以对比度为特征帧匹配测量二维位移的方法及装置
专利汇可以提供以对比度为特征帧匹配测量二维位移的方法及装置专利检索，专利查询，专利分析的服务。并且以 对比度 为特征 帧 匹配测量二维位移的方法及装置，由一个计算机摄像头与一台普通的计算机组成；先在参考帧内提取一个轴向的边方向数据，作为被测物体反射图像的对比度特征，通过计算该边方向数据的自关联系数，查看被测物反射面的质地细节，选取合适的比较窗 像素 阵列；然后与取样帧进行边方向数据的交叉关联匹配计算，以交叉关联系数最大者作为最佳匹配者，获得二维位移以及速度；据此结果，调整比较窗的 位置 或更新参考帧，并调整交叉关联算子阵列的规模，保证了测量 精度 ，减少了计算量，在一定程度上克服了环境光照变化对测量的影响。，下面是以对比度为特征帧匹配测量二维位移的方法及装置专利的具体信息内容。
1.以对比度为特征帧匹配测量二维位移的方法及装置，由一个计算机摄像头与一台普通的计算机组成，所述摄像头通过其USB接口连接到所述计算机，该计算机配置有USB接口、内存、CPU、硬盘、显示卡与显示器、键盘和鼠标、操作系统以及摄像头驱动程序，其特征在于，所述计算机系统还配置有摄像头拍摄及边方向数据帧匹配测量位移程序。
2.根据权利要求1所述的以对比度为特征帧匹配测量二维位移的方法及装置，其特征在于，所述摄像头拍摄及边方向数据帧匹配测量位移程序提供了一种使用计算机摄像头实施以对比度为特征帧匹配测量二维位移的方法，包括：
步骤一、以位图(M×N，M，N∈正整数)的格式，拍摄一帧被测物体的图像，作为参考帧；
以所述像素阵列其左上角的第一个像素的位置为原点，横向向右方向为x轴方向，垂直向下的方向为y轴方向；
在所述像素阵列的中央区域选取一个区域，大小为m0×n0，m0，n0∈正整数，称之为比较窗，所述比较窗分别距离所述像素阵列的水平方向和垂直方向的边缘像素各h和v个像素，即有：m0+2h＝M，n0+2v＝N，h，v∈正整数；
步骤二、对于上述参考帧之像素阵列，逐行导出沿X轴方向的边方向数据：
如果一个像素的光强值比其后面的第二个像素的光强值还要小一个误差容限值error，即如果 I(X，Y)＜I(X+2，Y)-error
则定义这两个像素之间存在一个正边；
如果一个像素的光强值比其后面的第二个像素的光强值还要大一个误差容限值error，即如果 I(X，Y)＞I(X+2，Y)+error
则定义这两个像素之间存在一个负边；
如果一个像素的光强值与其后面的第二个像素相应的光强值接近，其差不超过一个误差容限值error，即如果 I(X+2，Y)-error＜I(X，Y)＜I(X+2，Y)+error则认为这两个像素之间不存在“边”，或称之为第三类边；
上式中的误差容限值可以根据具体的光照情况，预置为一个小的数值，例如：error＝10；如此获得的边位于该像素之后的第一个像素的位置，也即位于参与比较的两个像素的中间位置的那个像素(x，y)上；沿着X轴方向，所有的正边、负边以及第三类边组成该方向的边方向数据，分别以3bit的二进制数值001，010和100表示，记为reference(x，y)，保存之；
步骤三、计算所述参考帧里比较窗的像素阵列的自关联匹配系数：
式中，x和y分别是比较窗内像素的坐标，运算符号·表示二进制逻辑与运算，其运算结果或为逻辑0或为逻辑1，中括号“[]”表示取其中的逻辑函数对应的数值，或为数值0，或为数值1，逐个像素计算，累加的结果作为本次自关联系数auto_correlation(a，b)，取3×3关联匹配算子：a＝-1，0，1，b＝-1，0，1，因此，共产生9个自关联系数；
步骤四、分析被观测物体表面的结构特征的精细程度，亦即分析最邻近像素之间的明暗对比度之可区分程度，进行检查：
auto_correlation(a，b)≥auto_correlation(0，0)×similarity
式中，similarity描述了比较窗与其邻近相同规模的像素阵列的相似程度，例如取similarity＝60％，可以预先设置，也可以根据光照情况以及被测物表面的质地进行调试和选择；
如果满足上述检查不等式的自关联匹配系数多于3个，需要逐步扩大比较窗的范围各step行和step列：令m＝m0+step，n＝n0+step，重新计算新的比较窗的自关联匹配系数，并再次进行邻近像素区分度分析，直到满足上述分析不等式的自关联系数不多于3个，结果有2h＝M-m，2v＝N-n，其中，step为步进参数，初始值为1，每次需要扩展比较窗的规模就增加1；如果超出帧内一个预定的范围，还没有找到合适的比较窗，则认为该物体这部分反射表面不适于本装置的测量工作，并给出提示警告；
如果满足上述检查不等式的自关联匹配系数不多于3个，说明被拍摄物体的表面的结构特征足够精细，最邻近像素之间的值可以区分，可以进一步尝试缩小所述比较窗的范围各step行和step列，以减少计算量：令m＝m0-step，n＝n0-step，重新计算比较窗的自关联匹配系数，并再次进行邻近像素区分度分析，直到所选比较窗区域满足上述检查不等式的自关联匹配系数的个数等于3，认为这时找到了在目前的物体表面状况以及照明状况下可以用于进行匹配比较的最佳比较窗像素阵列：m＝m0-step，n＝n0-step，2h＝M-m，2v＝N-n；
步骤五、上述拍摄以后，经过一段时间Δt，拍摄第二帧位图，作为取样帧；
逐行确定该取样帧中像素沿X轴方向的边方向数据，分别以3bit的二进制数值001，
010和100表示正边、负边以及第三类边，记为comparison(x，y)，保存之；
步骤六、把所述参考帧内比较窗里的像素阵列{reference(x，y)}在所述取样帧范围里{comparison(x，y)}按照9×9关联匹配阵列进行交叉关联匹配，具体算法是：
对应a＝-4，-3，-2，-1，0，+1，+2，+3，+4和b＝-4，-3，-2，-1，0，+1，+2，+3，+4组合，共产生81个交叉关联匹配系数cross_correlation(a，b)，即所述参考帧之比较窗可能发生有81种移动情况；
步骤七、帧-帧关联程度最高的交叉关联系数最大：
cross_correlation(a，b)→auto_correlation(0，0)
因此获得所述取样帧相对所述参考帧移动的方向以及移动的幅度：
Δx(i，j)＝a，Δy(i，j)＝b，
此即本次取样周期里物体发生的相对位移矢量，其中i表示测量拍摄的顺序计数，j表示所取参考帧的顺序计数；测量过程中，物体总的相对位移矢量是：
Δx0(i，j)＝Δx0(i-1，j)+Δx(i，j)，Δy0(i，j)＝Δy0(i-1，j)+Δy(i，j)，等式中右边的(Δx0(i-1，j)，Δy0(i-1，j))是物体以前累积的相对位移矢量；
步骤八、物体位移的速度矢量：
Δvx(i，j)＝Δx(i，j)/Δt，Δvy(i，j)＝Δy(i，j)/Δt；
步骤九、如果|Δx0(i，j)-Δx0(k，j-1)|≥2m/5，或|Δy0(i，j)-Δy0(k，j-1)|≥2n/5，其中，k＝max(i)|(j-1)表示在参考帧顺序计数为j-1的情况下最后一次拍摄的顺序计数值，即在所述参考帧没有发生变化的条件下，其中的比较窗发生的相对位移之累积已经超出该比较窗的幅度的2/5，这时，用最新的取样帧取代所述参考帧，其比较窗重新定位在新的参考帧的中央部位；
如果|Δx0(i，j)-Δx0(k，j-1)|＜2m/5且|Δy0(i，j)-Δy0(k，j-1)|＜2n/5，不更新所述参考帧，而是把所述参考帧里的比较窗发生相对位移Δx＝a，Δy＝b；
步骤十、如果更新了参考帧，仿步骤三计算所述新参考帧的自关联匹配系数，仿步骤四察看表面结构特征，重新决定其最佳比较窗的大小m×n；
如果没有更新参考帧，调整步骤六中所述交叉关联匹配算子阵列的大小：如果|a|＜5且|b|＜5，改取为7×7：a＝-3，-2，-1，0，+1，+2，+3，b＝-3，-2，-1，
0，+1，+2，+3，如果|a|＜3且|b|＜3，改取为5×5：a＝-2，-1，0，+1，+2，b＝-2，-1，0，+1，+2，否则仍然取为9×9关联匹配算子阵列；
步骤十一、上述拍摄以后，经过一段时间Δt，拍摄第三帧位图，作为新取样帧；
逐行确定该取样帧中像素沿X轴方向的边方向数据，其中的正边、负边以及第三类边分别以3bit的二进制数值001，010和100表示，记为comparison(x，y)，保存之；
步骤十二、按照步骤十中确定的交叉关联匹配算子阵列，把所述参考帧内比较窗里的像素阵列在所述取样帧范围里进行交叉关联匹配计算，具体算法同步骤六；
步骤十三、跳转到步骤七，继续测量。
以对比度为特征帧匹配测量二维位移的方法及装置
技术领域
背景技术
发明内容
具体实施方式
30fps(帧每秒)，30fps，20-26fps，20-26fps和10fps，其视频信号属于数字信号方式，以USB接口输出。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种行人导航定位中的自适应零速修正方法 | 2020-05-08 | 121 |
| 一种测量位置的方法及装置 | 2020-05-12 | 290 |
| 一种激光熔覆离焦量在线监测与负反馈状态识别方法 | 2020-05-16 | 474 |
| 一种三驱动机械臂的视觉跟随系统 | 2020-05-11 | 540 |
| 一种基于姿态的考试作弊检测方法 | 2020-05-14 | 717 |
| MRI中的运动的实时监测和预测 | 2020-05-15 | 666 |
| 一种基于深度神经网络的运动预测方法和智能终端 | 2020-05-08 | 1012 |
| 一种基于双流卷积神经网络和SVM的抽烟动作识别方法 | 2020-05-12 | 767 |
| 基于计算机视觉的电梯轿厢内异常行为的检测方法 | 2020-05-15 | 503 |
| 基于视觉SLAM和网络地图结合的机器人城市导航系统 | 2020-05-16 | 226 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
