[发明专利]一种基于边缘特征检测的目标识别与定位方法

摘要

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。

主权项

1.一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×Ai＝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))；步骤1.3：对于合成边缘图中每个像素点进行非极大值抑制：对于像素点(i,j)，判断其梯度方向与0°、45°、90°、135°4个方向中哪个方向最接近；若最接近0°，则比较像素点(i,j)与像素点(i‑1,j)以及像素点(i+1,j)的幅值，若像素点(i,j)的幅值f(i,j)大于像素点(i‑1,j)以及像素点(i+1,j)的幅值f(i‑1,j)以及f(i+1,j)，则保留像素点(i,j)的幅值f(i,j)，否则将像素点(i,j)的幅值置为0；若最接近45°，则比较像素点(i,j)与像素点(i‑1,j+1)以及像素点(i+1,j‑1)的幅值，若像素点(i,j)的幅值f(i,j)大于像素点(i‑1,j+1)以及像素点(i+1,j‑1)的幅值f(i‑1,j+1)以及f(i+1,j‑1)，则保留像素点(i,j)的幅值f(i,j)，否则将像素点(i,j)的幅值置为0；若最接近90°，则比较像素点(i,j)与像素点(i,j+1)以及像素点(i,j‑1)的幅值，若像素点(i,j)的幅值f(i,j)大于像素点(i,j+1)以及像素点(i,j‑1)的幅值f(i,j+1)以及f(i,j‑1)，则保留像素点(i,j)的幅值f(i,j)，否则将像素点(i,j)的幅值置为0；若最接近135°，则比较像素点(i,j)与像素点(i+1,j+1)以及像素点(i‑1,j‑1)的幅值，若像素点(i,j)的幅值f(i,j)大于像素点(i+1,j+1)以及像素点(i‑1,j‑1)的幅值f(i+1,j+1)以及f(i‑1,j‑1)，则保留像素点(i,j)的幅值f(i,j)，否则将像素点(i,j)的幅值置为0；步骤1.4：采用双阈值算法对经过步骤1.3非极大值抑制处理后的图像进行处理，得到边缘特征图像；步骤2：进行基于边界跟踪的轮廓提取：步骤2.1：对步骤1得到的边缘特征图像进行逐行扫描，直至发现满足以下任意一个条件的边缘点(i,j)作为轮廓起始点：条件1：f(i,j‑1)＝0，f(i,j)＝1；条件2：f(i,j)＝1，f(i,j+1)＝0；步骤2.2：找到轮廓起始点后，从轮廓起始点开始进行轮廓跟踪，直至找不到下一个轮廓点：对于当前轮廓点(i,j)，将其像素值改为轮廓序号，并以当前轮廓点为中心，在3X3的搜寻窗口中寻找其8领域中有无像素值为1的点，若无，则结束轮廓跟踪返回步骤2.1，若有，则采用2X2检测窗口检测该像素值为1的点是否是轮廓点：若在2X2检测窗口中，该像素值为1的点与当前轮廓点为对角关系，则如果2X2检测窗口其余两个像素点中有像素点的像素值为0，则认为该像素值为1的点是轮廓点；若在2X2检测窗口中，该像素值为1的点与当前轮廓点为水平或垂直关系，则如果2X2检测窗口其余两个像素点的像素值均为0，则认为该像素值为1的点是轮廓点；步骤2.3：重复步骤2.1和步骤2.2，直至扫描完整张边缘特征图像，得到若干轮廓图像；步骤3：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；步骤4：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。