论文笔记1 · 基于扩展扫描区域的现场表计指针识别方法

CV 论文笔记毕业设计

字数统计: 1.2k阅读时长: 4 min

 2024/09/11 

论文笔记 · 基于扩展扫描区域的现场表计指针识别方法

引言

通过现场图、模板图的特征匹配，求解单应矩阵
将模板图中的弧线点投影到现场图中
拓展现场图扫描区，扫描整条弧线
找到像素累积和最大（小）值的位置，作为指针位置
按照弧线比例和量程求出示数

特征匹配

总体流程：

不使用彩色图片，只看灰度图，消除光线影响，方便找到指针

SIFT改进版本

特征匹配采用改进过的SIFT算法

参考论文：卢鹏,卢奇,邹国良,等. 基于改进SIFT的时间序列图像拼接方法研究

原算法中每个像素点与周围26个像素进行比较，若本像素最大或最小，认为是一个待选极值点
- 改进方案：与周围74个进行比较
- 一定程度上减少极值点，减少错误的匹配，提高比较精度

原算法中采用了方形区域进行构造特征符
- 改进算法改为圆形区域，半径选为12，采用(3,3,2,2,1,1)的环数构造
- 直方图计算时每36度划分为同一个方向，总共10个方向

子环区域的灰度累加值作为一维特征向量，引入特征描述符的构建，从而
减少由灰度变化引起的错误匹配

将整个环作为一个大的区域R，每环产生一个正的灰度累积值及一个负的灰度累积值，分别记为 $H_{R_i+}, H_{R_i-}$

定义 $Gray = \sum I_{R_i}$ ，其中 $I$ 表述灰度， $R_i$ 表述每一个环形区域

每个环形的直方图维度为10，添加上述3个新值，维度为13

总共6个环形，因此每个像素的描述符数量为78

参考文献：吴建,马跃. 一种改进的SIFT算法

进行初次现场图、模板图特征点的匹配工作

若现场图的第 $n$ 个特征点和模板图的第 $m$ 个特征点能够匹配，需要满足：

记 $\min dis, sub$ 分别为 $n$ 对应的最近邻点和次近邻点的距离

若

\frac{\min dis}{sub - \min dis} < threshold

则可以匹配，否则失败

即最近邻需要足够接近，明显近于次近邻点

有足够的置信度让两个点匹配到一起，不能模糊

threshold为设定的阈值

使用KD-Tree求解

RANSAC配准

参考文献：贾雯晓,张贵仓,汪亮亮,等.基于SIFT和改进的RANSAC图像配准算法

确定一个单应矩阵需要四对配对点

因此使用RANSAC随机多次，产生多组单应矩阵

检测所有配对点，选择外点最少的单应矩阵作为最后结果

最后，我们将模板图中的刻度弧线，通过单应矩阵以点集的方式，映射到现场图中

拓展扫描区域的现场表识别

表盘文字、刻度、标记、污垢影响很大

我们需要重点识别指针位置

我们需要求解弧线上每个点 $p$ 的切线 $l_1$ 斜率 $K_1$

因为弧线不是光滑的弧线，我们考虑通过周围的点近似求解

连接点 $p$ 左侧第 $i$ 个点，右侧第 $i$ 个点，文中取10个点对

第 $i$ 条连线的斜率如下：

k_i = \frac{y_{i2}-y_{i1}}{x_{i2}-x_{i1}}

取平均值作为 $p$ 所在弧线的切线 $l_1$ 斜率

K_1 = \frac{\sum_{i=1}^k K_i}{k}

我们过点 $p$ 作 $l_1$ 的垂线 $l_2$

其与水平线的夹角定义为：

\alpha = \left\{\begin{matrix} \arctan(-\frac{1}{K_1}), & K_1\neq 0\\ 90^{\circ} \ & K_1=0\\ 0^{\circ} & K_1 \text { is NULL} \end{matrix}\right.

其中近似连线中有部分斜率不存在时，我们认为 $K_1$ 不存在

标准情况下 $l_2$ 是最完美的指针位置

但是一般不是

所以我们需要考虑 $l_2$ 周围的位置，进行拓展扫描

以 $p$ 点为旋转中心，左右各旋转 $45^{\circ}$

只要扇形大小选取适当的情况下，指针只要指向点 $p$ ，那么指针一定会出现在扇形内

对扇形区域的像素值进行求和，指针黑色（像素值最小），指针白色（像素值最大）
扫到刻度线并不会造成影响，因为一定不是像素和的最值
遍历整个扇形

假设我们总共扫描了 $N$ 个点，刻度表量程为 $M$ ，像素和最值序号出现在 $n$

则刻度为

y = \frac{n}{N}\times M

原文作者：BiribiriBird

原文链接：https://aoijays.top/2024/09/11/PaperReading1/

发表日期：September 11th 2024, 5:08:50 pm

更新日期：September 11th 2024, 5:14:11 pm

版权声明：本文采用知识共享署名-非商业性使用 4.0 国际许可协议进行许可

Previous Post

李宏毅机器学习L11 · Domain Adaptation

CATALOG

1. 论文笔记 · 基于扩展扫描区域的现场表计指针识别方法