[发明专利]一种基于图像处理的集装箱锁孔轮廓提取方法

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。

主权项

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-Based Segmentation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； A k e y h o l e = Σ 1 n 1 m i - - - ( 2 ) ; ]]>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； x h o l e = x b o x - 5 y