專利名稱：檢測由任意線段組合的形狀的方法及裝置的制作方法
技術領域：
本發(fā)明涉及一種檢測數字圖像中包含的幾何形狀的方法和裝置，可應用于與形狀檢測有關的技術領域，如機器人導航中的場景認知、汽車輔助駕駛中的交通標志識別、遙感圖像解譯中的建筑物提取等。
背景技術：
形狀檢測是機器視覺的一項重要任務，以下是一些已有方法1962 ^ g ^ P. V. C. Hough 的 H 為 “A Method and Means for Recognizing Complex Patterns”的美國專利No. 30696 公開了一種Hough變換方法。該方法利用圖像空間與參數空間的關系，通過投票的方法在參數空間中確定形狀參數，對圖像噪聲干擾及局部形狀信息缺失具有較強的魯棒性。但只適用于具有解析表達式的形狀檢測，并且當表達式參數較多時，檢測的時間、空間代價都較大。Ballard D H ^ ^ ^ H ^ "Generalizing the Hough Transform to Detect Arbitrary Shapes，，的文章(參見 Pattern Recognition, Vol. 13，No. 2，1981)禾口題為“畫像處理裝置和畫像處理方法”的日本專利特開2005-20321公開了廣義的Hough變換。這是 Hough變換對任意形狀檢測的一種擴展，但當待檢測形狀存在旋轉與尺度變換時，該方法計算代價過大，因而并不實用。Loy ^A^^WIS^ "Fast Shape-based Road Sign Detection for a Driver Assistance System，，的文章(參見 Inter. Conf. on Intelligent Robots and Systems, Sept-Oct, Sendal, Japan, 2004)公開了一種 Radial symmetry 算法。這是廣義 Hough 變換針對徑向對稱形狀(如正多邊形、圓等)檢測的一種特化，能夠處理形狀檢測中的旋轉問題。但該方法采用的η倍角準則只適用于正多邊形檢測。

發(fā)明內容
鑒于上述問題，本發(fā)明的目的是提供一種檢測包含任意線段組合的形狀的方法和裝置，可應用于檢測圖像中包含的幾何形狀。根據本發(fā)明的一個方面，提供一種檢測包含任意線段組合的形狀的方法，包括步驟從輸入圖像中提取圖像邊緣并計算邊緣點的梯度方向；對計算出的各邊緣點進行投票操作，以生成投票圖像；利用投票圖像確定待檢測形狀的局部形狀特征；和將所述形狀特征的參數與形狀參數表中的形狀參數進行對比，確定輸入圖像中包含的形狀。根據本發(fā)明的再一個方面，提供一種檢測由任意線段組合的形狀的方法，包括以下步驟從輸入圖像中提取圖像邊緣并計算邊緣點的梯度方向的步驟；對計算出的各邊緣點，向所述邊緣點的梯度方向距離為r處的點進行投票操作，以生成投票圖像的步驟；利用投票圖像來檢測投票圖像中的峰值點，并計算峰值點處歸一化票數大于預定閾值的投票方向的步驟；判斷投票方向的數量和及其夾角的步驟。根據本發(fā)明的再一個方面，提供一種檢測包含任意線段組合的形狀的裝置，包括 圖像采集單元，用于采集輸入圖像；形狀模板存儲單元，用于存儲待檢測形狀的標準模板及其形狀參數；邊緣提取單元，用于提取輸入圖像的邊緣；形狀檢測單元，用于檢測邊緣圖像中的形狀特征，并與預先存儲的形狀模板進行比較，以確定是否存在待檢測形狀。根據本發(fā)明的再一個方面，提供一種檢測由任意線段組合的形狀的裝置，包括從輸入圖像中提取圖像邊緣并計算邊緣點的梯度方向的單元；對計算出的各邊緣點，向所述邊緣點的梯度方向距離為r處的點進行投票操作，以生成投票圖像的單元；利用投票圖像來檢測投票圖像中的峰值點，并計算峰值點處歸一化票數大于預定閾值的投票方向的單元；判斷投票方向的數量和及其夾角的單元。與Radial symmetry算法相比較，除正多邊形外，根據本發(fā)明的方法可檢測更為廣泛的形狀類型；與廣義Hough變換相比較，該方法對于存在尺度及旋轉變換的形狀檢測均有效。


通過下面結合

本發(fā)明的優(yōu)選實施例，將使本發(fā)明的上述及其它目的、特征和優(yōu)點更加清楚，其中圖1是根據本發(fā)明實施例的檢測包含線段組合的形狀的方法的流程圖；圖加至2c是說明待檢測標準模板以及邊緣提取和邊緣梯度方向的示意圖；圖3是說明根據本發(fā)明方法的一個實例，建立多邊形及其內切圓表的示意圖；圖4是說明根據本發(fā)明的方法的形成投票區(qū)間的示意圖；圖5是解釋本發(fā)明的投票峰值的示意圖；圖6是說明圖2中所示的多邊形旋轉放縮的情況下進行檢測的示意圖；圖7是說明根據本發(fā)明實施例進行線段組合幾何關系認證的流程圖；圖8是表示根據本發(fā)明的包含線段組合的形狀檢測裝置的方框圖；圖9說明形狀骨架的示意圖；圖10是說明根據本發(fā)明實施例自動構造內切圓表的流程圖；圖Ila和lib是說明根據本發(fā)明的實施例利用內切圓與線段關系檢測形狀的示意圖；圖12是根據本發(fā)明利用內切圓與線段間的幾何關系檢測形狀的流程圖；圖13a和13b內切圓與曲線段間的幾何關系的示意圖；圖14是說明根據本發(fā)明的實施例檢測正多邊形及圓的過程的流程圖；圖15a和15b是根據本發(fā)明的實施例檢測任意三角形的示意圖。
具體實施例方式下面參照附圖對本發(fā)明的實施例進行詳細說明，在描述過程中省略了對于本發(fā)明來說是不必要的細節(jié)和功能，以防止對本發(fā)明的理解造成混淆。
本發(fā)明提出了一種檢測包含任意線段組合形狀的方法及其裝置。所謂含有線段組合的形狀是指形狀輪廓中包含若干條線段，這些線段可以是閉合或非閉合的形狀。通常，人們主要關心閉合形狀(如多邊形)的檢測。但本發(fā)明不限于此，而是對非閉合形狀也能適用。另外，本發(fā)明還可以檢測含有曲線段的形狀。下面參考圖1描述根據本發(fā)明實施例的檢測任意線段組合形狀的方法的流程圖。根據本發(fā)明的一個實施例，形狀檢測方法可以包括離線處理和在線處理兩部分。離線處理是預先從輸入的待檢測形狀標準模板中提取形狀參數，基于所提取的標準模板的形狀參數建立相應的形狀參數表。下面結合圖1說明基于形狀參數表對輸入圖像中存在的形狀進行在線檢測(實時檢測)的處理過程。首先，在步驟S11，從輸入圖像中提取圖像邊緣并計算邊緣點的梯度方向。此后，在步驟S12，對計算出的各邊緣點進行投票操作，以生成投票圖像。接下來，在步驟S13，利用投票圖像確定待檢測形狀的局部形狀特征，并將所得到的輸入圖像中包含的形狀的參數與從已經形成的形狀參數表中提取有關標準模板的形狀參數進行對比，從而確定輸入圖像中包含的形狀。作為替換，也可以將所得到的輸入圖像中包含的形狀的參數與形狀參數表中存儲的不同形狀的對應參數進行比較，以確定輸入圖像中所包含的對應形狀。 最后，在步驟S14，利用待檢測形狀各個局部形狀特征間的幾何關系，檢驗形狀的存在性。其中，形狀局部特征的檢測與特征間幾何關系的認證均利用了離線處理得到的形狀參數。為了更好地理解本發(fā)明，下面詳細描述本發(fā)明的上述流程中涉及到的一些基本原理。實例1 (利用內切圓間的幾何關系)圖加至2c示出了根據本實例的多邊形檢測的基本過程的示意圖。其中，圖加是待檢測形狀的標準模板；圖2b是輸入圖像，圖2c是表示輸入圖像的邊緣圖像。相對于圖加所示的標準模板，圖2b所示的圖像中包含的待檢測的形狀可能存在尺度(放縮)和旋轉變換。邊緣提取是從輸入圖像中提取灰度(或顏色)變化明顯的部分，它們對應于物體的邊界。若將圖像視為一個二維函數f(x，y)，其中(x，y)是圖像的像素坐標，f是該點的灰度(或顏色)值，則邊緣對應于函數f變化較快的點，也即函數梯度▽/ = ■/；+/,較大的點， 梯度方向θ (tg0 = fy/fx)表征了邊緣方向，它直觀上對應于邊緣的法線方向。圖2c示出了圖2b所示的輸入圖像的邊緣圖像的示意圖。其中，白色表示邊緣像素，箭頭表示邊緣的梯度方向。邊緣提取可采用許多已有的方法，如Carmy，Sobel，LoG算子等。如上所述，根據本發(fā)明檢測形狀的方法首先要提取形狀參數以建立形狀參數表。 形狀參數的提取是離線地從待檢測形狀標準模板中提取形狀特征并記錄特征的幾何參數。 建立幾何形狀的內切圓表是實現該方法的一種具體實現。一般而言，在線段組合形狀中，對每三條線段組合，均存在一點到它們的距離相等，該點正是此三條線段的內切圓圓心。因此，可以通過記錄形狀中每組線段所確定的內切圓的信息來反映待檢測形狀的幾何特征。根據該實例，形狀參數表可以如表1所示(以下稱之為內切圓表)。其中，表1中的各項包含的信息有圓心(Oi)、半徑比)、以及與該圓相切的線段法線方向(Θ》。表 1
為便于查詢，表中各項可按內切圓半徑從小到大的順序排列。內切圓表是在形狀檢測流程開始之前離線生成的，可采用手工或自動方法建立。其中，自動建立方法可采用下文所述的基于投票的方法。具體方法將在后文詳細說明。圖3示出了一個四邊形的四個邊中的每三個邊所對應的四個內切圓的示意圖。四個圓心分別用0” 02、O3、和O4表示。每個內切圓所對應的半徑分別是ri、r2、r3、和r4，與各個內切圓相切的線段的法線方向分別是θρθ2、θ3、和θ4。應該指出，上面的表1中只是示意性地給出了兩個內切圓的參數。在實際應用中，可以根據不同的情況，建立多個內切圓的參數值。根據本發(fā)明，當要檢測輸入圖像中是否包含由線段組成的形狀時，可以通過檢測是否存在這些線段組成的形狀對應的內切圓來判斷是否確實存在這些線段或其組成的形狀。例如，當判斷存在這樣一個內切圓時，可以確定輸入圖像中包含著這樣的線段組成的形狀。根據本發(fā)明的一個實施例，如上面的圖1所示，采用投票的方法來檢測是否存在這樣一個內切圓。投票方法是形狀檢測的一種重要方法。投票方法具有抗噪性強，對形狀局部遮擋魯棒等優(yōu)點。投票的目的在于將復雜的形狀檢測問題轉化為相對容易的投票峰值檢測問題。投票操作是在邊緣提取后得到的邊緣圖像上進行的。當要檢測圖像中是否包含某個形狀對應的一個半徑為r (假設r已知)的內切圓時，首先初始化一個投票圖像(投票圖像與原圖像的大小一樣，各個點均初始化為0)。對每個邊緣像素(如圖2c中的白色像素)，向其邊緣梯度方向(如圖2c中的箭頭方向)距離為r處的點(x' , y')進行投票， 也即把投票圖S(x'，y')的值加1。因為圓上各點的法向都指向圓心，按照上述投票操作后，投票圖像上對應于圓心的點會產生較大峰值，所以可通過檢測峰值點位置定位出圓心?？梢赃@樣理解投票圖像的生成。如圖5所示，圖中的深黑色粗線代表可能存在的線段和其組合的形狀。每個線段上的點向距離其r的方向投票，每條線段的投票點可以形成多條投票線。如果這三條線段組合某個形狀，那么這三條線段確定一個內切圓。這種情況下，應該有三條投票線相交于一點，該點到這三條線段的距離相等，例如可以是r。因此， 可以理解，按照上述投票操作后，投票圖像上對應于圓心的點會產生較大峰值，所以可通過檢測峰值點位置定位出圓心。針對線段組合形狀的檢測，投票操作可采用如下方式。如圖4所示，對圖像中的每個邊緣像素P，沿與其梯度方向θ和梯度反方向θ+π垂直的方向各確定一條線段，如圖4 中的兩條平行線段所示。兩條平行線段之間的部分可以被稱為投票區(qū)間，記作V(p)。它們到P的距離均為r，并且垂直于ρ的梯度方向。其中，r稱為投票半徑，投票區(qū)間的長度隨r 的增大而增加，例如，可取[-λ/^·-Α·^ + 5]，其中δ為松弛參數。投票操作是對投票區(qū)間中的每個點q e V(p)，在投票圖像S的相應位置做一次累加運算，即如下面的表達式(1)所
7J\ ο
權利要求
1.一種檢測由任意線段組合的形狀的方法，包括以下步驟從輸入圖像中提取圖像邊緣并計算邊緣點的梯度方向的步驟；對計算出的各邊緣點，向所述邊緣點的梯度方向距離為r處的點進行投票操作，以生成投票圖像的步驟；利用投票圖像來檢測投票圖像中的峰值點，并計算峰值點處歸一化票數大于預定閾值的投票方向的步驟；判斷投票方向的數量和及其夾角的步驟。
2.根據權利要求1所述的方法，在所述判斷步驟中，判斷存在三個投票方向，并且夾角均小于180度，則判斷為存在三角形。
3.根據權利要求1所述的方法，在所述判斷步驟中，判斷存在四個投票方向，并且夾角均等于90度，則判斷為存在正四邊形。
4.一種檢測由任意線段組合的形狀的裝置，包括從輸入圖像中提取圖像邊緣并計算邊緣點的梯度方向的單元；對計算出的各邊緣點，向所述邊緣點的梯度方向距離為r處的點進行投票操作，以生成投票圖像的單元；利用投票圖像來檢測投票圖像中的峰值點，并計算峰值點處歸一化票數大于預定閾值的投票方向的單元；判斷投票方向的數量和及其夾角的單元。
5.根據權利要求4所述的裝置，當所述判斷投票方向的數量和及其夾角的單元判斷存在三個投票方向，并且夾角均小于180度，則判斷為存在三角形。
6.根據權利要求1所述的裝置，當所述判斷投票方向的數量和及其夾角的單元判斷存在四個投票方向，并且夾角均等于90度，則判斷為存在正四邊形。
7.根據權利要求1所述的裝置，還包括用于輸出檢測結果的結果輸出單元。
全文摘要
本發(fā)明提供了一種檢測包含任意線段組合的形狀的方法，包括步驟從輸入圖像中提取圖像邊緣并計算邊緣點的梯度方向；對計算出的各邊緣點進行投票操作，以生成投票圖像；利用投票圖像確定待檢測形狀的局部形狀特征；和將所述形狀特征的參數與形狀參數表中的形狀參數進行對比，確定輸入圖像中包含的形狀。根據本發(fā)明的方法能夠自動檢測、識別出輸入圖像中包含的各種形狀。
文檔編號G06T7/00GK102156869SQ20111009101
公開日2011年8月17日 申請日期2006年7月17日 優(yōu)先權日2006年7月17日
發(fā)明者劉偉杰, 吳剛, 謝曉輝, 魏強 申請人:松下電器產業(yè)株式會社