一种矩形识别优化方法、装置及设备制造方法及图纸

本申请公开了一种矩形识别优化方法、装置及设备，方法包括：获取预置类矩形边缘特征图中所有线段的端点坐标；任选当前线段的一端作为中心点，沿所述当前线段的另一端反向延长的预置区域作为预置考察区域；选取区域中的符合条件的白点作为新端点进行延长操作；以所述新端点作为新的中心点，或者选择所述当前线段的另一端的端点作为中心点，重复延长操作，直至找不到符合条件的点；对符合预置线段合并条件的两条线段进行合并操作，得到合并线段，使得所述预置类矩形边缘特征图中的类矩形得到优化。本申请解决了矩形识别过程中提取的直线长短不一、冗余度较大的技术问题。

An optimization method, device and equipment for rectangle recognition

【技术实现步骤摘要】
一种矩形识别优化方法、装置及设备
本申请涉及图像识别
，尤其涉及一种矩形识别优化方法、装置及设备。
技术介绍
在电力产业的方面，智能巡检作为电力产业的重要一环，相应的智能巡检机器人也就扮演者越来越重要的角色。在智能巡检的过程中，往往会涉及到对各种仪表、开关等对象的识别，这其中往往会涉及到对矩形对象的识别，能否准确快速地识别出图像中的矩形对象将会直接影响后续智能分析的结果。矩形识别的算法流程分为三步，首先是边缘特征检测，利用Canny边缘检测算子的方法，提取出图像的边缘特征，然后利用概率霍夫变换的方法，在边缘特征图的基础上提取出其中的线段，最后根据线段的位置分布判断哪些线段属于同一个矩形的四条边缘，进而识别出对应的矩形。目前比较常用的线段检测算法是基于统计霍夫变换的线段提取算法，但该方法检测效果往往不是特别地准确：不能保证所有的线段边缘都能够被准确无误的检测出来。对于某一条边缘，理论上应该只检测出一条与边缘本身长度一致的线段，但实际上检测的线条存在较大冗余且长短不一，这将在很大程度上影响矩形的识别准确率。
技术实现思路
本申请提供了一种矩形识别优化方法、装置及设备，用于解决现有技术的基于统计霍夫变换的线段提取算法，不能保证所有的线段边缘都能够被准确无误的检测出来，对矩形识别获取的线段长短不一，冗余度较大，导致无法准确描述矩形边缘，影响矩形识别准确率的技术问题。有鉴于此，本申请第一方面提供了矩形识别优化方法，包括：S1、获取预置类矩形边缘特征图中所有线段的端点坐标；S2、任选当前线段的一端作为中心点，扩展预置个像素，生成预置ROI区域，将在所述预置ROI区域中以所述中心点为出发点，沿所述当前线段的另一端反向延长的预置区域作为预置考察区域，所述预置考察区域经过所述中心点的预置长度的边界线垂直于所述当前线段；S3、获取所述预置ROI区域中每个像素点的权值，得到权值矩阵；S4、获取所述预置边缘特征图中与所述预置ROI区域对应的像素部分，得到特征矩阵；S5、将所述权值矩阵与所述特征矩阵每个元素对应相乘，得到端点矩阵；S6、将所述端点矩阵中的值降序排列，依次选取所述降序排列中的点，若选取的点与所述中心点所确定的线段与所述当前线段之间形成的锐角在预置角度范围内，则将选取的点作为所述当前线段的新端点，并结束选取操作；S7、以所述新端点作为新的中心点，重复步骤S2-S6，直至找不到同时在所述预置ROI区域、所述预置考察区域和所述预置角度范围内的点；S8、选择所述当前线段的另一端的端点作为中心点，重复步骤S2-S7，直至找不到同时在所述预置ROI区域、所述预置考察区域和所述预置角度范围内的点；S9、对符合预置线段合并条件的两条线段进行合并操作，得到合并线段，使得所述预置类矩形边缘特征图中的类矩形得到优化。优选地，步骤S9包括：S91、任选两条线段，在所述两条线段满足预置线段合并条件时，将所述两条线段形成的锐角的角平分线作为合并线段的方向，所述预置线段合并条件为线段的中点与另一条线段的距离小于第一距离阈值、所述两条线段的水平距离和垂直距离之和小于第二距离阈值以及两条线段形成的锐角小于角度阈值；S92、将所述两条线段端点映射于所述合并线段上，并将映射得到的四个点中相距最远的两个点作为所述合并线段的端点；S93、获取所述合并线段的端点坐标，并删除所述两条线段；S94、重新选择任意两条线段，重复步骤S91-S93，直至不存在满足所述预置线段合并条件的两条线段。优选地，步骤S2包括：以所述中心点为基准，同时向上下扩展第一预置个像素，向左右扩展第二预置个像素，生成所述预置ROI区域。优选地，步骤S3包括：将所述预置ROI区域中不在所述预置考察区域的像素点的权值置0；计算所述预置考察区域中每个像素点与沿所述当前线段的另一端反向延长线的第一偏离距离以及与所述中心点所在的所述预置考察区域边界的第二偏离距离；通过预置公式计算所述预置考察区域中每个像素点的权值，得到所述权值矩阵，所述预置公式为：wi,j＝1+[RT×1.5+RS]其中，i，j为每个像素点的位置，RT为所述第一偏离距离，RS为所述第二偏离距离。本申请第二方面提供了一种矩形识别优化装置，包括：获取模块，用于获取预置类矩形边缘特征图中所有线段的端点坐标；扩展模块，用于任选当前线段的一端作为中心点，扩展预置个像素，生成预置ROI区域，将在所述预置ROI区域中以所述中心点为出发点，沿所述当前线段的另一端反向延长的预置区域作为预置考察区域，所述预置考察区域经过所述中心点的预置长度的边界线垂直于所述当前线段；权值模块，用于获取所述预置ROI区域中每个像素点的权值，得到权值矩阵；特征模块，用于获取所述预置边缘特征图中与所述预置ROI区域对应的像素部分，得到特征矩阵；计算模块，用于将所述权值矩阵与所述特征矩阵每个元素对应相乘，得到端点矩阵；新端点选取模块，用于将所述端点矩阵中的值降序排列，依次选取所述降序排列中的点，若选取的点与所述中心点所确定的线段与所述当前线段之间形成的锐角在预置角度范围内，则将选取的点作为所述当前线段的新端点，并结束选取操作；第一更新模块，用于以所述新端点作为新的中心点，触发所述扩展模块，直至找不到同时在所述预置ROI区域、所述预置考察区域和所述预置角度范围内的点；第二更新模块，用于选择所述当前线段的另一端的端点作为中心点，触发所述扩展模块，直至找不到同时在所述预置ROI区域、所述预置考察区域和所述预置角度范围内的点；线段合并模块，用于对符合预置线段合并条件的两条线段进行合并操作，得到合并线段，使得所述预置类矩形边缘特征图中的类矩形得到优化。优选地，所述线段合并模块包括：筛选模块，用于任选两条线段，在所述两条线段满足预置线段合并条件时，将所述两条线段形成的锐角的角平分线作为合并线段的方向，所述预置线段合并条件为线段的中点与另一条线段的距离小于第一距离阈值、所述两条线段的水平距离和垂直距离之和小于第二距离阈值以及两条线段形成的锐角小于角度阈值；映射模块，用于将所述两条线段端点映射于所述合并线段上，并将映射得到的四个点中相距最远的两个点作为所述合并线段的端点；获取模块，用于获取所述合并线段的端点坐标，并删除所述两条线段；第三更新模块，用于重新选择任意两条线段，触发筛选模块，直至不存在满足所述预置线段合并条件的两条线段。优选地，所述扩展模块包括：扩展子模块，用于以所述中心点为基准，同时向上下扩展第一预置个像素，向左右扩展第二预置个像素，生成预置ROI区域。优选地，所述权值模块包括：权值子模块，用于将所述预置ROI区域中不在所述预置考察区域的像素点的权值置0；计算所述预置考察区域中每个像素点与沿所述当前线段的另一端反向延长线的第一偏离距离以及与所述中本文档来自技高网...

【技术保护点】
1.一种矩形识别优化方法，其特征在于，包括：/nS1、获取预置类矩形边缘特征图中所有线段的端点坐标；/nS2、任选当前线段的一端作为中心点，扩展预置个像素，生成预置ROI区域，将在所述预置ROI区域中以所述中心点为出发点，沿所述当前线段的另一端反向延长的预置区域作为预置考察区域，所述预置考察区域经过所述中心点的预置长度的边界线垂直于所述当前线段；/nS3、获取所述预置ROI区域中每个像素点的权值，得到权值矩阵；/nS4、获取所述预置边缘特征图中与所述预置ROI区域对应的像素部分，得到特征矩阵；/nS5、将所述权值矩阵与所述特征矩阵每个元素对应相乘，得到端点矩阵；/nS6、将所述端点矩阵中的值降序排列，依次选取所述降序排列中的点，若选取的点与所述中心点所确定的线段与所述当前线段之间形成的锐角在预置角度范围内，则将选取的点作为所述当前线段的新端点，并结束选取操作；/nS7、以所述新端点作为新的中心点，重复步骤S2-S6，直至找不到同时在所述预置ROI区域、所述预置考察区域和所述预置角度范围内的点；/nS8、选择所述当前线段的另一端的端点作为中心点，重复步骤S2-S7，直至找不到同时在所述预置ROI区域、所述预置考察区域和所述预置角度范围内的点；/nS9、对符合预置线段合并条件的两条线段进行合并操作，得到合并线段，使得所述预置类矩形边缘特征图中的类矩形得到优化。/n...

【技术特征摘要】
1.一种矩形识别优化方法，其特征在于，包括：
S1、获取预置类矩形边缘特征图中所有线段的端点坐标；
S2、任选当前线段的一端作为中心点，扩展预置个像素，生成预置ROI区域，将在所述预置ROI区域中以所述中心点为出发点，沿所述当前线段的另一端反向延长的预置区域作为预置考察区域，所述预置考察区域经过所述中心点的预置长度的边界线垂直于所述当前线段；
S3、获取所述预置ROI区域中每个像素点的权值，得到权值矩阵；
S4、获取所述预置边缘特征图中与所述预置ROI区域对应的像素部分，得到特征矩阵；
S5、将所述权值矩阵与所述特征矩阵每个元素对应相乘，得到端点矩阵；
S6、将所述端点矩阵中的值降序排列，依次选取所述降序排列中的点，若选取的点与所述中心点所确定的线段与所述当前线段之间形成的锐角在预置角度范围内，则将选取的点作为所述当前线段的新端点，并结束选取操作；
S7、以所述新端点作为新的中心点，重复步骤S2-S6，直至找不到同时在所述预置ROI区域、所述预置考察区域和所述预置角度范围内的点；
S8、选择所述当前线段的另一端的端点作为中心点，重复步骤S2-S7，直至找不到同时在所述预置ROI区域、所述预置考察区域和所述预置角度范围内的点；
S9、对符合预置线段合并条件的两条线段进行合并操作，得到合并线段，使得所述预置类矩形边缘特征图中的类矩形得到优化。


2.根据权利要求1所述的矩形识别优化方法，其特征在于，步骤S9包括：
S91、任选两条线段，在所述两条线段满足预置线段合并条件时，将所述两条线段形成的锐角的角平分线作为合并线段的方向，所述预置线段合并条件为线段的中点与另一条线段的距离小于第一距离阈值、所述两条线段的水平距离和垂直距离之和小于第二距离阈值以及两条线段形成的锐角小于角度阈值；
S92、将所述两条线段端点映射于所述合并线段上，并将映射得到的四个点中相距最远的两个点作为所述合并线段的端点；
S93、获取所述合并线段的端点坐标，并删除所述两条线段；
S94、重新选择任意两条线段，重复步骤S91-S93，直至不存在满足所述预置线段合并条件的两条线段。


3.根据权利要求1所述的矩形识别优化方法，其特征在于，步骤S2包括：
以所述中心点为基准，同时向上下扩展第一预置个像素，向左右扩展第二预置个像素，生成所述预置ROI区域。


4.根据权利要求1所述的矩形识别优化方法，其特征在于，步骤S3包括：
将所述预置ROI区域中不在所述预置考察区域的像素点的权值置0；
计算所述预置考察区域中每个像素点与沿所述当前线段的另一端反向延长线的第一偏离距离以及与所述中心点所在的所述预置考察区域边界的第二偏离距离；
通过预置公式计算所述预置考察区域中每个像素点的权值，得到所述权值矩阵，所述预置公式为：
wi,j＝1+[RT×1.5+RS]
其中，i，j为每个像素点的位置，RT为所述第一偏离距离，RS为所述第二偏离距离。


5.一种矩形识别优化装置，其特征在于，包括：
获取模块，用于获取预置类矩形边缘特征图中所有线段的端点坐标；
扩展模块，用于任选当前线段的一端作为中心点，扩展预置个像素，生成预置ROI区域，将在所述预置ROI区域中以所述中心点为出发点，沿所述当前线段的另一端反向延长的...

【专利技术属性】
技术研发人员：吴晖，王杨，陈辉，
申请(专利权)人：广东电科院能源技术有限责任公司，
类型：发明
国别省市：广东;44