[发明专利]柜体表面圆形目标自动分割方法、系统、装置及存储介质

说明书

本申请公开了一种柜体表面圆形目标自动分割方法、系统、装置及存储介质，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，同时创新式的构建置信度模型，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。

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：