在Matlab中确定三角形的方向

时间：2015-01-30 17:21:04

标签： matlab image-processing computer-vision matlab-cvst

我正在开展一个项目，通过目标上的视觉识别自动执行四旋翼飞行器的着陆。我有通过HOG功能检测目标的代码。现在的想法是找到三角形，这是等腰线，并测量线条，以便我可以确定方向。我已经尝试过霍夫，但我无法成功。

目标是提议的

Target，它由一个圆圈内的等腰三角形组成。但如果你能想到更好的一个，请告诉我。

如果有任何不清楚的地方，请提出任何问题。非常感谢你

更新1：

当我仅将目标作为图像处理时，@McMa的想法很有效。这是代码：

clc; close all;
im=imread('target.bmp');
im=rgb2gray(im);
im2=imcrop(im,[467.51 385.51 148.98 61.98]);
im2=imcomplement(im2);
im2=imrotate(im2,0);

s=regionprops(im2,'Area','Centroid','Extrema','Orientation');

[imH,imW]=size(im2);
if imH-s(end).Centroid(2) < imH/2
    state=1;        % Upright
else
    state=2;        % Upside down
end

imshow(im2);hold on
plot(s(end).Centroid(1), s(end).Centroid(2), 'b*')

if s(end).Orientation>0
    degrees=s(end).Orientation;
else
    degrees=s(end).Orientation+180;
end

if (0<degrees)&&(degrees<89.99) && state==2
    degrees=degrees+180;
elseif (90<degrees) && (degrees<179) && state==1
    degrees=degrees+180;
end

fprintf('The orientation is %g degrees\n',degrees)

更新2：

现在我还有另外一个问题：我需要知道相机是看到整个目标还是仅看到小圆圈+三角形。在计算方向之前我需要这个。

我尝试了很多选择。例如，我想计算圆圈的数量，所以如果有2个，它就会看到大目标，如果有1，那么就是小目标。但他们没有被很好地发现。即使我使用灵敏度，它也不会是一种强有力的方法。

图片：https://www.dropbox.com/s/7mbpna3xfquq5n7/P0016.bmp?dl=0 分类：https://www.dropbox.com/s/236vm3romw56983/Cascade1Matlab.xml?dl=0 

 im=imread('P0016.bmp');
detector = vision.CascadeObjectDetector('Cascade1Matlab.xml');
    bbox = step(detector, im);       % Detect the target.
detectedImg = insertObjectAnnotation(im, 'rectangle', bbox, 'target');         % Insert bounding boxes and return marked image.
imshow(detectedImg)

BW=rgb2gray(im);
BW=imcrop(BW,bbox(1,:) +[0 0 10 10]);
[imH,imW]=size(im);
centers = imfindcircles(im,[1 round(imH)]);
figure;hold on;
imshow(im);
plot(centers(:,1),centers(:,2),'r*','LineWidth',4)

我也尝试过其他方法，例如欧拉数，但没有成功，我找不到任何正常工作的方法。

2 个答案:

答案 0 :(得分：0)

我有一个非常直率的解决方案。它可能会奏效。我没有真正尝试过，因为没有图像可供使用。因此，如果失败，请发布错误。

假设： - 您已经过滤了图像并获得了仅包含三角形“OR”并且噪声均匀的二进制图像。

  1. 现在您可以拍摄0度图像（image1）。过滤它并获得二进制图像（bw1）。

  2. 因此，当您尝试降落四旋翼飞行器时，请拍摄图像（图像2），将其转换为二进制（bw2）。

  3. 现在找到这两个图像{corr2（bw1，bw2）}之间的相关性。将其存储在变量中。

  4. 以步进角度旋转图像。设角度为5度。 {imrotate（bw2,5）}

  5. 现在再次找到这两个图像之间的相关性。

  6. 针对所有角度执行此操作。

  7. 方向是角度（旋转次数* 5），相关性最大。

    8. 术语最大值表示，您可能找不到相关性为1，因为这很大程度上取决于您的过滤技术以获得完美的二进制图像。

    我也同意计算所有角度的相关性需要高计算速度和长时间。如果你没有很高的计算速度，这将很难实时实现。 （在这种情况下，您可以专门查看Parallel Computing Toolbox） parfor 。

    希望这对你有用。如果您遇到任何错误，请发表评论。

    祝你好运。不错的项目。

    P.S。在旋转图像时，根据二进制图像填充白色或黑色像素。

答案 1 :(得分：0)

我认为最简单快捷的方法是找到目标并将图像二值化。之后使用regionprops()并阅读＆＃34; Orientation＆＃34;财产阅读方向。

如果您不能使用该工具箱，则可以通过计算您所在地区的协方差矩阵来轻松实现该功能。如果您需要一些提示，请告诉我。

编辑：

我只是想在这里有一些很好的矢量化函数;）所以如果速度是最高优先级，你可以轻松地将你自己的regionprops()修剪到最低限度，如下所示：

function M=ImMoment(Image,ii,jj)

    ImSize=size(Image);

    K=repmat((1:ImSize(1))',1,ImSize(2)).^ii; 
    J=repmat(1:ImSize(2),ImSize(1),1).^jj;
    M=K.*J.*Image;

    M=sum(M(:));

end

表示图像时刻和

function [Matrix,Centroid,Angle]=CovMat(Image)

    Centroid=[ImMoment(Image,0,1)/ImMoment(Image,0,0),...
         ImMoment(Image,1,0)/ImMoment(Image,0,0)];

     Miu20=ImMoment(Image,0,2)/ImMoment(Image,0,0)-Centroid(1)^2;
     Miu02=ImMoment(Image,2,0)/ImMoment(Image,0,0)-Centroid(2)^2;
     Miu11=ImMoment(Image,1,1)/ImMoment(Image,0,0)-Centroid(1)*Centroid(2);

     Matrix=[Miu20,Miu11   %Covariance Matrix in case you need it for anything...
             Miu11,Miu02];

     Angle=1/2*atand(2*Miu11/(Miu20-Miu02)); %Your orientation

end

用于您的方向和协方差矩阵。更多关于它here。

形象时刻很有可能，玩得开心！

相关问题
最新问题