[发明专利]一种复杂背景下的特定圆识别方法

说明书

本发明公开了一种复杂背景下的特定圆识别方法，包括预处理阶段和使用阶段。本发明通过传统Hough变换结合深度学习，提高了圆检测在复杂背景下识别的效率和准确率，具有好的抗干扰性，且背景越复杂，效率提升和抗干扰性比传统的Hough变换方法表现越好。本发明预处理阶段不消耗实际中运行检测识别圆的时间，实际中运行检测仅通过训练好的模型即可使用，而且提高了检测效率。

技术领域

本发明属于工业自动化检测技术领域，具体涉及一种复杂背景下的特定圆识别方法。

背景技术

圆识别在工业自动化中有着广泛应用，如螺栓与螺栓孔的自动定位装配、汽车轮毂内外圆钢圈的去除毛刺等。目前圆识别主要采用Hough变换以及改进的Hough变换方法，但这些方法在不同程度上存在着检测效率慢、需提前进行参数调试确定阈值、对环境光线要求高、复杂背景下效果急剧变差等缺点，而且它们只能识别一张图片中相同属性的圆，无法区分识别出特定特征的圆。因此，研究设计复杂环境下的特定圆识别方法尤为关键。

目前针对圆识别现有技术如下：(1)以中国专利201410594409.0为例，通过投票机制的梯度加速方法在所有候选圆选出概率最大的圆，但由于多次投票，这种方法在复杂背景下的计算量会很大，占用内存空间。(2)以中国专利201610762528.1为例，通过预先抽取三个点得到圆的参数，然后验证其它点是否在圆上，如果点数量小于设置的阈值，则再重新获取三个点，这种方法仅通过三个点确定参数，不能确保所有圆都识别，而且检测过程中需要手动设置调整阈值。

发明内容

本发明所要解决的技术问题是提供一种复杂背景下的特定圆识别方法，通过建立复杂背景中包含特定圆的数据集，采用传统的Hough变换或改进的Hough变换方法识别出一张图片中的所有圆，然后再人工筛选出这些圆中的特定圆，并利用深度学习方法训练数据集得到模型，最终将训练得到的模型用于复杂背景下的特定圆检测。

所述的一种复杂背景下的特定圆识别方法，包括预处理阶段和使用阶段。

进一步地，预处理阶段包括如下步骤：

步骤1：制作数据集，数据集可由摄像头、扫描仪等采集图像设备采集，也可由网络上的图片结合代码合成，生成数据集中应包括需要检测的指定特征圆、干扰圆和干扰三角形，数据集的背景应互不相同，数据集每张图片需进行序列编号；

步骤2：依次对数据集的每张图片进行二值化和边缘检测处理；

步骤3：设定Hough变换所需要参数，针对步骤2得到的图片基于Hough变换或改进的Hough变换进行圆识别，得到识别出的每个圆圆心位置和半径大小，以此标记出每个圆的外轮廓；

步骤4：针对步骤3得到的图片进行人工圆筛选，保留指定特征的圆，去除不需要的圆；

步骤5：针对步骤4得到的特定的圆进行单一颜色填充，生成精准特定圆的标注数据集；

步骤6：基于深度学习训练方法将原始数据集联合步骤5得到的一一对应的标注数据集进行训练，得到能识别指定特征圆的特定圆识别模型。

进一步地，使用阶段包括如下步骤：

步骤1：获取包含待检测特定圆且未经预处理阶段深度学习训练过的图片；

步骤2：利用预处理阶段得到的特定圆识别模型对步骤1的包含待检测特定圆的图片进行圆识别，得到分割出的特定圆的图片；

步骤3：对步骤2得到的图片进行边缘检测，得到圆的轮廓和圆的参数；

步骤4：将得到的圆轮廓放在原图片上，从而生成结果。