一种提高工件上角点检测准确率的方法

角点是对目标物体进行三维重建的基础，但传统的Harris角点检测技术在识别工件的角点过程中识别准确率低。针对这一问题，本文以液压气缸法兰板为研究对象，提出一种更高准确率的角点检测方法。首先，对图像进行边缘检测，用Canny算子结合OTSU自适应阈值来提高对工件图像边缘识别的准确度；其次，利用八邻域轮廓跟踪法提取出工件边缘轮廓；最后，检查每个工件边缘像素点的周围八个像素点，根据其分布特点，判断出真实角点位置。研究结果表明，该角点检测方法与传统的Harris角点检测方法相比，角点检测的准确率得到了明显提高。

角点的检测在对图像进行分析和理解中起着重要的作用。目前常用的角点检测算法[1]主要有基于灰度图形的角点检测算法、基于二值图像的角点检测算法以及基于轮廓曲线的角点检测算法。其中基于二值图像的角点检测算法因不能满足准确度要求用的较少。

王建琦[2]采用了在方形窗边界上的线性插值的方法，计算出边缘角，通过它来对角点候选点作进一步的筛选从而提高角点识别的准确率。但是该算法需要人工选取阈值耗时长，抗噪性能也有待提升；赵万金[3]提出在不影响Harris 角点检测算法计算简便性和稳定性的前提下，避免了原算法中因阈值选取而带来的不便解决了角点聚簇问题，但存在关键角点识别不全的问题，从而影响到后续图像匹配的结果；王崴[4]提出了改进的Harris 算法。该算法分析了目标像素点8-邻域内的灰度分布，计算与之相似的像素点数目(K)，通过分析K 的取值，剔除一些非角点像素点。识别时间大大缩短但是没有对识别准确率进行对比分析；毛雁明[5]通过对同一图像不同阈值的角点信息进行对比能够很好地解决角点信息丢失和位置偏移且去除部分伪角点，但是识别出的角点结果中也存在着伪角点，角点检测的准确率并没有很大的提高，但相比Harris 角点检测效果好；龚平[6]通过对图像像素点的Rharris 值拟合曲线在X 方向和Y 方向上“波峰”的分析，直接检测出角点，避免了Harris 算法依靠经验选择阈值的不确定性而带来的角点丢失或冗余，该算法虽然检测出了Harris 角点检测所没有识别出来的湖面上的交点，但是天空中不是角点部分也被误识别为交点，角点识别的准确率并没有很大提高；张从鹏[7]提出了一种基于Harris 角点检测的矩形识别技术，直接通过检测矩形的特征点来完成矩形的检测。能够准确、快速地检测出矩形，实时性高，但是检测结果会受到角点质量的干扰。

针对Harris 角点检测的种种不足，本文基于轮廓曲线跟踪算法，提出一钟新的角点检测方法以提高角点检测的准确率。首先，利用Canny 算子对采集到的工件图像进行边缘检测；再基于八邻域轮廓跟踪算法提取出边缘识别后的工件轮廓曲线；最后，针对提取出的工件边缘轮廓特点利用创新的角点检测技术识别出工件角点。本文定量研究了传统的Harris 角点检测算法和该创新的角点检测算法针对同一工件的角点检测准确率。

2. 利用Canny 算子检测图像边缘 本研究针对Canny 算子对识别水平和垂直边缘效果最好的特点选用Canny 算子[8]结合OTSU 自适应