金属零件微小数据矩阵码快速精定位

doi:10.16183/j.cnki.jsjtu.2018.07.009

摘要/Abstract

摘要： 针对传统条码识读方法对微小数据矩阵（DM）码定位精度低、速度慢等问题,提出了以Harris角点作为高频特征,构建高斯金字塔过滤背景金属纹理角点,引入径向基函数平滑角点密度图,通过阈值分割以及区域生长粗定位候选区域,计算2步最小外接矩形并校正实现精定位,最后建立筛选模型选择适应值最大的候选区域为DM码区域.实验表明,提出的采用角点检测和区域生长定位检测算法对受到金属纹理、局部遮挡、磨损划痕以及光照不均等干扰的微小DM码具有很强的鲁棒性,精定位准确率高,仅耗时25ms,比传统方法提高了30倍.

关键词: 微小数据矩阵码；精确定位； Harris角点；径向基函数；最小外接矩形

Abstract: Focusing on the deficiencies of traditional data matrix (DM) code localization methods in speed and precision, we proposed a code localization method that structured Gaussian pyramid to extract Harris corner features. Corner density map was smoothed by radial basis function, and rough candidate regions were obtained by threshold and region growing. Next, we computed two stage minimum-area encasing rectangle to implement accurate localization. Finally, we chose the candidate region with maximum score based on three properties of DM code as the real DM region. The result shows that our method which used corner detection and regional growth is robust to the various interferences with high accuracy, such as metal texture, high reflection, scratch marks and occlusion on DM code. The localization time is 25ms, which is 30 times faster than the compared methods.

Key words: micro data matrix (DM) code; accurate localization; Harris corner; radial basis function; minimum-area encasing rectangle

中图分类号:

TP 391.4

杨森，何卫平，王月，郭改放. 金属零件微小数据矩阵码快速精定位[J]. 上海交通大学学报, 2018, 52(7): 816-824.

YANG Sen,HE Weiping,WANG Yue,GUO Gaifang. Fast and Accurate Localization of Micro Data Matrix Code on Metal Parts[J]. Journal of Shanghai Jiao Tong University, 2018, 52(7): 816-824.

参考文献

［1］TIANFIELD H. Advanced life-cycle model for complex product development via stage-aligned information-substitutive concurrency and detour［J］. International Journal of Computer Integrated Manufacturing, 2010, 14(3): 281-303. ［2］LI X S, HE W P, LEI L, et al. Laser direct marking applied to rasterizing miniature Data Matrix Code on aluminum alloy［J］. Optics & Laser Technology, 2016, 77: 31-39. ［3］HUANG Q, CHEN W, HUANG X, et al. Data matrix code localization based on finder pattern detection and bar code border fitting［J］. Mathematical Problems in Engineering, 2012, 2: 199-210. ［4］LENG B. A data matrix-based mutant code design and recognition research［C］∥International Conference on Image and Graphics. Washington, D.C., USA: IEEE Computer Society, 2007: 570-574. ［5］LEONG L K, WANG Y. Extraction of 2d barcode using keypoint selection and line detection［C］∥Paci-fic-Rim Conference on Multimedia. Bangkok, Thailand: Springer Berlin Heidelberg. 2009: 826-835. ［6］HA J E. A new method for detecting data matrix under similarity transforms for machine vision applications［J］. International Journal of Control Automation & Systems, 2011, 9(4): 737-741. ［7］王伟, 何卫平, 雷蕾, 等. 污染及多视角下Data Matrix码精确定位［J］. 计算机辅助设计与图形学学报, 2013, 25(9): 1345-1353. WANG Wei, HE Weiping, LEI Lei, et al. Accurate location of polluted Data Matrix code from multiple views［J］. Journal of Computer-Aided Design & Computer Graphics, 2013, 25(9): 1345-1353. ［8］HU H, XU W, HUANG Q. A 2D barcode extraction method based on texture direction analysis［C］∥International Conference on Image & Graphics. ［S.l.］: IEEE, 2010: 759-762. ［9］王伟, 何卫平, 雷蕾, 等. 复杂金属背景下二维条码区域的快速定位［J］. 天津大学学报(自然科学与工程技术版), 2013, 46(6): 531-538. WANG Wei, HE Weiping, LEI Lei, et al. Speedy location of 2D barcode region under complicated metal background［J］. Journal of Tianjin University (Science and Technology), 2013, 46(6): 531-538. ［10］王娟, 王萍, 王港. 基于自适应超像素分割的点刻式DPM区域定位算法研究［J］. 自动化学报, 2015, 41(5): 991-1003. WANG Juan, WANG Ping, WANG Gang . Stippled direct part mark location based on self-adaptive super-pixels segmentation［J］. Acta Automatica Sinica, 2015, 41(5): 991-1003. ［11］PARIKH D, JANCKE G. Localization and segmentation of a 2D high capacity color barcode［C］∥Applications of Computer Vision. CO, USA: IEEE Computer Society, 2008: 1-6. ［12］CHU C H, YANG D N, PAN Y L, et al. Stabilization and extraction of 2D barcodes for camera phones［J］. Multimedia Systems, 2011, 17(2): 113-133. ［13］LOWE D G. Distinctive image features from scale-invariant keypoints［J］. International Journal of Computer Vision, 2004, 60(2): 91-110. ［14］XU W, MCCLOSKEY S. 2D Barcode localization and motion deblurring using a flutter shutter camera［C］∥Applications of Computer Vision. Hawaii, USA: IEEE, 2011: 159-165. ［15］OHTSU N. A threshold selection method from gray-level histograms［J］. IEEE Transactions on Systems, Man, and Cybernetics, 2007, 9(1): 62-66. ［16］FREEMAN H, SHAPIRA R. Determining the minimum-area encasing rectangle for an arbitrary closed curve［J］. Communications of the ACM, 1975, 18(7): 409-413.

编辑推荐 0

Metrics

阅读次数

全文

194

HTML			PDF

最新录用	在线预览	正式出版	最新录用	在线预览	正式出版
0	0	0	5	0	189

来源	本网站	其他网站

次数	65	129
比例	34%	66%

摘要

1410

最新录用	在线预览	正式出版

114	0	1295

来源	本网站	其他网站

次数	656	754
比例	47%	53%

[1]	白雄飞, 龚水成, 李雪松, 许博, 杨晓力, 王明彦. 基于泊松融合数据增强的焊缝金相组织缺陷分类研究[J]. 上海交通大学学报, 2023, 57(10): 1316-1328.
[2]	高涛, 文渊博, 陈婷, 张静. 基于窗口自注意力网络的单图像去雨算法[J]. 上海交通大学学报, 2023, 57(5): 613-623.
[3]	叶仙，胡洁，田畔，戚进，车大钿，丁颖. 基于精细复合多尺度熵与支持向量机的睡眠分期[J]. 上海交通大学学报（自然版）, 2019, 53(3): 321-326.
[4]	刘宇，江宏毅，王仕亮，王伊冰，陈燕苹. 基于加速度时域特征的实时人体行为模式识别[J]. 上海交通大学学报（自然版）, 2015, 49(02): 169-172.
[5]	王佳婧1，2，张树生1，何卫平1. 基于多信息融合的失效DPM码识别[J]. 上海交通大学学报（自然版）, 2014, 48(12): 1675-1680.
[6]	赵洪伟，谢永芳，曹斌芳，蒋朝辉. 基于Gabor小波和LPP的浮选过程泡沫纹理特征提取及应用[J]. 上海交通大学学报（自然版）, 2014, 48(07): 942-947.
[7]	贾松敏1,王爽1,王丽佳1,2,李秀智1. CTF定位策略下基于多特征的智能机器人目标跟踪[J]. 上海交通大学学报（自然版）, 2014, 48(07): 1039-1045.
[8]	王佳婧1,2，张树生1，何卫平1. 金属零件上二维条码高光区域的恢复[J]. 上海交通大学学报（自然版）, 2013, 47(12): 1836-1841.
[9]	方挺，董冲，胡兴柳，王彦. 航拍图像中绝缘子串的轮廓提取和故障检测[J]. 上海交通大学学报（自然版）, 2013, 47(12): 1818-1822.
[10]	刘洪涛，梁振宁，胡文，莫锦秋，王石刚. 基于局部特征点检测与匹配的微悬臂梁变形受力测量方法[J]. 上海交通大学学报（自然版）, 2013, 47(12): 1842-1847.
[11]	王晓端1，刘书炘2，刘满华1. 基于模型分析的指纹奇异点检测[J]. 上海交通大学学报（自然版）, 2013, 47(08): 1222-1226.
[12]	胡文1, 刘洪涛1, 胡春2, 范明霞3, 莫锦秋1, 王石刚1. 基于伪Zernike矩不变量分析的视觉测力[J]. 上海交通大学学报（自然版）, 2013, 47(04): 589-593.
[13]	刘洪涛, 蒋如意, 胡文, 莫锦秋, 王石刚. 基于路面垂直轮廓B样条拟合的车辆运动估计偏移抑制[J]. 上海交通大学学报（自然版）, 2013, 47(04): 630-634.
[14]	李斌, 叶昊. 基于仿射几何不变量的鲁棒图像配准算法[J]. 上海交通大学学报（自然版）, 2012, 46(12): 1881-1884.
[15]	吕复强1, 王慧1, 刘泓2. 基于改进混合高斯模型的交通流背景检测算法[J]. 上海交通大学学报（自然版）, 2012, 46(12): 1920-1925.