柜体表面圆形目标自动分割方法、系统、装置及存储介质

技术领域

本申请涉及圆形目标检测技术领域，尤其涉及一种柜体表面圆形目标自动分割方法、系统、装置及可存储介质。

背景技术

圆形目标检测是计算机视觉和模式识别领域的一个重要研究方向，在现实生活中有着广泛应用，例如工业现场中的工件、道路交通中的信号灯、生物医学中的虹膜等圆形目标。为了满足应用需求，通常需要基于计算机视觉相关方法快速、准确的识别和定位到这些圆形目标，以便于进一步的分析处理。常用的圆形目标检测的方法有：基于Hough变换的投票方法、基于最大估计的拟合方法。基于Hough变换的投票方法对目标边缘提取的质量要求较高，当边缘存在较多噪声干扰、偏移错位等情况时，检测到的圆容易出现较大偏差。而传统的基于最大估计的拟合方法对噪声敏感，并且对拟合出的圆缺乏置信度评价，因此无法有效对拟合出的圆进行筛选。

发明内容

为了解决上述技术问题，本申请实施例提供一种柜体表面圆形目标自动分割方法、系统、装置及可存储介质，创新式采用基于RANSAC算法去进行圆形检测，避免在Hough变换下因噪声干扰问题对检测结果造成的误差过大的问题，同时构建置信度模型，实现拟合之后对最佳结果进行筛选，准备识别和定位目标圆，以便于进一步地的分析处理。

本申请实施例第一方面提供了一种柜体表面圆形目标自动分割方法，包括：

获取柜体表面图像，提取灰度图像的所有边缘点；

构建边缘轮廓组，获取有效边缘图像；

基于边缘图像进行圆拟合，针对所拟合的结果构建置信度评价机制。

进一步地，灰度图像基于所获取的柜体表面图像进行灰度处理后进行去噪。

进一步地，边缘点采用自适应Canny算子从灰度图像中提取后形成边缘图。

进一步地，自适应Canny算子的高阈值和低阈值均通过分析灰度图像全局灰度分布自适应获取。

进一步地，边缘轮廓组通过对边缘图采用连通域分析后形成。

进一步地，有效边缘图像针对边缘轮廓组中的轮廓区域进行去噪形成边缘图像。

进一步地，边缘图像采用RANSAC算法进行圆拟合，获取每一个拟合圆的圆心坐标、半径和参与圆拟合的内点。

进一步地，置信度评价机制针对每一个拟合圆的内点方差和内点有效率进行评价。

进一步地，置信度评价机制中，获取每次待检测圆的参考半径范围，在参考半径范围内，置信度最大的拟合圆作为目标圆。

本申请实施例第二方面提供了一种柜体表面圆形目标自动分割系统，包括：

图像获取单元，获取待检测的包含有圆的图像后进行预处理；

有效边缘单元，获取预处理后的图像数据提取所有的边缘点，进行边缘轮廓筛选获取有效边缘图像；

边缘拟合单元，基于有效边缘区域进行圆拟合；

置信度评价单元，构建置信度评价模型，对圆拟合结果进行置信度评价，并输出评价结果。

进一步地，图像获取单元包括：

灰度化单元，将原始图像输出成灰度图像；

去噪单元，获取灰度图像后采用高斯去噪并输出去噪后的图像。

进一步地，有效边缘单元包括：

边缘点提取单元，采用自适应Canny算子从去噪单元的输出图像中提取所有边缘点；

边缘图像单元，获取所有边缘点，基于连通域分析构建边缘轮廓组后再次去噪，输出图像作为有效边缘图像至边缘拟合单元。

进一步地，边缘拟合单元包括：

圆拟合单元，采用RANSAC算法进行圆拟合，并输出每一个拟合圆的圆心坐标、半径和参与圆拟合的内点；

参考圆单元，获取带检测圆的参考半径范围，与圆拟合单元的拟合结果一同输出至置信度评价单元。

进一步地，置信度评价单元包括：

置信度模型，针对每个待评价的圆数据分别构建内点方差和内点有效率的评价模型，形成总的置信度评价参数；

输出单元，获取边缘拟合单元的输出结果并输入至置信度模型中进行评价，输出在参考半径范围内的置信度评价参数最大的拟合圆作为目标圆。

第三方面，本申请实施例提供了一种圆形目标自动分割装置，包括存储器和处理器，所述存储器上存储有计算机可执行指令，所述处理器运行所述存储器上的计算机可执行指令时实现第一方面的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现上述第一方面的方法。

在本申请实施例中，采用基于RANSAC算法进行圆形检测，避免在Hough变换下因噪声干扰问题对检测结果造成的误差过大的问题，同时创新式构建置信度模型，实现拟合之后对最佳结果进行筛选，准备识别和定位目标圆，以便于进一步地分析处理。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是柜体表面圆形目标自动分割方法的逻辑图；

图2是柜体表面圆形目标自动分割系统的框图；

图3是待检测目标灰度图；

图4是自适应Canny边缘图；

图5是基于连通域去噪图；

图6是圆检测结果图；

图7是本申请实施例提供的一种分割装置的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

本申请第一方面涉及到一种柜体表面圆形目标自动分割方法，包括：

S101：获取柜体表面图像，提取灰度图像的所有边缘点：

可以理解的是，作为目标圆检测的原始图像，需要对其进行灰度化处理，本步骤作为图像处理的初始步骤，均是采用较为常规的去噪处理，本申请中具体采用高斯去噪。

S102：构建边缘轮廓组，获取有效边缘图像。

可以理解的是，在步骤S102去噪后的图像中，需要对其中的边缘点进行提取，以减少目标圆计算的区域范围，并根据边缘轮廓拟合目标圆。

在进行边缘计算时，采用自适应Canny算子从灰度图像中提取所有的边缘点，形成边缘图。

自适应Canny算子的高阈值high和低阈值low均通过分析灰度图像全局灰度分布自适应获取，即：

在利用自适应Canny算子形成边缘图之后，在整个边缘轮廓上，需要根据轮廓线路将整个边缘图像去实现区域划分，有的边缘点形成的轮廓区域过小就可以作为噪点，再次去除。

本实施例中，对自适应Canny算子得到的边缘图进行8邻接的连通域分析(连通区域指图像中具有相同像素值且位置相邻的前景像素点组成的图像区域)。连通区域分析是指将图像中的各个连通区域找出并标记。经过连通域分析计算后，每个连通域形成一组边缘轮廓，计算每个边缘轮廓的最小外接矩形，并取外接矩形宽和高的最大值，当低于阈值时，判定该边缘轮廓为噪点，从边缘图像中移除。

本实施例中，阈值设置为50，一般情况下这个阈值都是依据经验选择的。

S103：基于边缘图像进行圆拟合，针对所拟合的结果构建置信度评价机制。

可以理解的是，在进行了连通区域分析之后，对于轮廓过低的区域进行了移除，这就已经再次删除了一部分的边缘点。

在剩下的所有的边缘点形成的边缘图像中，由于本申请是针对目标圆来进行图像分割检测的，因此，在这里就需要进行圆拟合，这里采用RANSAC算法进行圆拟合，获取每一个拟合圆的圆心坐标、半径和参与圆拟合的内点。

考虑到每次的目标圆的半径都是大概可以知道一个半径大小的，因此在每次检测的时候，可以人工或者预设方式给出一个参考半径范围，对于半径在参考半径范围之外的圆被移除。本实施例中参考半径范围为[60，100]。

在本申请中，针对拟合结果，构建置信度评价机制针对每一个拟合圆的内点方差和内点有效率进行评价。

根据每个拟合圆的圆心坐标、半径和内点，计算每个拟合圆的置信度。置信度由内点方差(var)和内点有效率(per)。其中，内点方差的计算公式如下：

显然，var值越大，表明内点偏离拟合圆的程度越严重，该圆的可信度也相应越低。

内点有效率衡量内点在圆周上的分布情况，计算公式如下：

基于上述内点方差(var)和内点有效率(per)，构建总的置信度Conf计算公式如下：

如图3-6所示是本方法的一个实施例的处理效果图，相对于现有技术中，基于Hough变换的投票方法对目标边缘提取的质量要求较高，当边缘存在较多噪声干扰、偏移错位等情况时，检测到的圆容易出现较大偏差。传统的基于最大估计的拟合方法对噪声敏感，并且对拟合出的圆缺乏置信度评价。本申请采用自适应Canny算子形成边缘图并创新式地构建置信度模型，以整体提高目标圆获取的准确度。

本申请实施例还提供一种柜体表面圆形目标自动分割系统，该系统用于执行前述任一项上述分割方法。具体地，参见图2，图2是本申请实施例提供的一种定位装置的示意框图。本实施例的装置包括：图像获取单元210、有效边缘单元220、边缘拟合单元230、置信度评价单元240。

图像获取单元210获取待检测的包含有圆的图像后进行预处理。具体地，包括：灰度化单元211，将原始图像输出成灰度图像，一般情况下在RGB模型中，如果R＝G＝B时，则彩色表示一种灰度颜色，其中R＝G＝B的值叫灰度值，因此，灰度图像每个像素只需一个字节存放灰度值(又称强度值、亮度值)，灰度范围为0-255。直接利用灰度化公式可以将彩色RGB图像转换为灰度图像。

去噪单元212，获取灰度图像后采用高斯去噪并输出去噪后的图像。作为本系统的第一个去噪的单元，这里针对灰度图像后采用较为常见的高斯去噪方式去进行初步的处理。

有效边缘单元220用于获取预处理后的图像数据提取所有的边缘点，进行边缘轮廓筛选获取有效边缘图像。具体地，包括：边缘点提取单元221和边缘图像单元222。

边缘点提取单元221采用自适应Canny算子从去噪单元212的输出图像中提取所有边缘点。

边缘图像单元222用于获取所有边缘点，基于连通域分析构建边缘轮廓组后再次去噪，输出图像作为有效边缘图像至边缘拟合单元。

边缘拟合单元230基于有效边缘区域进行圆拟合。具体地，包括：

圆拟合单元231，采用RANSAC算法进行圆拟合，并输出每一个拟合圆的圆心坐标、半径和参与圆拟合的内点。

参考圆单元232，获取带检测圆的参考半径范围，与圆拟合单元的拟合结果一同输出至置信度评价单元。

置信度评价单元240，构建置信度评价模型，对所述圆拟合结果进行置信度评价，并输出评价结果。具体地，包括：

置信度模型241，针对每个待评价的圆数据分别构建内点方差和内点有效率的评价模型，形成总的置信度评价参数；

输出单元242，获取边缘拟合单元的输出结果并输入至置信度模型中进行评价，输出在参考半径范围内的置信度评价参数最大的拟合圆作为目标圆。

上述单元的内容与自动分割方法的内容一致，这里就不进行展开赘述。

图3是本申请实施例提供的一种圆形目标自动分割装置的结构示意图。该分割装置4000包括处理器41，还可以包括输入装置42、输出装置43和存储器44。该输入装置42、输出装置43、存储器44和处理器41之间通过总线相互连接。

存储器包括但不限于是随机存储记忆体(random access memory，RAM)、只读存储器(read至only memory，ROM)、可擦除可编程只读存储器(erasable programmable readonly memory，EPROM)、或便携式只读存储器(compact disc read至only memory，CD至ROM)，该存储器用于相关指令及数据。

输入装置用于输入数据和/或信号，以及输出装置用于输出数据和/或信号。输出装置和输入装置可以是独立的器件，也可以是一个整体的器件。

处理器可以包括是一个或多个处理器，例如包括一个或多个中央处理器(centralprocessing unit，CPU)，在处理器是一个CPU的情况下，该CPU可以是单核CPU，也可以是多核CPU。处理器还可以包括一个或多个专用处理器，专用处理器可以包括GPU、FPGA等，用于进行加速处理。

存储器用于存储网络设备的程序代码和数据。

处理器用于调用该存储器中的程序代码和数据，执行上述方法实施例中的步骤。具体可参见方法实施例中的描述，在此不再赘述。

可以理解的是，图3仅仅示出了分割装置的简化设计。在实际应用中，动作识别装置还可以分别包含必要的其他元件，包含但不限于任意数量的输入/输出装置、处理器、控制器、存储器等，而所有可以实现本申请实施例的动作识别装置都在本申请的保护范围之内。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，该单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。所显示或讨论的相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时，全部或部分地产生按照本申请实施例的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中，或者通过该计算机可读存储介质进行传输。该计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是只读存储器(read至onlymemory，ROM)，或随机存储存储器(random access memory，RAM)，或磁性介质，例如，软盘、硬盘、磁带、磁碟、或光介质，例如，数字通用光盘(digital versatile disc，DVD)、或者半导体介质，例如，固态硬盘(solid state disk，SSD)等。

以上详细描述了本发明的优选实施方式，但是本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种等同变换(如数量、形状、位置等)，这些等同变换均属于本发明的保护。