编码标记点的检测 摄影测量编码点检测

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/clipp_Huang/article/details/70670398

编码点制作,可以看这个链接:编码标记制作

https://item.taobao.com/item.htm?spm=a230r.1.14.40.28ff12b2pOcD9p&id=552901684447&ns=1&abbucket=3#detail

每个编码标记都是由内部的圆和外部的环带所组成,对编码圆的检测就是对编码圆的内部圆心的定位和外部环带的解码。上述已经介绍了如何对单个圆心的圆心定位,在对编码圆的环带解码的时候首先是要利用圆心二维图像坐标来搜索环带所在的位置,然后对这些环带进行编码解码,最后根据编码的二进制来进行移位计算,其对应最小的十进制即是编码对应的唯一码值。

编码标记设计的是15位的编码标志点,如图2-2所示。编码标记中心为圆形点,周围是与其在同心的环带区域用来对目标进行编码。圆环等分为15份,每份24度作为一个二进制位。每一位可以取0(对应黑色)或者1(对应白色)。编码标记点的内部圆形经CCD成像后变为椭圆,因此对圆心的定位操作也就是检测椭圆中心点的操作,椭圆的定位参考2.2.3节。在对椭圆进行检查的时候,首先对图像进行预处理图像平滑、删除噪声和分块二值化。图像在成像和传输的过程会产生噪声,各种噪声叠加可用高斯噪声来近似,将输入图像灰度化之后,采用高斯滤波去噪,为了保留编码标志点的细节,可以采用3*3的模板就足够。要高效的检测到标记点,边缘检测是关键。Canny边缘检测算子在边缘定位时精度高、适应性强。但是canny边缘算法的高低阈值对分割结果影响非常大,若阈值选择不恰当会造成虚假边缘或者边缘不连续的情况。在二值化图像上很容易定位边缘,不存在边缘阈值难把握的情况,并且采用了分块的OTSU方法来求取二值化的阈值来进行二值化,这样更保证了图像二值化的边缘清晰、准确,使后期的环带检测和解码不容易出现丢失信息的情况。

在二值化图像上提取轮廓后,无需计算背景区域和前景区域的均值和区分背景和前景的阈值及其方差,对位置准则提前到编码标志点解码之前。对编码的检测可以基于以下几个准则:

(1):像素尺寸准则

每个圆型标记在CCD成像的时候其轮廓的周长都在一定的范围内,这个值与成像的角度有关。

(2):几何形状准则

 圆型标记在成像的时候产生的是一个椭圆,如果一个图像质量好,则其对应的椭圆满足轮廓封闭、投影角度小于70度。轮廓的周长和面积满足一定的比例关系,即:

                 

扫描二维码关注公众号,回复: 3786793 查看本文章

标记点的轮廓在成像后虽然是椭圆,但其几何形状仍属于凸多边形。利用此可以排除图像中的噪声点,而且可以排除受到严重污染或者因为遮挡无法看全的标记点。

(3):图形灰度准则

标记点是内白外黑的,只保留内部为白色的轮廓,去掉内部是黑色的轮廓,这样使轮廓的检测更具准确不会受到其他因素的干扰。

          

                                                                    

                                                                               图-1 解码示意图

编码标记点的解码具体实现步骤如下:

(1):找到圆心在图像坐标系下的图像坐标和在二值化图像上的灰度值;

(2):对中心椭圆进行逆仿射变换,使其成为单位圆;

(3):根据弧度和圆心角计算该编码环带上所包含的0或1的个数;

(4):将对应的0和1记录成15位的二进制;

(5):对15位二进制进行右移位操作,取其对应十进制数最小的数作为编码的唯一码值。

                                 

                                                                                                                 图-2 检测效果图

                                 

                                                                                                                     图-3 检测效果图

检测的效果如图-2和图-3所示,可以值检测编码标记点,也可以编码标记和非编码标记点一起检测。

交流QQ:1264768501


猜你喜欢

转载自blog.csdn.net/clipp_Huang/article/details/70670398