一种基于空间平面滤波的标牌矢量化方法技术

本发明专利技术为一种基于空间平面滤波的标牌矢量化方法，属于辅助定位技术领域，包括生成标牌空间点，借助双目相机，应用双目立体视觉原理对所采集的信息进行处理；空间平面滤波，获得标牌参考面，使用主成分分析方法计算空间点的有向包围盒，提取空间中心平面和优化滤波；将标牌特征角点投影到空间平面，获得标牌矢量数据，矢量化的标牌数据可用于视觉辅助定位系统，主要体现在两个流程阶段中，即，将带有地理坐标信息的矢量标牌数据作为先验基准存入信标数据库；使用提取的标牌矢量数据与基准信标数据配准解算，从而获得定位信息。从而获得定位信息。从而获得定位信息。

【技术实现步骤摘要】
一种基于空间平面滤波的标牌矢量化方法


[0001]本专利技术属于辅助定位
，涉及一种矢量化方法，具体为基于空间平面滤波的标牌矢量化方法。

技术介绍

[0002]文字标牌检测与定位是自然场景中文字识别的一个重要部分，文字识别可以广泛应用在汽车的自动驾驶、机器人导航以及盲人辅助定位等诸多方面，所以文字标牌检测为自然场景中进一步的文字识别提供了很好的基础，具有一定的实用性。
[0003]由于文字标牌所包含的文字在大小、形状、字体、颜色和排列的多样性，以及复杂背景、光照变换、几何失真和模糊的影响，使得准确的文字检测、定位和识别就变得很困难。文字检测和定位的准确性会直接影响文字的识别率，目前对于文字标牌的检测率并不理想，并且大多数研究只针对于交通标牌的检测与识别。

技术实现思路

[0004]本专利技术提出了一种基于空间平面滤波的标牌矢量化方法，可获得稳定、精确的标牌矢量数据，从而提高辅助定位系统的解算精度。
[0005]本专利技术的技术方案如下：
[0006]一种基于空间平面滤波的标牌矢量化方法，包括
[0007]生成标牌空间点，借助双目相机，应用双目立体视觉原理对所采集的信息进行处理；
[0008]空间平面滤波，获得标牌参考面，使用主成分分析方法计算空间点的有向包围盒，提取空间中心平面和优化滤波；
[0009]将标牌特征角点投影到空间平面，获得标牌矢量数据。
[0010]作为本方案的进一步优化，生成标牌空间点包括通过双目立体视觉算法采集空间点图像，具体包括，
[0011]设置两个相机，相机两个相机的投影中心的连线为基线，基线长度即为b；
[0012]取三维空间任意一点P在左相机的成像点为P
L
，在右相机的成像点为P
R
；
[0013]连接P
L
与左侧相机的投影中心点做射线O
L
P
L
，连接P
R
与右侧相机的投影中心点做射线O
R
P
R
，将射线O
L
P
L
和射线O
R
P
R
的焦点标记，即为三维空间点P的实际位置；
[0014]使得三维空间点P和双目相机发生相对位移，通过视差得到三维空间点P的实际坐标。
[0015]作为本方案的进一步优化，生成标牌空间点中还包括，计算空间点，计算空间点包括，
[0016]图像采集，通过两个相机获取双目图像对；
[0017]双目标定，得到两个相机的内外参数、单应矩阵；
[0018]双目矫正，根据标定结果对原始图像校正，校正后的两张图像位于同一平面且互
相平行；
[0019]立体匹配，对校正后的两张图像进行像素点匹配；
[0020]空间点坐标计算，根据视差原理，通过双目立体视觉算法计算特征点的深度信息，从而获得三维坐标。
[0021]作为本方案的进一步优化，立体匹配包括，
[0022]生成高斯差分金字塔，尺度空间构建；
[0023]空间极值点检测；
[0024]稳定关键点的精确定位
[0025]稳定关键点方向信息分配；
[0026]关键点描述；
[0027]特征点匹配。
[0028]作为本方案的进一步优化，空间平面滤波包括，
[0029]S2
‑1‑
1，分解点集的xyz分量，把所有点的x、y、z值分别放到独立的数组中；
[0030]S2
‑1‑
2，对一维数组x、y、z这三个随机变量求协方差矩阵；
[0031]S2
‑1‑
3，对S2
‑
1中的协方差矩阵求解特征值与特征向量，特征向量构造列向量矩阵M，求解过程使用Jacobi迭代计算算法；
[0032]S2
‑1‑
4，将点集的几何中心平移至坐标系原点，并全部乘以M矩阵进行旋转变换；
[0033]S2
‑1‑
5，通过旋转变换后的点的坐标，求xMax、xMin、yMax、yMin、zMax、zMin，进而求出有向包围盒中心坐标和有向包围盒半长；
[0034]S2
‑1‑
6，将有向包围盒中心坐标左乘M的逆，得到此中心坐标在原来坐标系的坐标值；
[0035]S2
‑1‑
7，将S2
‑1‑
6中得到的原坐标系下的有向包围盒中心坐标平移回原处；
[0036]得到特征向量作为有向包围盒的三个轴朝向，有向包围盒的三个方向的半长和有向包围盒的中心坐标。
[0037]作为本方案的进一步优化，空间平面滤波还包括计算其中心平面及各点与平面的误差，
[0038]S2
‑2‑
1，计算有向包围盒的垂直方向中心平面；
[0039]S2
‑2‑
2，计算标牌各空间点与中心平面的误差；
[0040]S2
‑2‑
3，设置误差滤波器，根据误差，按照从小到大的顺序对空间点排序，剔除后1/3的空间点；
[0041]S2
‑2‑
4，使用滤波后的点集重新计算有向包围盒，从而获得更精确的中心平面。
[0042]作为本方案的进一步优化，获得标牌矢量数据的过程包括，
[0043]使用Harris算子，检测特征角点；
[0044]计算特征角点对应的空间点投影；
[0045]计算特征角点对应的空间点在中心平面上的投影坐标；
[0046]连接各角点在中心平面的投影点，获得标牌矢量化数据。
[0047]作为本方案的进一步优化，使用Harris算子，检测特征角点包括
[0048]计算图像I(x，y)在X方向和Y方向的梯度；
[0049][0050][0051]计算图像两个方向梯度的乘积I
x
I
y
；
[0052]使用窗口高斯函数分别对I
x
I
y
进行高斯加权，生成矩阵M；
[0053]计算每个像素的Harris响应值R，并设定一阈值T，对小于阈值T的R置零；
[0054]在一个固定窗口大小的邻域内(5
×
5)进行非极大值抑制，局部极大值点即为图像中的角点。
[0055]作为本方案的进一步优化，将相机坐标系转换到高斯坐标系和BLH坐标系，
[0056]像素坐标系到相机坐标系的转换关系为：
[0057][0058]像素坐标系到世界坐标系的转换关系为：
[0059][0060]作为本方案的进一步优化，若Yc不垂直于地面，通过标定参数将相机系坐标转换Yc＝h,再计算Zc。
[0061]本专利技术的工作原理及有益效果为：
[0062]矢量化的标牌数据可用于视觉辅助定位系统，主要体现在两个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于空间平面滤波的标牌矢量化方法，其特征在于，包括生成标牌空间点，借助双目相机，应用双目立体视觉原理对所采集的信息进行处理；空间平面滤波，获得标牌参考面，使用主成分分析方法计算空间点的有向包围盒，提取空间中心平面和优化滤波；将标牌特征角点投影到空间平面，获得标牌矢量数据。2.根据权利要求1所述的一种基于空间平面滤波的标牌矢量化方法，其特征在于，生成标牌空间点包括通过双目立体视觉算法采集空间点图像，具体包括，设置两个相机，相机两个相机的投影中心的连线为基线，基线长度即为b；取三维空间任意一点P在左相机的成像点为P
L
，在右相机的成像点为P
R
；连接P
L
与左侧相机的投影中心点做射线O
L
P
L
，连接P
R
与右侧相机的投影中心点做射线O
R
P
R
，将射线O
L
P
L
和射线O
R
P
R
的焦点标记，即为三维空间点P的实际位置；使得三维空间点P和双目相机发生相对位移，通过视差得到三维空间点P的实际坐标。3.根据权利要求2所述的一种基于空间平面滤波的标牌矢量化方法，其特征在于，生成标牌空间点中还包括，计算空间点，计算空间点包括，图像采集，通过两个相机获取双目图像对；双目标定，得到两个相机的内外参数、单应矩阵；双目矫正，根据标定结果对原始图像校正，校正后的两张图像位于同一平面且互相平行；立体匹配，对校正后的两张图像进行像素点匹配；空间点坐标计算，根据视差原理，通过双目立体视觉算法计算特征点的深度信息，从而获得三维坐标。4.根据权利要求3所述的一种基于空间平面滤波的标牌矢量化方法，其特征在于，立体匹配包括，生成高斯差分金字塔，尺度空间构建；空间极值点检测；稳定关键点的精确定位稳定关键点方向信息分配；关键点描述；特征点匹配。5.根据权利要求1所述的一种基于空间平面滤波的标牌矢量化方法，其特征在于，空间平面滤波包括，S2
‑1‑
1，分解点集的xyz分量，把所有点的x、y、z值分别放到独立的数组中；S2
‑1‑
2，对一维数组x、y、z这三个随机变量求协方差矩阵；S2
‑1‑
3，对S2
‑
1中的协方差矩阵求解特征值与特征向量，特征向量构造列向量矩阵M，求解过程使用Jacobi迭代计算算法；S2
‑1‑
4，将点集的几何中心平移至坐...

【专利技术属性】
技术研发人员：雷正伟，甄红涛，张勇，袁祥波，孙华刚，夏明飞，王天，周春霞，贾锋，李志伟，吕垌，
申请(专利权)人：中国人民解放军三二一八一部队，
类型：发明
国别省市：