(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210363530.7 (22)申请日 2022.04.07 (71)申请人 青岛澳科仪 器有限责任公司 地址 266000 山东省青岛市中国 （山 东） 自 由贸易试验区青岛片区前湾保税港区 上海路16号 （B） (72)发明人 赵邈　曹琛　路炜丽　韩中华　 杨士保　于冬冬　 (74)专利代理 机构 北京盛凡佳华专利代理事务 所(普通合伙) 11947 专利代理师 华小明 (51)Int.Cl. G06V 10/44(2022.01) G06V 10/26(2022.01) (54)发明名称 一种通过视 觉识别定位特定区域的算法 (57)摘要 本发明涉及一种通过视觉识别定位特定区 域的算法， 属于视觉自定位技术领域。 利用相机 采集目标物体和周围环境景象， 得到图像； 对 图 像进行识别， 将采集的图像转换成灰度图像； 然 后计算灰度图像阈值， 根据阈值将灰度图进行二 值化； 提取轮廓分割出目标物体， 并确定目标物 体在图像坐标系中的坐标； 将所述图像存储在第 一数据库中； 将数据清洗并存储在第二数据库 中； 通过一致性检查对不同第一数据库的数据格 式进行统一、 处理无效值和缺失值； 将结果一致 的图片作为识别结果图片。 本发 明提供一种通过 视觉识别定位特定区域的算法， 其过程需要采集 和处理的数据量小， 运算速度快， 避免了算法的 复杂度， 使立体视觉的定位效率和质量得到了极 大提升。 权利要求书1页 说明书2页 附图1页 CN 114723961 A 2022.07.08 CN 114723961 A 1.一种通过视 觉识别定位特定区域的算法， 其特 征在于包括如下步骤： 利用相机采集目标物体和周围环境景象， 得到图像； 对图像进行识别， 将采集的图像转换成灰度图像； 然后计算灰度图像阈值， 根据阈值将灰度图进行二 值化； 提取轮廓分割出目标物体， 并确定目标物体在图像坐标系中的坐标； 将所述图像存 储在第一数据库中； 根据所述图像的采集 时间， 对存储在所述第 一数据库中的图像进行数据清洗并存储在 第二数据库中； 通过一致性检查对不同第一数据库的数据格式进行统一、 处 理无效值和缺失值； 将结果一致的图片作为识别结果图片。 2.根据权利要求1所述的一种通过视觉识别 定位特定区域的算法， 其特征在于： 将第 一 步采集得到的图像进 行图像增强， 其包括直方图增强、 直方图均化和对比度增强， 将图像增 强之后的图像进行 换成灰度图像。 3.根据权利要求1所述的一种通过视觉识别 定位特定区域的算法， 其特征在于： 将灰度 图进行二 值化之后经 过中值滤波算法进行 滤波。 4.根据权利要求1所述的一种通过视觉识别 定位特定区域的算法， 其特征在于： 将利用 粗配准来剔除外点保留内点， 降低数据中异常数据对匹配结果造成的影响， 计算第一数据 库中图像、 第二数据库中图像的变换关系， 使得公共区域能够大致重合。 5.根据权利要求1所述的一种通过视觉识别 定位特定区域的算法， 其特征在于： 将第 一 数据库中图像、 第二数据库中图像进 行逐点匹配评 分， 计算输出置信度， 若置信度满足设置 的阈值则匹配成功。 6.根据权利要求5所述的一种通过视觉识别 定位特定区域的算法， 其特征在于： 采用归 一化2R‑G‑B色差模型阈值进行分割， 采用游程编码法进行区域特征分析， 采用形心特征点 与邻域灰度互相关性相结合的匹配算法。 7.根据权利要求1所述的一种通过视觉识别 定位特定区域的算法， 其特征在于： 将用于 采用预设图像配准算法对待定位的场景图片和识别结果图片进行相对位姿估计， 实现相对 自定位。权　利　要　求　书 1/1 页 2 CN 114723961 A 2一种通过视觉识别定位特定区域 的算法 技术领域 [0001]本发明涉及一种通过视 觉识别定位特定区域的算法， 属于 视觉自定位 技术领域。 背景技术 [0002]视觉识别定位技术具有感知信息量丰富、 全局性好、 精度高、 非接触式测量等无可 替代的优势， 已广泛应用于机器人导航、 工业测量等方面。 针对工作于自然环 境下的采摘机 器人目标识别和定位， 是近年来研究的热门课题。 但是现有的算法存在1、 精度高但速度慢 或者速度快但精度低， 均不能很好地满足实际需求； 2、 点云数据量大， 处理速度不及时； 3、 点云数据的分割 、 目标物体的识别均涉及到难度较大的算法， 并且成功率很低的缺 点。 发明内容 [0003]有鉴于此， 本发明提供一种通过视觉识别定位特定区域的算法， 其过程需要采集 和处理的数据量小， 运算速度快， 处理精度高， 避免了算法的复杂度， 使立体视觉的定位效 率和质量得到 了极大提升 。 [0004]本发明提供一种通过视 觉识别定位特定区域的算法， 包括如下步骤： [0005]利用相机采集目标物体和周围环境景象， 得到图像； [0006]对图像进行识别， 将采集的图像转换成灰度图像； [0007]然后计算灰度图像阈值， 根据阈值将灰度图进行二 值化； [0008]提取轮廓分割出目标物体， 并确定目标物体在图像坐标系中的坐标； [0009]将所述图像存 储在第一数据库中； [0010]根据所述图像的采集时间， 对存储在所述第一数据库中的图像进行数据清洗并存 储在第二数据库中； [0011]通过一致性检查对不同第一数据库的数据格式进行统一、 处 理无效值和缺失值； [0012]将结果一致的图片作为识别结果图片 [0013]将第一步采集得到 的图像进行 图像增强， 其包括直方图增强、 直方图均化和对比 度增强， 将图像增强之后的图像进行 换成灰度图像。 [0014]将灰度图进行二 值化之后经 过中值滤波算法进行 滤波。 [0015]将利用粗配准来剔除外点保留内点， 降低数据中异常数据对匹配结果造成的影 响， 计算第一数据库中图像、 第二数据库中图像的变换关系， 使得公共区域能够大致重合。 [0016]将第一数据库中图像、 第二数据库中图像进行逐点匹配评分， 计算输出置信度， 若 置信度满足设置的阈值则匹配成功。 [0017]采用归一化2R ‑G‑B色差模型阈值进行分割， 采用游程编码法进行区域特征分析， 采用形心特 征点与邻域灰度互相关性相结合的匹配算法。 [0018]将用于采用预设图像配准算法对待定位的场景图片和识别结果图片进行相对位 姿估计， 实现相对自定位。 [0019]本发明的有益效果：说　明　书 1/2 页 3 CN 114723961 A 3