[发明专利]一种提升视觉即插即充精度的算法

说明书

本发明涉及充电桩装置领域，尤其涉及一种提升视觉即插即充精度的算法。包括下列步骤：S1：在识别相机上设置车牌检测区间；S2：识别相机取得车牌图像；S3：利用Kirsch算子提取车牌图像上车牌四个边框的水平边缘直线；S4Matlab平台取得与四个水平边缘直线对应的四个细分单元集合；S5：Matlab平台对各细分单元集合下的每个点做Hough变换，取得倾斜角度θ；S6：Matlab平台根据倾斜角度θ作为补偿量，然后采用倾斜补偿算法将车牌图像上的灰度点进行校正；提高识别精度的算法，保证在各种工况下都能够稳定的识别系统所需信息，提高精度和系统响应速度；提高相近字符识别率和套牌识别率。

技术领域

本发明涉及充电桩装置领域，尤其涉及一种提升视觉即插即充精度的算法。

背景技术

充电桩主要为电动汽车服务，其功能类似于加油站里面的加油机，可以固定在地面或墙壁，安装于公共建筑和居民小区停车场或充电站内，可以根据不同的电压等级为各种型号的电动汽车充电。

目前充电桩充电时会对车辆进行识别；由于车辆的进出角度和镜头的影响，相机拍出的车牌图像存在水平倾斜、垂直倾斜或梯形畸变等变形，这将带来识别误差。通过分析发现，充电桩市场目前还有以下痛点需要解决：现有算法识别精度较低，无法保证在各种工况下都能够稳定的识别系统所需信息。

因此随着基于视觉的即插即充系统的广泛应用，识别精度带来的问题，会影响客户体验，并带来品牌价值的损失。

发明内容

本发明的目的是提供提高识别精度的一种提升视觉即插即充精度的算法。

本发明的技术方案如下：

一种提升视觉即插即充精度的算法，包括下列步骤：

S1：在识别相机上设置车牌检测区间；

S2：识别相机取得车牌图像；

S3：利用Kirsch算子提取车牌图像上车牌四个边框的水平边缘直线；

S4：Matlab平台把提取的水平边缘直线从直角坐标系转换为极坐标系，并取得与四个水平边缘直线对应的四个细分单元集合。细分单元的取点方法是取水平边缘直线上所取的相邻两点的距离，所取点在极坐标系下的集合(ρ，α)为细分单元集合，其中ρ为每个点到原点的距离，α为每个点的角度。

S5：Matlab平台对各细分单元集合下的每个点做Hough变换，将点重合数量最多的直线记为P，该直线对应的角度，记为倾斜角度θ。

S6：Matlab平台根据S5步骤计算出的倾斜角度作为补偿量，然后采用倾斜补偿算法将车牌图像上的灰度点进行校正；其中倾斜补偿算法为其中R为拉东变换算子，f(x,y)为车牌图像的灰度函数，δ为特征狄拉克函数，p为直线P到原点的垂直距离。倾斜补偿算法的本质为使车牌图像上的点沿着直线P＝xcosθ+ysinθ积分。

步骤1的车牌检测区间的角度为[-15°,15°]。

本发明的有益效果是：1、提高识别精度的算法，保证在各种工况下都能够稳定的识别系统所需信息，提高精度和系统响应速度；

附图说明

通过下面结合附图的详细描述，本发明前述的和其他的目的、特征和优点将变得显而易见。

其中：图1为本发明流程示意图；

具体实施方式

参见图1所示，步骤1：一种提升视觉即插即充精度的算法，包括下列步骤：