(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211265339.5 (22)申请日 2022.10.17 (71)申请人 太原理工大 学 地址 030000 山西省太原市迎泽西大街79 号 (72)发明人 李子良　张金柱　王涛　白建鑫　 熊晓燕　黄庆学　 (74)专利代理 机构 太原中正和专利代理事务所 (普通合伙) 14116 专利代理师 焦进宇 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/30(2022.01) G06V 10/44(2022.01) G06V 10/762(2022.01)G06V 10/764(2022.01) (54)发明名称 一种新型圆检测方法 (57)摘要 本发明是一种新型圆检测方法， 属于模式识 别算法领域， 旨在尝试解决传统圆检测算法中由 于遮挡、 噪声和 复杂场景等带来的不稳定问题； 本发明方法通过初次圆参数邻域密度聚类把属 于同一个圆的多数圆弧聚为一类， 生成虚拟连通 区域， 然后对虚拟连通区域进行圆参数的二次计 算和聚类， 实现更为精准的获取每个圆的圆参数 计算， 最后对圆参数进行验证， 得到了真实的圆 参数数据； 实验结果表明该算法抗干扰性好、 准 确率高、 鲁棒 性强等特点。 权利要求书3页 说明书9页 附图7页 CN 115511865 A 2022.12.23 CN 115511865 A 1.一种新型圆检测方法， 其特 征在于： 按照以下步骤进行： 步骤1)角点检测及腐蚀 先采用Harris角点检测方法对角点位置进行检测， 并对角点位置进行腐蚀， 使得原始 图像中的交点和有折线的位置 完全断开； 步骤2)连通区域标记 将角点位置腐蚀后， 为了准确检测图像中的圆， 对腐蚀后的图像按如下步骤进行连通 区域标记： 2.1用ImageEdge表示二值图像， 用ImageLabel表示标记矩阵， LValue表示标记变量， 初 始值设为LValue＝2， 找到二值图像ImageEdge上像素值为1的第一个点， 将该位置标记为 ImageLabel(i,j)＝LValue， 之后， 搜索该像素点的8邻域内所有像素值为1的像素点坐标， 并将像素点的坐标信息保存 入堆栈空间； 2.2取出步骤2.1中堆栈空间 的一个位置点， 并将标记矩阵ImageL abel的该位置点置为 LValue， 同时搜索该位置点的8邻域内所有像素值为1像素点坐标， 并相应坐标信息保存入 堆栈空间； 2.3重复步骤2.2， 直至取出所有的堆栈中存储的点坐标信息， 完成一次8邻域连通区域 的标记； 2.4寻找二值图像中下一个像素值为1的像素点， 并更新标记变量LValue＝LValue+1， 将标记矩阵ImageLabel的该位置点置为LValue， 之后， 继续搜索该像素点的8邻域内所有像 素值为1的像素点， 并将像素点的坐标信息保存入堆栈空间， 转入步骤2.2， 直至二值图像 ImageEdge中所有为1的像素点均被遍历， 完成连通区域的标记， 得到标记 矩阵ImageLabel； 2.5统计标记矩阵ImageL abel中的每个连通区域的大小， 设定连通区域的提取阈值， 阈 值一般设为20， 低于阈值的连通区域删除， 删除后得到新的标记 矩阵记为FIma geLabel； 步骤3)连通区域圆参数计算 为了准确的检测复杂背景下的圆， 根据已经得到的连通区域的标记结果， 进行圆参数 的具体计算， 具体步骤如下： 3.1提取标记图像FIma geLabel中的一 块连通域Ci； 3.2在连通区域Ci上随机取一点 然后在与点 距离大于等于1/3长度位置的同一连 通区域上随机取第二个点 最后在与 两个点的距离都大于等于1/3长度位置的 同一连通区域上随机取 上第三个点 3.3根据连通区域的圆参 数的定义， 可计算得 三个点确定的圆的圆参 数(x, y,r)， 为了减小计算量， 避免三个点在近似的一条直线 上可能出现超大值的问题， 算法要求 (x,y,r)需满足公式(9)， 同时将连通区域的标记号加入满足式子(9)圆参数(x,y,r)数据 中， 得到(x,y,r,Ci)并存储， 其中Ci是连通区域的标记号， W是图像宽度， H是图像高度， 每块 连通区域得到圆参数的总数一般连通区域大小的3倍。 3.4取出标记图像FImageLabel的下一块连通区域Ci+1， 转到步骤3.2， 继续计算新的连 通区域的圆参数， 直至遍历了所有连通区域， 完成所有连通区域的圆参数计算。权　利　要　求　书 1/3 页 2 CN 115511865 A 2步骤4)计算圆参数 数据的密度分布 根据圆参数的密度定义， 计算圆参数 数据的密度分布， 具体步骤如下： 4.1根据圆参数的X、 Y、 Z三个坐标轴的最大值MaxX、 MaxY、 MaxZ与最小值MinX、 MinY、 MinZ， 以间隔G将圆参数 数据划分为多个密度立方块； 4.2依据公式(7)求取每 个密度立方块的密度值， 其中， Nj为立方块j内的数据di,j的个数， G为 立方块的边长； 4.3建立有效密度块存储空间， 根据有效密度块公式(8)计算每一个密度立方块的有效 性， 有效的置1， 无效的清零； 其中， DTH为密度阈值， 按公式(8)将大于等于阈值DTH的密度块EDj称为有效密度块， 并置 1， 小于阈值DTH的密度块EDj称为无效密度块， 并清零； 步骤5)邻域聚密度类法 得到了有效密度块后， 圆参数的数据量减小了很多， 为了进一步确定这些圆参数数据 所属的圆， 利用邻域聚类法进行计算， 具体步骤如下： 5.1邻域定义： 三维空间3 ×3×3的邻域中共有27个元素， 中心核心元素周围共有26个 元素相邻； 5.2初始化邻域聚类簇数k ＝2， 初始化未访问样本集 合Γ＝ED， 簇划分C＝φ； 5.3在有效密度块ED上的随机选择一个有效密度块A1， 初始化当前簇样本集合Ck‑1＝ {A1},更新未访问样 本集合Γ＝Γ ‑{A1}， 搜索该有效密度块A1的邻域内所有的有效密度块， 并保存A1所有邻域内的有效密度块的位置信息； 5.4取出保存的一个有效密度块Ai， 同时搜索该有效密度块Ai的邻域内所有的有效密度 块， 并相应有效密度块的位置信息 一并保存， 更新当前簇样本集合Ck‑1＝{A1,Ai}和未访问样 本集合Γ＝Γ ‑{A1,Ai}； 5.5重复步骤5.4， 直至取出所有的存储空间中的有效密度块， 当前邻域的有效密度块 聚类簇Ck‑1生成完毕； 5.6若Γ＝φ， 则算法结束， 否则更新簇划分C＝{C1,C2,…,Ck‑1}， 更新k＝k+1， 转入步骤 5.3； 5.7完成有效密度块聚类后， 根据有效密度块的聚类编号， 将相应的密度块内的数据 给 一相同聚类编号， 即完成了圆参数 数据的聚类操作； 步骤6)优化密度聚类结果 当前每个有 效的圆参数数据均有其分类标记号， 统计类标记号相同的圆参数数据占总 数据量的百分比DPi， 设定阈值DPTH， 则按公式(10)优化分类数据， 优化后， 基本去除了有效 密度块的噪声点， 留下了集中在一起的圆参数数据， 再对保留的圆参数数据进行重新标记 分类号； 权　利　要　求　书 2/3 页 3 CN 115511865 A 3