對象辨識與定位方法
【技術(shù)領(lǐng)域】
[0001] 本案是關(guān)于一種對象辨識與定位方法，尤指一種可提升辨識準(zhǔn)確率且降低計算復(fù) 雜度的對象辨識與定位方法。
【背景技術(shù)】
[0002] 對象辨識與定位在機器視覺（MachineVision)上扮演非常重要的角色。產(chǎn)在線 待測的料件在進行量測、檢測的工作之前，一般都需要先通過定位W補償料件擺放的位置 的誤差。此外如機器人在產(chǎn)線對料件的夾取、組裝，都需要對料件進行辨識與定位。
[0003] 早期對象辨識與定位是通過連通組件分析（ConnectedComponentAnalysis)，影 像經(jīng)由二值化后分出前景物件群，再通過分析主軸長度、面積、周長等特征來辨識對象。如 果對象本身有破損或是被遮蔽的情形，連通組件分析的辨識率會大幅降低，W及如果環(huán)境 光源變化很大，二值化后也難W將對象清楚的分割出來。
[0004] 絕對誤差和方法（SumofAbsoluteDifference,SAD)也廣泛的用于對象的定 位，雖然此方法不需要通過二值化，且實作上可W通過Salari，W.LiandE.等人所提出 的H角不等式的概念大量減少計算量，但是此方法無法克服線性的光源變化。而Luigi DiStefano,StefanoMattocciaandMartinoMola等人所提出的正規(guī)化相關(guān)匹配法 (Normalized化OSSCorrelation，NCC)可W克服線性的光源變化，是目前最廣泛運用的定 位方法之一，但是遇到對象被遮蔽、非線性光源變化的情況下，其相似分?jǐn)?shù)會大幅下降，進 而造成定位不穩(wěn)定的現(xiàn)象。
[0005] 前述的習(xí)用方法都是利用像素值作為定位使用的特征，而化H. Ballard所提出的 廣義霍夫轉(zhuǎn)換法（Generalizing化U曲化ansfornuGHT)是從灰階影像中提取邊緣巧dge) 作為特征，此方法可W克服非線性光源變化，對象被遮蔽的情形，不過此方法在影像背景復(fù) 雜，不屬于對象的邊緣很多的情況下，投票時會有大量的錯誤肯定（False Positive),造成 檢測結(jié)果不穩(wěn)定。Thayananthan, A. , Stenger, B. , Torr, P. H. S. and Cipolla, R.等人所提出 的距離轉(zhuǎn)換法煙lamfer化ansform)也是利用邊緣作為特征進行定位，此方法可W實做的 較快，但是此方法對于對象被遮蔽，產(chǎn)生許多非對象的邊緣時，其定位效果便非常不穩(wěn)定。
[0006] 因此，如何發(fā)展一種可改進上述公知技術(shù)缺陷的對象辨識與定位方法，實為相關(guān)
技術(shù)領(lǐng)域目前所迫切需要解決的問題。

【發(fā)明內(nèi)容】

[0007] 本案的目的為提供一種對象辨識與定位方法，其可在二維實時影像中辨識與定位 出用戶所定義的對象，W及在對象被部分遮蔽的情況下，在有復(fù)雜背景的情況下和/或在 非線性的光源變化下，皆可辨識與定位對象。
[0008] 本案的另目的在于提供一種對象辨識與定位方法，其可提升辨識準(zhǔn)確率及降低計 算復(fù)雜度。
[0009] 為達上述目的，本案的優(yōu)先實施例為提供一種對象辨識與定位方法，包含步驟；執(zhí) 行脫機模式，對對象的標(biāo)準(zhǔn)影像進行分析w獲得該標(biāo)準(zhǔn)影像的多個取樣邊緣點w及該多個 取樣邊緣點的各梯度方向角度與重必；依據(jù)所述多個取樣邊緣點W及設(shè)定的偵測距離范圍 與設(shè)定的偵測梯度方向角度差異范圍計算多個相似分?jǐn)?shù)窗體；執(zhí)行在線模式，對實時影像 進行分析W獲得該實時影像的多個邊緣點W及所述多個邊緣點的各梯度方向角度；W及對 應(yīng)該實時影像的所述多個邊緣點計算多個預(yù)測重必位置，依照所述多個相似分?jǐn)?shù)窗體的多 個相似分?jǐn)?shù)，加總所述多個預(yù)測重必位置相對應(yīng)的相似分?jǐn)?shù)，且W分?jǐn)?shù)高于用戶設(shè)定閥值 的區(qū)域最大值的所述預(yù)測重必位置判別為相對在所述標(biāo)準(zhǔn)影像的所述重必位置，從而辨識 與定位所述對象。
[0010] 如上所述的對象辨識與定位方法，其中所述步驟（a)進一步的包括步驟：
[0011] (al)輸入所述標(biāo)準(zhǔn)影像的灰階影像，同時利用特定邊緣點揃取算法取得所述標(biāo)準(zhǔn) 影像的多個邊緣點；
[0012] (a2)取得所述多個邊緣點的各梯度方向角度；W及
[0013] (a3)對所述多個邊緣點均勻取樣，W取得所述多個取樣邊緣點，其中所述多個取 樣邊緣點是少在或等在所述多個邊緣點；W及
[0014] (曰4)根據(jù)所述多個取樣邊緣點計算出所述重必，且取得所述標(biāo)準(zhǔn)影像的取樣邊緣 點集合。
[0015] 如上所述的對象辨識與定位方法，其中所述步驟化）進一步的包括步驟：
[0016] 化1)依據(jù)所述多個取樣邊緣點W及所述設(shè)定的偵測梯度方向角度差異范圍計算 出多個空白相似分?jǐn)?shù)窗體；W及
[0017] 化2)依據(jù)所述多個取樣邊緣點W及所述設(shè)定的偵測距離范圍W及所述設(shè)定的偵 測梯度方向角度差異范圍計算出所述多個相似分?jǐn)?shù)，同時將其填入所述多個空白相似分?jǐn)?shù) 窗體，W取得所述多個相似分?jǐn)?shù)窗體。
[0018] 如上所述的對象辨識與定位方法，其中所述設(shè)定的偵測距離范圍W及所述設(shè)定的 偵測梯度方向角度差異范圍為可調(diào)整設(shè)定的參數(shù)值。
[0019] 如上所述的對象辨識與定位方法，其中所述步驟（C)進一步的包括步驟：
[0020] (cl)輸入所述實時影像的灰階影像，并利用特定邊緣點揃取算法取得所述實時影 像的所述多個邊緣點；W及
[0021] (c2)依據(jù)所述實時影像的所述多個邊緣點，計算取得所述實時影像的所述多個邊 緣點的各梯度方向角度。
[0022] 如上所述的對象辨識與定位方法，其中所述步驟（d)進一步的包括步驟（dl)根據(jù) 所述設(shè)定的偵測梯度方向角度差異范圍對所述實時影像的所述多個邊緣點進行篩選，W取 得所述實時影像的多個篩選邊緣點。
[0023] 如上所述的對象辨識與定位方法，其中在所述步驟（dl)中，若所述實時影像的所 述多個邊緣點與所述標(biāo)準(zhǔn)影像的所述多個取樣邊緣點的梯度方向角度差小于或等于所述 設(shè)定的偵測梯度方向角度差異范圍，則將所述實時影像的所述多個邊緣點視為所述實時影 像的所述多個篩選邊緣點。
[0024] 如上所述的對象辨識與定位方法，其中所述步驟（dl)的后進一步的包括步驟 (d2)將所述實時影像的所述多個篩選邊緣點分別與所述標(biāo)準(zhǔn)影像的所述多個取樣邊緣點 進行比對，W計算出所述多個預(yù)測重必位置。
[00巧]如上所述的對象辨識與定位方法，其中在步驟（d2)的后還包括步驟（d3)依據(jù)所 述實時影像的所述多個篩選邊緣點與所述標(biāo)準(zhǔn)影像的所述多個取樣邊緣點的梯度方向角 度差選出所述多個預(yù)測重必位置相對應(yīng)的相似分?jǐn)?shù)窗體。
[0026] 如上所述的對象辨識與定位方法，其中在所述步驟（d3)的后還包括步驟（d4)利 用所述相對應(yīng)的相似分?jǐn)?shù)窗體計算出所述多個預(yù)測重必位置的相似分?jǐn)?shù)值。
[0027] 如上所述的對象辨識與定位方法，其中在所述步驟（d4)中，計算所述多個預(yù)測重 必位置的相似分?jǐn)?shù)值時，若所述預(yù)測重必位置同時有多個相似分?jǐn)?shù)窗體的相似分?jǐn)?shù)，則W 產(chǎn)生所述預(yù)測重必位置時作為基準(zhǔn)的所述取樣邊緣點是否相同來決定計算方式。
[0028] 如上所述的對象辨識與定位方法，其中在所述步驟（d4)中，若產(chǎn)生所述預(yù)測重必 位置時作為基準(zhǔn)的所述取樣邊緣點相同，則W擇優(yōu)取代的方式，判斷所述預(yù)測重必位置的 相似分?jǐn)?shù)為所述多個相似分?jǐn)?shù)窗體中相對應(yīng)的相似分?jǐn)?shù)最高。
[0029] 如上所述的對象辨識與定位方法，其中在所述步驟（d4)中，若產(chǎn)生所述預(yù)測重必 位置時作為基準(zhǔn)的所述取樣邊緣點相異，則W累加的方式，將所述多個相似分?jǐn)?shù)窗體相對 應(yīng)在所述預(yù)測重必位置的相似分?jǐn)?shù)累加，而所述預(yù)測重必位置的相似分?jǐn)?shù)即為累加后的相 似分?jǐn)?shù)。
[0030] 如上所述的對象辨識與定位方法，其中所述使用設(shè)定閥值是呈可調(diào)整設(shè)定的分?jǐn)?shù) 口坎，而判別為相對在所述標(biāo)準(zhǔn)影像的所述重必位置的預(yù)測重必位置是W分?jǐn)?shù)高于用戶設(shè) 定閥值的區(qū)域最大值為判別依據(jù)。
[0031] 本發(fā)明提供的對象辨識與定位方法，通過（a)執(zhí)行脫機模式，對對象的標(biāo)準(zhǔn)影像 進行分析W取得所述標(biāo)準(zhǔn)影像的多個取樣邊緣點W及所述多個取樣邊緣點的各梯度方向 角度與重必；化）依據(jù)所述多個取樣邊緣點W及設(shè)定的偵測距離范圍與設(shè)定的偵測