面向视觉定位的鲁棒标记码设计与识别

• 作 者: 常瑞杰
• 出 处: 哈尔滨工业大学
• 发表日期: 2004年期
• 关键词: 视觉定位 鲁棒性 边界遮挡 标记码识别

视觉标记码是一种用于简化机器自动检测而设计的人工视觉特征,广泛用于计算机视觉,增强现实和机器人技术领域。随着需求的日益增长,对视觉标记码的设计,以及识别的快速性和鲁棒性提出了更高的要求。本文从设计时增加视觉标记码的鲁棒性,以及检测识别时增加视觉标记码的鲁棒性两个角度出发,展开研究工作。在视觉标记码的设计过程中,从鲁棒性的性能指标出发,使用随机迭代的方法设计出鲁棒性很好的视觉标记码。考虑到随着标记码尺寸增加,会导致搜索空间过大和搜索不彻底的问题,使用混合整数线性规划的方法,改进标记码的生成过程,进一步增加视觉标记码的鲁棒性。在标记码的检测识别过程中,给出经典的图像处理方法来完成视觉标记码的检测识别工作;分析经典方法中的不足,从加快检测识别速度的角度,改进检测识别方法。针对视觉标记码在复杂状况下,尤其是标记码在边界遮挡时出现的无法识别的情况,给出用于视觉标记码检测识别的CNN(Convolution Neural Network)分类方法。最后,考虑实际定位时对相机位姿信息的要求,在经典使用图像处理的检测识别过程中,使用基于目标检测的边框检测方法,完成标记码的轮廓提取工作,进而实现对存在边界遮挡的视觉标记码的检测识别任务。最终实验结果表明,本文设计的视觉标记码汉明距离相比于April Tag有所提升,拥有更好的鲁棒性。检测识别过程中,从边界遮挡角度探讨鲁棒性的提高,结果表明,相较于原有方法的无法识别,使用CNN分类的方法可以实现97.1%的准确率,可以很好应对视觉标记码的边界遮挡情况。从边界遮挡时获取视觉标记码的具体位置角度出发,我们基于目标检测的边框检测方法,可以很好获取边界遮挡的视觉标记码的位置,很好地解决了视觉标记码的边界遮挡问题。