一種多色球形目標檢測定位方法及執(zhí)行該方法的存儲介質(zhì)技術(shù)

本發(fā)明專利技術(shù)公開了一種多色球形目標檢測定位方法，通過對攝像設(shè)備拍攝到的單張圖像依次進行預(yù)處理、距離變換、聚類定位以及分類幾個部分的步驟，將每一個聚類結(jié)果中點簇的中心以及點簇均值所代表的顏色作為目標輸出，實現(xiàn)對單張圖像中密集多目標的定位。其有益效果為：通過距離變換獲取球心的初始定位后，利用聚類方法定位各球體，根據(jù)定位結(jié)果進行顏色識別，解決了深色背景下單層排布球形目標位置與顏色的檢測問題，以及檢測定位問題中目標密集以及高精確度的難點；通過預(yù)處理部分的灰度化，將三通道合成的暗通道處理，更有效的進行前景與背景的分離；對圓度較差的目標具有魯棒性、精確性的特點。能夠應(yīng)用于產(chǎn)品分揀等場景。

A Method for Detecting and Locating Polychromatic Spherical Targets and the Storage Media for Implementing the Method

The invention discloses a method for detecting and locating multi-color spherical objects. Through the steps of pre-processing, distance transformation, clustering and classification of a single image captured by a camera, the center of a point cluster and the color represented by the mean value of a point cluster in each clustering result are taken as the output of the target to realize the location of dense Multi-targets in a single image. The beneficial effects are as follows: after obtaining the initial positioning of the sphere center by distance transformation, the spheres are located by clustering method, and the color recognition is carried out according to the positioning results, which solves the problem of detecting the position and color of single-layered spherical objects in dark background, as well as the difficulty of dense and high accuracy in the detection and positioning problem; by graying the pretreatment part, the three channels are combined. The resulting dark channel processing can effectively separate the foreground from the background, and has the characteristics of robustness and accuracy for the target with poor roundness. It can be applied to product sorting and other scenarios.

【技術(shù)實現(xiàn)步驟摘要】
一種多色球形目標檢測定位方法及執(zhí)行該方法的存儲介質(zhì)
本專利技術(shù)涉及圖像處理
，尤其涉及一種深色背景下的單層排布多色球形目標檢測定位方法，以及涉及一種可執(zhí)行該方法的存儲介質(zhì)。
技術(shù)介紹
主動視覺最早于20世紀80年代被提出，其核心思想是通過算法控制改變相機的參數(shù)以實現(xiàn)視覺系統(tǒng)的主動化。早期的主動視覺系統(tǒng)于20世紀90年代被陸續(xù)提出，隨著軟硬件技術(shù)的不斷發(fā)展，主動視覺系統(tǒng)方面的研究也在不斷繼續(xù)。大多數(shù)主動視覺系統(tǒng)被運用于機器人，駕駛輔助以及目標跟蹤中。在現(xiàn)有的目標檢測定位算法主要有：(1)基于顏色的方法——通過訓練對目標區(qū)域的像素點顏色進行建模，采用獲得的模型對圖像進行二值化，并通過連通區(qū)域檢測方法提取出目標。基于顏色的方法可以實現(xiàn)目標檢測定位，能夠在背景較為簡單的場景準確定位出目標，但該方法受背景噪聲及光照變化影響較大，且在同色目標相互貼近的情況下會完全失效。(2)霍夫變換法——通過將圖像平面上的點坐標代入圓方程后，在參數(shù)平面上通過統(tǒng)計確定各個圓的參數(shù)值，從而求得原圖像平面中圓的位置與大小。霍夫變換法能對簡單且標準的輪廓的目標進行準確定位，但對公差較大、數(shù)量密集的目標定位檢測效果較差。(3)級聯(lián)分類器——在檢測圖像時，對于每個窗口用多個強分類器作檢測。若對某個窗口檢測結(jié)果全部為真，則該窗口為被檢測目標；若對某個窗口任一分類器檢測結(jié)果為假，則該窗口不含檢測目標。窗口的選擇為先行后列作平移，檢測完畢后再放大窗口進行平移，最終得到圖中符合所有強分類器的目標結(jié)果。級聯(lián)分類器能對目標相對較好地做出檢測定位，但由于其算法中窗口平移的單位較大、且窗口尺寸放大倍率固定，難以實現(xiàn)像素級的檢測定位。(4)模板匹配算法——指在圖像中搜索與已知目標模板匹配度最高的區(qū)域的方法。首先建立目標的圖像模板，在圖像指定的搜索區(qū)域內(nèi)尋找與該模板匹配度最高的區(qū)域，通常采用圖像間的相關(guān)函數(shù)來反應(yīng)匹配程度。模板匹配算法可以在較復(fù)雜背景下精確定位目標，但其時間效率較低，且在目標密集時需要依靠前置步驟進行前景分割。綜上，以上這些方法雖各有優(yōu)勢，但難以運用在類似單層排布的多目標高精度檢測定位主動視覺的場景中。因此，本領(lǐng)域的技術(shù)人員致力于開發(fā)一種能夠在深色背景下精確檢測并定位球形目標，并能判斷出各球顏色的定位方法。
技術(shù)實現(xiàn)思路
有鑒于現(xiàn)有技術(shù)的上述缺陷，本專利技術(shù)所要解決的技術(shù)問題是深色背景下對彩色球形目標難以進行精確檢測、定位與分類。為了解決上述問題，本專利技術(shù)提供了一種多色球形目標檢測定位方法，通過對攝像設(shè)備拍攝到的單張圖像依次進行預(yù)處理、距離變換、聚類定位以及分類幾個部分的步驟，將每一個聚類結(jié)果中點簇的中心以及點簇均值所代表的顏色作為目標輸出，實現(xiàn)對單張圖像中密集多目標的定位。所述定位方法具體包括如下部分：第一部分，圖像獲取，通過攝像設(shè)備獲取深色背景下的單層排布多色球形目標的圖像信息；第二部分，預(yù)處理，該部分主要實現(xiàn)對目標可能存在的區(qū)域的計算；對任意單張圖像進行灰度化處理，對灰度化后的圖像利用最大類間方差法進行前景與背景的分離，再用開運算去除噪聲，生成二值化圖像，并確定圖像的坐標；上述可能存在的區(qū)域是指圖像中深色背景以外的區(qū)域；第三部分，距離變換，該部分主要實現(xiàn)對各前景點到背景最短距離的計算；對預(yù)處理后生成的二值化圖像進行距離變換并進行歸一化；對歸一化圖像進行閾值計算取值較大部分，從而斷開二值圖中球間連接，確定球的個數(shù)并獲得各球心大致位置；第四部分，聚類，該部分以第三部分距離變換的球心位置為聚類種子，以球心個數(shù)為聚類類數(shù)對第一部分預(yù)處理的二值圖進行K-means聚類，獲得各球具體位置；第五部分，分類，該部分以第四部分聚類的各聚類結(jié)果分別為ROI(regionofinterest)，對原圖各ROI內(nèi)的像素取均值并利用支持向量機進行分類，從而確定各球的顏色。進一步地，在分類部分，首次使用支持向量機時，需對各ROI內(nèi)均值所代表顏色進行標定，以此訓練支持向量機參數(shù)。本專利技術(shù)還提供一種計算機可讀存儲介質(zhì)，其中存儲有程序，該程序被執(zhí)行時可執(zhí)行上述深色背景下的單層排布多色球形目標檢測定位方法。通過實施上述本專利技術(shù)提供的深色背景下的單層排布多色球形目標檢測定位方法，具有如下技術(shù)效果：(1)本專利技術(shù)通過距離變換獲取球心的初始定位后，利用聚類方法定位各球體，根據(jù)定位結(jié)果進行顏色識別，解決了深色背景下單層排布球形目標位置與顏色的檢測問題，克服了單層目標檢測定位問題中目標密集以及高精確度(精確到1像素)的難點；(2)本專利技術(shù)所述的實現(xiàn)方法通過預(yù)處理部分的灰度化，將三通道合成的暗通道處理，更有效的進行前景與背景的分離；(3)本專利技術(shù)所述的實現(xiàn)方法具有較好的魯棒性，能夠?qū)崿F(xiàn)在深色背景下單層排布多色球形目標的檢測定位；(4)本專利技術(shù)所述的實現(xiàn)方法具有較高的精確性，能夠?qū)崿F(xiàn)像素級精度目標的檢測定位；(5)本專利技術(shù)所述的實現(xiàn)方法對圓度較差的目標具有魯棒性、精確性的特點。能夠應(yīng)用于產(chǎn)品分揀等場景.附圖說明以下將結(jié)合附圖對本專利技術(shù)的構(gòu)思、具體結(jié)構(gòu)及產(chǎn)生的技術(shù)效果作進一步說明，以充分地了解本專利技術(shù)的目的、特征和效果。圖1是本專利技術(shù)實施例中攝像設(shè)備拍攝的單層排布多色球圖片；圖2是本專利技術(shù)實施例中預(yù)處理部分的效果圖；圖3是本專利技術(shù)實施例中距離變換部分的效果圖；圖4是本專利技術(shù)實施例中聚類部分的效果圖；圖5是本專利技術(shù)實施例中分類部分的效果圖。具體實施方式下面將結(jié)合本專利技術(shù)實施例，對本專利技術(shù)實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本專利技術(shù)一部分實施例，而不是全部的實施例。基于本專利技術(shù)中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本專利技術(shù)保護的范圍。下面以機器人抓取目標乒乓球為實施例，詳細描述本專利技術(shù)的技術(shù)方案。在機器人程序中設(shè)定某一顏色的乒乓球為抓取目標，對該顏色的乒乓球所在的抓取區(qū)域進行目標球的定位，進行如下操作：第一部分，圖像獲取，如圖1所示通過攝像設(shè)備，例如相機，獲取深色背景下的單層排布多色乒乓球的圖像信息，其中乒乓球大小一致；第二部分，預(yù)處理，該部分主要實現(xiàn)對目標可能存在的區(qū)域的計算；對第一部分獲取的單張圖像進行灰度化處理，對灰度化后的圖像利用最大類間方差法進行前景與背景的分離，再用開運算去除噪聲，生成如圖2所示的二值化圖像，并確定圖像的坐標；上述可能存在的區(qū)域是指圖像中深色背景以外的區(qū)域；第三部分，距離變換，該部分主要實現(xiàn)對各前景點到背景最短距離的計算；對預(yù)處理后生成的二值化圖像進行距離變換并進行歸一化；對歸一化圖像進行閾值計算取值較大部分，從而斷開二值圖中球間連接，確定球的個數(shù)并獲得各球心大致位置，如圖3所示；第四部分，聚類，該部分以第三部分距離變換的球心位置為聚類種子，以球心個數(shù)為聚類類數(shù)，根據(jù)各點與各球心的位置距離，對第一部分預(yù)處理的二值圖進行K-means聚類，獲得各球具體位置；第五部分，分類，該部分以第四部分聚類的各聚類結(jié)果分別為ROI(regionofinterest)，對原圖各ROI內(nèi)的像素取均值并利用支持向量機進行分類，從而確定各球的顏色。進一步地，在分類部分，首次使用支持向量機時，需人工對各ROI內(nèi)均值所代表顏色進行標定，以此訓練支持向量機參數(shù)。通過上述操作獲取目標顏色乒乓球的位置信息后，位置信息輸送到機器人執(zhí)行抓取的程序中，機器人根據(jù)本文檔來自技高網(wǎng)...

【技術(shù)保護點】
1.一種多色球形目標檢測定位方法，其特征在于，所述定位方法具體包括如下部分：第一部分，圖像獲取，通過攝像設(shè)備獲取深色背景下的單層排布多色球形目標的圖像信息；第二部分，預(yù)處理，該部分實現(xiàn)對目標可能存在的區(qū)域的計算；對任意單張圖像進行灰度化處理，分離前景與背景，生成二值化圖像，并確定圖像坐標；上述可能存在的區(qū)域是指圖像中深色背景以外的區(qū)域；第三部分，距離變換，該部分實現(xiàn)對各前景點到背景最短距離的計算；對預(yù)處理后生成的二值化圖像進行距離變換并進行歸一化，確定球的個數(shù)并獲得各球心大致位置；第四部分，聚類，該部分以第三部分距離變換的球心位置為聚類種子，以球心個數(shù)為聚類類數(shù)對第一部分預(yù)處理的二值圖進行K?means聚類，獲得各球具體位置；第五部分，分類，該部分以第四部分聚類的各聚類結(jié)果分別為ROI，對原圖各ROI內(nèi)的像素取均值并利用支持向量機進行分類，從而確定各球的顏色。

【技術(shù)特征摘要】
1.一種多色球形目標檢測定位方法，其特征在于，所述定位方法具體包括如下部分：第一部分，圖像獲取，通過攝像設(shè)備獲取深色背景下的單層排布多色球形目標的圖像信息；第二部分，預(yù)處理，該部分實現(xiàn)對目標可能存在的區(qū)域的計算；對任意單張圖像進行灰度化處理，分離前景與背景，生成二值化圖像，并確定圖像坐標；上述可能存在的區(qū)域是指圖像中深色背景以外的區(qū)域；第三部分，距離變換，該部分實現(xiàn)對各前景點到背景最短距離的計算；對預(yù)處理后生成的二值化圖像進行距離變換并進行歸一化，確定球的個數(shù)并獲得各球心大致位置；第四部分，聚類，該部分以第三部分距離變換的球心位置為聚類種子，以球心個數(shù)為聚類類數(shù)對第一部分預(yù)處理的二值圖進行K-means聚類，獲得各球具體位置；第五部分，分類，該部分以第四部分聚類的各聚類結(jié)果分別為ROI，...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：呂燕，
申請(專利權(quán))人：上海電氣集團股份有限公司，
類型：發(fā)明
國別省市：上海,31