1. 研究目的与意义（文献综述）

机器视觉是机器人获取外界信息的一种方法，通过对图像的像素分布、强度以及颜色等信息的分析与研究，实现了对目标的识别、检测和测量等功能，最后把分析的结果给控制设备，然后开始后面的操作。

传统的打标系统中，利用导槽对产品进行位置修正，再通过激光打标机机打标。这种方式一种导槽只能对应一种需要打标的产品，在一条流水线上很难实现多种产品的打标。智能打标系统中，可以利用机器视觉技术对多种需要打标的产品进行识别与定位，一条流水线上可以任意摆放多种需要打标的产品，通过视觉处理得到产品的型号与位置信息，将此信息发送到激光打标机，激光打标机就可以正确的打标。其中关键的技术就是目标识别与定位，识别与定位的准确性直接影响打标系统的整体性能。机器视觉以其优良的精确性、客观性、可重复性和易于信息集成的特性，可以作为以上问题的解决方案，目标识别与定位是大部分机器视觉系统的基本要求。

目标识别要求机器视觉系统能够在多个不同类别的目标中找到特定类别的目标，包括相同类别的目标识别、不同类别的目标识别这两方面的要求。目标的定位指识别了目标所属的类别后，还需得到目标的位置信息。在目标发生线性形变而造成几何形状不同，即平移、旋转与尺寸变化时，识别算法必须能够给克服这种影响，把目标归为正确的类别。目标识别除了满足平移、选择和尺度不变性的基本要求外，往往还需要对一定范围内的非线性变化具有鲁棒性。非线性变化主要包括仿射变换、非刚性运动、遮挡和图像噪声导致分割错误等引起的形状变化。目前并没有一种通用的方法能够很好地同时处理以上非线性形变问题，对非线性形变目标进行识别一直都是目标识别领域的研究热点。

2. 研究的基本内容与方案

一、一、基本内容

1、基于轮廓分段的思想，将识别算法分为粗匹配和精匹配两部分，形状间的相似度由这两部分的结果加权得到，识别算法对形状具有较好的全局和局部信息描述能力。

2、为了增强算法对噪声和非线性形变的适应能力，采取最小外接矩形的特征点提取方法，并以最小外接矩形的形心作为目标的中心，由此构造对形变具有较好鲁棒性的特征描述子。

3. 研究计划与安排

第1周—第2周：搜集资料，分析题目的研究现状，学习基本理论；

第3周：阅读文献，撰写开题报告，英文文献翻译；

第4周—第5周：了解基于轮廓分段的目标识别与定位算法的原理，确定实施的方案，论文开题；

4. 参考文献（12篇以上）

[1] Wu W Y.A simple string matching method for shape recognition[C].Intelligent Control and Automation.IEEE,2012:4696-4700.
[2]陶易之，贺赛先.以多尺寸三角形为特征的快速形状匹配[J].计算机辅助设计与图形学学报,2017(3):469-478.
[3]Laiche N,Larabi S.2D shape matching based on B-spline curves and Dynamic Programmin[C].International Conference on Computer Vision Theory and Applications.IEEE,2014:484-491.
[4]Michel D,Oikonomidis I,Argyios A.Scale invariant and deformation tolerant partial shape matchin[J].Image amp;Vision Computing,2011,29(7):459-469.
[5]Belongie S,Mailk J,Puzicha J.Shape matching and object recognition using shape contexts[J].IEEE transactions on pattern analysis and machine intelligence,2002,24(4):509-522.
[6]Ling H,Jacobs D W.Using the inner-distance for classification of articulated shapes[C].Computer Vision and pattern Recognition,2005.CVPR 2005.IEEE Computer Society Conference on.IEEE,2:719-726.
[7]Ling H,Jacobs D W.Shape classification using the inner-distance[J].IEEE transactions on pattern analysis and machine intelligence,2007,29(2).
[8]Mingqiang Y,Kidiyo K,Joseph R.Shape matching and object recognition using chord context[C]//Visualisation,2008 Intemational Conference.IEEE,2008:63-69.
[9]汪国彬，形状描述与匹配研究[D].北京理工大学,2015.
[10]王军伟,融合全局与局部信息的形状轮廓特征分析与匹配[D].华中科技大学,2012.
[11]杨晓娜,基于形状上下的目标形状识别与匹配[M].昆明理工大学,2013.
[12]康建玲,基于链码和形状上下文的形状描述与匹配研究[D].吉林大学,2013.
[13]杨亚飞,基于轮廓点集顺序关系的形状匹配方法研究[D].大连理工大学,2015.
[14]黄国伟,顾超,朱忠奎.用于目标识别的PCA-SC形状匹配算法[J].光学精密工程,2013,21(8):2103-2110.
[15]Freeman H.On the encoding of arbitrary geometric configurations[J].IRE Transactions on Electronic Computers,1961(2):260-268.