高精度视觉定位方法与流程

技术特征：
1.一种高精度视觉定位方法，其特征在于包括：对图像进行提取轮廓和计算图像梯度，两者组合得到图像的目标梯形描述子，逐点对比待检测图像特征点集与模板图像是否匹配，找出待检测图像与模板图像的匹配点集。2.根据权利要求1所述高精度视觉定位方法，其特征在于：计算已匹配点集与模板目标梯形描述子之间的透视变换关系得出变换矩阵，得到待检测目标的位姿信息。3.根据权利要求1或2所述高精度视觉定位方法，其特征在于目标梯形描述子的提取过程为：首先对图像进行预处理，然后分别进行提取轮廓和金字塔下采样，计算图像梯度形成特征响应图，提取梯度并进行直方图统计，横轴为梯度方向并进行量化，纵轴为量化后梯度方向的数量统计，最后结合梯度方向直方图、该点梯度幅值强度以及轮廓特性形成目标梯形描述子。4.根据权利要求3所述高精度视觉定位方法，其特征在于具体的识别方法为：a.建立模板的目标梯形描述子，对模板图像进行预处理，提取轮廓和计算图像梯度，组合得到模板的目标梯形描述子；b.建立待检测图像的特征点集，对待检测的图像进行预处理，提取轮廓和计算图像梯度，组合得到待检测图像待匹配的特征点集；c.粗定位，逐点比对模板的目标梯形描述子与待检测图像的特征点集，判断是否匹配，匹配成功后进入步骤d；d.精确定位，求解模板目标梯形描述子与待检测图像的目标特征点集之间的透视变换关系得出变换矩阵，得到待检测目标的位姿信息。5.根据权利要求3所述高精度视觉定位方法，其特征在于图像预处理包括：二维图像进行高斯平滑和去噪得到彩色或者灰度图像，三维图像降维为二维图像处理。6.根据权利要求3所述高精度视觉定位方法，其特征在于步骤c中判断是否匹配的过程为：对待检测图像的特征点集和模板图像特征描述子进行逐点匹配评分，计算输出置信度，若置信度满足设置的阈值则匹配成功。7.根据权利要求6所述高精度视觉定位方法，其特征在于步骤c中:逐点比对待检测图像中每个点与模板中每个点的梯度，将匹配成功的点的集合作为匹配点集，匹配点集的梯度和轮廓组成待检测目标的目标梯形描述子。8.根据权利要求3所述高精度视觉定位方法，其特征在于步骤d：模板的目标梯形描述子点集p＝{p
i
|p
i
∈r3，i＝1,2，
……
n}，待检测图像的特征点集q＝{q
j
|q
j
∈r3，j＝1,2，
……
m}，设旋转矩阵为r，平移矩阵为t，用f(r，t)来表示源点集p在变换矩阵(r，t)下与目标点集q之间的误差，求满足min(f(r，t))的最优解最后计算输出识别定位信息结果:类别id、中心位置、旋转角度、位姿变换矩阵。

技术总结
本发明公开了一种高精度视觉定位方法，包括：对图像进行提取轮廓和计算图像梯度，两者组合得到图像的目标梯形描述子，逐点对比待检测图像特征点集与模板图像是否匹配，找出待检测图像与模板图像的匹配点集。计算已匹配点集与模板目标梯形描述子之间的透视变换关系得出变换矩阵，得到待检测目标的位姿信息。本发明针对现有的视觉定位算法存在的定位效果差难以满足识别率和精确度要求的问题，提供了一种高精度视觉识别定位方法，本发明中我们首次提出一种同时具有图像梯度和轮廓特性的物体特征描述子，我们称之为目标梯形描述子OGSD(object gradient shape discription)。该描述子OGSD具有良好的抗噪、光照变化、尺度


技术研发人员：韦受宁 刘美美 蒋键 郑美华
受保护的技术使用者：南宁学院
技术研发日：2021.08.06
技术公布日：2021/12/13