[发明专利]一种带厚度干扰的圆形物体的精确定位方法

摘要

本发明属于机器视觉图像处理技术领域，具体为一种带厚度干扰的圆形物体的精确定位方法。本发明采用基于边缘点密度去除厚度噪点的方法，以消除厚度噪点对圆形物体的干扰，同时利用噪点中心位置关系解决旋转镜像问题，计算出物体旋转的方向；针对于物体中间带有突出的圆柱的情况，利用中心偏移算法计算物体旋转角的大小。具体步骤包括：基于边缘点密度提取去除厚度产生的噪点后的边缘轮廓；基于厚度噪点中心的旋转镜像处理；基于中心点偏移的目标精确定位。本发明尤其适用于在工业场景下，快速实现带厚度干扰的圆形物体的精确检测和定位。该方法有较高的定位精度、高效的处理速率以及较好的抗噪能力。

主权项

一种带厚度干扰的圆形物体的精确检测和定位方法，其特征在于，具体步骤为：(1)基于边缘点密度提取去除厚度产生的噪点后的边缘轮廓；(2)基于厚度噪点中心的旋转镜像处理；(3)基于中心点偏移的目标精确定位；其中，步骤(1)所述的基于边缘点密度提取去除厚度产生的噪点后的边缘轮廓，具体流程如下：(a)使用高阈值Canny算子提取边缘像素点,对边缘像素点进行连接，提取出连续的轮廓曲线；(b)使用低阈值Canny算子再作边缘点检测；(c)遍历流程(a)中提取到的每个轮廓曲线的点p1,p2,…,pn，统计pi(i＝1,…n)的周围k×k范围的边缘点的个数di，作为pi的边缘点密度的计量值，其中，k为预设的参数；(d)根据每个轮廓点pi(i＝1,…n)的边缘点密度di的大小，对该轮廓上的所有像素点进行升序排序；(e)找到边缘点密度d>＝DensityThresh的第一个轮廓点的序号j,取rate＝MIN(j/size,RateThresh),将排序后的尾部rate比例的轮廓点作为噪声点删去，其中，DensityThresh为预设的密度阈值参数，size为轮廓的像素点数，RateThresh为预设的噪声点比例阈值；(f)计算出流程(d)中删去的噪声点的中心noiseCenter，用于步骤(2)解决圆形物体在图像中的镜像问题；步骤(2)所述的基于厚度噪点中心的旋转镜像处理，具体流程如下：(a)对步骤(1)提取的去噪声点后的轮廓，采用基于Hough变换的椭圆长短轴‑三点检测法，得到椭圆参数{O(Ox,Oy),a,b,θ}，实现圆形物体的精确检测,中心位置坐标O(Ox,Oy)；(b)先算出noiseCenter在流传(a)检测到的椭圆长轴L的方位direction，计算旋转角rotX，rotY的正负号signX和signY，从而解决圆形物体在图像中的旋转镜像问题：如果θ>＝0，direction为左上方：signX＝1，signY＝‑1；如果θ>＝0，direction为右下方：signX＝‑1，signY＝1；如果θ<0，direction为右上方：signX＝1，signY＝1；如果θ<0，direction为左下方：signX＝‑1，signY＝‑1；步骤(3)所述的基于中心点偏移的目标精确定位，具体流程如下：(a)截取大椭圆中心r×r的范围的图像，r为大椭圆长半轴的1/2；(b)使用步骤(1)和步骤(2)的方法，在流传(a)截取的图像检测小椭圆，得到小椭圆参数{O2(O2x,O2y),a2,b2,θ2}；(c)旋转后的中心偏移OO2＝(Δx,Δy)，radius为圆形物体的实际半径长，h为中间圆柱高,计算绕X、Y轴的旋转角rotX和rotY:rx=|Δx|a·radius]]>ry=|Δy|a·radius]]>rotX=sin-1ryh·signX]]>rotY=sin-1rxh-ry2·signY]]>从而实现对圆形物体的精确定位。