1.本技术实施例涉及图像识别领域,尤其涉及一种标定物图像中的标记物的识别方法、装置、电子设备及计算机可读介质。
背景技术:2.图像识别是指利用计算机对图像进行处理、分析和理解,以识别各种不同模式的目标和对象的技术。在具体的应用场景中,标定物上分布的标记物在标定物图像上留下的投影呈现为圆形或类圆形。如何识别标定物图像中标记物是机器视觉领域中的关键技术问题之一。针对这一技术问题,众多学者专家们提出了不同的算法。这些算法可分为两大类:第一类是基于霍夫变换及其改进的算法,第二类是阈值分割与连通量标记分析相结合的算法。
3.然而,在实际的应用中,使用这两类方法均不可达到理想情况。具体地,使用第一类算法,强依赖于阈值,阈值过大,会识别出虚假的标记物,即在无标记物的位置也会识别出标记物。阈值过小,会遗漏真实的标记物,识别出的标记物的数量太少。使用第二类算法,固定阈值分割无法处理标定物图像中的所有区域,对于亮度和对比度低的区域,很难通过阈值分割得到清晰的边缘。联通量标记分析对于图像中非圆形或类圆形的区域,也会提取出连通域,无法单纯通过面积筛选出真实的标记物。故两类算法的识别结果不稳定,很难识别全部的标记物。由此可见,如何有效提高对标定物图像中的标记物识别的准确率成为当前亟待解决的技术问题。
技术实现要素:4.本技术的目的在于提出一种标定物图像中的标记物的识别方法、装置、电子设备及计算机可读介质,用于解决现有技术中存在的如何有效提高对标定物图像中的标记物识别的准确率的技术问题。
5.根据本技术实施例的第一方面,提供了一种标定物图像中的标记物的识别方法。所述方法包括:对待识别的标定物图像中的标记物进行边缘检测,以获得所述待识别的标定物图像中的标记物的边缘检测结果;基于所述边缘检测结果,对边缘检测后的标定物图像进行轮廓形状拟合,以获得所述边缘检测后的标定物图像中的标记物所在的候选区域;对所述候选区域执行排除操作,以获得所述边缘检测后的标定物图像中的标记物所在的真实区域;基于所述待识别的标定物图像中的所述真实区域,确定所述待识别的标定物图像中的标记物的位置识别结果。
6.根据本技术实施例的第二方面,提供了一种标定物图像中的标记物的识别装置。所述装置包括:边缘检测模块,用于对待识别的标定物图像中的标记物进行边缘检测,以获得所述待识别的标定物图像中的标记物的边缘检测结果;轮廓形状拟合模块,用于基于所述边缘检测结果,对边缘检测后的标定物图像进行轮廓形状拟合,以获得所述边缘检测后的标定物图像中的标记物所在的候选区域;排除模块,用于对所述候选区域执行排除操作,
以获得所述边缘检测后的标定物图像中的标记物所在的真实区域;确定模块,用于基于所述待识别的标定物图像中的所述真实区域,确定所述待识别的标定物图像中的标记物的位置识别结果。
7.根据本技术实施例的第三方面,提供了一种电子设备,包括:一个或多个处理器;存储装置,配置为存储一个或多个程序;当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本技术实施例的第一方面所述的标定物图像中的标记物的识别方法。
8.根据本技术实施例的第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本技术实施例的第一方面所述的标定物图像中的标记物的识别方法。
9.根据本技术实施例提供的标定物图像中的标记物的识别方案,通过所述待识别的标定物图像中的标记物的边缘检测结果,对边缘检测后的标定物图像进行轮廓形状拟合,能够准确地获得覆盖所述待识别的标定物图像中所有真实标记物的候选区域。此外,通过对所述候选区域执行排除操作,能够准确地获得所述边缘检测后的标定物图像中的标记物所在的真实区域,并且通过所述待识别的标定物图像中的所述真实区域,能够准确地确定所述待识别的标定物图像中的标记物的位置识别结果,进而能够有效提高对标定物图像中的标记物识别的准确率。
附图说明
10.后文将参照附图以示例性而非限制性的方式详细描述本技术实施例的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解,这些附图未必是按比例绘制的。附图中:图1a为本技术实施例一的标定物图像中的标记物的识别方法的步骤流程图;图1b为根据本技术实施例一提供的标定物图像中的标记物的边缘检测结果的示意图;图1c为根据本技术实施例一提供的标定物图像中的标记物所在的候选区域的示意图;图1d为根据本技术实施例一提供的标定物图像中的标记物所在的候选区域对应的局部区域的示意图;图1e为根据本技术实施例一提供的标定物图像中的标记物所在的候选区域对应的局部区域的椭圆拟合结果的示意图;图1f为根据本技术实施例一提供的标定物图像中的标记物的位置检测结果的示意图;图2为本技术实施例二的标定物图像中的标记物的识别装置的结构示意图;图3为本技术实施例三中电子设备的结构示意图;图4为本技术实施例四中电子设备的硬件结构。
具体实施方式
11.为了使本领域的人员更好地理解本技术实施例中的技术方案,下面将结合本技术
实施例中的附图,对本技术实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本技术实施例一部分实施例,而不是全部的实施例。基于本技术实施例中的实施例,本领域普通技术人员所获得的所有其他实施例,都应当属于本技术实施例保护的范围。
12.参照图1a,示出了本技术实施例一的标定物图像中的标记物的识别方法的步骤流程图。
13.具体地,本实施例提供的标定物图像中的标记物的识别方法包括以下步骤:在步骤s101中,对待识别的标定物图像中的标记物进行边缘检测,以获得所述待识别的标定物图像中的标记物的边缘检测结果。
14.在本实施例中,所述标定物图像可理解为针对标定物拍摄的图像,所述标定物图像可为校准靶透视图像,或者其它的标定物的图像,本实施例对此不做任何限定。所述标记物可理解为特意针对所述标定物设计的用于标记的物体,所述标记物可为校准靶上分布的钢珠。所述钢珠在所述校准靶透视图像上留下的投影呈现为圆形或者类圆形。所述边缘检测可理解为用于检测所述待识别的标定物图像中的标记物的清晰的边缘轮廓的技术手段。所述边缘检测结果可为所述待识别的标定物图像中的标记物的清晰的边缘轮廓。可以理解的是,以上描述仅为示例性的,本实施例对此不做任何限定。
15.在一些可选实施例中,在对待识别的标定物图像中的标记物进行边缘检测时,对所述待识别的标定物图像进行图像滤波处理,以获得图像滤波处理后的标定物图像;对所述图像滤波处理后的标定物图像进行二值化处理,以获得二值化处理后的标定物图像;对所述二值化处理后的标定物图像进行形态学处理,以获得所述二值化处理后的标定物图像中的标记物的轮廓。籍此,通过对所述待识别的标定物图像进行图像滤波处理,并对所述图像滤波处理后的标定物图像进行二值化处理,再对所述二值化处理后的标定物图像进行形态学处理,能够获得所述二值化处理后的标定物图像中的标记物的清晰的轮廓。可以理解的是,以上描述仅为示例性的,本实施例对此不做任何限定。
16.在一个具体的例子中,在对所述待识别的标定物图像进行图像滤波处理时,对所述待识别的标定物图像进行均值滤波处理,以获得滤波处理后的标定物图像。其中,所述均值滤波也称为线性滤波,其采用的主要方法为邻域平均法。线性滤波的基本原理是用均值代替标定物图像中的各个像素值,即对标定物图像中待处理的当前像素点选择一个模板,该模板由其近邻的若干像素组成,求模板中所有像素的均值,再把该均值赋予当前像素点,作为处理后图像在该点上的灰度。籍此,通过对所述待识别的标定物图像进行均值滤波处理,能够有效地去除所述待识别的标定物图像的噪声。可以理解的是,以上描述仅为示例性的,本实施例对此不作任何限定。
17.在一个具体的例子中,在对所述图像滤波处理后的标定物图像进行二值化处理时,对所述图像滤波处理后的标定物图像进行自适应阈值二值化处理,以获得二值化处理后的标定物图像。其中,自适应阈值二值化处理中的阈值是变化的,而不是固定的阈值。自适应阈值二值化处理中的阈值是根据图像滤波处理后的标定物图像上的每一个小区域计算与其对应的阈值。因此,在图像滤波处理后的标定物图像上的不同区域采用的是不同的阈值,从而使得在亮度不同的情况下得到更好的结果。籍此,通过对所述图像滤波处理后的标定物图像进行自适应阈值二值化处理,能够有效提升图像滤波处理后的标定物图像的二值化处理效果。可以理解的是,以上描述仅为示例性的,本实施例对此不做任何限定。
18.在一个具体的例子中,在对所述二值化处理后的标定物图像进行形态学处理时,对所述二值化处理后的标定物图像进行开闭操作,以获得所述二值化处理后的标定物图像中的标记物的轮廓。其中,所述形态学处理可理解为基于形状的一系列图像处理操作,所述开闭操作中的开操作可理解为先进行腐蚀后进行膨胀的操作,所述开操作具有消除细小物体,在纤细处分离物体和平滑较大物体边界的作用,所述开闭操作中的闭操作可理解为先进行膨胀后进行腐蚀的操作,所述闭操作具有填充物体内细小空洞,连接邻近物体和平滑边界的作用。籍此,通过对所述二值化处理后的标定物图像进行开闭操作,能够获得所述二值化处理后的标定物图像中的标记物的清晰的轮廓。可以理解的是,以上描述仅为示例性的,本实施例对此不做任何限定。
19.在一个具体的例子中,如图1b所示,展示了标定物图像中的标记物的清晰的圆形轮廓或者类圆形轮廓。可以理解的是,以上描述仅为示例性的,本实施例对此不做任何限定。
20.在步骤s102中,基于所述边缘检测结果,对边缘检测后的标定物图像进行轮廓形状拟合,以获得所述边缘检测后的标定物图像中的标记物所在的候选区域。
21.在本实施例中,所述轮廓形状拟合可包括椭圆拟合、圆拟合、矩形拟或者正方形拟合等,本实施例对此不做任何限定。当所述轮廓形状拟合为椭圆拟合时,由于是基于所述边缘检测结果,对边缘检测后的标定物图像进行椭圆拟合,因此,所述边缘检测后的标定物图像中的标记物所在的候选区域的形状是椭圆形的。此外,在本实施例中,椭圆拟合的基本思路是对于给定标定物图像中的标记物的边缘轮廓上的一组样本点,寻找一个椭圆,使其尽可能靠近这些样本点。也就是说,将标记物的边缘轮廓中的一组数据以椭圆方程为模型进行拟合,使某一椭圆方程尽量满足这些数据,并求出该椭圆方程的各个参数。最后确定的最佳椭圆就是标记物所在的候选区域。对椭圆拟合而言,就是先假设椭圆参数,得到每个待拟合点到该椭圆的距离之和,也就是点到假设椭圆的误差,求出使这个和最小的参数。在误差距离的定义上有几何距离和代数距离之分,在求最小值的过程中可以使用最小二乘法。但最小二乘方法一般根据误差距离的定义分为两类,代数拟合法和几何拟合法。几何距离是真实的距离,而代数距离并不是真实距离,而是与真实距离相关的属性。基于几何距离的椭圆拟合需要进行迭代求解。基于代数距离的椭圆拟合是求解最小二乘法的过程。
22.在一个具体的例子中,如图1c所示,展示出了标定物图像中的标记物所在的候选区域的形状均为椭圆形状。可以理解的是,以上描述仅为示例性的,本实施例对此不做任何限定。
23.在步骤s103中,对所述候选区域执行排除操作,以获得所述边缘检测后的标定物图像中的标记物所在的真实区域。
24.在本实施例中,所述排除操作用于从所述候选区域中排除出所述边缘检测后的标定物图像中的标记物所在的虚假区域,获得所述边缘检测后的标定物图像中的标记物所在的真实区域。可以理解的是,以上描述仅为示例性的,本实施例对此不做任何限定。
25.在一些可选实施例中,在对所述候选区域执行排除操作时,基于所述候选区域的半径,确定所述候选区域对应的局部区域;确定所述候选区域对应的局部区域的灰度方差;若所述灰度方差小于预设的灰度方差阈值,则对所述候选区域进行排除,以获得所述边缘检测后的标定物图像中的标记物所在的真实区域。其中,所述预设的灰度方差阈值可由本
领域技术人员根据实际需求进行设定,本实施例对此不做任何限定。籍此,通过所述候选区域对应的局部区域的灰度方差,能够有效地对所述候选区域进行排除,从而获得所述边缘检测后的标定物图像中的标记物所在的真实区域。可以理解的是,以上描述仅为示例性的,本实施例对此不作任何。
26.在一个具体的例子中,由于所述候选区域的形状为椭圆形状,因此,可以根据所述候选区域的椭圆长度和椭圆宽度,计算所述候选区域的半径。具体地,可确定所述候选区域的椭圆长度和椭圆宽度的均值为所述候选区域的半径。在基于所述候选区域的半径,确定所述候选区域对应的局部区域时,可以所述候选区域的半径的预设倍数为半径确定所述候选区域的邻域范围,也即是所述候选区域对应的局部区域。如图1d所示,展示出了所述候选区域对应的局部区域,与如图1c所示的所述候选区域相比,很显然,所述候选区域对应的局部区域比所述候选区域大许多。可以理解的是,以上描述仅为示例性的,本实施例对此不做任何限定。
27.在一个具体的例子中,若所述灰度方差大于或者等于预设的灰度方差阈值,则不对相应的候选区域进行排除。可以理解的是,以上描述仅为示例性的,本实施例对此不作任何限定。
28.在一些可选实施例中,所述方法还包括:对所述待识别的标定物图像中的所述局部区域进行边缘检测,以获得所述待识别的标定物图像中的所述局部区域的边缘检测结果;基于所述待识别的标定物图像中的所述局部区域的边缘检测结果,对所述待识别的标定物图像中的边缘检测后的所述局部区域进行轮廓形状拟合,以获得所述待识别的标定物图像中的边缘检测后的所述局部区域的第一轮廓形状拟合结果;基于所述第一轮廓形状拟合结果,对所述候选区域进行进一步排除,以获得所述边缘检测后的标定物图像中的标记物所在的真实区域。籍此,通过所述待识别的标定物图像中的边缘检测后的所述局部区域的第一轮廓形状拟合结果,能够有效地对所述候选区域进行进一步排除,从而获得所述边缘检测后的标定物图像中的标记物所在的真实区域。可以理解的是,以上描述仅为示例性的,本实施例对此不做任何限定。
29.在一个具体的例子中,边缘检测方法大致可分为两类:基于搜索和基于零交叉。基于搜索的边缘检测方法首先计算边缘强度,通常用一阶导数表示,例如梯度模,然后,用计算估计边缘的局部方向,通常采用梯度的方向,并利用此方向找到局部梯度模的最大值。基于零交叉的方法找到由图像得到的二阶导数的零交叉点来定位边缘。通常用拉普拉斯算子或非线性微分方程的零交叉点。在对所述待识别的标定物图像中的所述局部区域进行边缘检测时,可采用canny边缘检测,对所述待识别的标定物图像中的所述局部区域进行边缘检测。具体地,首先,对所述待识别的标定物图像中的所述局部区域进行图像灰度化处理。其次,使用高斯滤波器,对图像灰度化处理后的局部区域进行平滑滤波,以平滑局部区域,滤除局部区域的噪声。再次,计算局部区域中每个像素点的梯度强度和方向。再次,应用非极大值抑制,以消除边缘检测带来的杂散响应。再次,应用双阈值检测来确定真实的和潜在的边缘。最后,通过抑制孤立的弱边缘最终完成边缘检测。可以理解的是,以上描述仅为示例性的,本实施例对此不做任何限定。
30.在一个具体的例子中,所述基于所述待识别的标定物图像中的所述局部区域的边缘检测结果,对所述待识别的标定物图像中的边缘检测后的所述局部区域进行轮廓形状拟
合的具体实施方式与上述基于所述边缘检测结果,对边缘检测后的标定物图像进行轮廓形状拟合的具体实施方式类似,在此不再赘述。此外,如图1e所示,展示出了待识别的标定物图像中的边缘检测后的局部区域的椭圆拟合结果。可以理解的是,以上描述仅为示例性的,本实施例对此不做任何限定。
31.在一些可选实施例中,所述第一轮廓形状拟合结果包括第一椭圆拟合结果。在基于所述第一轮廓形状拟合结果,对所述候选区域进行进一步排除时,若所述第一椭圆拟合结果中的半径与预先配置的半径的绝对值大于或等于预设值,则对所述候选区域进行进一步排除,以获得所述边缘检测后的标定物图像中的标记物所在的真实区域。其中,所述预先配置的半径和所述预设值可由本领域技术人员根据实际需求进行设定,本实施例对此不做任何限定。籍此,通过所述第一椭圆拟合结果中的半径与预先配置的半径的绝对值,能够有效地对所述候选区域进行进一步排除,从而获得所述边缘检测后的标定物图像中的标记物所在的真实区域。可以理解的是,以上描述仅为示例性的,本实施例对此不做任何限定。
32.在一个具体的例子中,所述第一椭圆拟合结果可包括拟合的椭圆的中心坐标、拟合的椭圆的长度和拟合的椭圆的宽度。在确定所述第一椭圆拟合结果中的半径时,可确定拟合的椭圆的长度与拟合的椭圆的宽度的均值为所述第一椭圆拟合结果中的半径。可以理解的是,以上描述仅为示例性的,本实施例对此不做任何限定。
33.在步骤s104中,基于所述待识别的标定物图像中的所述真实区域,确定所述待识别的标定物图像中的标记物的位置识别结果。
34.在本实施例中,所述位置识别结果可包括所述待识别的标定物图像中的标记物所在圆的圆心坐标和半径。可以理解的是,以上描述仅为示例性的,本实施例对此不做任何限定。
35.在一些可选实施例中,在基于所述待识别的标定物图像中的所述真实区域,确定所述待识别的标定物图像中的标记物的位置识别结果时,基于所述待识别的标定物图像中的所述真实区域对应的局部区域的第二轮廓形状拟合结果,确定所述待识别的标定物图像中的标记物的位置识别结果。籍此,通过所述待识别的标定物图像中的所述真实区域对应的局部区域的第二轮廓形状拟合结果,能够准确地确定所述待识别的标定物图像中的标记物的位置识别结果。可以理解的是,以上描述仅为示例性的,本实施例对此不做任何限定。
36.在一个具体的例子中,所述第二轮廓形状拟合结果包括多个第二椭圆拟合结果。在基于所述待识别的标定物图像中的所述真实区域对应的局部区域的第二轮廓形状拟合结果,确定所述待识别的标定物图像中的标记物的位置识别结果时,确定所述多个第二椭圆拟合结果中的中心坐标的均值,并确定所述中心坐标的均值为所述待识别的标定物图像中的标记物所在圆的圆心坐标;确定所述多个第二椭圆拟合结果中的椭圆长度的均值和所述多个第二椭圆拟合结果中的椭圆宽度的均值;基于所述椭圆长度的均值和所述椭圆宽度的均值,确定所述待识别的标定物图像中的标记物所在圆的半径。籍此,通过所述多个第二椭圆拟合结果中的中心坐标的均值,能够准确地确定所述待识别的标定物图像中的标记物所在圆的圆心坐标。此外,通过所述椭圆长度的均值和所述椭圆宽度的均值,能够准确地确定所述待识别的标定物图像中的标记物所在圆的半径。可以理解的是,以上描述仅为示例性,本实施例对此不作任何限定。
37.在一个具体的例子中,在确定所述待识别的标定物图像中的标记物所在圆的半径
时,计算所述椭圆长度的均值和所述椭圆宽度的均值的平均值,并确定所述平均值为所述待识别的标定物图像中的标记物所在圆的半径。可以理解的是,以上描述仅为示例性,本实施例对此不作任何限定。
38.在一个具体的例子中,如图1f所示,展示出了所述待识别的标定物图像中的标记物的位置识别结果,包括所述标记物所在圆的圆心坐标和半径。可以理解的是,以上描述仅为示例性,本实施例对此不作任何限定。
39.根据本实施例提供的标定物图像中的标记物的识别方法,通过所述待识别的标定物图像中的标记物的边缘检测结果,对边缘检测后的标定物图像进行轮廓形状拟合,能够准确地获得覆盖所述待识别的标定物图像中所有真实标记物的候选区域。此外,通过对所述候选区域执行排除操作,能够准确地获得所述边缘检测后的标定物图像中的标记物所在的真实区域,并且通过所述待识别的标定物图像中的所述真实区域,能够准确地确定所述待识别的标定物图像中的标记物的位置识别结果,进而能够有效提高对标定物图像中的标记物识别的准确率。
40.本实施例提供的标定物图像中的标记物的识别方法可以由任意适当的具有数据处理能力的设备执行,包括但不限于:摄像头、终端、移动终端、pc机、服务器、车载设备、娱乐设备、广告设备、个人数码助理(pda)、平板电脑、笔记本电脑、掌上游戏机、智能眼镜、智能手表、可穿戴设备、虚拟显示设备或显示增强设备等。
41.参照图2,示出了本技术实施例二的标定物图像中的标记物的识别装置的结构示意图。
42.本实施例提供的标定物图像中的标记物的识别装置包括:边缘检测模块201,用于对待识别的标定物图像中的标记物进行边缘检测,以获得所述待识别的标定物图像中的标记物的边缘检测结果;轮廓形状拟合模块202,用于基于所述边缘检测结果,对边缘检测后的标定物图像进行轮廓形状拟合,以获得所述边缘检测后的标定物图像中的标记物所在的候选区域;排除模块203,用于对所述候选区域执行排除操作,以获得所述边缘检测后的标定物图像中的标记物所在的真实区域;确定模块204,用于基于所述待识别的标定物图像中的所述真实区域,确定所述待识别的标定物图像中的标记物的位置识别结果。
43.可选地,所述边缘检测模块201,包括:第一处理子模块,用于对所述待识别的标定物图像进行图像滤波处理,以获得图像滤波处理后的标定物图像;第二处理子模块,用于对所述图像滤波处理后的标定物图像进行二值化处理,以获得二值化处理后的标定物图像;第三处理子模块,用于对所述二值化处理后的标定物图像进行形态学处理,以获得所述二值化处理后的标定物图像中的标记物的轮廓。
44.可选地,所述第三处理子模块,具体用于:对所述二值化处理后的标定物图像进行开闭操作,以获得所述二值化处理后的标定物图像中的标记物的轮廓。
45.可选地,所述排除模块203,具体用于:基于所述候选区域的半径,确定所述候选区域对应的局部区域;确定所述候选区域对应的局部区域的灰度方差;若所述灰度方差小于预设的灰度方差阈值,则对所述候选区域进行排除,以获得所述边缘检测后的标定物图像中的标记物所在的真实区域。
46.可选地,所述装置还包括:检测模块,用于对所述待识别的标定物图像中的所述局部区域进行边缘检测,以获得所述待识别的标定物图像中的所述局部区域的边缘检测结
果;拟合模块,用于基于所述待识别的标定物图像中的所述局部区域的边缘检测结果,对所述待识别的标定物图像中的边缘检测后的所述局部区域进行轮廓形状拟合,以获得所述待识别的标定物图像中的边缘检测后的所述局部区域的第一轮廓形状拟合结果;获得模块,用于基于所述第一轮廓形状拟合结果,对所述候选区域进行进一步排除,以获得所述边缘检测后的标定物图像中的标记物所在的真实区域。
47.可选地,所述第一轮廓形状拟合结果包括第一椭圆拟合结果,所述获得模块,具体用于:若所述第一椭圆拟合结果中的半径与预先配置的半径的绝对值大于或等于预设值,则对所述候选区域进行进一步排除,以获得所述边缘检测后的标定物图像中的标记物所在的真实区域。
48.可选地,所述确定模块204,包括:确定子模块,用于基于所述待识别的标定物图像中的所述真实区域对应的局部区域的第二轮廓形状拟合结果,确定所述待识别的标定物图像中的标记物的位置识别结果。
49.可选地,所述第二轮廓形状拟合结果包括多个第二椭圆拟合结果。所述确定子模块,具体用于:确定所述多个第二椭圆拟合结果中的中心坐标的均值,并确定所述中心坐标的均值为所述待识别的标定物图像中的标记物所在圆的圆心坐标;确定所述多个第二椭圆拟合结果中的椭圆长度的均值和所述多个第二椭圆拟合结果中的椭圆宽度的均值;基于所述椭圆长度的均值和所述椭圆宽度的均值,确定所述待识别的标定物图像中的标记物所在圆的半径。
50.本实施例提供的标定物图像中的标记物的识别装置用于实现前述多个方法实施例中相应的标定物图像中的标记物的识别方法,并具有相应的方法实施例的有益效果,在此不再赘述。
51.图3为本技术实施例三中电子设备的结构示意图;该电子设备可以包括:一个或多个处理器301;计算机可读介质302,可以配置为存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述实施例一所述的标定物图像中的标记物的识别方法。
52.图4为本技术实施例四中电子设备的硬件结构;如图4所示,该电子设备的硬件结构可以包括:处理器401,通信接口402,计算机可读介质403和通信总线404;其中处理器401、通信接口402、计算机可读介质403通过通信总线404完成相互间的通信;可选地,通信接口402可以为通信模块的接口,如gsm模块的接口;其中,处理器401具体可以配置为:对待识别的标定物图像中的标记物进行边缘检测,以获得所述待识别的标定物图像中的标记物的边缘检测结果;基于所述边缘检测结果,对边缘检测后的标定物图像进行轮廓形状拟合,以获得所述边缘检测后的标定物图像中的标记物所在的候选区域;对所述候选区域执行排除操作,以获得所述边缘检测后的标定物图像中的标记物所在的真实区域;基于所述待识别的标定物图像中的所述真实区域,确定所述待识别的标定物图像中的标记物的位置识别结果。
53.处理器401可以是通用处理器,包括中央处理器(central processing unit,简称cpu)、网络处理器(network processor,简称np)等;还可以是数字信号处理器(dsp)、专用
集成电路(asic)、现成可编程门阵列(fpga)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本技术实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
54.计算机可读介质403可以是,但不限于,随机存取存储介质(random access memory,ram),只读存储介质(read only memory,rom),可编程只读存储介质(programmable read
‑
only memory,prom),可擦除只读存储介质(erasable programmable read
‑
only memory,eprom),电可擦除只读存储介质(electric erasable programmable read
‑
only memory,eeprom)等。
55.特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含配置为执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分从网络上被下载和安装,和/或从可拆卸介质被安装。在该计算机程序被中央处理单元(cpu)执行时,执行本技术的方法中限定的上述功能。需要说明的是,本技术所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读介质例如可以但不限于是电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储介质(ram)、只读存储介质(rom)、可擦式可编程只读存储介质(eprom或闪存)、光纤、便携式紧凑磁盘只读存储介质(cd
‑
rom)、光存储介质件、磁存储介质件、或者上述的任意合适的组合。在本技术中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本技术中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输配置为由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、rf等等,或者上述的任意合适的组合。
56.可以以一种或多种程序设计语言或其组合来编写配置为执行本技术的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++,还包括常规的过程式程序设计语言—诸如”c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络:包括局域网(lan)或广域网(wan)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
57.附图中的流程图和框图,图示了按照本技术各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个配
置为实现规定的逻辑功能的可执行指令。上述具体实施例中有特定先后关系,但这些先后关系只是示例性的,在具体实现的时候,这些步骤可能会更少、更多或执行顺序有调整。即在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
58.描述于本技术实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括边缘检测模块、椭圆拟合模块、排除模块和确定模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定,例如,边缘检测模块还可以被描述为“对待识别的标定物图像中的标记物进行边缘检测,以获得所述待识别的标定物图像中的标记物的边缘检测结果的模块”。
59.作为另一方面,本技术还提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如上述实施例一所描述的标定物图像中的标记物的识别方法。
60.作为另一方面,本技术还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该装置执行时,使得该装置:对待识别的标定物图像中的标记物进行边缘检测,以获得所述待识别的标定物图像中的标记物的边缘检测结果;基于所述边缘检测结果,对边缘检测后的标定物图像进行轮廓形状拟合,以获得所述边缘检测后的标定物图像中的标记物所在的候选区域;对所述候选区域执行排除操作,以获得所述边缘检测后的标定物图像中的标记物所在的真实区域;基于所述待识别的标定物图像中的所述真实区域,确定所述待识别的标定物图像中的标记物的位置识别结果。
61.在本公开的各种实施方式中所使用的表述“第一”、“第二”、“所述第一”或“所述第二”可修饰各种部件而与顺序和/或重要性无关,但是这些表述不限制相应部件。以上表述仅配置为将元件与其它元件区分开的目的。例如,第一用户设备和第二用户设备表示不同的用户设备,虽然两者均是用户设备。例如,在不背离本公开的范围的前提下,第一元件可称作第二元件,类似地,第二元件可称作第一元件。
62.当一个元件(例如,第一元件)称为与另一元件(例如,第二元件)“(可操作地或可通信地)联接”或“(可操作地或可通信地)联接至”另一元件(例如,第二元件)或“连接至”另一元件(例如,第二元件)时,应理解为该一个元件直接连接至该另一元件或者该一个元件经由又一个元件(例如,第三元件)间接连接至该另一个元件。相反,可理解,当元件(例如,第一元件)称为“直接连接”或“直接联接”至另一元件(第二元件)时,则没有元件(例如,第三元件)插入在这两者之间。
63.以上描述仅为本技术的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本技术中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本技术中公开的(但不限于)具有类似功
能的技术特征进行互相替换而形成的技术方案。