一种中心线的偏差纠正方法、装置及存储介质与流程
1.本技术涉及视觉图像技术领域，具体而言，涉及一种中心线的偏差纠正方法、装置及存储介质。
背景技术：
2.随着智能制造的不断发展，需要对待检测产品中存在的划痕、胶路等条形轨迹进行检测，通过检测条形轨迹的中心线、条形轨迹的线宽等特征判断待检测产品的质量。
3.相关技术中，对于条形轨迹的中心线检测，通常通过不同的阈值对待测图像进行二值化，从二值化后的待测图像中将中心线分割出来。
4.然而，条形轨迹的像素和条形轨迹两侧的像素存在对比度的差异时，导致检测的中心线存在偏移。
技术实现要素：
5.为了解决条形轨迹的两侧的对比度存在差异导致的中心线偏移的问题，本技术提供了一种中心线的偏差纠正方法、装置及存储介质。
6.本技术的实施例是这样实现的：
7.本技术实施例的第一方面提供一种中心线的偏差纠正方法，该方法包括如下方法：
8.获取待测图像；
9.基于待测图像滤波后各像素点的偏导数，确定待测图像中条形轨迹的初始中心线；
10.基于条形轨迹的初始线宽和边缘点梯度比，确定偏差纠正模型，其中，初始线宽是基于初始中心线的各中心点对应第一边缘点和第二边缘点确定的，边缘点梯度比是根据第一边缘点的梯度和第二边缘点的梯度确定的；
11.基于偏差纠正模型，确定条形轨迹的目标中心线。
12.结合第一方面，在一种可能的实施方式中，基于条形轨迹的初始线宽和边缘点梯度比，确定偏差纠正模型，包括：
13.确定初始中心线的各中心点对应的第一边缘点和第二边缘点；
14.基于第一边缘点的位置和第二边缘点的位置，确定条形轨迹的初始线宽；
15.基于第一边缘点、第二边缘点和梯度图像，确定边缘点梯度比，梯度图像是通过待测图像滤波后各像素点的一阶偏导数确定的；
16.通过初始线宽、边缘点梯度比与目标半线宽、不对称度之间的映射关系，确定偏差纠正模型。
17.结合第一方面，在一种可能的实施方式中，偏差纠正模型按照包括如下映射关系：
[0018][0019]
式中，v为条形轨迹的初始线宽，er为第一边缘点的位置，e
l
为第二边缘点的位置，r为边缘点梯度比，w为目标半线宽，a为不对称度，f
′
为条形轨迹的截面模型与高斯函数的一阶导卷积，f
″
为条形轨迹的截面模型与高斯函数的二阶导卷积。
[0020]
结合第一方面，在一种可能的实施方式中，条形轨迹的截面模型按照下式计算获得：
[0021][0022]
式中，f(x)为条形轨迹的截面模型，w为目标半线宽，a为不对称度；
[0023]
或者，条形轨迹的截面模型为高斯型；
[0024]
或者，条形轨迹的截面模型为抛物线型。
[0025]
结合第一方面，在一种可能的实施方式中，基于偏差纠正模型，确定条形轨迹的目标中心线，包括：
[0026]
基于偏差纠正模型，确定目标半线宽和不对称度；
[0027]
基于目标半线宽和不对称度，确定初始中心线的纠正量；
[0028]
基于初始中心线的各中心点和纠正量，确定条形轨迹的目标中心线。
[0029]
结合第一方面，在一种可能的实施方式中，基于目标半线宽和不对称度，确定初始中心线的纠正量，纠正量是按照下式计算获得：
[0030][0031]
式中，l为纠正量，w为目标半线宽，a为不对成度，σ为待测图像滤波的平滑系数。
[0032]
结合第一方面，在一种可能的实施方式中，基于待测图像滤波后各像素点的偏导数，确定待测图像中条形轨迹的初始中心线，包括：
[0033]
基于待测图像滤波后各像素点的二阶偏导数，构建各像素点的第一曲线模型；
[0034]
基于各像素点的第一曲线模型和预设筛选阈值，确定待测图像的中心点；
[0035]
基于中心点，确定待测图像的初始中心线。
[0036]
结合第一方面，在一种可能的实施方式中，第一边缘点和第二边缘点的确定，包括：
[0037]
基于各中心点的法线，确定搜索线；
[0038]
基于搜索线和梯度图像，确定第一边缘点和第二边缘点，梯度图像是通过待测图像滤波后各像素点的一阶偏导数确定的。
[0039]
本技术实施例的第二方面提供一种中心线的偏差纠正装置，包括获取模块、中心线检测模块和偏差纠正模块；
[0040]
获取模块，用于获取待测图像；
[0041]
中心线检测模块，用于基于待测图像滤波后各像素点的偏导数，确定待测图像中
条形轨迹的初始中心线；
[0042]
偏差纠正模块，用于基于条形轨迹的初始线宽和边缘点梯度比，确定偏差纠正模型，其中，初始线宽是基于初始中心线的各中心点对应第一边缘点和第二边缘点确定的，边缘点梯度比是根据第一边缘点的梯度和第二边缘点的梯度确定的；
[0043]
偏差纠正模块，还用于基于偏差纠正模型，确定条形轨迹的目标中心线。
[0044]
本技术实施例的第三方面提供一种计算机存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时，使得处理器执行发明内容第一方面的中心线的偏差纠正方法的步骤。
[0045]
本技术的有益效果；通过对待测图像滤波，以及对滤波后待测图像中各像素点的偏导数，确定待测图像中条形轨迹的初始中心线；通过初始中心线的各中心点，可确定其对应的第一边缘点和第二边缘点；进一步根据第一边缘点和第二边缘点，可实现条形轨迹的初始线宽和边缘点梯度比的确定；通过基于条形轨迹的初始线宽和边缘点梯度比，实现确定偏差纠正模型，进而基于偏差纠正模型，确定条形轨迹的目标中心线。实现对中心线的偏差纠正，改善了中心线的准确度。
附图说明
[0046]
为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0047]
图1示出了一种待测图像中条形轨迹检测到的中心线示意图；
[0048]
图2示出了本技术实施例提供一种中心线的偏差纠正方法的流程示意图；
[0049]
图3示出了本技术实施例提供一种中心线的偏差纠正方法中条形轨迹的初始中心线确定的流程示意图；
[0050]
图4a示出了本技术实施例提供一种中心线的偏差纠正方法中条形轨迹的偏差纠正模型确定的流程示意图；
[0051]
图4b示出了本技术实施例一种中心线的偏差纠正方法中截面模型的示意图；
[0052]
图4c示出了本技术实施例一种中心线的偏差纠正方法中截面模型的示意图；
[0053]
图5示出了本技术实施例提供一种中心线的偏差纠正方法中条形轨迹的目标中心线确定的流程示意图；
[0054]
图6示出了图1所述待检测图中通过本技术实施例中心线的偏差纠正方法确定的目标中心线的示意图；
[0055]
图7示出了本技术实施例提供的一种中心线的偏差纠正装置的结构示意图。
具体实施方式
[0056]
为使本技术的目的、实施方式和优点更加清楚，下面将结合本技术示例性实施例中的附图，对本技术示例性实施方式进行清楚、完整地描述，显然，所描述的示例性实施例仅是本技术一部分实施例，而不是全部的实施例。
[0057]
需要说明的是，本技术中对于术语的简要说明，仅是为了方便理解接下来描述的
实施方式，而不是意图限定本技术的实施方式。除非另有说明，这些术语应当按照其普通和通常的含义理解。
[0058]
本技术中说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”等是用于区别类似或同类的对象或实体，而不必然意味着限定特定的顺序或先后次序，除非另外注明。应该理解这样使用的用语在适当情况下可以互换。
[0059]
术语“包括”和“具有”以及他们的任何变形，意图在于覆盖但不排他的包含，例如，包含了一系列组件的产品或设备不必限于清楚地列出的所有组件，而是可包括没有清楚地列出的或对于这些产品或设备固有的其它组件。
[0060]
在对本技术实施例提供的中心线的偏差纠正方法进行详细说明之前，先对本技术实施例的应用场景进行介绍。
[0061]
随着智能制造的不断发展，需要对待检测产品中存在的划痕、胶路等条形轨迹进行检测，通过检测条形轨迹的中心线等特征判断待检测产品的质量。
[0062]
其中，当条形轨迹的宽度足够小时，条形轨迹可相当于一条中心线，并通过这条中心线表示该条形轨迹。而当条形轨迹的宽度存在一定量时，条形轨迹存在与背景相邻处具有两条边缘线，而通过边缘线表征条形轨迹，而在当条形轨迹的检测是用于判断胶路的走向，划痕的长度等应用通过边缘线表征条形轨迹的特征精度低，此时，我们通过提取条形轨迹的中心线进行检测，因此，都可以通过中心线来表征条形轨迹。
[0063]
在对条形轨迹的中心线检测，通常通过不同的阈值对待测图像进行二值化，从二值化后的待测图像中将中心线分割出来；而条形轨迹的应用场景很多，部分存在条形轨迹的像素和条形轨迹两侧的像素存在对比度的差异时，会导致检测出的中心线存在偏移，图1示出了一种待测图像中条形轨迹检测到的中心线示意图，如图1所示，待测条形轨迹的像素和两侧的像素的对比度存在差异，通过上述的中心线检测，导致检测出的中心线o存在偏差，也就是说中心线偏向其中一条边缘线m，不能位于边缘线m和边缘线n的中间位置。
[0064]
为了解决中心线偏移的问题，本技术实施例提供了一种中心线的偏差纠正方法、装置及存储介质，中心线的偏差纠正方法，通过对待测图像滤波，以及对滤波后待测图像中各像素点的偏导数，确定待测图像中条形轨迹的初始中心线；然后，通过初始中心线的各中心点，可确定其对应的第一边缘点和第二边缘点；进而根据第一边缘点和第二边缘点，可实现条形轨迹的初始线宽和边缘点梯度比的确定；再通过基于条形轨迹的初始线宽和边缘点梯度比，实现确定偏差纠正模型，进而分析偏差纠正模型，确定条形轨迹的目标中心线。由此可见，本技术实施例通过对初始中心线的各中心点以及相关的边缘点信息，搭建偏差纠正模型，基于偏差纠正模型，确定纠正后的目标中心线，实现对中心线的偏差纠正，改善中心线的准确度。
[0065]
以下结合附图对本技术实施例的中心线的偏差纠正方法、装置及存储介质进行详细说明。
[0066]
图2示出了本技术实施例提供一种中心线的偏差纠正方法的流程示意图，如图2所示，本技术实施例提供一种中心线的偏差纠正方法。
[0067]
该中心线的偏差纠正方法包括以下步骤：
[0068]
s110、获取待测图像。
[0069]
待测图像是视觉检测系统拍摄的待检测产品的图像，其中可能存在条形轨迹，也
可能不存在条形轨迹。
[0070]
需要说明的是本技术实施例中所描述的条形轨迹，可以是划痕、可以胶路，也可以其他存在条形轨迹的其他检测，因此本技术实施例应用场景可以是缺陷检测、可以质量检测，本技术实施例对检测的应用场景不做限制。
[0071]
s120、基于待测图像滤波后各像素点的偏导数，确定待测图像中条形轨迹的初始中心线。
[0072]
其中，初始中心线是通过中心点确定的。
[0073]
对于待测图像滤波处理，可以是通过高斯函数求一阶偏导、二阶偏导，获得不同的高斯核，基于此分别对待测图像滤波处理，确定待测图像上每个像素点对应的一阶偏导数，进而获得每个像素点对应的二阶偏导数。
[0074]
例如，对于像素点d(x，y)，通过高斯函数滤波获得对应的一阶偏导数r
x
、ry，二阶偏导数r
xx
、r
xy
、r
yy
。
[0075]
在一些实施例中，可基于待测图像滤波后各像素点的一阶偏导数，确定梯度图像。梯度图像e(x，y)的表达式如下：
[0076][0077]
在一些实施例中，可以基于待测图像滤波后各像素点的二阶偏导数构建海森(hessian)矩阵，通过对hessian矩阵求解，得到图像中对应像素点的特征值和特征向量。hessian矩阵如下：
[0078][0079]
hessian矩阵是一个多元函数的二阶偏导数构成的方阵，且也是一个实对称矩阵，描述了各方向上灰度梯度变化，对hessian矩阵求解得到的两个特征值和对应的两个特征向量。其中两个特征向量的方向包括切线方向和法线方向。在使用对应点的hessian矩阵求取的特征向量以及对应的特征值，较大特征值所对应的特征向量是垂直于直线的，较小特征值对应的特征向量是沿着直线方向的。
[0080]
图3示出了本技术实施例提供一种中心线的偏差纠正方法中条形轨迹的初始中心线确定的流程示意图，如图3所示，对于步骤120基于待测图像滤波后各像素点的偏导数，确定待测图像中条形轨迹的初始中心线，包括以下步骤：
[0081]
s121、基于待测图像滤波后各像素点的二阶偏导数，构建各像素点的第一曲线模型。
[0082]
基于待测图像滤波后各像素点的二阶偏导数，确定各像素点的特征值和特征向量，其中，特征值至少包括两个初始特征值，特征向量至少包括两个初始特征向量。基于各像素点的特征值和特征向量，构建各像素点的第一曲线模型。其中，从像素点的初始特征值中筛选出绝对值最大的作为目标特征值；基于目标特征值和目标特征值对应的目标特征向量，确定像素点的第一曲线模型。
[0083]
应当理解的是像素点的第一曲线模型是一元二次多项式，通过对该一元二次方程求导，当导数为0时，则对应其极值点。
[0084]
s122、基于各像素点的第一曲线模型和预设筛选阈值，确定待测图像的中心点。
[0085]
应当理解的时基于构建的第一曲线模块，以及预设筛选阈值，从待测图像中确定
中心点，通过对中心点的确定，便于进一步确定中心线。
[0086]
当预设筛选阈值包括预设高阈值和预设低阈值时，对于步骤122基于各像素点的第一曲线模型和预设筛选阈值，确定待测图像的中心点，包括以下步骤：
[0087]
s1221、通过预设高阈值和预设低阈值对中心点进行筛选。
[0088]
将小于预设低阈值的中心点舍弃；将大于或等于预设高阈值的中心点作为备选起始点；将小于预设高阈值，且大于或等于预设低阈值的中心点作为备选连接点，被用于连接成线。
[0089]
s1222、根据备选起始点的特征值大小对备选起始点进行排序。
[0090]
s1223、排序后的备选起始点作为目标起始点。
[0091]
s1224、根据目标起始点的切向方向，获得相邻的三个像素点。
[0092]
在一些实施例中，相邻的三个像素点可以是相邻的三个中心点，若是三个中心点是，搜索的范围将进一步缩小。
[0093]
当第一次从备选起始点中选择目标起始点时，选择特征值最大的备选起始点作为目标起始点。若在第k次从备选起始点中选择目标起始点中选择目标起始点时，选择特征值排序后第j个备选起始点作为目标起始点，其中，k、j为正整数，且k大于1，j大于或等于k。
[0094]
在一些实施例中，若备选起始点中存在点作为连接点而使用，则在选取目标起始点时，将该备选起始点去除后，再确定目标起始点。
[0095]
在一些实施例中，备选起始点仅用于确定目标起始点，备选连接点仅用于确定目标连接点。
[0096]
在步骤1224之后，判断相邻的三个像素点对应的中心点中，是否存在大于或等于预设低阈值的，且与目标起始点或上一个目标连接点的距离最小，角度差最小。
[0097]
当判断的相邻的三个像素点是对应于目标起始点，则判断三个像素点对应的中心点中是否存在大于或等于预设低阈值，且与目标起始点距离最小，角度差最小的像素点。
[0098]
当判断的相邻的三个像素点是对应于目标连接点，则判断三个像素点对应的中心点中是否存在大于或等于预设低阈值，且与上一个目标连接点距离最小，角度差最小的像素点。
[0099]
若存在上述判断条件的像素点，执行s1225、将距离最小，角度差最小的像素点对应的中心点作为目标连接点，以及将更新的目标连接点的下一个目标连接点，重复步骤s1224。
[0100]
若不存在上述判断条件的像素点，执行步骤s1223，确定新的目标起始点，之后在基于新的目标起始点确定对应的一组目标连接点。
[0101]
通过上述过程，确定各条形轨迹的中心点，需要说明的是，通过上述方法确定的中心点可能对应一条中心线，也可以能是对应多条中心线；中心线可能的条数与确定的目标起始点的个数有关。
[0102]
如图3所示，还包括：s123、基于中心点，确定待测图像的初始中心线。
[0103]
根据中心点和中心点的切线方向，依次连接中心点，确定待测图像的初始中心线。
[0104]
如图2所示，还包括：s130、基于条形轨迹的初始线宽和边缘点梯度比，确定偏差纠正模型。
[0105]
其中，初始线宽是基于初始中心线的各中心点对应第一边缘点和第二边缘点确定
的，边缘点梯度比是根据第一边缘点的梯度和第二边缘点的梯度确定的。
[0106]
图4a示出了本技术实施例提供一种中心线的偏差纠正方法中条形轨迹的偏差纠正模型确定的流程示意图，如图4a所示，对于步骤130基于条形轨迹的初始线宽和边缘点梯度比，确定偏差纠正模型，包括如下步骤：
[0107]
s131、确定所述初始中心线的各中心点对应的第一边缘点和第二边缘点。
[0108]
其中，第一边缘点和第二边缘点的确定，可以通过基于各中心点的法线，确定搜索线；基于搜索线和梯度图像，确定第一边缘点和第二边缘点，具体如下：
[0109]
s1311、基于各中心点的法线，确定搜索线。
[0110]
中心线上的每个中心点具有方向性，在初始中心线上过各中心点，且沿中心点的法线，确定搜索线，通过预设长度确定搜索线的长度。
[0111]
在一些实施例中，搜索线的长度是通过滤波参数确定的。
[0112]
应当理解的是，搜索线是过中心点，且沿中心点的法线所在方向的线条。
[0113]
当搜索线为一条时，可通过设置过中心点的搜索线，该搜索线的长度是沿法线所在方向延伸到条形轨迹对应的两个边缘，该搜索线是一条直线。
[0114]
而当搜索线为两条时，可过中心点，沿中心点的法线方向确定一条搜索线，这条搜索线延伸到条形轨迹对应一侧的边缘；沿法线方向的相反方向确定另一条搜索线，而这条搜索线延伸到条形轨迹对应另一侧的边缘；其中，一条搜索线和另一条搜索线共线设置。
[0115]
在一些实施例中，当搜索线包括第一搜索线和第二搜索线时，基于各中心点的法线，确定搜索线，包括：
[0116]
过各中心点，且沿中心点的法线方向，确定第一搜索线；过各中心点，且沿中心点的法线方向的相反方向，确定第二搜索线。
[0117]
其中，第一搜索线的长度是通过滤波参数与预设系数确定的，且第一搜索线与第二搜索线的长度相同。
[0118]
上述各情况下的搜索线可以是基于bresenham算法确定，也可以是其他直线扫描转换相关的算法确定。
[0119]
在一些实施例中，以中心点作为搜索线的起点，以中心点的法线方向作为第一搜索线的方向，以中心点的法线方向的相反方向作为第二搜索线的方向，将滤波参数的l倍作为第一搜索线和第二搜索线的长度，基于此，通过bresenham算法确定第一搜索线和第二搜索线；其中，l为系数。
[0120]
其中，滤波参数可以是高斯滤波函数的平滑程度参数σ，用于表征平滑程度的平滑系数。
[0121]
应当理解的是，高斯滤波器宽度，决定平滑程度；平滑程度是由参数σ表征的，而且σ和平滑程度的关系为：参数σ越大，高斯滤波器的频带就越宽，平滑程度就越好。
[0122]
在一些实施例中，当搜索线包括第一搜索线和第二搜索线时，第一搜索线或第二搜索线的长度可以是1.5σ～5σ；当搜索线只有一条时，该搜索线的长度可以是3σ～10σ。
[0123]
由此可知，上述各情况下的搜索线与中心线垂直设置。
[0124]
s1312、基于搜索线和梯度图像，确定第一边缘点和第二边缘点。
[0125]
通过搜索线确定边缘点，可以通过确定搜索线在梯度图像上对应的极大值点，作为边缘点，具体如下：
[0126]
首次，对于搜索线上的各搜索点，基于预设掩膜，确定实对称矩阵。
[0127]
利用预设尺寸的掩膜，可对每个搜索点及其周围的点拟合，根据拟合后的方程确定实对称矩阵。
[0128]
在一些实施例中，当掩膜20的尺寸为3*3时，即对每个搜索点(x，y)及对应的八邻域组成的九个点可拟合出如下公式：
[0129]
f(x，y)＝k1x+k2y+k3x2+k4xy+k5y2[0130]
式中，k1、k2、k3、k4、k5为方程的系数。
[0131]
利用系数k3、k4、k5组成如下矩阵：
[0132][0133]
通过对上述矩阵求解，得到该矩阵的特征值和特征向量。
[0134]
其次，基于实对称矩阵，确定梯度图像的梯度值的第二曲线模型，第二曲线模型实是沿实对称矩阵的最大特征值对应的特征向量的方向确定的。
[0135]
其中，梯度图像是通过待测图像滤波后各像素点的一阶偏导数确定的。
[0136]
通过对实对称矩阵求解，得到该矩阵的特征值和特征向量，选择特征值中最大的特征值，以及该特征值对应的特征向量，沿该特征向量的方向确定第二曲线模型。
[0137]
最后、基于第二曲线模型，确定边缘点。
[0138]
对第二曲线模型求导，当导数为0时，获得梯度的极大值点，对应的边缘点(p
x
，py)为：
[0139]
(p
x
，py)＝(x0+tn
x
，y0+tny)
[0140]
式中，x0、y0为像素点，n
x
、ny为最大特征值对应的特征向量。
[0141]
其中，t通过如下表达式确定：
[0142][0143]
式中，k1、k2、k3、k4、k5为上述拟合方程的系数，n
x
、ny为最大特征值对应的特征向量。
[0144]
通过掩膜拟合求边缘点的方式，减少计算量，提高处理速度以及效率。
[0145]
需要说明的，本技术实施例对于第一边缘点、第二边缘点的确定不局限于上述的方法，还包括其他已知的边缘点的确定方法。
[0146]
如图4a所示，还包括：s132、基于所述第一边缘点的位置和所述第二边缘点的位置，确定条形轨迹的初始线宽。
[0147]
通过上述确定的第一边缘点和第二边缘点，进一步的通过第一边缘点的位置对应的坐标和第二边缘点的位置对应的坐标，确定条形轨迹的初始线宽。
[0148]
s133、基于所述第一边缘点、所述第二边缘点和梯度图像，确定边缘点梯度比，所述梯度图像是通过所述待测图像滤波后各像素点的一阶偏导数确定的。
[0149]
将初始线宽、第一边缘点的位置和第二边缘点的位置，通过梯度图像确定第一边缘点的梯度rr和第二边缘点的梯度r
l
，则边缘点梯度比为r＝rr/r
l
。
[0150]
s134、基于条形轨迹的初始线宽和边缘点梯度比，确定偏差纠正模型。
[0151]
通过初始线宽、边缘点梯度比与目标半线宽、不对称度之间的映射关系，确定偏差
纠正模型。
[0152]
其中，偏差纠正模型f：(v，r)
→
(w，a)，按照包括如下映射关系：
[0153][0154]
式中，v为条形轨迹的初始线宽，er为第一边缘点的位置，e
l
为第二边缘点的位置，r为边缘点梯度比，w为目标半线宽，a为不对称度，f
′
为条形轨迹的截面模型与高斯函数的一阶导卷积，f
″
为条形轨迹的截面模型与高斯函数的二阶导卷积。
[0155]
图4b示出了本技术实施例一种中心线的偏差纠正方法中截面模型的示意图，如图4b所示，展示了第一边缘点的位置er，第二边缘点的位置e
l
和初始中心线上对应中心点a之间的位置关系。
[0156]
其中，条形轨迹的截面模型按照下式计算获得：
[0157][0158]
式中，f(x)为条形轨迹的截面模型，w为目标半线宽，a为不对称度。
[0159]
图4c示出了本技术实施例一种中心线的偏差纠正方法中截面模型的示意图，如图4c所示，展示了该截面模型下的示意图。
[0160]
或者，所述条形轨迹的截面模型为高斯型，按照下式计算获得：
[0161][0162]
式中，f(x)为条形轨迹的截面模型，w为目标半线宽，a为不对称度。
[0163]
或者，所述条形轨迹的截面模型为抛物线型，按照下式计算获得：
[0164][0165]
式中，f(x)为条形轨迹的截面模型，w为目标半线宽，a为不对称度。
[0166]
上述不同的截面模型适用于不同场景下的线条检测，高斯型适用于边缘模糊场景，而抛物型适用于边缘税利场景。
[0167]
如图2所示，还包括：s140、基于偏差纠正模型，确定条形轨迹的目标中心线。
[0168]
通过对偏差纠正模型的计算，可以获取未知量目标半线宽和不对称度，并通过目标半线宽和不对称度，确定初始中心线的纠正量，在初始中心线的各中心点上加上对应的纠正量，即可完成对初始中心线的偏差纠正，进而得到目标中心线。
[0169]
图5示出了本技术实施例提供一种中心线的偏差纠正方法中条形轨迹的目标中心线确定的流程示意图，如图5所示，对于步骤140基于偏差纠正模型，确定条形轨迹的目标中
心线，包括如下步骤：
[0170]
s141、基于偏差纠正模型，确定目标半线宽和不对称度。
[0171]
在偏差纠正模型中，具有已知变量初始线宽、边缘点梯度比，未知变量目标半线宽、不对称度，因此，将各中心点对应的初始线宽、边缘点梯度比带入到偏差纠正模型中，利用非线性求解的方法，即可确定该中心点的目标半线宽、不对称度。
[0172]
那么此时，可确定条形轨迹的目标线宽，目标线宽为目标半线宽的两倍。
[0173]
在一些实施例中，可以基于偏差纠正模型初始线宽、边缘点梯度比与目标半线宽、不对称度之间的映射关系，确定初始线宽、边缘点梯度比与目标半线宽、不对称度之间映射表，对于已知的初始线宽、边缘点梯度比可通过插值的方法确定目标半线宽、不对称度。
[0174]
其中，映射表可通过预设区间，以及预设数据间隔进行搭建。例如，条形轨迹的初始线宽取值范围为[2，6]，初始线宽的间隔为0.1，边缘点梯度比取值范围为[0，1]，初始线宽的间隔为0.05。
[0175]
s142、基于目标半线宽和不对称度，确定初始中心线的纠正量。
[0176]
其中，纠正量是按照下式计算获得：
[0177][0178]
式中，l为纠正量，w为目标半线宽，a为不对成度，σ为待测图像滤波的平滑系数。
[0179]
s143、基于初始中心线的各中心点和纠正量，确定条形轨迹的目标中心线。
[0180]
在初始中心线的各中心点上加上对应的纠正量，实现对该中心点的偏差纠正，当初始中心线上所有的中心点均通过对应的纠正量纠正后，即可完成对初始中心线的偏差纠正，进而得到目标中心线。
[0181]
图6示出了图1所述待检测图中通过本技术实施例中心线的偏差纠正方法确定的目标中心线的示意图，如图6所示，通过上述方法，对初始中心线进行纠正，得到位于边缘线m和边缘线n中间的目标中心线p，相比与图1中的中心线o，通过对中心线上各中心点的偏差纠正，改善中心线的准确度。
[0182]
本技术实施例提供一种中心线的偏差纠正方法，通过对待测图像滤波，以及对滤波后待测图像中各像素点的偏导数，确定待测图像中条形轨迹的初始中心线；通过初始中心线的各中心点，可确定其对应的第一边缘点和第二边缘点；进一步根据第一边缘点和第二边缘点，可实现条形轨迹的初始线宽和边缘点梯度比的确定；通过基于条形轨迹的初始线宽和边缘点梯度比，实现确定偏差纠正模型，进而基于偏差纠正模型，确定条形轨迹的目标中心线。实现对中心线的偏差纠正，改善了中心线的准确度。
[0183]
图7示出了本技术实施例提供的一种中心线的偏差纠正装置的结构示意图，如图7所示，中心线的偏差纠正装置700包括获取模块710、中心线检测模块720和偏差纠正模块730。
[0184]
获取模块，用于获取待测图像。
[0185]
中心线检测模块，用于基于待测图像滤波后各像素点的偏导数，确定待测图像中条形轨迹的初始中心线。
[0186]
偏差纠正模块，用于基于条形轨迹的初始线宽和边缘点梯度比，确定偏差纠正模型，其中，初始线宽是基于初始中心线的各中心点对应第一边缘点和第二边缘点确定的，边
缘点梯度比是根据第一边缘点的梯度和第二边缘点的梯度确定的；还用于基于偏差纠正模型，确定条形轨迹的目标中心线。
[0187]
在一些实施例中，偏差纠正模块中的基于条形轨迹的初始线宽和边缘点梯度比，确定偏差纠正模型，包括：
[0188]
确定初始中心线的各中心点对应的第一边缘点和第二边缘点；基于第一边缘点的位置和第二边缘点的位置，确定条形轨迹的初始线宽；基于第一边缘点、第二边缘点和梯度图像，确定边缘点梯度比，梯度图像是通过待测图像滤波后各像素点的一阶偏导数确定的；通过初始线宽、边缘点梯度比与目标半线宽、不对称度之间的映射关系，确定偏差纠正模型。
[0189]
在一些实施例中，偏差纠正模块中的偏差纠正模型按照包括如下映射关系：
[0190][0191]
式中，v为条形轨迹的初始线宽，er为第一边缘点的位置，e
l
为第二边缘点的位置，r为边缘点梯度比，w为目标半线宽，a为不对称度，f
′
为条形轨迹的截面模型与高斯函数的一阶导卷积，f
″
为条形轨迹的截面模型与高斯函数的二阶导卷积。
[0192]
在一些实施例中，偏差纠正模块中的条形轨迹的截面模型按照下式计算获得：
[0193][0194]
式中，f(x)为条形轨迹的截面模型，w为目标半线宽，a为不对称度；
[0195]
或者，条形轨迹的截面模型为高斯型；或者，条形轨迹的截面模型为抛物线型。
[0196]
在一些实施例中，偏差纠正模块中的基于偏差纠正模型，确定条形轨迹的目标中心线，包括：
[0197]
基于偏差纠正模型，确定目标半线宽和不对称度；基于目标半线宽和不对称度，确定初始中心线的纠正量；基于初始中心线的各中心点和纠正量，确定条形轨迹的目标中心线。
[0198]
在一些实施例中，偏差纠正模块中的基于目标半线宽和不对称度，确定初始中心线的纠正量，纠正量是按照下式计算获得：
[0199][0200]
式中，l为纠正量，w为目标半线宽，a为不对成度，σ为待测图像滤波的平滑系数。
[0201]
在一些实施例中，中心线检测基于待测图像滤波后各像素点的偏导数，确定待测图像中条形轨迹的初始中心线，包括：
[0202]
基于待测图像滤波后各像素点的二阶偏导数，构建各像素点的第一曲线模型；基于各像素点的第一曲线模型和预设筛选阈值，确定待测图像的中心点；基于中心点，确定待测图像的初始中心线。
[0203]
在一些实施例中，偏差纠正模块中第一边缘点和第二边缘点的确定，包括：
[0204]
基于各中心点的法线，确定搜索线；基于搜索线和梯度图像，确定第一边缘点和第二边缘点，梯度图像是通过待测图像滤波后各像素点的一阶偏导数确定的。
[0205]
本技术实施例提供一种中心线的偏差纠正装置，包括获取模块、中心线检测模块和偏差纠正模块，通过对待测图像滤波，以及对滤波后待测图像中各像素点的偏导数，确定待测图像中条形轨迹的初始中心线；通过初始中心线的各中心点，可确定其对应的第一边缘点和第二边缘点；进一步根据第一边缘点和第二边缘点，可实现条形轨迹的初始线宽和边缘点梯度比的确定；通过基于条形轨迹的初始线宽和边缘点梯度比，实现确定偏差纠正模型，进而基于偏差纠正模型，确定条形轨迹的目标中心线。实现对中心线的偏差纠正，改善了中心线的准确度。
[0206]
本技术实施例还提供的计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序，该计算机程序用于实现上述中心线的偏差纠正方法，实现原理和技术效果与上述方法实施例类似，在此不再赘述。
[0207]
本技术实施例还提供一种计算机存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行上述中心线的偏差纠正方法，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
[0208]
以下段落将对本技术说明书中涉及的中文术语、及其对应的英文术语进行对比罗列，以便于阅读、理解。
[0209]
为了方便解释，已经结合具体的实施方式进行了上述说明。但是，上述在一些实施例中讨论不是意图穷尽或者将实施方式限定到上述公开的具体形式。根据上述的教导，可以得到多种修改和变形。上述实施方式的选择和描述是为了更好的解释原理以及实际的应用，从而使得本领域技术人员更好的使用实施方式以及适于具体使用考虑的各种不同的变形的实施方式。
技术特征：
1.一种中心线的偏差纠正方法，其特征在于，包括：获取待测图像；基于待测图像滤波后各像素点的偏导数，确定所述待测图像中条形轨迹的初始中心线；基于条形轨迹的初始线宽和边缘点梯度比，确定偏差纠正模型，其中，所述初始线宽是基于所述初始中心线的各中心点对应第一边缘点和第二边缘点确定的，所述边缘点梯度比是根据所述第一边缘点的梯度和所述第二边缘点的梯度确定的；基于所述偏差纠正模型，确定所述条形轨迹的目标中心线。2.根据权利要求1所述的中心线的偏差纠正方法，其特征在于，所述基于所述条形轨迹的初始线宽和边缘点梯度比，确定偏差纠正模型，包括：确定所述初始中心线的各中心点对应的第一边缘点和第二边缘点；基于所述第一边缘点的位置和所述第二边缘点的位置，确定条形轨迹的初始线宽；基于所述第一边缘点、所述第二边缘点和梯度图像，确定边缘点梯度比，所述梯度图像是通过所述待测图像滤波后各像素点的一阶偏导数确定的；通过所述初始线宽、所述边缘点梯度比与目标半线宽、不对称度之间的映射关系，确定偏差纠正模型。3.根据权利要求1或2所述的中心线的偏差纠正方法，其特征在于，所述偏差纠正模型按照包括如下映射关系：式中，v为条形轨迹的初始线宽，e
r
为第一边缘点的位置，e
l
为第二边缘点的位置，r为边缘点梯度比，w为目标半线宽，a为不对称度，f
′
为条形轨迹的截面模型与高斯函数的一阶导卷积，f
″
为条形轨迹的截面模型与高斯函数的二阶导卷积。4.根据权利要求3所述的中心线的偏差纠正方法，其特征在于，所述条形轨迹的截面模型按照下式计算获得：式中，f(x)为条形轨迹的截面模型，w为目标半线宽，a为不对称度；或者，所述条形轨迹的截面模型为高斯型；或者，所述条形轨迹的截面模型为抛物线型。5.根据权利要求1所述的中心线的偏差纠正方法，其特征在于，基于所述偏差纠正模型，确定所述条形轨迹的目标中心线，包括：基于所述偏差纠正模型，确定目标半线宽和不对称度；基于所述目标半线宽和所述不对称度，确定所述初始中心线的纠正量；基于所述初始中心线的各中心点和所述纠正量，确定所述条形轨迹的目标中心线。6.根据权利要求5所述的中心线的偏差纠正方法，其特征在于，所述基于所述目标半线
宽和所述不对称度，确定所述初始中心线的纠正量，所述纠正量是按照下式计算获得：式中，l为纠正量，w为目标半线宽，a为不对成度，σ为待测图像滤波的平滑系数。7.根据权利要求1所述的中心线的偏差纠正方法，其特征在于，所述基于待测图像滤波后各像素点的偏导数，确定所述待测图像中条形轨迹的初始中心线，包括：基于所述待测图像滤波后各像素点的二阶偏导数，构建各像素点的第一曲线模型；基于各像素点的第一曲线模型和预设筛选阈值，确定所述待测图像的中心点；基于所述中心点，确定所述待测图像的初始中心线。8.根据权利要求1或2所述的中心线的偏差纠正方法，其特征在于，所述第一边缘点和所述第二边缘点的确定，包括：基于各所述中心点的法线，确定搜索线；基于所述搜索线和梯度图像，确定所述第一边缘点和所述第二边缘点，所述梯度图像是通过所述待测图像滤波后各像素点的一阶偏导数确定的。9.一种中心线的偏差纠正装置，其特征在于，包括：获取模块，用于获取待测图像；中心线检测模块，用于基于待测图像滤波后各像素点的偏导数，确定所述待测图像中条形轨迹的初始中心线；偏差纠正模块，用于基于条形轨迹的初始线宽和边缘点梯度比，确定偏差纠正模型，其中，所述初始线宽是基于所述初始中心线的各中心点对应第一边缘点和第二边缘点确定的，所述边缘点梯度比是根据所述第一边缘点的梯度和所述第二边缘点的梯度确定的；所述偏差纠正模块，还用于基于所述偏差纠正模型，确定所述条形轨迹的目标中心线。10.一种计算机存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行权利要求1至8中任一项所述的中心线的偏差纠正方法的步骤。
技术总结
本申请涉及视觉图像技术领域，具体而言，涉及一种中心线的偏差纠正方法、装置及存储介质，一定程度上可以解决中心线偏移的问题。通过对待测图像滤波，以及对滤波后待测图像中各像素点的偏导数，确定待测图像中条形轨迹的初始中心线；通过初始中心线的各中心点，可确定其对应的第一边缘点和第二边缘点；进一步根据第一边缘点和第二边缘点，可实现条形轨迹的初始线宽和边缘点梯度比的确定；通过基于条形轨迹的初始线宽和边缘点梯度比，实现确定偏差纠正模型，进而基于偏差纠正模型，确定条形轨迹的目标中心线。实现对中心线的偏差纠正，改善了中心线的准确度。了中心线的准确度。了中心线的准确度。
