一种基于图像处理的集装箱锁孔轮廓提取方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN108090895A(43)申请公布日2018.05.29(21)申请号201711221634.XG06T7/73(2017.01)(22)申请日2017.11.28G06K9/34(2006.01)G06K9/46(2006.01)(71)申请人浙江工业大学G06K9/62(2006.01)地址310014浙江省杭州市下城区潮王路18号浙江工业大学科技处(72)发明人高飞葛一粟王孖豪卢书芳张元鸣陆佳炜肖刚(74)专利代理机构杭州浙科专利事务所(普通合伙)33213代理人杜立(51)Int.Cl.G06T7/00(2017.01)G06T7/11(2017.01)G06T7/187(2017.01)G06T7/194(2017.01)权利要求书2页说明书5页附图2页(54)发明名称一种基于图像处理的集装箱锁孔轮廓提取方法(57)摘要本发明公开了一种基于图像处理的集装箱锁孔轮廓提取方法，实现集装箱锁孔轮廓精确提取，提高集装箱定位精度；实现自动集装箱定位，具有精度高、速度快、操作简单和实时处理的特点，减少了效率低操作复杂的人工定位过程，减少因人工定位造成的错误问题和时间成本，解决了人工操作劳动强度大、效率低和可靠性差的问题。CN108090895ACN108090895A权利要求书1/2页1.一种基于图像处理的集装箱锁孔轮廓提取方法，包括如下步骤：步骤1：用安装在吊具上的摄像头采集下方集装箱的图像；步骤2：利用基于HOG+SVM的集装箱锁孔粗定位方法获得上下锁孔的粗定位范围，该锁孔粗定位区域的宽度为width，高度为height，单位为像素，记为锁孔粗定位图像F1，图像大小为Akeyhole：Akeyhole＝width×height(1)；步骤3：通过区域分割方法Graph-BasedSegmentation对图像F1进行超像素分割，将图像分割为n1个超像素区域，记超像素区域集合S＝{Ri(xi,yi)|i＝1,2,3,…,n1}，其中Ri是由mi个像素组成的超像素区域，xi和yi分别表示区域Ri中心点的横坐标和纵坐标，Ri＝{pj|j＝1,2,3,…,mi}，pj表示区域Ri中的像素；步骤4：利用直方图对比度显著性计算方法HC计算集合S中所有超像素区域的显著性值，得到超像素的显著值集合Ssal＝{vi|i＝1,2,3,…,n1}，vi为超像素区域Ri的显著值；将Ssal中显著值最高的超像素区域，记为Rsal＝{pj|j＝1,2,3,…,nsal}，其中nsal表示Rsal中的像素数量；步骤5：计算集合S中所有超像素中心点到超像素Rsal中心点的曼哈顿距离，并根据距离从小到大排序，得超像素集合S1＝{Rw|w＝1,2,3,…,n1}；步骤6：进行锁孔区域拼凑，锁孔区域集合区域填充度cold＝0；步骤7：计算得锁孔区域集合S2＝{pu|u＝1,2,3,…,n2}，区域集合S2的外接矩形为Rbox(xbox,ybox,wbox,hbox)，其中pu表示集合S2中的像素，n2表示S2中的像素数量，xbox和ybox分别表示区域集合S2外接矩形左上角的横坐标和纵坐标，wbox和hbox分别表示区域集合S2外接矩形的宽度和高度；步骤8：采用式(8)或(9)计算锁孔外接矩形Rhole(xhole,yhole,whole,hhole)，xhole和yhole分别表示锁孔外接矩形左上角的横坐标和纵坐标，whole和hhole分别表示锁孔外接矩形的宽度和高度；步骤9：利用GrubCut图割算法对图像F1进行处理，设置图像大致的前景和背景区域；将外接矩形内区域设置为可能的前景区域，矩形外区域设置为背景区域，须满足条件n2≥λ2，其中λ2为事先给定的锁孔大小阈值；反之，设置集合S2中像素为可能的前景区域，区域Rsal中像素为前景区域，图像F1中的其余部分为背景区域；步骤10：将GrubCut图割算法迭代λ3次，可得锁孔轮廓图像F2，λ3为事先给定的图割迭代2CN108090895A权利要求书2/2页次数。2.如权利要求1所述的基于图像处理的集装箱锁孔轮廓提取方法，其特征在于：步骤6具体如下：步骤6.1：从超像素集合S1中取出元素R1，加入到集合S2中，在S2中记为Rn；并将元素R1从S1中删除，对集合S1根据距离长度从小到大重新排序；步骤6.2：计算集合S2中的像素数量N：其中n为集合S2中超像素的数量，mn为S2中超像素的像素数量；步骤6.3：提取集合S2中像素横坐标的最小值和最大值分别记为x1和x2，集合S2中像素纵坐标的最小值和最大值分别记为y1和y2；计算得集合S2中像素组成图像的最小外接矩形R(w,h)，其中w表示矩形R的宽度，h表示矩形R的高度，矩形面积为A：