[发明专利]一种在边界遮挡状况下检测标记码边框的方法

说明书

本发明提供了一种在边界遮挡状况下检测标记码边框的方法，包括以下步骤:S1、训练数据集的获取；S2、边界遮挡视觉标记码的旋转角度估计；S3、边界遮挡视觉标记码的边框检测。本发明的有益效果是：不同于传统使用图像处理的标记码轮廓提取方法，本发明使用基于目标检测的方法直接提取图像中的标记码，可以应对标记码的边界遮挡情况，使得整个识别方法具有更好的鲁棒性。

技术领域

本发明涉及标记码，尤其涉及一种在边界遮挡状况下检测标记码边框的方法。

背景技术

视觉标记码（标记码）是一种用于简化机器自动检测而设计的人工视觉特征，广泛用于计算机视觉，增强现实和机器人技术领域。市面上常见的视觉标记码有AprilTag和ArUco标记码等，这些经典标记码可以利用它们的黑色边框完成标记码的轮廓提取和相机姿态估计工作，但是，这也成为制约其识别鲁棒性的一个关键因素，一旦标记码的边界出现遮挡，将无法完成标记码的边框检测工作，进而无法实现标记码的识别和定位。

发明内容

为了解决现有技术中的问题，本发明提供了一种在边界遮挡状况下检测标记码边框的方法。

本发明提供了一种在边界遮挡状况下检测标记码边框的方法，包括以下步骤:

S1、训练数据集的获取；

S2、边界遮挡视觉标记码的旋转角度估计；

S3、边界遮挡视觉标记码的边框检测。

作为本发明的进一步改进，步骤S1包括：首先，使用分类的方法确定出视觉标记码的旋转角度；然后，确定视觉标记码在图像中的具体位置；最后，对训练数据集的图像中的视觉标记码进行边界遮挡处理。

作为本发明的进一步改进，在步骤S1中，通过训练数据集的标签给出视觉标记码的旋转角度信息。

作为本发明的进一步改进，在步骤S1中，先得到视觉标记码的四个角点的坐标信息，进而得到视觉标记码在图像中的具体位置。

作为本发明的进一步改进，在步骤S1中，训练数据集的生成方式表述如下：修改ArUco码的识别程序，使得该识别程序在识别视觉标记码的基础上，将相机获取的图片按照设定的命名规则保存为一个只含有图片的训练数据集，同时将获取到的图片中视觉标记码的四个角点的坐标信息，以图片名字为索引保存为csv文件，用作训练数据集的标签。

作为本发明的进一步改进，将得到的角点坐标进行预处理，得到旋转角度信息，为训练数据集中的标记码添加随机边界遮挡，完成完整的训练数据集获取工作。

作为本发明的进一步改进，在步骤S2中，采用分类的方法，进行视觉标记码的旋转角度估计。

作为本发明的进一步改进，分类目标设置为91个类别，分别表示将视觉标记码旋转0～90度，训练时，使用VGG16网络进行迁移学习时，保留网络前面的卷积层和池化层，将最后的全连接层去掉，添加全连接网络，来完成完整的训练过程。

作为本发明的进一步改进，在步骤S3中，先用预测出的旋转角度将视觉标记码转正，并对标签的坐标做相应的变换，得到新的训练数据集，之后将新的训练图片和标签作为RetinaNet网络的输入，输出为遮挡标记码的边框，完成整个遮挡标记码的边框检测工作。

本发明的有益效果是：不同于传统使用图像处理的标记码轮廓提取方法，本发明使用基于目标检测的方法直接提取图像中的标记码，可以应对标记码的边界遮挡情况，使得整个识别方法具有更好的鲁棒性。

附图说明

图1是本发明一种在边界遮挡状况下检测标记码边框的方法应用于标记码的识别流程图。

具体实施方式

下面结合附图说明及具体实施方式对本发明作进一步说明。