论文部分内容阅读
将图像中的数据按照一个特定的数据模型进行拟合是模式识别和计算机视觉中的一个基本任务。球体或圆柱体是最为常见的几何形体，而在人的视觉中，由于透视，圆变换成为椭圆的形状，所以椭圆成为最常见的一种数据拟合模型。
在椭圆检测领域已经有多种检测方法被提出：Hough变换，随机Hough变换(RHT)，最小二乘拟合等等，但是由于椭圆有五个未知参数，如果使用Hough变换，需要使用的内存以及运算量都较大，目前采用较多的方法是基于最小二乘拟合的随机椭圆检测的方法，这种方法随机采样6个点，用于最小二乘拟合方法检测椭圆.但足由于边缘点众多，6个点同时在一个椭圆上的概率很小，因此无效采样较多。改进的方向之一是根据采样的特征信息来判断是否进行采样，即利用椭圆的形状信息进行判断采样点是否在椭圆上，比如使用椭圆极和极弦的特性的3点RHT法。
本文则利用椭圆的对称性和旋转不变性，大幅减少无效采样，采样点分布均匀，提高了椭圆检测的效率和准确性，与传统的最小二乘拟合算法相比，新算法降低了拟合次数，提高了检测速度和检测的准确性。
基于本文提出的算法，实现了一套运行于嵌入式设备中的，采用椭圆检测的方法来对停车场进行实时监测的系统。通过具体实验，拍摄大量停车场停车位实际场景的照片，对这些照片进行检测，统计平均检测时间和检测成功次数。实践证明，在使用一个摄像头同时对两个车位进行监测的时候，该系统监测车位的平均正确率很高，平均检测的时间为1s左右。因此该系统的正确率和检测时间完全可以满足实时监测的需要。