[发明专利]基于深度学习与霍夫变换的视觉测量方法

权利要求书

1.基于深度学习与霍夫变换的视觉测量方法，其特征在于：具体包括以下步骤：

S1、利用双目相机拍摄监控画面，并采用左右目视频图像；

S2、针对步骤S1中采集的视频图像，客户端保存拍摄的监控画面并上传至服务器；

S3、服务器利用R-FCN算法定位，并对视频图像进行预处理；

S4、客户端是否需要标定图像位置，若选择是则进入客户端更新图像位置信息；若选择否则进入与之前标定位置进行对比，并发出警报；

S5、视觉测量过程是否停止，如选择是则进入结束；若选择否则进入步骤S2。

2.如权利要求1所述的基于深度学习与霍夫变换的视觉测量方法，其特征在于：所述视频图像进行预处理的具体过程为：

S31、运用Bouguet图像校正算法进行视频图像校正处理：

S32：运用直方图均衡化图像增强算法对步骤S31获得的校正图像进行视频图像增强处理；

S33：运用霍夫变换算法对步骤S32获得的增强图像进行视频图像分割处理，依据Canny边缘检测算法进行边缘检测，将获得的边缘图像进行直线霍夫变换，从图像笛卡尔坐标系统转换到图像极坐标霍夫系统；

使用霍夫变换，实现从图像空间到参数空间的映射关系，将图像空间内具有一定关系的像元进行聚类，寻找把这些像元用某一解析形式联系起来的参数空间累计对应点；在极坐标系下所有直线都满足于方程

ρcos(θ-θ₀)＝ρ₀

其中ρ为极径，θ为极角，ρ₀为极点到直线的距离，θ₀为直线倾斜角度，设空间中一点A的坐标是(x，y)，x＝ρcos(θ)y＝ρsin(θ)，将上式展开得到

x cos(θ₀)+y sin(θ₀)＝ρ₀

所有过点A的直线在极坐标系下的方程都满足于上式。