一種基于機(jī)器視覺(jué)的新能源電動(dòng)車輛充電孔檢測(cè)與定位方法
【專利摘要】本發(fā)明公開(kāi)了一種基于機(jī)器視覺(jué)的新能源電動(dòng)車輛充電孔檢測(cè)與定位方法，首先利用視覺(jué)傳感器獲得充電座圖像；然后針對(duì)強(qiáng)電磁充電系統(tǒng)給圖像信號(hào)引入的噪聲干擾，采用了經(jīng)典的中值濾波法去除噪點(diǎn)；由于充電座圖像具有背景復(fù)雜、亮度不均、反光、目標(biāo)特征少等特點(diǎn)，常用的固定或自適應(yīng)閾值處理方法難以有效分割理想對(duì)象，再研究了基于HSI顏色模型的二階段圖像分割方法，即通過(guò)HSI顏色模型變換和Hue分量的閾值化得到粗精度的感興趣區(qū)域，通過(guò)形態(tài)學(xué)操作和Canny算子邊緣檢測(cè)得到高精度的目標(biāo)區(qū)域；最終提取目標(biāo)充電孔的特征。
【專利說(shuō)明】
一種基于機(jī)器視覺(jué)的新能源電動(dòng)車輛充電孔檢測(cè)與定位方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于圖像識(shí)別領(lǐng)域，特別涉及一種基于機(jī)器視覺(jué)的新能源電動(dòng)車輛充電孔 檢測(cè)與定位方法。
【背景技術(shù)】
[0002] 汽車工業(yè)關(guān)乎國(guó)民經(jīng)濟(jì)命脈，帶動(dòng)著龐大的上下游產(chǎn)業(yè)鏈，是我國(guó)重大戰(zhàn)略性支 柱產(chǎn)業(yè)。新能源汽車作為現(xiàn)代汽車工業(yè)一大亮點(diǎn)，是推動(dòng)經(jīng)濟(jì)社會(huì)可持續(xù)發(fā)展的重要引擎。 《中國(guó)制造2025》將"節(jié)能與新能源汽車"作為重點(diǎn)發(fā)展領(lǐng)域，指明了產(chǎn)業(yè)發(fā)展方向。截至 2015年底，我國(guó)新能源汽車保有量達(dá)58.32萬(wàn)輛，增長(zhǎng)近170 %，呈爆發(fā)式發(fā)展趨勢(shì)。
[0003] 不同種類的新能源車輛，例如電動(dòng)車輛(EV)、增程式電動(dòng)車輛(EREV)、和混合動(dòng)力 電動(dòng)車輛(HEV)，其裝配有需要周期性充電的能量存儲(chǔ)系統(tǒng)。通常，通過(guò)將能量存儲(chǔ)系統(tǒng)連 接至電源，例如AC供電線路，可為其充電。盡管在每輛車輛使用之前或之后為車輛能量存儲(chǔ) 系統(tǒng)再充電是有利的，當(dāng)前的系統(tǒng)要求車輛駕駛員手動(dòng)地將供電線路插入車輛。這樣的充 電方式存在諸多不利因素，例如人工手持充電槍導(dǎo)致低效率和/或錯(cuò)過(guò)最佳充電、惡劣天氣 條件下車輛駕駛員不便于室外操作、供電線路可能出現(xiàn)漏電故障帶來(lái)安全隱患。
[0004] 因此，相對(duì)于傳統(tǒng)的人工充電，車輛駕駛員迫切需要一種節(jié)約人力、節(jié)省時(shí)間、安 全可靠的自動(dòng)化充電方式，以實(shí)現(xiàn)該環(huán)節(jié)無(wú)人值守、快速高效。然而要實(shí)現(xiàn)電動(dòng)車輛自動(dòng)化 充電，其技術(shù)的關(guān)鍵及難點(diǎn)在于如何對(duì)電動(dòng)車輛充電孔檢測(cè)與定位。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明提供了一種基于機(jī)器視覺(jué)的新能源電動(dòng)車輛充電孔檢測(cè)與定位方法，其目 的在于，通過(guò)尋找充電座的圖像特征，對(duì)電動(dòng)車輛充電孔檢測(cè)與定位從而實(shí)現(xiàn)電動(dòng)車輛自 動(dòng)化充電。
[0006] -種基于機(jī)器視覺(jué)的新能源電動(dòng)車輛充電孔檢測(cè)與定位方法，首先，獲得充電座 圖像，并對(duì)充電座圖像進(jìn)行濾波處理;其次，利用HSI顏色模型的二階段圖像分割方法對(duì)濾 波處理后的充電座圖像進(jìn)行分割處理，獲得初始感興趣區(qū)域;接著，對(duì)初始感興趣區(qū)域采用 形態(tài)學(xué)操作和Canny算子邊緣檢測(cè)得到高精度的目標(biāo)區(qū)域;最后，從目標(biāo)區(qū)域中提取目標(biāo)充 電孔的特征。
[0007] 充電孔區(qū)域的色調(diào)(Hue)特性分析：由于孔芯處金屬材質(zhì)，加之一定的反光效果， 使得該區(qū)域在原始圖像上位于一定范圍的同一色調(diào)，從人眼角度觀察為明顯的金黃色或偏 亮/或偏暗，屬暖色調(diào)；而孔芯邊緣表面部位，一般認(rèn)為是灰綠色塑料材質(zhì)，屬暗冷色調(diào)，使 得該區(qū)域色調(diào)大大區(qū)別于孔芯處色調(diào)。以上所述，即在圖像Hue分量中充電孔芯的灰度值與 周圍區(qū)域的灰度值分布在兩個(gè)不同鄰域。利用該特性可以在Hue分量中實(shí)現(xiàn)充電孔與背景 的分離。
[0008] 所述HIS顏色模型的二階段圖像分割方法中的閾值確定方式為采用最大類間方差 自動(dòng)取閾值或通過(guò)計(jì)算灰度直方圖波峰谷取閾值。
[0009] 所述采用最大類間方差自動(dòng)取閾值是指使得兩類總方差σ|取最大值的閾值τ:
[0010] σ} = 01, (//,, - μΥ + - μ)2
[0011] 其中，HIS顏色模型的二階段圖像分割方法中的閾值Τ將濾波處理后的充電座圖像 分為充電孔和背景兩類部分，σ2為充電孔部分和背景部分兩類間最大方差，ω a為濾波處理 后的充電座圖像中像素屬于充電孔部分的概率，為充電孔部分的像素平均灰度，c〇b為濾 波處理后的充電座圖像中像素屬于背景部分的概率，為背景部分的像素平均灰度，μ為濾 波處理后的充電座圖像中像素總體平均灰度。
[0012] 所述通過(guò)計(jì)算灰度直方圖波峰谷取閾值的具體步驟如下：
[0013 ] Α)統(tǒng)計(jì)濾波處理后的充電座圖像范圍內(nèi)的絕對(duì)灰度直方圖；
[0014] Β)找到絕對(duì)灰度直方圖中第一和第二個(gè)峰值，與第一和第二個(gè)峰值之間的谷值；
[0015] C)在全局閾值分割中使用雙峰間的谷值作為閾值，如下式： 「25.5 ?/?.τ, ν) > Τ
[0016] /(r，.v)叫 ，.、々
[0 r)</
[0017] 其中，p(x，y)表示分割后圖像，q(x，y)表示濾波處理后的充電座圖像，T為HIS顏色 模型的二階段圖像分割方法中的閾值。
[0018] 對(duì)分割后的圖像進(jìn)行連通域搜尋操作，尋找出其中圓度和面積滿足圓度和面積設(shè) 定條件的連通域Blob，并對(duì)連通域Blob進(jìn)行孔洞填充，得到非空連通域Blob_fillup;
[0019] 通常圓度取值范圍為0.8-1，面積視實(shí)際情況而定； 「 1 m k ， 、 i 255，V(-Y，）.）茫
[0020] Blob filhipix, y) = s -"A 1 Β?οΜχ,ν)
[0021] 接著，對(duì)非空連通域按凸包進(jìn)行形狀轉(zhuǎn)換，擬合輪廓并合并連通域，將得到的初定 位的充電孔感興趣區(qū)域作為初始感興趣區(qū)域。
[0022] 所述對(duì)初始感興趣區(qū)域采用形態(tài)學(xué)操作和Canny算子邊緣檢測(cè)過(guò)程如下：
[0023]步驟4.1:對(duì)初始感興趣區(qū)域分別進(jìn)行膨脹和腐蝕操作，獲得兩個(gè)圓形區(qū)域，將兩 個(gè)圓形區(qū)域相減作差，獲得圓環(huán)感興趣區(qū)域RegionDiff;
[0024] 步驟4.2:使用Canny算子對(duì)圓環(huán)感興趣區(qū)域進(jìn)行邊緣檢測(cè)，提取出邊緣Edges，并 分割邊緣，獲得線和圓；
[0025] 步驟4.3:采用Tukey逼近方法對(duì)步驟4.2獲得的圓進(jìn)行魯棒性擬合，得到目標(biāo)區(qū)域 的亞像素精度輪廓，即為高精度的目標(biāo)區(qū)域充電孔輪廓。
[0026]采用Tukey逼近方法對(duì)步驟4.2獲得的圓進(jìn)行魯棒性擬合前，先對(duì)步驟4.2獲得的 圓依據(jù)圓的屬性進(jìn)行判斷，剔除非圓。
[0027] 所述采用Tukey逼近方法時(shí)，擬合時(shí)采用輪廓的最多點(diǎn)數(shù)MaxNumPoints = -l;輪廓 封閉閾值MaxClosureDist = 0;擬合點(diǎn)個(gè)數(shù) ClippingEndPoints = 0;迭代次數(shù)Iterations = 3;離群值的剪切因子ClippingFactor = 2。
[0028] Tukey方法魯棒性圓擬合，具體流程是:首先第一次權(quán)重函數(shù)都為1擬合一個(gè)圓，然 后計(jì)算每個(gè)輪廓點(diǎn)到圓上的距離得到權(quán)重函數(shù)，并作為下次計(jì)算的權(quán)重，再按同樣步驟重 復(fù)迭代，最終得到理想的圓。
[0029] 從目標(biāo)區(qū)域中提取各個(gè)充電孔的中心坐標(biāo)及面積特征：
[0030] (1)按照下式求取目標(biāo)區(qū)域中各個(gè)充電孔中心0(XQ，yQ)，即各充電孔的圓心；
[0032] 其中，k為充電孔編號(hào)，Ok表示第k個(gè)充電孔圓心，Sk表示第k個(gè)充電孔區(qū)域，Mk為第k 個(gè)充電孔區(qū)域內(nèi)像素點(diǎn)總數(shù)；
[0033] (2)計(jì)算目標(biāo)面積特征：
[0034]利用格林公式計(jì)算興趣區(qū)域面積，再離散化得到目標(biāo)區(qū)域內(nèi)像素個(gè)數(shù)。
[0035]對(duì)充電座圖像進(jìn)行濾波處理時(shí)采用中值濾波。
[0036] 有益效果
[0037]與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)體現(xiàn)在以下幾點(diǎn)：
[0038] 1)本發(fā)明采用了二階段檢測(cè)感興趣區(qū)域的判斷方法，即通過(guò)粗精度、高精度確定 充電孔區(qū)域，有效定位充電孔位置。整體算法簡(jiǎn)單、高效，本發(fā)明采用HALC0N軟件對(duì)算法進(jìn) 行驗(yàn)證測(cè)試，運(yùn)行時(shí)間約為1104.6 lms;
[0039] 2)與傳統(tǒng)的圖像分割方法相比，本發(fā)明提供的兩種的基于HSI顏色模型的閾值分 割方法更具優(yōu)勢(shì)。其中，對(duì)于近距離拍攝的圖像，兩種方法都適用，且具有良好分割效果;但 對(duì)于遠(yuǎn)距離拍攝的圖像，若是在光照亮的條件下，最大類間方差自動(dòng)取閾值法勉強(qiáng)達(dá)到分 割效果，但在光照暗的條件下，經(jīng)處理后的圖像出現(xiàn)大量毛刺，分割誤差極大。故計(jì)算灰度 直方圖波峰波谷取閾值法適用于廣泛條件（拍攝距離、光照亮度），最大類間方差自動(dòng)取閾 值法較適用于近距離拍攝和/或光照較亮的條件；
[0040] 3)與現(xiàn)有人工方法相比，該檢測(cè)算法具有檢測(cè)精度高、速度快、重復(fù)性好等優(yōu)勢(shì)， 很好地滿足了機(jī)器人作業(yè)的自動(dòng)操作、高效快速、穩(wěn)定可靠等需求。而人工手工充電無(wú)法精 確定位充電孔位置，易造成錯(cuò)過(guò)充電的情況和/或隨之的車輛性能退化。
【附圖說(shuō)明】
[0041] 圖1為本發(fā)明充電孔檢測(cè)與定位的圖像處理流程圖；
[0042] 圖2為圖像濾波示意圖，其中（a)為充電孔實(shí)物圖像；（b)為受椒鹽噪聲干擾的噪聲 圖像;（c)為經(jīng)3*3模板中值濾波后的去噪圖像；
[0043] 圖3為粗精度確定感興趣區(qū)域示意圖，其中(a)為創(chuàng)建的感興趣區(qū)域R0I;(b)為(a) 圖HSI顏色空間的Hue分量；（c)為(b)圖采用最大類間方差自動(dòng)取閾值法的二值圖像；（d)為 (b)圖采用計(jì)算灰度直方圖波峰波谷取閾值法的二值圖像；（e)為從連通域中提取的感興趣 區(qū)域經(jīng)形狀變換，粗略擬合；
[0044] 圖4為高精度確定感興趣區(qū)域示意圖，其中（a)為圖3(e)圖經(jīng)膨脹腐蝕再作差后的 環(huán)形感興趣區(qū)域；（b)為(a)在灰度圖像下區(qū)域；（c)為Canny邊緣檢測(cè)后，經(jīng)魯棒性擬合的亞 像素精度邊緣。
【具體實(shí)施方式】
[0045]下面將結(jié)合附圖和實(shí)施例對(duì)本發(fā)明做進(jìn)一步的說(shuō)明。
[0046]如圖1所示，一種基于機(jī)器視覺(jué)的新能源電動(dòng)車輛充電孔檢測(cè)與定位方法，包括以 下步驟：
[0047]步驟1:相機(jī)采集到充電孔原始圖像，記作ImageO;
[0048]步驟2:對(duì)ImageO進(jìn)行3*3模板的中值濾波，得到充電孔去噪圖像，記作 ImageNo i s e，如圖 2所示；
[0049]步驟3:對(duì)去噪圖像ImageNo i se以像素為單位進(jìn)行初步圖像分割，粗精度確定感興 趣區(qū)域；
[0050] 步驟3.1:創(chuàng)建感興趣區(qū)域R0I，限定圖像處理范圍，記作ImageROI;
[0051 ] 步驟3.2:轉(zhuǎn)換圖像1111&861?01到批1顏色空間，獲得此6分量，記作1111 &86此6;
[0052]步驟3.3:選擇合適閾值對(duì)ImageHue進(jìn)行基于HSI顏色模型的閾值分割，將Hue分量 二值化操作，使充電孔從背景圖像中分割出來(lái)，得二值圖像ImageBin。其中閾值選擇有兩種 方法:最大類間方差自動(dòng)取閾值法、計(jì)算直方圖最大頻率灰度值取閾值法；
[0053] Im^Bin^y) = \255' G{X'y) & //??^"
[0， else.
[0054]其中，G(x，y)為ImageHue中的（x，y)位置處像素點(diǎn)灰度值，T1為能夠?qū)⒊潆娍着c背 景分開(kāi)的合適閾值；
[0055]步驟3.4:對(duì)二值圖像ImageBin進(jìn)行連通域搜尋操作，尋找出其中圓度和面積滿足 一定條件的連通域Blob(通常圓度取0.8~1，面積視實(shí)際情況而定），并進(jìn)行孔洞填充，得到 非空連通域Blob_f i 1 lup; .,. 1255, ^/(^, v) ^ Blob
[0056] B!oh_ fillup(x, r) = < -. I Blob(.x,v)
[0057] 步驟3.5:按凸包進(jìn)行形狀轉(zhuǎn)換，擬合輪廓并合并連通域，得到初定位的充電孔感 興趣區(qū)域，記為Imagel，如圖3所示；
[0058]至此，第一階段下背景圖像的充電孔已被分割出來(lái)，但實(shí)際圖像存在亮斑、白痕、 紋理等影響，簡(jiǎn)單的二值化操作無(wú)法滿足充電孔位置的高精度定位，因此為保證定位中心 的準(zhǔn)確性，通過(guò)第二階段處理再以亞像素精度提取目標(biāo)。
[0059] 步驟4:在步驟3的基礎(chǔ)上，采用基于形態(tài)學(xué)和Canny算子的亞像素邊緣檢測(cè)的方 法，進(jìn)一步尚精度定位充電孔目標(biāo)；
[0060] 步驟4.1:對(duì)Imagel分別進(jìn)行膨脹和腐蝕，獲得兩圓形區(qū)域，將兩圓形區(qū)域相減作 差，獲得圓環(huán)感興趣區(qū)域RegionDiff;
[0061 ]步驟4.2:使用Canny邊緣檢測(cè)，提取出邊緣Edges，并分割邊緣:線和圓；
[0062]步驟4.3:選擇邊緣，根據(jù)特性確定是否擬合圓，將Attrib不為1的邊緣剔除，其中 Attrib = _l表示線段，Attrib = 0表示橢圓，Attrib = l表示圓；
[0063]步驟4.4: Tukey方法逼近，魯棒性擬合經(jīng)過(guò)剔除后的圓得到亞像素精度輪廓，即為 高精度確定的充電孔輪廓，記作Image2。其中Tukey法擬合圓的參數(shù)設(shè)定為:MaxNumPoints =-1，MaxClosureDist = 0，ClippingEndPoints = 0，Iterations = 3，ClippingFactor = 2。 [0064]至此，充電孔目標(biāo)已實(shí)現(xiàn)高精度定位，如圖4所示，后續(xù)過(guò)程主要分析該目標(biāo)區(qū)域 的形狀特性與位置特性。
[0065]步驟5:給每段輪廓編號(hào)，提取相對(duì)應(yīng)的參數(shù)(面積Area、中心橫坐標(biāo)Row、中心縱坐 標(biāo)Column)，保存在數(shù)組中，完成充電座的定位；
[0066] 步驟5.1:按照下式求取目標(biāo)區(qū)域中各個(gè)充電孔中心0(XQ，yQ)，即各充電孔的圓心；
[0067] 〇k(x,y)^ ΣΤ<ΑΗ-Σ>?/Μ? M^yj)^Sk V ./=! J
[0068] 其中，k為充電孔編號(hào)，Ok表示第k個(gè)充電孔圓心，Sk表示第k個(gè)充電孔區(qū)域，Mk為第k 個(gè)充電孔區(qū)域內(nèi)像素點(diǎn)總數(shù)；
[0069] 步驟5.2:計(jì)算目標(biāo)面積特征，主要利用格林公式計(jì)算區(qū)域面積，再離散化得到，實(shí) 質(zhì)表示的就是目標(biāo)區(qū)域內(nèi)像素個(gè)數(shù)。
[0070] 最后應(yīng)當(dāng)說(shuō)明的是：以上實(shí)施例僅用以說(shuō)明本發(fā)明的技術(shù)方案而非對(duì)其限制，盡 管參照上述實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)的說(shuō)明，所屬領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解:依然 可以對(duì)本發(fā)明的【具體實(shí)施方式】進(jìn)行修改或者等同替換，而未脫離本發(fā)明精神和范圍的任何 修改或者等同替換，其均應(yīng)涵蓋在本發(fā)明的權(quán)利要求范圍當(dāng)中。
【主權(quán)項(xiàng)】
1. 一種基于機(jī)器視覺(jué)的新能源電動(dòng)車輛充電孔檢測(cè)與定位方法，其特征在于，首先，獲 得充電座圖像，并對(duì)充電座圖像進(jìn)行濾波處理;其次，利用HSI顏色模型的二階段圖像分割 方法對(duì)濾波處理后的充電座圖像進(jìn)行分割處理，獲得初始感興趣區(qū)域;接著，對(duì)初始感興趣 區(qū)域采用形態(tài)學(xué)操作和化nny算子邊緣檢測(cè)得到高精度的目標(biāo)區(qū)域;最后，從目標(biāo)區(qū)域中提 取目標(biāo)充電孔的特征。2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述HIS顏色模型的二階段圖像分割方法 中的闊值確定方式為采用最大類間方差自動(dòng)取闊值或通過(guò)計(jì)算灰度直方圖波峰谷取闊值。3. 根據(jù)權(quán)利要求2所述的方法，其特征在于，所述采用最大類間方差自動(dòng)取闊值是指使 得兩類總方差卻取最大值的闊值T:其中，HIS顏色模型的二階段圖像分割方法中的闊值T將濾波處理后的充電座圖像分為 充電孔和背景兩類部分，為充電孔部分和背景部分兩類間最大方差，ω。為濾波處理后的 充電座圖像中像素屬于充電孔部分的概率，μ。為充電孔部分的像素平均灰度，wb為濾波處 理后的充電座圖像中像素屬于背景部分的概率，化為背景部分的像素平均灰度，μ為濾波處 理后的充電座圖像中像素總體平均灰度。4. 根據(jù)權(quán)利要求2所述的方法，其特征在于，所述通過(guò)計(jì)算灰度直方圖波峰谷取闊值的 具體步驟如下： Α)統(tǒng)計(jì)濾波處理后的充電座圖像范圍內(nèi)的絕對(duì)灰度直方圖； Β)找到絕對(duì)灰度直方圖中第一和第二個(gè)峰值，與第一和第二個(gè)峰值之間的谷值； C)在全局闊值分割中使用雙峰間的谷值作為闊值，如下式：其中，P(x，y)表示分割后圖像，q(x，y)表示濾波處理后的充電座圖像，Τ為HIS顏色模型 的二階段圖像分割方法中的闊值。5. 根據(jù)權(quán)利要求1-4任一項(xiàng)所述的方法，其特征在于，對(duì)分割后的圖像進(jìn)行連通域捜尋 操作，尋找出其中圓度和面積滿足圓度和面積設(shè)定條件的連通域Blob,并對(duì)連通域Blob進(jìn) 行孔桐填充，得到非空連通域B1 ob_f i 11 up;接著，對(duì)非空連通域按凸包進(jìn)行形狀轉(zhuǎn)換，擬合輪廓并合并連通域，將得到的初定位的 充電孔感興趣區(qū)域作為初始感興趣區(qū)域。6. 根據(jù)權(quán)利要求5所述的方法，其特征在于，所述對(duì)初始感興趣區(qū)域采用形態(tài)學(xué)操作和 化nny算子邊緣檢測(cè)過(guò)程如下： 步驟4.1:對(duì)初始感興趣區(qū)域分別進(jìn)行膨脹和腐蝕操作，獲得兩個(gè)圓形區(qū)域，將兩個(gè)圓 形區(qū)域相減作差，獲得圓環(huán)感興趣區(qū)域RegionDiff; 步驟4.2:使用Canny算子對(duì)圓環(huán)感興趣區(qū)域進(jìn)行邊緣檢測(cè)，提取出邊緣Edges，并分割 邊緣，獲得線和圓； 步驟4.3:采用化k巧逼近方法對(duì)步驟4.2獲得的圓進(jìn)行魯棒性擬合，得到目標(biāo)區(qū)域的亞 像素精度輪廓，即為高精度的目標(biāo)區(qū)域充電孔輪廓。7. 根據(jù)權(quán)利要求6所述的方法，其特征在于，采用化k巧逼近方法對(duì)步驟4.2獲得的圓進(jìn) 行魯棒性擬合前，先對(duì)步驟4.2獲得的圓依據(jù)圓的屬性進(jìn)行判斷，剔除非圓。8. 根據(jù)權(quán)利要求6或7所述的方法，其特征在于，所述采用化k巧逼近方法時(shí)，擬合時(shí)采 用輪廓的最多點(diǎn)數(shù)MaxNumPoints = -l;輪廓封閉闊值MaxClosureDist = 0 ;擬合點(diǎn)個(gè)數(shù) Cli卵in巧nd化ints = 0;迭代次數(shù)1*6腳1:;[〇]13 = 3;離群值的剪切因子〔1199；[]1旨化。1:〇' = 2。9. 根據(jù)權(quán)利要求8所述的方法，其特征在于，從目標(biāo)區(qū)域中提取各個(gè)充電孔的中屯、坐標(biāo) 及面積特征： (1) 按照下式求取目標(biāo)區(qū)域中各個(gè)充電孔中屯、O(x〇，y〇)，即各充電孔的圓屯、；其中，k為充電孔編號(hào)，Ok表示第k個(gè)充電孔圓屯、，Sk表示第k個(gè)充電孔區(qū)域，Mk為第k個(gè)充 電孔區(qū)域內(nèi)像素點(diǎn)總數(shù)； (2) 計(jì)算目標(biāo)面積特征： 利用格林公式計(jì)算興趣區(qū)域面積，再離散化得到目標(biāo)區(qū)域內(nèi)像素個(gè)數(shù)。10. 根據(jù)權(quán)利要求9所述的方法，其特征在于，對(duì)充電座圖像進(jìn)行濾波處理時(shí)采用中值 濾波。
【文檔編號(hào)】G06T7/40GK106097308SQ201610375159
【公開(kāi)日】2016年11月9日
【申請(qǐng)日】2016年5月31日
【發(fā)明人】張輝, 金俠挺, 劉理, 孟步敏
【申請(qǐng)人】長(zhǎng)沙理工大學(xué)