[发明专利]一种基于边缘特征检测的目标识别与定位方法

说明书

本发明提出一种基于边缘特征检测的目标识别与定位方法，首先进行强化特征，其次进行基于边界跟踪的轮廓提取，之后分别计算待识别轮廓图像与模板的Hu矩，计算两者的矩相似度，当矩相似度高于设定阈值，认为待识别轮廓图像与模板相互匹配，当根据轮廓图像识别出目标后，在原始图像中标记出识别目标，并结合图像采集设备采集得到的物体深度信息，计算得到目标与图像采集设备的相对三维坐标。本发明能在满足精确度要求的情况下，完成可实时切换识别目标、识别实时性高、成本较低的目标识别与定位任务。

技术领域

本发明涉及一种基于边缘特征检测的目标识别与定位方法，属于机器视觉技术领域。

背景技术

机器视觉是一项综合技术，包括图像处理、机械工程技术、控制、电光源照明、光学成像、传感器、模拟与数字视频技术、计算机软硬件技术(图像增强和分析算法、图像卡、I/O卡等)。一个典型的机器视觉应用系统包括图像捕捉、光源系统、图像数字化模块、数字图像处理模块、智能判断决策模块和机械控制执行模块。

机器视觉系统最基本的特点就是提高生产的灵活性和自动化程度。在一些不适于人工作业的危险工作环境或者人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉。同时，在大批量重复性工业生产过程中，用机器视觉检测方法可以大大提高生产的效率和自动化程度。

机器视觉想要提高识别的精度可以从两方面入手：一是提高摄像头的精度以更加精致的图像获取目标更多的特征信息，进行多方位多角度的特征匹配，减小误检与漏检的概率；二是采用机器学习的方法，预先以大量先验数据(标识好是否存在或是所需目标的图片)训练好一种想要识别的物品的模型，之后再将想要识别的目标输入模型即可得出结论，此方法误检率低，目前此方法正被大量应用。但此方法模型训练的花费时间极长，所需要的运算资源极多，不适合一些实时性高、灵活度高的工作。

发明内容

目前第二种识别方法由于其识别正确率极高，应用越来越广。但是它不适合灵活的工作，且在低成本条件下，无法完成。为解决该问题，本发明提出一种基于边缘特征检测的目标识别与定位方法，能在满足精确度要求的情况下，完成可实时切换识别目标、识别实时性高、成本较低的目标识别与定位任务。

本发明的技术方案为：

所述一种基于边缘特征检测的目标识别与定位方法，其特征在于：包括以下步骤：

步骤1：强化特征：

步骤1.1：对输入的原始图像进行卷积滤波，获取一张包含水平边缘与垂直边缘信息的合成边缘图：

采用两种卷积核方阵

对输入的原始图像进行卷积滤波，得到卷积后的图像为：

G_i＝K_i×A

i＝x,y

其中A是原始的输入图像，G_i为经过第i个卷积核卷积后的图像，K_i是第i个卷积核，i代表梯度的种类；将两个卷积后的图像合成起来得到合成边缘图G＝|G_x|+|G_y|；

步骤1.2：计算图中每个像素点的梯度方向，对于其中像素点(i,j)，其梯度方向为θ(i,j)＝arctan(G_y(i,j)/G_x(i,j))；