[发明专利]基于主梯度方向特征的目标检测及姿态估计方法

权利要求书

1.基于主梯度方向特征的目标检测及姿态估计方法，其特征在于，包括如下步骤：模板训练阶段：

步骤TS1：拍摄被检测物体不同角度的V张模板图片；

步骤TS2：从上述V张图片中取出某个角度的一张图片；

步骤TS3：对这张模板图片旋转360度(每N₀度为一个步长)，并进行N种尺度变化，共得到含有张图片的模板图片集S；

步骤TS4：对S中的每张模板图片O求出主梯度方向描述，得到主梯度方向模板集T1；

步骤TS5：使用汉明距离(hamming distance)作为度量准则对T1进行聚类，得到聚类后的最强梯度模板集T2；

步骤TS6：存储T2至硬盘以备检测阶段使用；

步骤TS7：若V张不同角度的模板图片已经处理完，停止：否则，转步骤TS2；

目标检测阶段：

步骤DS1：从硬盘读取聚类后的最强梯度模板集T2；

步骤DS2：读取一张测试图片1；

步骤DS3：计算出测试图片1的主梯度方向描述i；

步骤DS4：对聚类后的最强梯度模板集T2中的每个模板t，使用t扫描i中的每个位置，得到在最优匹配位置的最高匹配分数S_t，此位置记为L_t；

步骤DS5：对得到的所有匹配分数进行排序，最高分数S_max对应的模板t_max即为对于测试图片的最优估计模板；

步骤DS6：由对应的最优匹配位置得到目标物体在i中的位置，由对应的模板t_max的旋转角度θ及尺度变化系数λ得到目标物体估计姿态。

2.根据权利要求1所述的基于主梯度方向特征的目标检测及姿态估计方法，其特征在于，所述步骤TS4包括如下步骤：

步骤TS41：对于每张模板图片O，对其实施小范围的平移变换M，得到平移变换后的模板图片w(O，M)，所述M∈M，其中M是[-t，+t]²范围内的所有平移变换的集合；

步骤TS42：将得到平移变换后的模板图片w(O，M)分割成若干大小为t×t的方形网格R；

步骤TS43：对于每一个方形网格R，计算出离散化的梯度方向列表L(O，R)；

步骤TS44：将每个离散化的梯度方向列表L(O，R)表示成一个字节形式，得到模板图片的二进制表示。

3.根据权利要求2所述的基于主梯度方向特征的目标检测及姿态估计方法，其特征在于，所述步骤TS43包括如下过程：

所述梯度方向列表L(O，R)可以由如下公式计算得出：

L(O,R)={o:∃M∈M such thato∈DO(w(O,M),R)}]]>

其中DO(w(O，M)，R)是返回平移变换后的模板图片w(O，M)中的方形网格R中的k个主梯度方向；

其中DO(w(O，M)，R)被写成：

其中，S(w(O，M)，R)＝{ori(w(O，M)，l):l∈max mag_k(R)∧mag(w(O，M)，l)＞τ}

·l是方形网格R中的像素位置：

·ori(w(O，M)，l)是图片w(O，M)在l位置的梯度方向，mag(w(O，M)，l)是其梯度大小；

·max mag_k(R)是方形网格中k个最强梯度的位置集合；

·τ是最小梯度阈值。