[发明专利]一种全流程多时刻原木角度状态校验方法

权利要求书

1.一种全流程多时刻原木角度状态校验方法，包括算法推导(1)、算法流程及实现步骤(2)，其特征在于：所述算法推导(1)包括基于频域转换处理所实现的原木特征信息平方差量度比对(11)、基于高斯金字塔模型所实现的多区域原木信息模板匹配(12)、构建高斯金字塔(13)，所述算法流程及实现步骤(2)包括提取原木多元特征信息(21)、多区域轮循匹配(22)、多次校验(23)，所述算法推导(1)用与对原木校验方法进行推导，所述算法流程及实现步骤(2)用于对原木进行切割并多次校验。

2.根据权利要求1所述的一种全流程多时刻原木角度状态校验方法，其特征在于：所述基于频域转换处理所实现的原木特征信息平方差量度比对(11)在进行原木特征信息相关性计算时，并非直接在空间域操作，而是在crossCorr函数中将输入图像进行一次DFT变换，将空间域的原木图像转换到频率域中来进行处理，所述基于频域转换处理所实现的原木特征信息平方差量度比对(11)的计算公式为：

CV_TM_SQDIFF：

3.根据权利要求2所述的一种全流程多时刻原木角度状态校验方法，其特征在于：所述基于高斯金字塔模型所实现的多区域原木信息模板匹配(12)为通过高斯平滑与亚采样获得一些下采样图像，也就是说第K层高斯金字塔通过平滑、亚采样就能够获得K+1层高斯图像，所述基于高斯金字塔模型所实现的多区域原木信息模板匹配(12)的原理为首先将原木图像作为最底层图像level0(高斯金字塔的第0层)，利用高斯核(5*5)对其进行卷积，然后对卷积后的图像进行下采样得到上一层图像G1，将此图像作为输入，重复卷积和下采样操作得到更上一层的图像，反复迭代多次，形成一个金字塔形的图像数据结构，即高斯金字塔。

4.根据权利要求3所述的一种全流程多时刻原木角度状态校验方法，其特征在于：所述高斯金字塔算法先将原木图像扩大一倍之后作为高斯金字塔的第1组第1层，将第1组第1层图像经高斯卷积(高斯平滑或称高斯滤波)之后作为第1组金字塔的第2层，所述高斯卷积函数为：

其中，对于参数σ，在SIFT算子中取的是固定值1.6。

5.根据权利要求1所述的一种全流程多时刻原木角度状态校验方法，其特征在于：所述构建高斯金字塔(13)构建过程为：步骤一：将σ乘以一个比例系数k，等到一个新的平滑因子σ＝k*σ，用它来平滑第1组第2层图像，结果图像作为第3层；

步骤二：重复步骤一最后得到L层图像，在同一组中，每一层图像的尺寸都是一样的，只是平滑系数不一样。它们对应的平滑系数分别为：0，σ，kσ，k^2σ，k^3σ……k^(L-2)σ；

步骤三：将第1组导数第三层图像作为比例因子为2的降采样，得到的图像作为第2组的第1层，然后对第2组的第1层图像作平滑因子为σ的高斯平滑，得到第2组的第2层，就像步骤2中一样，如此得到第2组的L层图像，同组内它们的尺寸是一样的，对应的平滑系数分别为：0，σ，k^σ，k^2σ，k^3σ……k^(L-2)σ，但是在尺寸方面第2组是第1组图像的一半

步骤四：这样反复执行，就可以得到一共O组，每组L层，共计O*L个图像，这些图像一起就构成了高斯金字塔

其中，在同一组内，不同层图像的尺寸是一样的，后一层图像的高斯平滑因子σ是前一层图像平滑因子的k倍；在不同组内，后一组第一个图像是前一组倒数第三个图像的二分之一采样，图像大小是前一组的一半。

6.根据权利要求1所述的一种全流程多时刻原木角度状态校验方法，其特征在于：所述提取原木多元特征信息(21)的步骤为：步骤一：利用机床自带相机对原木进行拍照，并将照片传送自系统进行分析；

步骤二：对原木特征进行提取，主要特征有维度有色彩区域划分、边缘轮廓、标记检测等多维信息；

步骤三：将多维信息综合为一个多元信息指标向量修饰当前所处理原木特征信息；

步骤四：根据上一步算法所提取出的原木的多元信息指标向量对当前所处理原木特征进行分类，并截取向量指标综合指数最高的区域作为接下来模板匹配的待检测目标区域；

步骤五：对于所提取出的待检测目标区域以及原始的原木图片进行旋转、缩放等数据的预处理，准备进入下一步。