CN112489058A - 一种高效准确的条纹方向估计方法 - Google Patents

一种高效准确的条纹方向估计方法 Download PDF

Info

Publication number
CN112489058A
CN112489058A CN202011410592.6A CN202011410592A CN112489058A CN 112489058 A CN112489058 A CN 112489058A CN 202011410592 A CN202011410592 A CN 202011410592A CN 112489058 A CN112489058 A CN 112489058A
Authority
CN
China
Prior art keywords
stripe
efficient
accurate
estimation method
marking
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.)
Pending
Application number
CN202011410592.6A
Other languages
English (en)
Inventor
齐泽荣
付树军
胡明征
刘彦明
李长隆
徐象锋
王汉远
张晶
张晓旭
孙瑜阳
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.)
Shandong Chengshi Electronic Technology Co ltd
Original Assignee
Shandong Chengshi Electronic Technology Co ltd
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 Shandong Chengshi Electronic Technology Co ltd filed Critical Shandong Chengshi Electronic Technology Co ltd
Priority to CN202011410592.6A priority Critical patent/CN112489058A/zh
Publication of CN112489058A publication Critical patent/CN112489058A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • 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
    • G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30204—Marker

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Probability & Statistics with Applications (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种高效准确的条纹方向估计方法，该估计方法包括如下步骤：P1、对条纹表面进行曝光拍摄，得到条纹实时图像；P2、对实时图像进行片段截取，形成条纹单元；P3、对各个单元进行重叠匹配，找出相同形状的单元，剔除边缘图形；P4、对相同单元进行强曝光，区分条纹区域和背景区域，标记条纹边界线；P5、对条纹边界线拐点进行标记，形成标记点；P6、根据标记点分布状态判断条纹方向，形成估计结果，避免相邻条纹和背景图案造成干扰，提高条纹识别精确度，同时结合边界线拐点标记方法来识别条纹形状和分布状态，利于确定条纹区域，进而判断其两个方向，能够大大提高识别效率和估算紧精确度，提高使用效果，利于推广。

Description

一种高效准确的条纹方向估计方法
技术领域
本发明涉及条纹方向技术领域，尤其涉及一种高效准确的条纹方向估计方法。
背景技术
在现在的日常生活和生产中，一些图形会配置条纹图案，需要进行方向识别和估算，进而确定条纹定位和铺装方向，避免错乱。
但是吸纳有的条纹方向估算多是通过摄像头进行直接拍摄识别，而有序条纹多是连续密集型图案，拍摄时容易和背景图案混合，影响识别效率和精确度，有待提出一种新的方法。
发明内容
本发明的目的是为了解决现有技术中存在的缺点，而提出的一种高效准确的条纹方向估计方法。
为了实现上述目的，本发明采用了如下技术方案：
一种高效准确的条纹方向估计方法，该估计方法包括如下步骤：
P1、对条纹表面进行曝光拍摄，得到条纹实时图像；
P2、对实时图像进行片段截取，形成条纹单元；
P3、对各个单元进行重叠匹配，找出相同形状的单元，剔除边缘图形；
P4、对相同单元进行强曝光，区分条纹区域和背景区域，标记条纹边界线；
P5、对条纹边界线拐点进行标记，形成标记点；
P6、根据标记点分布状态判断条纹方向，形成估计结果。
优选的，所述P1步骤的曝光拍摄采用两路曝光光束，且在条纹基底上形成干涉区域。
优选的，所述P2步骤的片段截取采用图片格式，且构建初图片集合和验证图片集合。
优选的，所述初图片集合包括含噪声的条纹图，条纹图的大小为512*512,密度为500ppi，ppi表示每英寸像素个数，所述验证图片结合包括无噪声的条纹图，条纹图的大小为512*512,密度为1000ppi。
优选的，所述P3步骤的重叠匹配为条纹图像堆叠匹配，选区最大化重叠面积作为条纹区域。
优选的，所述P4步骤的标记条纹边界线为强曝光后的明暗交界线位置，并描绘边界图形。
优选的，所述P5步骤的边界线拐点包括凸型点和凹形点。
优选的，所述P6步骤的判断条纹方向的方法包括如下步骤：
S1、准确标记边界拐点，并记录编号和对应位置；
S2、识别拐点分散状态，根据中心连线综合交汇处去顶条纹中心位置；
S3、识别拐点分布最密集的最少两个区域，相互连线过中心位置，确定横向和纵向两个中心线；
S4、确定最密集区域到中心线的距离，估算条纹方向。
优选的，所述S4步骤的估算条纹方向分为两个，以两个对称的最远距离密集区域为条纹的延伸方向，以最密集的两个最近家里密集区域为条纹的平铺方向。
本发明提供的一种高效准确的条纹方向估计方法，通过采用双路光束曝光拍照，可以有效提高图像清晰度，并且进行片段截取结合强曝光照射，避免相邻条纹和背景图案造成干扰，提高条纹识别精确度，同时结合边界线拐点标记方法来识别条纹形状和分布状态，利于确定条纹区域，进而判断其两个方向，能够大大提高识别效率和估算紧精确度，提高使用效果，利于推广。
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，以下结合具体实施例，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。
一种高效准确的条纹方向估计方法，该估计方法包括如下步骤：
P1、对条纹表面进行曝光拍摄，得到条纹实时图像；
P2、对实时图像进行片段截取，形成条纹单元；
P3、对各个单元进行重叠匹配，找出相同形状的单元，剔除边缘图形；
P4、对相同单元进行强曝光，区分条纹区域和背景区域，标记条纹边界线；
P5、对条纹边界线拐点进行标记，形成标记点；
P6、根据标记点分布状态判断条纹方向，形成估计结果。
作为优选的，所述P1步骤的曝光拍摄采用两路曝光光束，且在条纹基底上形成干涉区域。
作为优选的，所述P2步骤的片段截取采用图片格式，且构建初图片集合和验证图片集合。
作为优选的，所述初图片集合包括含噪声的条纹图，条纹图的大小为512*512,密度为500ppi，ppi表示每英寸像素个数，所述验证图片结合包括无噪声的条纹图，条纹图的大小为512*512,密度为1000ppi。
作为优选的，所述P3步骤的重叠匹配为条纹图像堆叠匹配，选区最大化重叠面积作为条纹区域。
作为优选的，所述P4步骤的标记条纹边界线为强曝光后的明暗交界线位置，并描绘边界图形。
作为优选的，所述P5步骤的边界线拐点包括凸型点和凹形点。
作为优选的，所述P6步骤的判断条纹方向的方法包括如下步骤：
S1、准确标记边界拐点，并记录编号和对应位置；
S2、识别拐点分散状态，根据中心连线综合交汇处去顶条纹中心位置；
S3、识别拐点分布最密集的最少两个区域，相互连线过中心位置，确定横向和纵向两个中心线；
S4、确定最密集区域到中心线的距离，估算条纹方向。
作为优选的，所述S4步骤的估算条纹方向分为两个，以两个对称的最远距离密集区域为条纹的延伸方向，以最密集的两个最近家里密集区域为条纹的平铺方向。
本发明提供的一种高效准确的条纹方向估计方法，通过采用双路光束曝光拍照，可以有效提高图像清晰度，并且进行片段截取结合强曝光照射，避免相邻条纹和背景图案造成干扰，提高条纹识别精确度，同时结合边界线拐点标记方法来识别条纹形状和分布状态，利于确定条纹区域，进而判断其两个方向，能够大大提高识别效率和估算紧精确度，提高使用效果，利于推广。

Claims (9)

1.一种高效准确的条纹方向估计方法，其特征在于：该估计方法包括如下步骤：
P1、对条纹表面进行曝光拍摄，得到条纹实时图像；
P2、对实时图像进行片段截取，形成条纹单元；
P3、对各个单元进行重叠匹配，找出相同形状的单元，剔除边缘图形；
P4、对相同单元进行强曝光，区分条纹区域和背景区域，标记条纹边界线；
P5、对条纹边界线拐点进行标记，形成标记点；
P6、根据标记点分布状态判断条纹方向，形成估计结果。
2.根据所述权利要求1的一种高效准确的条纹方向估计方法，其特征在于：所述P1步骤的曝光拍摄采用两路曝光光束，且在条纹基底上形成干涉区域。
3.根据所述权利要求1的一种高效准确的条纹方向估计方法，其特征在于：所述P2步骤的片段截取采用图片格式，且构建初图片集合和验证图片集合。
4.根据所述权利要求3的一种高效准确的条纹方向估计方法，其特征在于：所述初图片集合包括含噪声的条纹图，条纹图的大小为512*512,密度为500ppi，ppi表示每英寸像素个数，所述验证图片结合包括无噪声的条纹图，条纹图的大小为512*512,密度为1000ppi。
5.根据所述权利要求1的一种高效准确的条纹方向估计方法，其特征在于：所述P3步骤的重叠匹配为条纹图像堆叠匹配，选区最大化重叠面积作为条纹区域。
6.根据所述权利要求1的一种高效准确的条纹方向估计方法，其特征在于：所述P4步骤的标记条纹边界线为强曝光后的明暗交界线位置，并描绘边界图形。
7.根据所述权利要求1的一种高效准确的条纹方向估计方法，其特征在于：所述P5步骤的边界线拐点包括凸型点和凹形点。
8.根据所述权利要求1的一种高效准确的条纹方向估计方法，其特征在于：所述P6步骤的判断条纹方向的方法包括如下步骤：
S1、准确标记边界拐点，并记录编号和对应位置；
S2、识别拐点分散状态，根据中心连线综合交汇处去顶条纹中心位置；
S3、识别拐点分布最密集的最少两个区域，相互连线过中心位置，确定横向和纵向两个中心线；
S4、确定最密集区域到中心线的距离，估算条纹方向。
9.根据所述权利要求8的一种高效准确的条纹方向估计方法，其特征在于：所述S4步骤的估算条纹方向分为两个，以两个对称的最远距离密集区域为条纹的延伸方向，以最密集的两个最近家里密集区域为条纹的平铺方向。
CN202011410592.6A 2020-12-03 2020-12-03 一种高效准确的条纹方向估计方法 Pending CN112489058A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011410592.6A CN112489058A (zh) 2020-12-03 2020-12-03 一种高效准确的条纹方向估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011410592.6A CN112489058A (zh) 2020-12-03 2020-12-03 一种高效准确的条纹方向估计方法

Publications (1)

Publication Number Publication Date
CN112489058A true CN112489058A (zh) 2021-03-12

Family

ID=74938125

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011410592.6A Pending CN112489058A (zh) 2020-12-03 2020-12-03 一种高效准确的条纹方向估计方法

Country Status (1)

Country Link
CN (1) CN112489058A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000132685A (ja) * 1998-10-23 2000-05-12 Matsushita Electric Works Ltd 外観検査方法
US20020126295A1 (en) * 2000-11-20 2002-09-12 Gilbert Dudkiewicz Automatic installation and process for taking measurements and acquiring shapes
WO2015189174A2 (en) * 2014-06-10 2015-12-17 Carl Zeiss Meditec, Inc. Improved frequency-domain interferometric based imaging systems and methods
CN106091978A (zh) * 2016-06-01 2016-11-09 西安工程大学 斜入式激光干涉法测量中干涉条纹图像的拼接方法
CN107917676A (zh) * 2017-10-24 2018-04-17 南京理工大学 一种基于条纹图像频谱分析的干涉测量方法
CN109889696A (zh) * 2019-03-18 2019-06-14 上海顺久电子科技有限公司 用于自动几何校正的抗噪声拍摄图像识别方法及***
CN110298811A (zh) * 2018-03-21 2019-10-01 北京大学 图像的预处理方法、装置、终端以及计算机可读存储介质
CN111402149A (zh) * 2020-03-06 2020-07-10 四川大学 一种基于卷积神经网络去噪正则化的条纹图修复方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000132685A (ja) * 1998-10-23 2000-05-12 Matsushita Electric Works Ltd 外観検査方法
US20020126295A1 (en) * 2000-11-20 2002-09-12 Gilbert Dudkiewicz Automatic installation and process for taking measurements and acquiring shapes
WO2015189174A2 (en) * 2014-06-10 2015-12-17 Carl Zeiss Meditec, Inc. Improved frequency-domain interferometric based imaging systems and methods
CN106091978A (zh) * 2016-06-01 2016-11-09 西安工程大学 斜入式激光干涉法测量中干涉条纹图像的拼接方法
CN107917676A (zh) * 2017-10-24 2018-04-17 南京理工大学 一种基于条纹图像频谱分析的干涉测量方法
CN110298811A (zh) * 2018-03-21 2019-10-01 北京大学 图像的预处理方法、装置、终端以及计算机可读存储介质
CN109889696A (zh) * 2019-03-18 2019-06-14 上海顺久电子科技有限公司 用于自动几何校正的抗噪声拍摄图像识别方法及***
CN111402149A (zh) * 2020-03-06 2020-07-10 四川大学 一种基于卷积神经网络去噪正则化的条纹图修复方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
杨鹏程;刘洋;朱新栋;胥光申;肖渊;: "基于物体像的干涉条纹图像中散斑噪声的识别方法", 应用光学, no. 02, 15 March 2017 (2017-03-15) *

Similar Documents

Publication Publication Date Title
CN109145915B (zh) 一种复杂场景下车牌快速畸变矫正方法
CN111207695A (zh) 一种基于双线结构光的热轧带钢端部三维轮廓测量方法
KR20200087184A (ko) 증착 마스크를 제조하기 위한 금속판 및 금속판의 제조 방법, 그리고 증착 마스크 및 증착 마스크의 제조 방법
CN101339601B (zh) 一种基于sift算法的车牌汉字识别方法
CN105718870A (zh) 自动驾驶中基于前向摄像头的道路标线提取方法
CN102673106A (zh) 一种用于光伏太阳能硅片的丝网印刷定位设备及定位方法
CN112224590B (zh) 一种基于三维点云的钢坯贴标方法及***
CN110390256B (zh) 一种沥青路面裂缝提取方法
CN113390605B (zh) 一种风洞试验飞机机翼变形全场测量方法
CN107389693A (zh) 一种基于机器视觉的印刷品缺陷自动检测方法
CN105551046A (zh) 车脸定位方法及装置
CN109870458B (zh) 一种基于三维激光传感器及包围盒的路面裂缝检测与分类方法
CN105225229A (zh) 基于视频信号的鱼类过坝运动轨迹定位装置与方法
CN111462214A (zh) 一种基于Hough变换的线结构光条纹中心线提取方法
CN108171753A (zh) 基于形心特征点与邻域灰度互相关性的立体视觉定位方法
CN112489058A (zh) 一种高效准确的条纹方向估计方法
CN111739006B (zh) 一种基于围道积分的椭圆图像检测算法及***
CN113313116A (zh) 一种基于视觉的水下人工目标准确检测与定位方法
CN112862898A (zh) 一种基于计算机视觉的流速测定方法
JP3589293B2 (ja) 道路の白線検出方法
CN111968079A (zh) 基于断面局部极值及分段稀疏的三维路面裂缝提取方法
CN109064448A (zh) 中低速磁浮f轨轨缝检测方法
CN117689717B (zh) 用于机器人拾取的地面羽毛球位姿检测方法
CN111318815A (zh) 一种激光打标***
CN114565745A (zh) 一种考虑悬垂特征识别的激光增材制造扫描路径分区域规划方法

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