您的位置:山东大学 -> 科技期刊社 -> 《山东大学学报(工学版)》

山东大学学报(工学版)

• 论文 • 上一篇    下一篇

QR Code在多种类物体识别与操作中的应用

穴洪涛, 田国会, 李晓磊,  路飞   

  1. 山东大学控制科学与工程学院,山东济南250061
  • 收稿日期:2007-05-24 修回日期:1900-01-01 出版日期:2007-12-24 发布日期:2007-12-24
  • 通讯作者: 穴洪涛

Application of the QR Code for various object identificationand manipulation

XUE Hongtao,TIAN Guohui,LI Xiaolei,LU Fei   

  1. School of Control Science and Engineering,Shandong University,Jinan 250061,China
  • Received:2007-05-24 Revised:1900-01-01 Online:2007-12-24 Published:2007-12-24
  • Contact: XUE Hongtao

摘要: 提出了一种基于QR Code的多种类物体识别和操作方法.家庭环境下物体种类繁多,形状各种各样,颜色也不尽相同,使用传统的图像处理的方法很难将目标物从背景图像中准确地分割出来.针对不同物体设计相应的QR Code标签,将对物体的识别转化为对QR Code标签的识别,可以大大减小计算量,提高识别精度和速度;同时还能够将足够多的操作信息(如抓取力、抓取位置等)记录在QR Code中,方便机器人实现对物品的准确操作;QR Code标签的定位由训练的基于Haar-like特征的层叠推进分类器检测实时图像来实现,实验表明该方法可以快速识别出目标物,具有很好的适用性和鲁棒性.

关键词: 物体识别, 图像处理, 快速响应矩阵码, 类海尔特征

Abstract: There are many objects with different shapes and colors in home environment. It is difficult to separate the target from the complicated background image using the traditional image processing method. QR Code tag was designed for each object, so the identification process of object was changed into the identification process of QR Code. This method can reduce the calculation work, and improve the identification precision and speed. Manipulation information (such as grasp force, grasp pose, etc.) can be simultaneously recorded in the QR Code. The robot can know how to manipulate the target by decoding the QR Code. The QR Code detection and localization were realized by the trained cascade of boosted classifiers based on Haarlike features. Experiments show that the proposed method can recognize the target with high adaptability and robustness.

Key words: objects identification, image processing, quick response code, haar-like feature

中图分类号: 

  • TP24
[1] 鲁志恒,霍延强,韩汶,杜聪,刘轶鹏,张宏博. 基于图像数据和碎石集料级配与用量的碎石集料空隙率快速检测方法[J]. 山东大学学报 (工学版), 2024, 54(6): 89-99.
[2] 岳仁峰,张嘉琦,刘勇,范学忠,李琮琮,孔令鑫. 基于颜色和纹理特征的立体车库锈蚀检测技术[J]. 山东大学学报 (工学版), 2024, 54(3): 64-69.
[3] 韩天雨,路长厚,李建美,尹昂,侯秋林. 利用图像处理技术测量丝杠螺距的机器视觉系统[J]. 山东大学学报 (工学版), 2022, 52(3): 80-85.
[4] 宋怀雷, 邬忠虎, 李利平, 娄义黎, 孙文吉斌, 刘镐, 左宇军. 基于数字图像的微观尺度下方解石脉对页岩各向异性的影响[J]. 山东大学学报 (工学版), 2021, 51(5): 91-99.
[5] 蔡国永,贺歆灏,储阳阳. 基于空间注意力和卷积神经网络的视觉情感分析[J]. 山东大学学报 (工学版), 2020, 50(4): 8-13.
[6] 宋士奇,朴燕,蒋泽新. 基于改进YOLOv3的复杂场景车辆分类与跟踪[J]. 山东大学学报 (工学版), 2020, 50(2): 27-33.
[7] 张宪红,张春蕊. 基于六维前馈神经网络模型的图像增强算法[J]. 山东大学学报(工学版), 2018, 48(4): 10-19.
[8] 孟令恒,丁世飞. 基于单静态图像的深度感知模型[J]. 山东大学学报(工学版), 2016, 46(3): 37-43.
[9] 邱晓欣1,2,张文强1,2*,秦晋贤1,2,杜正阳1,2,张德峰1,2. 恶劣环境下多目标实时跟踪算法研究[J]. 山东大学学报(工学版), 2014, 44(2): 21-27.
[10] 潘晟旻1,2,钟毅1*,王建华2. 基于改进Canny算子的坯料挤压变形边缘提取[J]. 山东大学学报(工学版), 2013, 43(5): 19-23.
[11] 徐姗姗,刘应安*,徐昇. 基于卷积神经网络的木材缺陷识别[J]. 山东大学学报(工学版), 2013, 43(2): 23-28.
[12] 王玉英1,张西忠2,杨森2. 基于新型矢量排序的soft多结构形态学彩色图像处理[J]. 山东大学学报(工学版), 2011, 41(2): 18-22.
[13] 李岳阳,王士同. 基于鲁棒性神经模糊网络的脉冲噪声滤波算法[J]. 山东大学学报(工学版), 2010, 40(5): 164-170.
[14] 浦剑1 ,张军平1 ,黄华2 . 超分辨率算法研究综述[J]. 山东大学学报(工学版), 2009, 39(1): 27-32.
[15] 姚福安,庞向坤,焦营营,王忠林,张锡满 . 基于三色法和BP神经网络的回转窑温度检测[J]. 山东大学学报(工学版), 2008, 38(2): 61-65 .
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
[1] 王素玉,艾兴,赵军,李作丽,刘增文 . 高速立铣3Cr2Mo模具钢切削力建模及预测[J]. 山东大学学报(工学版), 2006, 36(1): 1 -5 .
[2] 季涛,高旭,孙同景,薛永端,徐丙垠 . 铁路10 kV自闭/贯通线路故障行波特征分析[J]. 山东大学学报(工学版), 2006, 36(2): 111 -116 .
[3] 秦通,孙丰荣*,王丽梅,王庆浩,李新彩. 基于极大圆盘引导的形状插值实现三维表面重建[J]. 山东大学学报(工学版), 2010, 40(3): 1 -5 .
[4] 王,张艳宁,申家振,刘俊成 . 基于信息测度和支持向量机的图像边缘检测[J]. 山东大学学报(工学版), 2006, 36(3): 95 -99 .
[5] 张恭孝,杨荣华 . 水杨醛缩甲基氨基硫脲Schiff碱配合物的合成与表征[J]. 山东大学学报(工学版), 2008, 38(3): 108 -111 .
[6] 孙媛媛 徐衍亮 姚之宁. 旁磁制动单相感应电动机制动力的分析与计算[J]. 山东大学学报(工学版), 2009, 39(5): 120 -123 .
[7] 张道强. 知识保持的嵌入方法[J]. 山东大学学报(工学版), 2010, 40(2): 1 -10 .
[8] 周新虹,彭玉华,刘勇,曲怀敬 . 基于多尺度分析和SVM相关反馈的纹理图像检索[J]. 山东大学学报(工学版), 2008, 38(2): 45 -50 .
[9] 牛秀明,傅春华 . 炭在脉冲放电过程中对污水中有机物的降解作用[J]. 山东大学学报(工学版), 2008, 38(1): 121 -126 .
[10] 李春晓 岳钦艳 卢磊 高宝玉 杨忠莲 司晓慧 倪寿清 王元芳. 疏水缔合阳离子聚丙烯酰胺的合成与应用[J]. 山东大学学报(工学版), 2008, 38(6): 99 -104 .