编码目标广泛应用于视觉测量中，但其识别会因光照不均匀而受阻。此外，依赖中心圆形轮廓 的定位方法容易出现投影误差。本研究引入了一种改进的目标识别和定位方法来解决这些挑战。为 了提高光照不均匀条件下的识别率，在图像预处理过程中应用同态滤波，并使用人工蜂鸟算法优化 滤波器参数。为了更精确的目标中心定位，使用空间中值共识拟合方法估计编码带的中心圆形轮廓 和内轮廓的椭圆参数。然后利用这些参数通过同心圆投影误差补偿实现目标中心的亚像素定位。实 验结果表明，该方法在非均匀光照条件下实现了较高的识别率和定位精度，具有良好的实用性能。 1. 简介 自本世纪初以来，视觉测量技术由于其精度高、非接触式、结果 直观、易于记录等优点，经历了快速发展。在机械工程[1,2]、土木工 程[3,4]、考古保护[5]等领域得到了广泛的应用。关键点的识别和定位 直接决定了视觉测量结果的可靠性。例如，在相机标定[6]中，算法需 要关键点的像素坐标来计算相机的内在和外在参数。如果这些点被错 误识别、遗漏或定位不准确，就会增加校准误差，影响后续测量的精 度。同样，在3D重建、运动跟踪和变形测量等应用中，精确的关键点 提取直接影响物体形状重建、运动路径跟踪和结构变形表示。因此， 如何成功识别并准确定位关键点是视觉测量中的一个重要课题。 关键点提取方法因物体类型的不同而有所不同。对于纹理信息较 强的物体，传统的SIFT、SURF等特征检测算法可以很容易地识别和 定位关键点。然而，对于光滑表面或纹理较弱的物体，这些算法往往 表现不佳[7,8]。尽管现代基于深度学习的 方法，如SuperPoint[9

编码目标广泛应用于视觉测量中，但其识别会因光照不均匀而受阻。此外，依赖中心圆形轮廓 的定位方法容易出现投影误差。本研究引入了一种改进的目标识别和定位方法来解决这些挑战。为 了提高光照不均匀条件下的识别率，在图像预处理过程中应用同态滤波，并使用人工蜂鸟算法优化 滤波器参数。为了更精确的目标中心定位，使用空间中值共识拟合方法估计编码带的中心圆形轮廓 和内轮廓的椭圆参数。然后利用这些参数通过同心圆投影误差补偿实现目标中心的亚像素定位。实 验结果表明，该方法在非均匀光照条件下实现了较高的识别率和定位精度，具有良好的实用性能。 1. 简介 自本世纪初以来，视觉测量技术由于其精度高、非接触式、结果 直观、易于记录等优点，经历了快速发展。在机械工程[1,2]、土木工 程[3,4]、考古保护[5]等领域得到了广泛的应用。关键点的识别和定位 直接决定了视觉测量结果的可靠性。例如，在相机标定[6]中，算法需 要关键点的像素坐标来计算相机的内在和外在参数。如果这些点被错 误识别、遗漏或定位不准确，就会增加校准误差，影响后续测量的精 度。同样，在3D重建、运动跟踪和变形测量等应用中，精确的关键点 提取直接影响物体形状重建、运动路径跟踪和结构变形表示。因此， 如何成功识别并准确定位关键点是视觉测量中的一个重要课题。 关键点提取方法因物体类型的不同而有所不同。对于纹理信息较 强的物体，传统的SIFT、SURF等特征检测算法可以很容易地识别和 定位关键点。然而，对于光滑表面或纹理较弱的物体，这些算法往往 表现不佳[7,8]。尽管现代基于深度学习的 方法，如SuperPoint[9