[发明专利]一种基于少量正样本融合的模板匹配方法

说明书

本发明涉及一种基于少量正样本融合的模板匹配方法。本发明面向图像目标识别定位领域，尤其涉及基于模板匹配的目标识别定位方法，通过对少量模板正样本的融合，当目标存在较大遮挡、形变、梯度方向突变时，能够对目标进行鲁棒的、快速的识别定位。本发明包括以下四个步骤：1、提取模板图像中的目标边缘点集；2、不同模板图像下目标边缘点集的配准；3、目标边缘点的融合；4、基于融合点集的相似度统计。本发明解决目标存在较大遮挡、形变、梯度方向突变时的模板匹配问题，提高目标识别定位鲁棒性；本发明应用于工业机器视觉识别与定位领域，为工业生产中零部件的识别与定位提供了解决方法，为实现工业自动化生产过程提供了感知功能。

技术领域

本发明属于计算机视觉领域，具体的说涉及基于少量正样本融合的模板匹配方法。

背景技术

随着工业自动化水平的不断提升，视觉识别与定位技术得到了广泛的应用。面向智能制造的重大需求，机器视觉作为工业自动化中的“眼睛”为生产过程提供了非接触式的测量方法和稠密的、可视化的测量数据。工业流水线上同一工位同一生产时段内的零部件多数为形状重复摆放各异的同类型样品，因此机器视觉技术要能满足对同一类型样品在摆放、光照、遮挡等情况下的快速、可靠识别定位，模板匹配是能够满足这一需求的识别定位技术。

模板匹配技术一般利用一张或多张模板图像提取能够描述目标的有限特征，生成目标模板；然后，在识别与定位过程中，在某种度量方法统计下，将模板按照某种遍历规则在待检测图像中对比查找，匹配高相似度的潜在目标。工业机器视觉中的模板匹配技术目的是对特定目标工件实现快速、可靠的识别定位，但在目标存在以下情况：(1)目标边缘特征存在较大遮挡；(2)目标边缘特征出现梯度方向突变；(3)目标边缘特征出现形变，尤其是由于生产工艺导致的有规律的大幅形变时，现有的模板匹配算法一般很难实现可靠的识别定位。

发明内容

本发明通过利用有限数量的目标正样本图像，这些样本提供了目标存在遮挡、边缘形变、梯度突变情况下的正确描述，算法首先提取目标边缘点并获得梯度信息，将每个样本的边缘点集进行位姿配准，通过算法实现点集融合，最终形成能够涵盖每个样本特征的新模板，利用新模板完成匹配过程，从而实现可靠、快速的识别定位。

本发明为实现上述目的所采用的技术方案是：

一种基于少量正样本融合的模板匹配方法，包括以下步骤：

1)提取工业零件模板图像中的目标边缘点集；

2)不同工业零件模板图像下的目标边缘点集配准；

3)通过目标边缘点的合并或分裂，得到合并分裂后的工业零件模板特征点集；

4)基于合并分裂后的工业零件模板特征点集进行相似度统计，进行工业零件模板与检测图像匹配。

步骤1)具体为：提取工业零件图像模板中多个目标边缘点坐标，并通过梯度检测方法计算每个目标边缘点的梯度幅值与方向，形成目标边缘点集。

所述梯度检测方法为：

m＝mag[gx,gy]

θ＝dir[gx,gy]

其中，gx、gy为目标边缘点坐标使用梯度掩模计算后得到的值，m为根据数组索引得到的离散梯度幅值，θ为采用数组索引得到的离散梯度方向，mag[·]和dir[·]分别为二维数组，两个维度变量分别为gx和gy，索引范围包含gx、gy取得的从最小值到最大值的所有值。

步骤2)具体为：对不同工业零件模板图像下的目标边缘点集进行欧式变换，使得变换后的目标边缘点集与某一幅工业零件模板即基准模板图像下的目标边缘点的目标姿态对齐。

所述欧式变换为：