CN107886542A - 一种视觉检测的目标恢复方法和系统 - Google Patents
一种视觉检测的目标恢复方法和系统 Download PDFInfo
- Publication number
- CN107886542A CN107886542A CN201711301413.3A CN201711301413A CN107886542A CN 107886542 A CN107886542 A CN 107886542A CN 201711301413 A CN201711301413 A CN 201711301413A CN 107886542 A CN107886542 A CN 107886542A
- Authority
- CN
- China
- Prior art keywords
- pixels
- missing inspection
- block
- cvblob
- inspection block
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000007689 inspection Methods 0.000 claims abstract description 147
- 230000005484 gravity Effects 0.000 claims description 42
- 238000011084 recovery Methods 0.000 claims description 25
- 230000015654 memory Effects 0.000 description 15
- 230000001052 transient effect Effects 0.000 description 10
- 238000003860 storage Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 238000005286 illumination Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种视觉检测的目标恢复方法和系统,属于机器视觉技术领域。其中,该目标恢复方法包括:对获取到的目标图像进行预处理,得到多个像素块;对每一个像素块构建相应的cvBlob;基于每个像素块的cvBlob的几何信息,检测漏检像素块;将漏检像素块相连,得到恢复后目标物。本发明能够提高杆状刚体的检测速度,降低漏检率。
Description
技术领域
本发明属于机器视觉技术领域,涉及一种视觉检测的目标恢复方法和系统。
背景技术
机器视觉在工程机械方面应用广泛,如工作状态监测,自主导航辅助,生产线产品良率监测等,但相机获取的图像颜色受环境光照条件影响较大,不同时间和场景下得到的图像颜色差异可能很大,给图像定量分析的精度和准确性都带来了困难。
大部分相机都内置白平衡自动调节系统,相机内部的白平衡自动调节系统能在一定程度上补偿光照变化带来的色彩的不一致,但是其作用十分有限,对于目标物体的精确检测来说远远不够。
现有的目标物体检测方法应用较广泛的有Viola-Jones算法,SVM算法,神经网络算法,还有基于目标物体颜色的算法。其中,基于目标物体颜色的算法简单实用,应用广泛,其余算法则比较复杂,这些算法虽然在特定的环境下有较高的精度,但是局限性也比较明显。由于工程机械所处的背景环境往往比较复杂,光照条件也会时常发生变化,因此在预处理步骤所得到的图像中会有相当多的噪声像素块,而能减少噪声像素块的预处理步骤往往会将目标杆状刚体对应的像素块割裂成许多不连续的小像素块,由于小像素块的多个几何特征过于相似,很难进行分类,造成目标物恢复难度加大。
发明内容
(一)发明目的
本发明的目的是提供一种检测速度快、漏检率低的视觉检测的目标恢复方法和系统。
(二)技术方案
为解决上述问题,本发明的第一方面提供了一种视觉检测的目标恢复方法,包括:对获取到的目标图像进行预处理,得到多个像素块;对每一个像素块构建相应的cvBlob;基于每个像素块的cvBlob的几何信息,检测漏检像素块;将漏检像素块相连,得到恢复后目标物。
根据本发明的另一个方面,一种视觉检测的目标恢复系统,包括:预处理模块,用于对获取到的目标图像进行预处理,得到多个像素块;构建模块,用于对每一个像素块构建相应的cvBlob;漏检像素块检测模块,用于基于每个像素块的cvBlob的几何信息,检测漏检像素块;连接模块,用于将漏检像素块相连,得到恢复后目标物。
根据本发明实施例的另一个方面,提供一种非暂态计算机可读存储介质,非暂态计算机可读存储介质存储计算机指令,计算机指令用于使计算机执行上述任一种视觉检测的目标恢复方法。
根据本发明实施例的另一个方面,提供一种计算机程序产品,计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,计算机程序包括程序指令,当程序指令被计算机执行时,使计算机执行上述任一种视觉检测的目标恢复方法。
本发明是对获取到的目标图像进行预处理,然后利用cvBlob提取的像素块几何信息,检测得到表征目标物某一部分的零散像素块,然后在零散像素块中确定漏检像素块,并将其余像素块作为噪声滤除,最后将漏检像素块的几何重心相连,得到恢复后目标物,完成目标物视觉检测、去噪及目标恢复。
(三)有益效果
本发明的上述技术方案具有如下有益的技术效果:本发明通过对获取到的目标图像进行预处理,然后对经预处理得到的多个像素块构建cvBlob,利用cvBlob的几何信息在多个像素块中,检测表征目标物某部分的像素块,再将漏检像素块相连,得到完整目标物,从而完成对目标物的恢复,不仅能够消除复杂背景环境及不断变化的光照(曝光不足及过曝)带来的不连续像素块的影响,应用相对简洁的几何信息还能够提高杆状刚体的检测速度,且对于不连续像素块的连接可以有效的降低漏检率。
附图说明
图1是本发明一种视觉检测的目标恢复方法一种实施方式的流程示意图;
图2为经过预处理得到的二值图像的示意图;
图3是本发明一种视觉检测的目标恢复方法中步骤S2的一种实施方式的流程示意图;
图4是本发明一种视觉检测的目标恢复方法中步骤S4的一种实施方式的流程示意图;
图5为含有三段连接线的已恢复的目标的示意图;
图6是本发明一种视觉检测的目标恢复方法另一种实施方式的流程示意图;
图7是本发明一种视觉检测的目标恢复方法另一种实施方式的流程示意图;
图8为包含可能漏检像素块的目标图像的示意图;
图9是本发明一种视觉检测的目标恢复方法中步骤S251的一种实施方式的流程示意图;
图10是本发明一种视觉检测的目标恢复方法中步骤S251的另一种实施方式的流程示意图;
图11是本发明一种视觉检测的目标恢复系统的结构示意图;
图12是本发明一种视觉检测的目标恢复系统中漏检像素块检测模块的结构示意图;
图13是本发明一种视觉检测的目标恢复系统中连接模块的结构示意图;
图14是本发明一种视觉检测的目标恢复系统另一种实施方式的结构示意图;
图15是本发明一种视觉检测的目标恢复系统中比较子模块的结构示意图;
图16是本发明实施例一种电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了,下面结合具体实施方式并参照附图,对本发明进一步详细说明。应该理解,这些描述只是示例性的,而并非要限制本发明的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
技术术语解释:
cvBlob:计算机视觉的一个库。用来检测二进制数字图像中的连通区域。
图1是本发明一种视觉检测的目标恢复方法一种实施方式的流程示意图。
如图1所示,一种视觉检测的目标恢复方法,包括如下步骤:
S1,对获取到的目标图像进行预处理,得到多个像素块,其中,目标图像包含至少一个待检测的目标物;
优选地,目标图像的获取采用双目立体相机进行摄取,以使得在后期可以通过三维重建得到三维cvBlob。其中,摄取到的目标图像是包含待检测的目标物和背景的图像。
预处理是指对获取到的目标图像做二值化处理,从而凸显出目标物的轮廓,以便于后期针对每个像素块构建cvBlob,经过二值化处理的目标图像如图2所示,可以看到,图中左边有一片白色区域,为二值化处理后初步凸显出来的可能目标物的轮廓。
S2,对每一个像素块构建相应的cvBlob;
S3,基于每个像素块的cvBlob的几何信息,检测表征目标物某部分的像素块,作为漏检像素块;
S4,将漏检像素块相连,得到恢复后目标物。
图3是本发明一种视觉检测的目标恢复方法中步骤S2的一种实施方式的流程示意图。
如图3所示,步骤S2的一种实施方式包括如下步骤:
S21,对每一个像素块构建相应的二维cvBlob;
通过构建每个像素块的cvBlob,能够得到该像素块的重心、宽度、长度和重心倾角等几何信息。此时,得到的cvBlob为包含像素块的二维矩形框,其几何信息也是二维信息。构建二维cvBlob的方法可以采用基于边界点及像素分布的方法进行构建。
S22,对每个二维cvBlob进行三维重建,得到多个三维cvBlob;
具体地,是通过获取每个cvBlob的几何信息,并基于每个cvBlob的几何信息对cvBlob进行三维重建,得到多个三维cvBlob;
S23,将三维cvBlob的三维信息与目标物进行三维信息的匹配,判断三维cvBlob的三维信息与目标物的三维信息是否匹配成功;
S24a,当三维cvBlob的三维信息与目标物三维信息匹配成功时,认为该cvBlob对应的像素块为完整目标物;
S24b,当三维cvBlob的三维信息与目标物三维信息未匹配成功时,认为该cvBlob对应的像素块为可能漏检像素块。
下面通过举例对于步骤S23所包含的所有情况进行说明:
例如:预处理之后的目标图像中包含有4个目标刚体,在通过三维信息匹配之后,可能得到3种情况:一、检测得到4个完整的目标刚体;二、检测得到1-3个完整目标刚体;三、检测得到0个目标刚体。对于第二种和第三种情况来说,存在至少一个漏检的目标刚体,需要通过本发明的目标恢复方法将表征漏检的目标刚体某一段的像素块找到,进而将漏检的目标刚体恢复。而对于第二种情况,在找到完整目标刚体后,可以将剩余的像素块标记为可能漏检像素块,对于第三种情况,没有找到完整目标刚体时,就需要将所有的像素块都标记为可能漏检像素块。其中,由于除表征完整目标物之外的像素块中,包含漏检像素块,也包含其他不属于漏检像素块的像素块,即噪声像素块,因此,本发明进一步可以通过计算机中预存的检测程序,将漏检像素块检测出来,并将噪声像素块过滤,过滤的过程可以采用滤波器完成。
在本发明实施例中,由于cvBlob能够检测连通区域,因此,在针对每个像素块构建cvBlob后,将三维cvBlob的三维信息与待测目标物的三维信息进行比较,就能够检测出来可能漏检像素块,待测目标物的三维信息为预先存储,作为一种标准,如果三维cvBlob与目标物三维信息匹配成功,则认为三维cvBlob对应的像素块属于表征完整目标物的像素块,如果三维cvBlob与目标物三维信息未匹配成功,则认为三维cvBlob对应的像素块属于可能漏检像素块,通过在可能漏检像素块中找到漏检像素块,再将漏检像素块相连,就可以得到完整目标物,完成目标物的恢复。
图4是本发明一种视觉检测的目标恢复方法中步骤S4的一种实施方式的流程示意图。
如图4所示,步骤S4的一种实施方式包括如下步骤:
S41,基于每个漏检像素块的cvBlob,获取与其毗邻的漏检像素块的cvBlob;
具体地,是根据每个漏检像素块的cvBlob的边缘信息识别与其毗邻的cvBlob,寻找到的cvBlob是其他漏检像素块的cvBlob。毗邻的漏检像素块是指图像中可能有两个或多个漏检像素块,因此需要寻找属于同一个目标物的漏检像素块进行连接。
S42,将每一个漏检像素块的cvBlob和与其毗邻的漏检像素块的cvBlob的几何重心相连,得到恢复后目标物。
具体地,是将漏检像素块的cvBlob的几何重心和与其毗邻的漏检像素块的cvBlob的几何重心,用具有两毗邻cvBlob平均宽度的矩形像素块连接起来。即针对当前漏检像素块的cvBlob,在寻找到与其毗邻的cvBlob后,寻找一个宽度为漏检像素块和与其毗邻的漏检像素块的平均宽度的像素块,将这二者的几何重心连接,得到如图5所示的目标物。通过确定漏检像素块,再将确定的相互毗邻的漏检像素块的几何重心相连,从而能够得到恢复后目标物,降低漏检率,提高检测精度。
图6是本发明一种视觉检测的目标恢复方法的另一种实施方式的流程示意图。
如图6所示,在本发明图1所示实施方式的基础上,还包括如下步骤:
S25,在可能漏检像素块中确定漏检像素块。
具体地,如图7所示,步骤S25包括如下子步骤:
S251,将可能漏检像素块的cvBlob的几何信息与几何信息阈值进行比较;具体地,几何信息包括长度、宽度及重心倾角等信息。
S252,若可能漏检像素块的cvBlob的几何信息大于或等于几何信息阈值时,确定该可能漏检像素块为漏检像素块,否则,为噪声像素块。
在目标图像中,当通过构建cvBlob检测得到一部分的完整目标物之后,目标图像中可能还会包含一些断裂像素块的cvBlob,如8所示,可以看到,图中零散分布的白色像素块为可能漏检像素块,通过对这些像素块的cvBlob的几何信息进行分析,可以确定哪些像素块属于漏检像素块。
图9是本发明一种视觉检测的目标恢复方法中步骤S251的一种实施方式的流程示意图。
如图9所示,步骤S251包括如下子步骤:
S2511a,分别设置每个可能漏检像素块的几何信息阈值;
S2512a,将每个可能漏检像素块的几何信息与相应的几何信息阈值进行比较;
S2513a,当可能漏检像素块的几何信息大于或等于几何信息阈值时,判断为漏检像素块;
S2514a,当可能漏检像素块的几何信息小于几何信息阈值时,判断为噪声像素块。
图10是本发明一种视觉检测的目标恢复方法中步骤S251另一种实施方式的流程示意图。
如图10所示,作为步骤S251一种具体的实施方式,步骤S251包括如下步骤:
S2511b,基于多个可能漏检像素块的长度、宽度、重心倾角分别设置长度阈值、宽度阈值和重心倾角阈值;
具体地,是首先获取每个可能漏检像素块的长度、宽度和重心倾角等几何信息,然后针对每个可能漏检像素块设置阈值,具体是针对每个可能漏检像素块的长度、宽度和重心倾角分别设置长度阈值、宽度阈值和重心倾角阈值。
S2512b,判断可能漏检像素块cvBlob的长度、宽度和重心倾角是否均大于或等于相应的阈值;
具体地,是将可能漏检像素块的长度、宽度、重心倾角分别与长度阈值、宽度阈值和重心倾角阈值进行比较;并判断可能漏检像素块cvBlob的长度是否大于长度阈值,和判断可能漏检像素块cvBlob的宽度是否大于宽度阈值,以及并判断可能漏检像素块cvBlob的重心倾角是否大于重心倾角阈值。
S2513b,当可能漏检像素块cvBlob的长度、宽度和重心倾角均大于或等于相应阈值时,判断该可能漏检像素块为漏检像素块;
S2514b,当可能漏检像素块cvBlob的长度、宽度和重心倾角中任一者小于相应阈值时,判断该可能漏检像素块为噪声像素块。
具体地,当长度大于或等于长度阈值、宽度大于或等于宽度阈值以及重心倾角大于或等于重心倾角阈值时,认为该可能漏检像素块为漏检像素块,否则,认为该可能漏检像素块为噪声像素块。进一步地,还可以将噪声像素块滤除掉,以获得精度较高的目标物。
图2、图5和图8详细示出了根据本发明实施例进行面向机械的杆状刚体检测的流程中各步骤对应的状态示意图。以下,将参照这些附图来对根据本发明实施例的各个步骤予以详细说明。
首先,采用双目立体相机摄取一幅包含杆状刚体的目标图像;然后对该目标图像进行二值化处理,得到如图2所示的二值化图像,该二值化图像中包含多个像素块,这些像素块为表征完整目标物或表征目标物一部分的像素块,也有一些属于噪声,因此,需要从目标图像中检测完整目标物,然后将表征完整目标物之外的剩余像素块标记为可能漏检像素块,对可能漏检像素块识别,得到漏检像素块,将其保留,并将其余像素块作为噪声滤除,最后将漏检像素块和与其毗邻的漏检像素块的几何重心相连,得到目标物,完成对剩余目标物的恢复,降低了漏检率。
图11是本发明一种视觉检测的目标恢复系统的结构示意图。
如图11所示,一种视觉检测的目标恢复系统,包括:
预处理模块,用于对获取到的目标图像进行预处理,得到多个像素块;
构建模块,用于对每一个像素块构建相应的cvBlob;
漏检像素块检测模块,用于基于每个像素块的cvBlob的几何信息,检测漏检像素块;
连接模块,用于将漏检像素块相连,得到恢复后目标物。
图12是本发明一种视觉检测的目标恢复系统中漏检像素块检测模块的结构示意图。
如图12所示,漏检像素块检测模块包括:
构建子模块,用于对每一个像素块构建相应的二维cvBlob;
三维重建子模块,用于对每个二维cvBlob进行三维重建,得到多个三维cvBlob;
匹配子模块,用于将三维cvBlob与目标物进行三维信息的匹配;若匹配不成功,则认为三维cvBlob对应的像素块为可能漏检像素块。
图13是本发明一种视觉检测的目标恢复系统中连接模块的结构示意图。
如图13所示,连接模块包括:
毗邻像素块获取子模块,用于基于每个漏检像素块的cvBlob,获取与其毗邻的漏检像素块的cvBlob;
连接子模块,用于将每一个漏检像素块的cvBlob和与其毗邻的漏检像素块的cvBlob的几何重心相连,得到恢复后目标物。
图14是本发明一种视觉检测的目标恢复系统另一种实施方式的结构示意图。
如图14所示,该系统还包括:
漏检像素块确定模块,用于在可能漏检像素块中确定漏检像素块;
其中,漏检像素块确定模块包括:
比较子模块,用于将可能漏检像素块的cvBlob的几何信息与几何信息阈值进行比较,若可能漏检像素块的cvBlob的几何信息大于或等于几何信息阈值时,确定该可能漏检像素块为漏检像素块,否则,确定为噪声像素块。
图15是本发明一种视觉检测的目标恢复系统中比较子模块的结构示意图。
如图15所示,比较子模块包括:
阈值设置子单元,用于基于多个可能漏检像素块的长度、宽度、重心倾角分别设置长度阈值、宽度阈值和重心倾角阈值;
比较子单元,用于将可能漏检像素块的长度、宽度、重心倾角分别与长度阈值、宽度阈值和重心倾角阈值进行比较;当可能漏检像素块的长度、宽度、重心倾角均大于或等于长度阈值、宽度阈值和重心倾角阈值时,判断可能漏检像素块为漏检像素块,否则,判断为噪声像素块。
本发明旨在通过对获取到的目标图像进行预处理,然后对经预处理得到的多个像素块构建cvBlob,利用cvBlob的几何信息在多个像素块中,检测漏检像素块,再将漏检像素块的cvBlob和与其毗邻的漏检像素块的cvBlob的几何重心相连,得到完整目标物,从而完成对目标物的恢复,不仅能够消除复杂背景环境及不断变化的光照(曝光不足及过曝)带来的不连续像素块的影响,应用相对简洁的几何信息还能够提高杆状刚体的检测速度,且对于不连续像素块的连接可以有效的降低漏检率。
本发明实施例还提供了一种非暂态计算机可读存储介质,非暂态计算机可读存储介质存储计算机指令,计算机指令用于使计算机执行上述任一个实施例的方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,计算机程序可存储于计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
如图16所示,一种执行前述方法的电子设备,包括一个或多个处理器1601以及与一个或多个处理器通信连接的存储器1602,图16中以一个处理器为例。
电子设备还可以包括:输入装置1603和输出装置1604,输入装置1603用于输入目标图像,输出装置1604用于输出恢复后目标物。
处理器1601、存储器1602、输入装置1603和输出装置1604可以通过总线或者其他方式连接,图16中以通过总线连接为例。
存储器1602作为一种非暂态计算机可读存储介质。可用于存储非暂态软件程序、非暂态计算机可执行程序,如本发明实施例中的视觉检测的目标恢复方法对应的软件程序、指令以及模块。处理器1601通过运行存储在存储器1602中的非暂态软件程序、指令以及模块,执行目标恢复系统的各种功能应用以及数据处理,即实现上述方法实施例的方法步骤。
存储器1602可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据文件分享终端的使用所创建的数据等。此外,存储器1602可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件,闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器1602可选包括相对于处理器1601远程设置的存储器,这些远程存储器可以通过网络连接至文件分享终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置1603可接收输入的目标图像,以及产生与视觉检测的目标恢复系统的用户设置以及功能控制有关的键信号输入。输入装置1603可以包括触摸屏、键盘等,也可以包括有线接口、无线接口等。输出装置1604可包括显示屏等显示设备。
一个或多个软件程序、指令存储在存储器1602中,当被一个或多个处理器1601执行时,执行上述任意方法实施例中的方法。
在本发明实施例中,一个或多个处理器能够:执行前述任一实施方式的目标恢复方法。需要说明的是,本发明一种视觉检测的目标恢复系统是与涉及计算机程序流程的一种视觉检测的目标恢复方法一一对应的装置/系统,由于在前已经对一种视觉检测的目标恢复方法的步骤流程进行了详细描述,在此不再对一种视觉检测的目标恢复系统的实施过程进行赘述。
应当理解的是,本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理,而不构成对本发明的限制。因此,在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。此外,本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
Claims (10)
1.一种视觉检测的目标恢复方法,其特征在于,包括:
对获取到的目标图像进行预处理,得到多个像素块;
对每一个所述像素块构建相应的cvBlob;
基于每个所述像素块的cvBlob的几何信息,检测漏检像素块;
将所述漏检像素块相连,得到恢复后目标物。
2.根据权利要求1所述的一种视觉检测的目标恢复方法,基于每个所述像素块的cvBlob的几何信息,检测漏检像素块的步骤包括:
对每一个所述像素块构建相应的二维cvBlob;
对每个所述二维cvBlob进行三维重建,得到多个三维cvBlob;
将所述三维cvBlob与所述目标物进行三维信息的匹配;
若二者匹配不成功,认为所述三维cvBlob对应的所述像素块为可能漏检像素块。
3.根据权利要求1所述的一种视觉检测的目标恢复方法,将所述漏检像素块相连的步骤包括:
基于每个所述漏检像素块的cvBlob,获取与其毗邻的漏检像素块的cvBlob;
将每一个所述漏检像素块的cvBlob和所述与其毗邻的漏检像素块的cvBlob的几何重心相连,得到恢复后目标物。
4.根据权利要求2所述的一种视觉检测的目标恢复方法,还包括:
在所述可能漏检像素块中确定漏检像素块;
在所述可能漏检像素块中确定漏检像素块的步骤包括:
将所述可能漏检像素块的cvBlob的几何信息与几何信息阈值进行比较;
若所述可能漏检像素块的cvBlob的几何信息大于或等于所述几何信息阈值时,确定所述可能漏检像素块为漏检像素块。
5.根据权利要求4所述的一种视觉检测的目标恢复方法,将所述可能漏检像素块的cvBlob的几何信息与几何信息阈值进行比较的步骤包括:
基于多个所述可能漏检像素块的长度、宽度、重心倾角分别设置长度阈值、宽度阈值和重心倾角阈值;
将所述可能漏检像素块的长度、宽度、重心倾角分别与长度阈值、宽度阈值和重心倾角阈值进行比较;
当所述可能漏检像素块的长度、宽度、重心倾角均大于或等于长度阈值、宽度阈值和重心倾角阈值时,判断所述可能漏检像素块为漏检像素块。
6.一种视觉检测的目标恢复系统,其特征在于,包括:
预处理模块,用于对获取到的目标图像进行预处理,得到多个像素块;
构建模块,用于对每一个像素块构建相应的cvBlob;
漏检像素块检测模块,用于基于每个像素块的cvBlob的几何信息,检测漏检像素块;
连接模块,用于将所述漏检像素块相连,得到恢复后目标物。
7.根据权利要求6所述的一种视觉检测的目标恢复系统,所述漏检像素块检测模块包括:
构建子模块,用于对每一个所述像素块构建相应的二维cvBlob;
三维重建子模块,用于对每个所述二维cvBlob进行三维重建,得到多个三维cvBlob;
匹配子模块,用于将所述三维cvBlob与所述目标物进行三维信息的匹配;若二者匹配不成功,则认为所述三维cvBlob对应的所述像素块为可能漏检像素块。
8.根据权利要求7所述的一种视觉检测的目标恢复系统,所述连接模块包括:
毗邻像素块获取子模块,用于基于每个所述漏检像素块的cvBlob,获取与其毗邻的漏检像素块的cvBlob;
连接子模块,用于将每一个所述漏检像素块的cvBlob和所述与其毗邻的漏检像素块的cvBlob的几何重心相连,得到恢复后目标物。
9.根据权利要求6所述的一种视觉检测的目标恢复系统,还包括:
漏检像素块确定模块,用于在所述可能漏检像素块中确定漏检像素块;
其中,所述漏检像素块确定模块包括:
比较子模块,用于将所述可能漏检像素块的cvBlob的几何信息与几何信息阈值进行比较,若所述可能漏检像素块的cvBlob的几何信息大于或等于所述几何信息阈值时,确定所述可能漏检像素块为漏检像素块。
10.根据权利要求9所述的一种视觉检测的目标恢复系统,所述比较子模块包括:
阈值设置子单元,用于基于多个所述可能漏检像素块的长度、宽度、重心倾角分别设置长度阈值、宽度阈值和重心倾角阈值;
比较子单元,用于将所述可能漏检像素块的长度、宽度、重心倾角分别与长度阈值、宽度阈值和重心倾角阈值进行比较;
判断结果确定子单元,用于当所述可能漏检像素块的长度、宽度、重心倾角均大于或等于长度阈值、宽度阈值和重心倾角阈值时,判断所述可能漏检像素块为漏检像素块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711301413.3A CN107886542B (zh) | 2017-12-10 | 2017-12-10 | 一种视觉检测的目标恢复方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711301413.3A CN107886542B (zh) | 2017-12-10 | 2017-12-10 | 一种视觉检测的目标恢复方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107886542A true CN107886542A (zh) | 2018-04-06 |
CN107886542B CN107886542B (zh) | 2019-04-16 |
Family
ID=61773689
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711301413.3A Active CN107886542B (zh) | 2017-12-10 | 2017-12-10 | 一种视觉检测的目标恢复方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107886542B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110006923A (zh) * | 2019-04-23 | 2019-07-12 | Oppo广东移动通信有限公司 | 一种标牌品质检测方法、装置及计算机可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07212605A (ja) * | 1994-01-19 | 1995-08-11 | Nec Eng Ltd | ハーフトーン作成装置 |
CN101398933A (zh) * | 2008-10-17 | 2009-04-01 | 北京大学 | 一种从图像中恢复三维几何信息的方法 |
CN103870833A (zh) * | 2014-03-31 | 2014-06-18 | 武汉工程大学 | 基于凹性测度的路面裂缝提取与测评方法 |
CN104504381A (zh) * | 2015-01-09 | 2015-04-08 | 博康智能网络科技股份有限公司 | 非刚体目标检测方法及其系统 |
CN105744268A (zh) * | 2016-05-04 | 2016-07-06 | 深圳众思科技有限公司 | 摄像头遮挡检测方法及装置 |
CN107274353A (zh) * | 2017-05-17 | 2017-10-20 | 上海集成电路研发中心有限公司 | 一种黑白图像中缺陷像素的校正方法 |
-
2017
- 2017-12-10 CN CN201711301413.3A patent/CN107886542B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07212605A (ja) * | 1994-01-19 | 1995-08-11 | Nec Eng Ltd | ハーフトーン作成装置 |
CN101398933A (zh) * | 2008-10-17 | 2009-04-01 | 北京大学 | 一种从图像中恢复三维几何信息的方法 |
CN103870833A (zh) * | 2014-03-31 | 2014-06-18 | 武汉工程大学 | 基于凹性测度的路面裂缝提取与测评方法 |
CN104504381A (zh) * | 2015-01-09 | 2015-04-08 | 博康智能网络科技股份有限公司 | 非刚体目标检测方法及其系统 |
CN105744268A (zh) * | 2016-05-04 | 2016-07-06 | 深圳众思科技有限公司 | 摄像头遮挡检测方法及装置 |
CN107274353A (zh) * | 2017-05-17 | 2017-10-20 | 上海集成电路研发中心有限公司 | 一种黑白图像中缺陷像素的校正方法 |
Non-Patent Citations (1)
Title |
---|
侯广峰: "基于CUDA 的图像分割并行算法设计与实现", 《数字技术与应用》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110006923A (zh) * | 2019-04-23 | 2019-07-12 | Oppo广东移动通信有限公司 | 一种标牌品质检测方法、装置及计算机可读存储介质 |
CN110006923B (zh) * | 2019-04-23 | 2021-07-09 | Oppo广东移动通信有限公司 | 一种标牌品质检测方法、装置及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN107886542B (zh) | 2019-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109711243B (zh) | 一种基于深度学习的静态三维人脸活体检测方法 | |
CN109978755B (zh) | 全景图像合成方法、装置、设备与存储介质 | |
JP6348574B2 (ja) | 総体的カメラ移動およびパノラマカメラ移動を使用した単眼視覚slam | |
CN108182396B (zh) | 一种自动识别拍照行为的方法及装置 | |
CN106920245B (zh) | 一种边界检测的方法及装置 | |
US20140050387A1 (en) | System and Method for Machine Vision Inspection | |
US20220375215A1 (en) | Image analysis and processing pipeline with real-time feedback and autocapture capabilities, and visualization and configuration system | |
CN109344864B (zh) | 用于密集物体的图像处理方法及装置 | |
EP2591460A1 (en) | Method, apparatus and computer program product for providing object tracking using template switching and feature adaptation | |
CN105893957B (zh) | 基于视觉湖面船只检测识别与跟踪方法 | |
CN104866804A (zh) | 一种掌纹信息识别的方法和设备 | |
JP2007156655A (ja) | 変動領域検出装置及びその方法 | |
CN106331848B (zh) | 全景视频的识别方法及设备、播放视频方法及设备 | |
CN106327531B (zh) | 全景视频的识别方法及设备、播放视频方法及设备 | |
CN103985106B (zh) | 用于对强噪声图像进行多帧融合的设备和方法 | |
CN113167742A (zh) | 混凝土构造物的点检辅助装置、点检辅助方法及点检辅助程序 | |
CN108052909A (zh) | 一种基于心血管oct影像的薄纤维帽斑块自动检测方法和装置 | |
US20110286670A1 (en) | Image processing apparatus, processing method therefor, and non-transitory computer-readable storage medium | |
CN115482523A (zh) | 轻量级多尺度注意力机制的小物体目标检测方法及系统 | |
CN112686122B (zh) | 人体及影子的检测方法、装置、电子设备、存储介质 | |
CN107886542A (zh) | 一种视觉检测的目标恢复方法和系统 | |
US20220122341A1 (en) | Target detection method and apparatus, electronic device, and computer storage medium | |
CN115731443A (zh) | 一种输变电设备热缺陷识别方法、装置、设备和存储介质 | |
KR20150009842A (ko) | 카메라 모듈용 결함 픽셀 평가 시스템 및 이를 사용한 카메라 모듈용 결함 픽셀 평가 방법 | |
CN113095321A (zh) | 一种带式输送机的滚轮轴承测温及故障预警方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |