点的横坐标，n是轮廓上所有轮廓点的总数量，Xi是轮廓上第i个轮廓点的横坐标，αi是轮廓上第i个轮廓点的加权系数并且
Figure BDA0001284433470000031
Ri是轮廓上第i个点与拟合***的中心点的距离；
Figure BDA0001284433470000032
其中
Figure BDA0001284433470000033
是物体中心点的纵坐标，n是轮廓上所有轮廓点的总数量，Yi是拟合***上第i个点的纵坐标，αi是轮廓上第i个轮廓点的加权系数并且
Figure BDA0001284433470000034
Ri是轮廓上第i个点与拟合***的中心点的距离。
优选地，摄像头采集的时间间隔为10ms-50ms。
优选地，摄像头通过数据线或者WIFI路由器将采集图像传送给计算机。
优选地，所述摄像头为USB摄像头或WIFI摄像头。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
1)事先对识别物体进行特定颜色和形状标记，减小识别难度，识别比较简单直接；
2)将RGB空间转换为HSV空间，设置具体的颜色区间，实现对颜色的精准区分；
3)提取轮廓后，根据轮廓的大小，分布情况等进行多次筛选，以保证得到的轮廓是标记所在的轮廓；
4)计算速度快，可移植性强，可广泛运用于各种机器人识别物体。
附图说明
图1是本发明方法的流程图；
图2是本发明中三个物体上不同颜色的长方形标签的示意图；
图3是本发明中实际识别出的三个物体上标签的形状和中心点的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
参照图1～图3，一种基于颜色识别和轮廓提取的物体动态定位方法，包括以下步骤：
1)物体标记：给每个需要识别的物体表面分别贴上一个标签，其中，每个标签的颜色各不相同，并且标签的形状为矩形或圆形；
2)获取数据：摄像头实时采集所有标签的图像并将这些图像传至计算机，其中，摄像头采集的时间间隔为10ms-50ms，摄像头通过数据线或者WIFI路由器将采集图像传送给计算机，所述摄像头为USB摄像头或WIFI摄像头。
3)颜色识别：计算机将获得的图像由RGB空间转为HSV空间，并根据预先设置的不同颜色的HSV颜色区间实现颜色的识别，然后根据HSV颜色区间，分别提取各单一颜色区间的像素图案；
4)轮廓提取：将步骤3)提取的像素图案转灰度图，对灰度图进行高斯降噪处理后进行轮廓提取，然后根据设定的筛选范围，对提取的轮廓进行筛选，保留面积在筛选范围内的轮廓；譬如，设定的筛选范围为[A,B]，则面积在此区间以内的面积都被保留下来，而面积不在此区间的则被除去；
5)物体定位：对所筛选出的轮廓进行拟合获得最小的拟合***，从而获得物体的中心点坐标，进而获得物体的位置，其中，拟合***的形状与对应标签的形状一致，其中，步骤5)按以下方法获得单个物体的中心点坐标
Figure BDA0001284433470000041
其中
Figure BDA0001284433470000043
是物体中心点的横坐标，n是轮廓上所有轮廓点的总数量，Xi是轮廓上第i个轮廓点的横坐标，αi是轮廓上第i个轮廓点的加权系数并且
Figure BDA0001284433470000051
Ri是轮廓上第i个点与拟合***的中心点的距离；
Figure BDA0001284433470000052
其中是物体中心点的纵坐标，n是轮廓上所有轮廓点的总数量，Yi是拟合***上第i个点的纵坐标，αi是轮廓上第i个轮廓点的加权系数并且Ri是轮廓上第i个点与拟合***的中心点的距离。
本方法主要针对物体实时动态定位领域，实时对摄像头采集的图像进行分析。通过颜色识别和轮廓提取，精准识别颜色和计算实现对物体进行动态定位，并对下位机发送位置指令，可以应用于抓取机器人、智能车避障、工业传送带检测等多种场合。而本方法对于局部的小部件定位精度可以达到1cm，实现真正的精准定位，而且可以达到较高的物体识别定位率。
在计算机操作时，按键盘启动摄像头，屏幕会显示出标签颜色，参照图2，左上为红色标签，右上为蓝色标签，下方的为绿色标签(图2中未显示出彩色)，理想测试的图像是电脑生成的图片，三个标签选择矩形，每个矩形内部的颜色无色差和明暗区别。
实际测出时，参照图3，左上为红色标签识别结果，左下为绿色标签识别结果，右方的为蓝色标签识别结果(图3中未显示出彩色，其并不是由图2的三个标签识别出来的)，标签可以用白色点来显示出中心点，实际测试图案是摄像头抓拍的图案，标签的明暗可能会不一致，识别的难度比理想情况大得多。
另外，每隔30ms，计算机屏幕会自动更新当前标签的位置信息。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种基于颜色识别和轮廓提取的物体动态定位方法，其特征在于，包括以下步骤：
1)物体标记：给每个需要识别的物体表面分别贴上一个标签，其中，每个标签的颜色各不相同，并且标签的形状为矩形或圆形；
2)获取数据：摄像头实时采集所有标签的图像并将这些图像传至计算机；
3)颜色识别：计算机将获得的图像由RGB空间转为HSV空间，并根据预先设置的不同颜色的HSV颜色区间实现颜色的识别，然后根据HSV颜色区间，分别提取各单一颜色区间的像素图案；
4)轮廓提取：将步骤3)提取的像素图案转灰度图，对灰度图进行高斯降噪处理，再对各标签对应的灰度图分别进行轮廓提取，获得各标签对应的轮廓，然后根据设定的筛选范围，分别对各个轮廓进行筛选，保留面积在筛选范围内的轮廓；
5)物体定位：对所筛选出的轮廓分别进行拟合获得最小的拟合***，从而获得物体的中心点坐标，进而获得物体的位置，其中，拟合***的形状与对应标签的形状一致；获得单个物体的中心点坐标
Figure FDA0002225231530000011
的方法如下：
其中
Figure FDA0002225231530000013
是物体中心点的横坐标，n是轮廓上所有轮廓点的总数量，Xi是轮廓上第i个轮廓点的横坐标，αi是轮廓上第i个轮廓点的加权系数并且
Figure FDA0002225231530000014
Ri是轮廓上第i个点与拟合***的中心点的距离；
Figure FDA0002225231530000015
其中
Figure FDA0002225231530000016
是物体中心点的纵坐标，n是轮廓上所有轮廓点的总数量，Yi是拟合***上第i个点的纵坐标，αi是轮廓上第i个轮廓点的加权系数并且
Figure FDA0002225231530000021
Ri是轮廓上第i个点与拟合***的中心点的距离。
2.根据权利要求1所述的一种基于颜色识别和轮廓提取的物体动态定位方法，其特征在于，摄像头采集的时间间隔为10ms-50ms。
3.根据权利要求1所述的一种基于颜色识别和轮廓提取的物体动态定位方法，其特征在于，摄像头通过数据线或者WIFI路由器将采集图像传送给计算机。
4.根据权利要求1所述的一种基于颜色识别和轮廓提取的物体动态定位方法，其特征在于，所述摄像头为USB摄像头或WIFI摄像头。
CN201710301512.5A 2017-05-02 2017-05-02 一种基于颜色识别和轮廓提取的物体动态定位方法 Expired - Fee Related CN107194395B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710301512.5A CN107194395B (zh) 2017-05-02 2017-05-02 一种基于颜色识别和轮廓提取的物体动态定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710301512.5A CN107194395B (zh) 2017-05-02 2017-05-02 一种基于颜色识别和轮廓提取的物体动态定位方法

Publications (2)

Publication Number Publication Date
CN107194395A CN107194395A (zh) 2017-09-22
CN107194395B true CN107194395B (zh) 2020-02-14

Family

ID=59873210

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710301512.5A Expired - Fee Related CN107194395B (zh) 2017-05-02 2017-05-02 一种基于颜色识别和轮廓提取的物体动态定位方法

Country Status (1)

Country Link
CN (1) CN107194395B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108416786A (zh) * 2018-02-02 2018-08-17 华侨大学 一种基于人形机器人识别物体形状和色彩的方法
CN108274476B (zh) * 2018-03-01 2020-09-04 华侨大学 一种人形机器人抓取球体的方法
CN108764154B (zh) * 2018-05-30 2020-09-08 重庆邮电大学 一种基于多特征机器学习的水面垃圾识别方法
CN109622400A (zh) * 2018-12-26 2019-04-16 深圳市越疆科技有限公司 视觉智能识别及适配金饰的方法
CN110189376B (zh) * 2019-05-06 2022-02-25 达闼科技（北京）有限公司 物体定位方法及物体定位装置
CN110348333A (zh) * 2019-06-21 2019-10-18 深圳前海达闼云端智能科技有限公司 物体检测方法、装置、存储介质及电子设备
CN112378837B (zh) * 2020-09-15 2021-12-28 深圳市华中生物药械有限公司 一种宫颈脱落细胞检测方法及相关装置
CN112200199A (zh) * 2020-09-30 2021-01-08 南宁学院 一种屏幕颜色识别***的识别方法
CN112528755A (zh) * 2020-11-19 2021-03-19 上海至冕伟业科技有限公司 一种消防疏散设施智能识别方法
CN113509263B (zh) * 2021-04-01 2024-06-14 上海复拓知达医疗科技有限公司 一种物体空间校准定位方法
CN116863333A (zh) * 2023-06-28 2023-10-10 深圳市名通科技股份有限公司 Fsu设备工作状态的ai智能检测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1750090A2 (en) * 2005-08-01 2007-02-07 Topcon Corporation Three-dimensional measurement system and method of the same, and color-coded mark
CN202010257U (zh) * 2011-02-26 2011-10-19 山东大学 基于贝叶斯理论的病房巡视服务机器人***
CN105844277A (zh) * 2016-03-22 2016-08-10 江苏木盟智能科技有限公司 标签识别方法和装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1750090A2 (en) * 2005-08-01 2007-02-07 Topcon Corporation Three-dimensional measurement system and method of the same, and color-coded mark
CN202010257U (zh) * 2011-02-26 2011-10-19 山东大学 基于贝叶斯理论的病房巡视服务机器人***
CN105844277A (zh) * 2016-03-22 2016-08-10 江苏木盟智能科技有限公司 标签识别方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
家庭环境下基于QRCode的多种类物体识别和抓取;穴洪涛;《中国优秀硕士学位论文全文数据库 信息科技辑》;20070915(第03期);第20-22页 *

Also Published As

Publication number Publication date
CN107194395A (zh) 2017-09-22

Similar Documents

Publication Publication Date Title
CN107194395B (zh) 一种基于颜色识别和轮廓提取的物体动态定位方法
CN108108761B (zh) 一种基于深度特征学习的快速交通信号灯检测方法
CN104680519B (zh) 基于轮廓和颜色的七巧板识别方法
CN110569838A (zh) 一种基于视觉定位的四旋翼无人机自主降落方法
CN105528789B (zh) 机器人视觉定位方法和装置、视觉标定方法和装置
CN107063261B (zh) 用于无人机精准着陆的多特征信息地标检测方法
CN104573697B (zh) 基于多信息融合的施工升降机轿厢人数统计方法
CN103020632B (zh) 一种室内环境中移动机器人定位标志点的快速识别方法
Tsai et al. Road sign detection using eigen colour
Kim et al. Automated inspection system for rolling stock brake shoes
CN109215364B (zh) 交通信号识别方法、***、设备和存储介质
CN108764338B (zh) 一种应用于视频分析的行人跟踪方法
EP3553707A1 (en) Label for positioning item subjected to security inspection and method for positioning item subjected to security inspection
CN104766344B (zh) 基于运动边缘提取器的车辆检测方法
CN107527368B (zh) 基于二维码的三维空间姿态定位方法与装置
CN107886541B (zh) 基于反向投影法的单目运动目标位姿实时测量方法
CN112184765B (zh) 一种用于水下航行器的自主跟踪方法
CN111666824A (zh) 移动机器人的基于颜色属性和机器学习的指示灯识别方法
CN114926410A (zh) 制动盘外观缺陷检测方法
CN111639568A (zh) 一种用于变电站智能机器人的导航巡视方法
CN107244423B (zh) 一种起降平台及其识别方法
CN112345534A (zh) 一种基于视觉的泡罩板中颗粒的缺陷检测方法及***
CN110705552A (zh) 行李托盘识别方法及装置
Zhou et al. A method to automatic create dataset for training object detection neural networks
CN114842335A (zh) 用于建筑机器人的开槽目标识别方法及***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200214

Termination date: 20210502

CF01 Termination of patent right due to non-payment of annual fee