[发明专利]一种全流程多时刻原木角度状态校验方法

说明书

本发明公开了一种全流程多时刻原木角度状态校验方法，包括算法推导、算法流程及实现步骤，所述算法推导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、基于高斯金字塔模型所实现的多区域原木信息模板匹配、构建高斯金字塔，所述算法流程及实现步骤包括提取原木多元特征信息、多区域轮循匹配、多次校验，所述算法推导用与对原木校验方法进行推导，所述算法流程及实现步骤用于对原木进行切割并多次校验，本发明的优点在于：具有较高的校验准确性与科学性，多线程并发式角度状态校验使本算法在运行过程占用内存小，时间效率高，具有高性能的算法特点。

技术领域

本发明涉及原木状态校验技术领域，具体为一种全流程多时刻原木角度状态校验方法。

背景技术

当原木放入机床进行原木切割时，系统首先由摄像机拍摄当前原木截面照片传入原木切割算法中，得到最优木材切割方案。由于该切割方案是由原木切割算法所找到当前原木的最优下刀位置进行切割，而原木当前所摆放的位置可能并非是切割方案中最优下刀位置垂直于水平面状态，因此系统需要对于当前原木进行角度状态调整、旋转处理，在机床对于原木根据最优切割方案进行切割时，可能会因为机械震动等多种因素使当前原木所处角度状态偏离切割方案的理论角度状态，故系统依旧需要对于当前原木进行角度状态调整、旋转处理。

基于以上两点需求，本课题组提出一种在全原木切割流程的多个时刻对于原木当前角度状态与理论角度状态两者进行校验的算法。

发明内容

本发明所要解决的技术问题在于在进行房地产估价时，往往受评估人员主观因素的影响较大，这在一定程度上影响其评估结果的准确性。

本发明采用以下技术方案解决上述技术问题：提供了一种全流程多时刻原木角度状态校验方法，包括算法推导、算法流程及实现步骤，所述算法推导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、基于高斯金字塔模型所实现的多区域原木信息模板匹配、构建高斯金字塔，所述算法流程及实现步骤包括提取原木多元特征信息、多区域轮循匹配、多次校验，所述算法推导用与对原木校验方法进行推导，所述算法流程及实现步骤用于对原木进行切割并多次校验。

优选的，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的计算公式为：

CV_TM_SQDIFF:

优选的，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、亚采样就可以获得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的原理为首先将原木图像作为最底层图像level0，利用高斯核对其进行卷积，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。

优选的，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。

优选的，所述构建高斯金字塔构建过程为：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；