CN107588723B - 一种基于两步法的高速动目标上圆形标记漏点检测方法 - Google Patents
一种基于两步法的高速动目标上圆形标记漏点检测方法 Download PDFInfo
- Publication number
- CN107588723B CN107588723B CN201710870322.5A CN201710870322A CN107588723B CN 107588723 B CN107588723 B CN 107588723B CN 201710870322 A CN201710870322 A CN 201710870322A CN 107588723 B CN107588723 B CN 107588723B
- Authority
- CN
- China
- Prior art keywords
- leak source
- circle
- circular
- point
- detection
- 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.)
- Active
Links
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
一种基于两步法的高速动目标上圆形标记漏点检测方法,包括步骤:1)高速动目标上圆形标记点图像采集;2)图像边缘检测;3)圆形标记点检测;4)漏点粗定位;5)漏点精定位。本发明的优点是:利用圆形标记点间的已知位置关系和大小,实现圆形标记漏点粗定位;采用两次最小二乘圆拟合法实现圆形标记漏点精定位,以及去除奇异边缘点,提高了漏点定位精度。本发明可用于利用标记点,实现基于立体视觉的高速运动物体三维信息测量中,具有精度高、稳定性好的特点,特别适合于光照不强和欠曝光环境下拍摄图像的圆形标记点精确定位。
Description
技术领域
本发明涉及立体视觉测量技术领域,尤其涉及一种基于两步法的高速动目标上圆形标记漏点检测方法。
背景技术
圆形标记点具有特征明显,以及对噪声不敏感的特点,常作为立体视觉测量方法中的特征点,避免了三维信息测量时特征点提取难和匹配难的问题,广泛应用于模式识别、计算机视觉和生物学领域。
现有的圆形标记点检测方法有三种:(1)灰度质心法,是利用图像中区域像素的灰度值,并利用重心公式获取质心,对于简单的背景和高质量的图像,此类方法圆形标记点检测精度较高,但对于复杂一点的背景和成像质量欠佳的图像,检测效果不佳;(2)霍夫变换法,是将图像空间的边缘像素点映射到参数空间,再利用统计学方法得到连通域的位置和大小信息,进而得到圆形标记点的定位信息,此类方法存在精度不高和效率低的问题,虽然国内外许多学者为提高精度和降低计算复杂度,做了一些有益的工作,但还是难于满足立体视觉测量的要求;(3)边缘特征拟合法,是利用圆形标记点的边缘轮廓与图像背景具有较大的差异性进行圆检测,该类方法先对图像进行边缘检测,再利用边缘轮廓特征实现圆形标记点定位,此类方法在图像质量较好时检测精度高,但当被拍摄物体在高速运动状态,存在光照不强和欠曝光,造成图像中圆形标记点边缘模糊和轮廓缺损,使得标记点漏检。
发明内容
本发明的目的在于提供一种基于两步法的高速动目标上圆形标记漏点检测方法,旨在解决高速动目标上圆形标记点图像常处于欠曝光条件下采集,现有技术对其进行圆形标记点检测,存在漏检和精度不高的问题。
本发明采用如下技术方案,一种基于两步法的高速动目标上圆形标记漏点检测方法,包括以下步骤:
1)圆形标记点图像采集;
2)图像边缘检测;
所述图像边缘检测是采用Canny算子,或EDPF(Edge Drawing Parameter Free)边缘检测算法进行图像边缘检测;
3)圆形标记点检测,具体包括下述步骤:
(3.1)利用连通域搜索,实现轮廓提取;
(3.2)利用圆度特征、惯性率特征和凹凸度特征,进行圆形标记点轮廓提取;
(3.3)采用扫描法,对圆形标记点连通域轮廓进行精确定位,得到圆心和半径;
(3.4)利用定位圆,实现圆形标记点定位和漏点检测;
4)漏点粗定位,具体包括下述步骤:
(4.1)根据步骤3)确定漏点的数目和位置;
(4.2)选取一个漏点为当前漏点,利用该漏点位置信息和已知检测到的所有圆形标记点信息,推算出该漏点的圆心位置;
(4.3)利用当前漏点的圆心坐标和半径信息,获取其边缘点集,实现了当前漏点的粗定位;
(4.4)所有的漏点是否遍历完,若没有遍历完,则返回步骤(4.2)继续执行,若遍历完,则漏点粗定位结束;
5)漏点精定位,具体包括下述步骤:
(5.1)漏点粗拟合:对步骤4)获得的漏点边缘点集,采用最小二乘圆拟合方法进行圆拟合,得到圆心和半径;
(5.2)圆心距离排序:计算每个边缘点到步骤(5.1)获得圆心的距离,并按从大到小排序;
(5.3)去除奇异边缘点:从边缘点集中,按一定比例去除边缘点中到圆心距离最大和最小边缘点;
(5.4)漏点精定位:利用步骤(5.3)中获得的去奇异点后的边缘点集,再次采用最小二乘圆拟合法进行圆拟合,实现了漏点的精定位。
本发明的优点是:利用圆形标记点间的已知位置关系和大小,实现圆形标记漏点粗定位;采用两次最小二乘圆拟合法实现圆形标记漏点精定位,以及去除奇异边缘点,提高了漏点定位精度。本发明可用于利用标记点,实现基于立体视觉的高速运动物体三维信息测量中,具有精度高、稳定性好的特点,特别适合于光照不强和欠曝光环境下拍摄图像的圆形标记点精确定位。
附图说明
图1为本发明的工作流程图。
图2为桨叶上圆形标记点粘贴示意图。
具体实施方式
本发明采用如图1所示的基于两步法的高速动目标上圆形标记漏点检测方法流程图,实现圆形标记漏点检测,其具体实施步骤如下:
1)圆形标记点图像采集
本发明实施例为采用两个德国产型号为BASLER acA2000-340km的工业相机(分辨率为2048×1088,帧率为340f/s,接口为Camera link,快门方式为全局快门)组成立体视觉***,采用耐思LED型号为MF-2000摄影灯阵列构成照明***,在直升机旋翼桨叶上粘贴圆形标记点,示意图如图2所示,图中最大的圆形标记点为定位圆,其他的圆为标记点。当直升机旋翼处于高速旋转状态下,采集桨叶上所有圆形标记点的图像。
2)图像边缘检测
采用Canny算子,或EDPF(Edge Drawing Parameter Free)边缘检测算法进行图像边缘检测,得到桨叶的边缘图像。
3)圆形标记点检测
(3.1)利用连通域搜索,实现轮廓提取。
(3.2)利用圆度特征、惯性率特征和凹凸度特征,遍历步骤(3.1)获取的所有轮廓,提取圆形标记点轮廓。
圆度特征是用于描述轮廓形状的量,轮廓圆度计算公式如式(1)所示:
式中,up,q(S)为轮廓S的(p,q)阶中心矩,其定义如式(2)所示:
式中,(ux(S),uy(S))为连通域轮廓S的质心坐标,计算公式如式(3)所示:
式中,(xi,yi)表示轮廓S上第i个像素点的横坐标和纵坐标,n表示轮廓S上边缘点的数目,I(xi,yi)表示边缘点的像素值。
惯性率特征对类圆轮廓具有良好的分类效果,可通过矩计算简化计算流程,提高运算效率,轮廓S的惯性率特征计算公式如式(4)所示:
式中,up,q(S)为轮廓S的(p,q)阶中心矩。
凹凸度特征是描述轮廓面积与轮廓边界形成凸包面积之比,利用凹凸度特征可以有效地判定轮廓S是否是圆形标记点,其计算公式如式(5)所示:
式中,A为连通域轮廓S的面积,H为连通域轮廓S形成凸包的面积。
(3.3)采用扫描法,对圆形标记点连通域轮廓进行精确定位,得到圆心和半径。
为了获得图像中圆形标记点的精确定位,采用扫描法实现精确定位,具体实施过程如下:
Step1:圆形标记点的边缘点集采集,利用扫描法对标记点的圆形轮廓,每隔Δθ采集边缘点,得到边缘点集,本实施例中取Δθ=1°;
Step2:利用最小二乘圆拟合法对边缘点集进行圆拟合,得到圆心和半径;
Step3:奇异边缘点去除,先计算圆形标记点边缘点集中每一个点到圆心的距离,并按从大到小进行排序,再将距离最大和最小的各三分之一边缘点作为奇异点去除;
Step4:对去除奇异点后的边缘点集,再次采用最小二乘圆拟合法得到精确的圆心和半径。
最小二乘法圆拟合法的公式如下:
假设边缘点集S有n(n>3)个数据点,坐标分别为(xi,yi),其中i=1,...,n,采用最小二乘圆拟合法,设圆心为(a,b),半径为R,则圆方程为式(6)所示:
(x-a)2+(y-b)2=R2 (6)
最小二乘法圆拟合法的原理是寻找一个圆使得边缘点集(xi,yi)到该圆误差平方和F的值最小:
将式(7)变换为:
式中,u=-2a,v=-2b,w=a2+b2-R2。根据多元函数的极值条件可得:
其中,矩阵A,B分别为
可以得出u,v,w的值,进而得到拟合圆参数计算公式如式(10)所示:
(3.4)利用定位圆,实现圆形标记点定位和漏点检测。
圆形标记点是按等间隔行列有规律地排列在高速动目标上的,图2为桨叶上圆形标记点粘贴示意图,图中最大的圆为定位圆,其余按2行13列等间隔有规律地排列,并对每个标记点进行定位编号和漏点检测,具体实施步骤如下:
Step1:利用步骤(3.3)获得的圆形标记点精确定位的结果,先找出一个半径最大的圆,并同时通过定位圆与周围标记点的几何关系排除图像中的干扰圆,确定此半径最大的圆为定位圆;
Step2:通过最大的定位圆和标记圆之间的几何关系,对所有标记圆先按行再按列进行编号;
Step3:根据已知圆形标记点的数目和相互间位置关系,进行漏点检测,得到所有漏点的数目和位置。
4)漏点粗定位
(4.1)根据步骤3)确定漏点的数目和位置;
(4.2)选取一个漏点为当前漏点,利用该漏点位置信息和已知检测到的所有圆形标记点信息,推算出该漏点的圆心位置;
(4.3)利用当前漏点的圆心坐标和半径信息,获取其边缘点集,实现了当前漏点的粗定位;
(4.4)所有的漏点是否遍历完,若没有遍历完,则返回步骤(4.2)继续执行,若遍历完,则漏点粗定位结束。
5)漏点精定位
(5.1)漏点粗拟合:对步骤4)获得的漏点边缘点集,采用最小二乘圆拟合法进行圆拟合,得到圆心和半径;
(5.2)圆心距离排序:计算每个边缘点到步骤(5.1)获得圆心的距离,并按从大到小排序;
(5.3)去除奇异边缘点:从边缘点集中,按一定比例去除边缘点中到圆心距离最大和最小边缘点,本实施例中一定比例选为四分之一,即去除边缘点集中到圆心最大和最小各四分之一的边缘点;
(5.4)漏点精定位:利用步骤(5.3)中获得的去奇异点后的边缘点集,再次采用最小二乘圆拟合法进行圆拟合,实现了漏点的精定位。
Claims (3)
1.一种基于两步法的高速动目标上圆形标记漏点检测方法,其特征在于具体包括以下步骤:
1)圆形标记点图像采集;
2)图像边缘检测;
3)圆形标记点检测,并得到所有漏点的数目和位置;
4)漏点粗定位,具体包括以下步骤:
(4.1)根据步骤3)确定漏点的数目和位置;
(4.2)选取一个漏点为当前漏点,利用该漏点位置信息和已知检测到的所有圆形标记点信息,推算出该漏点的圆心位置;
(4.3)利用当前漏点的圆心坐标和半径信息,获取其边缘点集,实现了当前漏点的粗定位;
(4.4)所有的漏点是否遍历完,若没有遍历完,则返回步骤(4.2)继续执行,若遍历完,则漏点粗定位结束;
5)漏点精定位,具体包括以下步骤:
(5.1)漏点粗拟合:对步骤4)获得的漏点边缘点集,采用最小二乘圆拟合法进行圆拟合,得到圆心和半径;
(5.2)圆心距离排序:计算每个边缘点到步骤(5.1)获得圆心的距离,并按从大到小排序;
(5.3)去除奇异边缘点:从边缘点集中,按一定比例去除边缘点中到圆心距离最大和最小边缘点;
(5.4)漏点精定位:利用步骤(5.3)中获得的去奇异点后的边缘点集,再次采用最小二乘圆拟合法进行圆拟合,实现了漏点的精定位。
2.根据权利要求1所述的一种基于两步法的高速动目标上圆形标记漏点检测方法,其特征在于,所述图像边缘检测是采用Canny算子,或EDPF(Edge Drawing Parameter Free)边缘检测算法进行图像边缘检测。
3.根据权利要求1所述的一种基于两步法的高速动目标上圆形标记漏点检测方法,其特征在于,步骤3)圆形标记点检测具体包括以下步骤:
(3.1)利用连通域搜索,实现轮廓提取;
(3.2)利用圆度特征、惯性率特征和凹凸度特征,进行圆形标记点轮廓提取;
(3.3)采用扫描法,对圆形标记点连通域轮廓进行精确定位,得到圆心和半径;
(3.4)利用定位圆,实现圆形标记点定位和漏点检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710870322.5A CN107588723B (zh) | 2017-09-22 | 2017-09-22 | 一种基于两步法的高速动目标上圆形标记漏点检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710870322.5A CN107588723B (zh) | 2017-09-22 | 2017-09-22 | 一种基于两步法的高速动目标上圆形标记漏点检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107588723A CN107588723A (zh) | 2018-01-16 |
CN107588723B true CN107588723B (zh) | 2019-08-23 |
Family
ID=61047774
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710870322.5A Active CN107588723B (zh) | 2017-09-22 | 2017-09-22 | 一种基于两步法的高速动目标上圆形标记漏点检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107588723B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108844463A (zh) * | 2018-06-12 | 2018-11-20 | 南京理工大学 | 基于激光光斑位置的地下管道空间方位测量***及方法 |
CN109758274B (zh) * | 2019-02-28 | 2020-12-29 | 清华大学 | 单髁膝关节置换术中股骨远端相对于假体垫片力线轨迹的测量方法与*** |
CN111986208A (zh) * | 2019-10-25 | 2020-11-24 | 深圳市安达自动化软件有限公司 | 一种目标标记定位圆的捕捉定位方法、装置、计算机设备 |
CN111325802B (zh) * | 2020-02-11 | 2023-04-25 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种直升机风洞试验中圆形标记点识别匹配方法 |
CN111292375B (zh) * | 2020-02-11 | 2023-05-09 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种基于位置约束的直升机桨叶标记点识别匹配方法 |
CN112651943A (zh) * | 2020-12-28 | 2021-04-13 | 南京佗道医疗科技有限公司 | 一种三维影像标记点提取方法 |
CN113688819B (zh) * | 2021-08-23 | 2023-08-01 | 南通大学 | 一种基于标记点的目标物期望点跟踪匹配方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101206116B (zh) * | 2007-12-07 | 2010-08-18 | 北京机械工业学院 | 目标点全局自动定位方法 |
DE102008005716A1 (de) * | 2008-01-24 | 2009-07-30 | Schaeffler Kg | Vorrichtung und Verfahren zur Überwachung einer gelagerten Welle |
CN101566461B (zh) * | 2009-05-18 | 2010-11-10 | 西安交通大学 | 大型水轮机叶片快速测量方法 |
CN101750017A (zh) * | 2010-01-18 | 2010-06-23 | 战强 | 大视场中多移动目标位姿的视觉检测方法 |
CN104390591B (zh) * | 2014-11-27 | 2017-04-12 | 上海江南长兴造船有限责任公司 | 大型曲面板测量中圆形标记物的精确定位方法 |
-
2017
- 2017-09-22 CN CN201710870322.5A patent/CN107588723B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107588723A (zh) | 2018-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107588723B (zh) | 一种基于两步法的高速动目标上圆形标记漏点检测方法 | |
CN109029257B (zh) | 基于立体视觉和结构光视觉的大型工件位姿测量***、方法 | |
CN108555908B (zh) | 一种基于rgbd相机的堆叠工件姿态识别及拾取方法 | |
CN111754583B (zh) | 一种车载三维激光雷达和相机外参联合标定的自动化方法 | |
CN109612390B (zh) | 基于机器视觉的大尺寸工件自动测量*** | |
CN106824816B (zh) | 一种基于机器视觉的pe瓶检测与分拣方法 | |
CN101839692B (zh) | 单相机测量物体三维位置与姿态的方法 | |
CN106969706A (zh) | 基于双目立体视觉的工件检测与三维测量***及检测方法 | |
CN102829735B (zh) | 基于机器视觉的e型磁材背面几何形状缺陷检测方法 | |
CN106935683B (zh) | 一种太阳能电池片高速视觉定位及矫正***及其方法 | |
CN106767399A (zh) | 基于双目立体视觉和点激光测距的物流货物体积的非接触测量方法 | |
CN103499297A (zh) | 一种基于ccd的高精度测量方法 | |
CN111122598A (zh) | 一种钢轨表面缺陷三维检测***及方法 | |
CN1804541A (zh) | 一种摄像机空间三维位置姿态测量方法 | |
CN105225225A (zh) | 一种基于机器视觉的皮革自动划线方法和装置 | |
CN104390591A (zh) | 大型曲面板测量中圆形标记物的精确定位方法 | |
CN113324478A (zh) | 一种线结构光的中心提取方法及锻件三维测量方法 | |
CN104390584B (zh) | 双目视觉激光标定测量装置及测量方法 | |
CN113134683A (zh) | 基于机器学习的激光标刻方法及装置 | |
CN106352817A (zh) | 一种非接触四轮定位仪及其定位方法 | |
CN106875441A (zh) | 一种基于机器视觉的在线pe瓶识别定位方法 | |
CN114580559A (zh) | 一种基于单目视觉***的测速方法 | |
CN107886541B (zh) | 基于反向投影法的单目运动目标位姿实时测量方法 | |
CN115619738A (zh) | 一种模组侧缝焊焊后检测方法 | |
CN112747671B (zh) | 三维检测***和三维检测方法 |
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 |