CN110287865A - 基于视觉伺服的医学载玻片码放校正方法、控制器及系统 - Google Patents

基于视觉伺服的医学载玻片码放校正方法、控制器及系统 Download PDF

Info

Publication number
CN110287865A
CN110287865A CN201910550150.2A CN201910550150A CN110287865A CN 110287865 A CN110287865 A CN 110287865A CN 201910550150 A CN201910550150 A CN 201910550150A CN 110287865 A CN110287865 A CN 110287865A
Authority
CN
China
Prior art keywords
glass slide
piles
recess region
slide
glass
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
Application number
CN201910550150.2A
Other languages
English (en)
Other versions
CN110287865B (zh
Inventor
李庆华
魏涛
王喆
马海龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jinan Huizhikang Intelligent Technology Development Partnership Enterprise LP
Original Assignee
Qilu University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Qilu University of Technology filed Critical Qilu University of Technology
Priority to CN201910550150.2A priority Critical patent/CN110287865B/zh
Publication of CN110287865A publication Critical patent/CN110287865A/zh
Application granted granted Critical
Publication of CN110287865B publication Critical patent/CN110287865B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N1/00—Sampling; Preparing specimens for investigation
    • G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
    • G01N1/30—Staining; Impregnating ; Fixation; Dehydration; Multistep processes for preparing samples of tissue, cell or nucleic acid material and the like for analysis
    • G01N1/31—Apparatus therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • 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
    • 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
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Chemical & Material Sciences (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Medical Preparation Storing Or Oral Administration Devices (AREA)
  • Image Analysis (AREA)

Abstract

本公开提供了一种基于视觉伺服的医学载玻片码放校正方法、控制器及系统。其中，该校正方法，包括获取指定位置处的载玻片码放容器图像；识别载玻片码放容器图像中的所有凹槽区域轮廓范围；判断所有凹槽区域轮廓范围内所有载玻片的码放方向，当载玻片的码放方向与预设方向不一致时，输出旋转载玻片的控制信号，使得方向不一致的载玻片沿其中心点旋转180度，直至所有载玻片的码放方向与预设方向相同；将所有凹槽区域轮廓范围内的图像与预设正面模板进行匹配，若匹配成功，则不校正载玻片凹槽区域置；否则，输出翻转载玻片的控制信号，使得匹配失败的载玻片沿平行与载玻片长边的对称轴翻转180度，最终实现载玻片的自动校准。

Description

基于视觉伺服的医学载玻片码放校正方法、控制器及系统
技术领域
本公开属于细胞学标本制作领域，尤其涉及一种基于视觉伺服的医学载玻片码放校正方法、控制器及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。
随着社会的快速发展，各行各业的智能化进程也飞速推进，在涉及细胞学标本样片的制作领域的智能化存在着不足，在医院、生物或医疗研究所等一些需要大量观察分析细胞学标本样片的场所，细胞学标本样片的制作过程中虽然已经有部分机器人、机械手参与到细胞学标本样片的制作过程中来，但现行的基于机器人的细胞学标本样片的制作方法中物料的准备阶段还是难以避免人的参与，在自动化制片染色过程中，需要操作人员将载玻片等物料先码放到指定位置，机器人才能对物料做进一步的工作，医学类物料更为精细、要求更为严格，人工操作中就不可避免的会产生错误，这样就导致在实际现场中，很容易出现因被抓取物料(载玻片)凹槽区域置准确度的偏差导致的后期整体的操作偏差，或者被抓取物未准备就绪导致机器人空跑等现象的发生。这样不仅浪费人力物力，并且很有可能造成误操作，从而严重影响后期的实验效果。
发明人发现，目前未对识别到的凹槽区域置不准确的物料(载玻片)进行码放校正，从而导致后期对载玻片的状态信息判断出现偏差，影响物料识别以及抓取的准确性和效率。
发明内容
为了解决上述问题，本公开的第一个方面提供一种基于视觉伺服的医学载玻片码放校正方法，其通过判断所有凹槽区域轮廓范围内所有载玻片的码放方向以及所有凹槽区域轮廓范围内的图像与预设正面模板的匹配情况，确定载玻片的位置是否需要校正，当需要校正时输出旋转载玻片的控制信号及翻转载玻片的控制信号，最终实现载玻片的自动校准，以提高载玻片校准的效率。
为了实现上述目的，本公开采用如下技术方案：
一种基于视觉伺服的医学载玻片码放校正方法，包括：
获取指定位置处的载玻片码放容器图像；其中，载玻片码放容器设置有若干个凹槽区域，每个凹槽区域设置有一个载玻片；
识别载玻片码放容器图像中的所有凹槽区域轮廓范围；
判断所有凹槽区域轮廓范围内所有载玻片的码放方向，当载玻片的码放方向与预设方向不一致时，输出旋转载玻片的控制信号，使得方向不一致的载玻片沿其中心点旋转180度，直至所有载玻片的码放方向与预设方向相同；
将所有凹槽区域轮廓范围内的图像与预设正面模板进行匹配，若匹配成功，则不校正载玻片凹槽区域置；否则，输出翻转载玻片的控制信号，使得匹配失败的载玻片沿平行与载玻片长边的对称轴翻转180度，最终实现载玻片的自动校准。
本公开的第二个方面提供一种基于视觉伺服的医学载玻片码放校正控制器。
一种基于视觉伺服的医学载玻片码放校正控制器，包括：
载玻片码放容器图像获取模块，其用于获取指定位置处的载玻片码放容器图像；其中，载玻片码放容器设置有若干个凹槽区域，每个凹槽区域设置有一个载玻片；
凹槽区域轮廓范围识别模块，其用于识别载玻片码放容器图像中的所有凹槽区域轮廓范围；
码放方向判断模块，其用于判断所有凹槽区域轮廓范围内所有载玻片的码放方向，当载玻片的码放方向与预设方向不一致时，输出旋转载玻片的控制信号，使得方向不一致的载玻片沿其中心点旋转180度，直至所有载玻片的码放方向与预设方向相同；
模板匹配模块，其用于将所有凹槽区域轮廓范围内的图像与预设正面模板进行匹配，若匹配成功，则不校正载玻片凹槽区域置；否则，输出翻转载玻片的控制信号，使得匹配失败的载玻片沿平行与载玻片长边的对称轴翻转180度，最终实现载玻片的自动校准。
本公开的第三个方面提供一种基于视觉伺服的医学载玻片码放校正系统。
一种基于视觉伺服的医学载玻片码放校正系统，包括上述所述的基于视觉伺服的医学载玻片码放校正控制器。
本公开的第四个方面提供一种计算机可读存储介质。
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述所述的基于视觉伺服的医学载玻片码放校正方法中的步骤。
本公开的第五个方面提供一种计算机设备。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述所述的基于视觉伺服的医学载玻片码放校正方法中的步骤。
本公开的有益效果是：
本公开通过判断所有凹槽区域轮廓范围内所有载玻片的码放方向，当载玻片的码放方向与预设方向不一致时，输出旋转载玻片的控制信号，使得方向不一致的载玻片沿其中心点旋转180度，直至所有载玻片的码放方向与预设方向相同；再将所有凹槽区域轮廓范围内的图像与预设正面模板进行匹配，若匹配成功，则不校正载玻片凹槽区域置；否则，输出翻转载玻片的控制信号，使得匹配失败的载玻片沿平行与载玻片长边的对称轴翻转180度，最终实现载玻片的自动校准，提高了载玻片校准的效率和载玻片最终凹槽区域置的准确性。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
图1是本公开实施例提供的一种基于视觉伺服的医学载玻片码放校正方法流程图。
图2是本公开实施例提供的一种基于视觉伺服的医学载玻片码放校正控制器结构示意图。
具体实施方式
下面结合附图与实施例对本公开作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
图1是本公开实施例提供的一种基于视觉伺服的医学载玻片码放校正方法流程图。
如图1所示，本实施例的一种基于视觉伺服的医学载玻片码放校正方法，包括：
S101：获取指定位置处的载玻片码放容器图像；其中，载玻片码放容器设置有若干个凹槽区域，每个凹槽区域设置有一个载玻片。
在具体实施中，获取指定位置处的载玻片码放容器图像之前还包括：
在载玻片码放容器图像获取装置的坐标系下标定载玻片码放容器的坐标，使得载玻片码放容器图像与载玻片码放容器图像获取装置坐标系一致，实现凹槽区域轮廓准确定位。
下面以载玻片码放容器图像获取装置为相机且载玻片校准装置为DOBOT SR-6六轴机器人为例来说明：
在码垛位置的正上方设置一台相机，先将相机与计算机连通，调整镜头参数，使在当前载玻片码放容器图像清晰，进而连接DOBOT SR-6六轴机器人，使机器人正常工作。继而利用标定板进行相机标定，对标定板进行图像采集，确定三个不在同一直线的三个角点，记录三个点的坐标为(B,G,R,控制六轴机器人同平面运动，通过示教器移动六轴机器人，将六轴机器人的末端与图像上确定的三点重合，分别记录三个点的六轴机器人坐标下的位置一一对应(B1,G1,R1)，取走标定板；根据三个点确定一个平面，此时四轴机器人坐标与像素坐标下的三点坐标都已重合、确定，当像素坐标下其他点a确定是被需要操作的点时，这个点a与标定的三个点(B,G,R)距离(b,g,r)确定不变，此时在六轴机器人坐标下有且只有一个点a1与a相对应，即a1与六轴机器人标定点(B1,G1,R1)距离与(b,g,r)相同，使坐标一一对应，完成坐标系统一。通过视觉定位，并将坐标传送给六轴机器人，使其对目标位置进行精确定。通过该算法实现机器人对空白载玻片的准确抓取。
S102：识别载玻片码放容器图像中的所有凹槽区域轮廓范围。
在具体实施中，利用标记符控制的分水岭分割算法识别载玻片码放容器图像中的所有凹槽区域轮廓范围。
基于梯度图像的直接分水岭算法及其容易导致图像的过分割，产生这一现象的原因主要是由于输入的图像存在过多的极小区域而产生许多小的集水盆地，从而导致分割后的图像不能将图像中有意义的区域表示出来。所以必须对分割结果的相似区域进行合并。
传统基于梯度的分水岭算法由于局部最小值过多造成分割后的分水岭较多。而基于标记的分水岭算法，水淹过程从预先定义好的标记图像(像素)开始，较好的克服了过度分割的不足。本质上讲，基于标记点的改进算法是利用先验知识来帮助分割的一种方法。这种方法极大的提升了分割的准确度，有效避免了图像过分割的问题。
标记符控制的分水岭分割算法是OpenCV提供的一种改进的分水岭算法，其使用一系列预定义标记来引导图像分割的定义方式。使用OpenCV的分水岭算法cv::wathershed，需要输入一个标记图像，图像的像素值为32位有符号正数(CV_32S类型)，每个非零像素代表一个标签。它的原理是对图像中部分像素做标记，表明它的所属区域是已知的。该分水岭算法可以根据这个初始标签确定其他像素所属的区域。
本实施例选择使用标记符控制的分水岭分割算法来提取载玻片轮廓，以便于后期对载玻片的状态信息判断和识别抓取。
S103：判断所有凹槽区域轮廓范围内所有载玻片的码放方向，当载玻片的码放方向与预设方向不一致时，输出旋转载玻片的控制信号，使得方向不一致的载玻片沿其中心点旋转180度，直至所有载玻片的码放方向与预设方向相同。
在具体实施中，利用OTSU自适应阈值分割算法识别出所有凹槽区域轮廓范围内所有载玻片的白色手持位置，进而确定出载玻片的码放方向。
OTSU自适应阈值分割算法：由日本科学家大津展之(Nobuyuki Otsu)于1979年提出，也被称为最大类间方差算法。
在大津法中，定义组内方差为σw 2(t)＝ω0(t)σ0 2(t)+ω1(t)σ1 2(t)
通过选择使得上述组内方差最小化时的阈值t，就可以使得图像中的前景和背景尽可能的被区别开(假设将最终图像里被分开的两部分称为前景和背景)。ω0和ω1分别是一个像素可能属于前景或背景的概率，而σ1和σ2分别表示两个类别的方差。如果一个图像的直方图有L个等级(一般L＝256)，那么在给定阈值t的情况下，ω0和ω1分别定义为
其中，p(i)表示像素i的灰度值；
大津算法证明最小化组内方差(intra-class variance)与最大化组间方差(inter-class variance)是等价的，于是有σb 2(t)＝σ2-σw 2(t)＝ω0(μ0-μT)2+ω1(μ1-μT)2
其中，μT为整幅图像的平均灰度值；μ0和μ1分别表示两个类别的灰度值，σ2为整幅图像的方差。
当方差σb最大时，认为此时前景图像和背景图像的差异最大，此时的灰度t是最佳阈值；
将高于阈值t的灰度图像作为前景图像，将低于阈值t的灰度图像作为背景图像，将低于阈值t的灰度值全部判定为0，即为黑色。
在医学领域的染色制片现场中，对载玻片的纯净度有着极高的要求，这也就要求在实验中，避免用抓具碰到载玻片的细胞附着位置，避免对实验样本造成污染。所以，在载玻片的码垛过程中，载玻片放置的状态就显得尤为重要。
S104：将所有凹槽区域轮廓范围内的图像与预设正面模板进行匹配，若匹配成功，则不校正载玻片凹槽区域置；否则，输出翻转载玻片的控制信号，使得匹配失败的载玻片沿平行与载玻片长边的对称轴翻转180度，最终实现载玻片的自动校准。
在具体实施中，设置正面模板为带有文字HQ，载玻片码放不准确则为倒置的HQ。本实施例通过对识别区域内做文字模板匹配，匹配到Q则为正反码放准确，匹配到倒置的Q则为正反码放不准确。
需要说明的是，本领域技术人员可根据实际情况来预设正面模板为其他模板。
本实施例通过判断所有凹槽区域轮廓范围内所有载玻片的码放方向，当载玻片的码放方向与预设方向不一致时，输出旋转载玻片的控制信号，使得方向不一致的载玻片沿其中心点旋转180度，直至所有载玻片的码放方向与预设方向相同；再将所有凹槽区域轮廓范围内的图像与预设正面模板进行匹配，若匹配成功，则不校正载玻片凹槽区域置；否则，输出翻转载玻片的控制信号，使得匹配失败的载玻片沿平行与载玻片长边的对称轴翻转180度，最终实现载玻片的自动校准，提高了载玻片校准的效率和载玻片最终凹槽区域置的准确性。
实施例二
图2是本公开实施例提供的一种基于视觉伺服的医学载玻片码放校正控制器结构示意图。
如图2所示，本实施例的一种基于视觉伺服的医学载玻片码放校正控制器，包括：
(1)载玻片码放容器图像获取模块，其用于获取指定位置处的载玻片码放容器图像；其中，载玻片码放容器设置有若干个凹槽区域，每个凹槽区域设置有一个载玻片。
所述基于视觉伺服的医学载玻片码放校正控制器，还包括坐标系统一模块，其用于：
获取指定位置处的载玻片码放容器图像之前，在载玻片码放容器图像获取装置的坐标系下标定载玻片码放容器的坐标，使得载玻片码放容器图像与载玻片码放容器图像获取装置坐标系一致，实现凹槽区域轮廓准确定位。
(2)凹槽区域轮廓范围识别模块，其用于识别载玻片码放容器图像中的所有凹槽区域轮廓范围。
在具体实施中，利用标记符控制的分水岭分割算法识别载玻片码放容器图像中的所有凹槽区域轮廓范围。
基于梯度图像的直接分水岭算法及其容易导致图像的过分割，产生这一现象的原因主要是由于输入的图像存在过多的极小区域而产生许多小的集水盆地，从而导致分割后的图像不能将图像中有意义的区域表示出来。所以必须对分割结果的相似区域进行合并。
传统基于梯度的分水岭算法由于局部最小值过多造成分割后的分水岭较多。而基于标记的分水岭算法，水淹过程从预先定义好的标记图像(像素)开始，较好的克服了过度分割的不足。本质上讲，基于标记点的改进算法是利用先验知识来帮助分割的一种方法。这种方法极大的提升了分割的准确度，有效避免了图像过分割的问题。
标记符控制的分水岭分割算法是OpenCV提供的一种改进的分水岭算法，其使用一系列预定义标记来引导图像分割的定义方式。使用OpenCV的分水岭算法cv::wathershed，需要输入一个标记图像，图像的像素值为32位有符号正数(CV_32S类型)，每个非零像素代表一个标签。它的原理是对图像中部分像素做标记，表明它的所属区域是已知的。该分水岭算法可以根据这个初始标签确定其他像素所属的区域。
本实施例选择使用标记符控制的分水岭分割算法来提取载玻片轮廓，以便于后期对载玻片的状态信息判断和识别抓取。
(3)码放方向判断模块，其用于判断所有凹槽区域轮廓范围内所有载玻片的码放方向，当载玻片的码放方向与预设方向不一致时，输出旋转载玻片的控制信号，使得方向不一致的载玻片沿其中心点旋转180度，直至所有载玻片的码放方向与预设方向相同。
在具体实施中，利用OTSU自适应阈值分割算法识别出所有凹槽区域轮廓范围内所有载玻片的白色手持位置，进而确定出载玻片的码放方向。
OTSU自适应阈值分割算法：由日本科学家大津展之(Nobuyuki Otsu)于1979年提出，也被称为最大类间方差算法。
在大津法中，定义组内方差为σw 2(t)＝ω0(t)σ0 2(t)+ω1(t)σ1 2(t)
通过选择使得上述组内方差最小化时的阈值t，就可以使得图像中的前景和背景尽可能的被区别开(假设将最终图像里被分开的两部分称为前景和背景)。ω0和ω1分别是一个像素可能属于前景或背景的概率，而σ1和σ2分别表示两个类别的方差。如果一个图像的直方图有L个等级(一般L＝256)，那么在给定阈值t的情况下，ω0和ω1分别定义为
其中，p(i)表示像素i的灰度值；
大津算法证明最小化组内方差(intra-class variance)与最大化组间方差(inter-class variance)是等价的，于是有σb 2(t)＝σ2-σw 2(t)＝ω0(μ0-μT)2+ω1(μ1-μT)2
其中，μT为整幅图像的平均灰度值；μ0和μ1分别表示两个类别的灰度值，σ2为整幅图像的方差。
当方差σb最大时，认为此时前景图像和背景图像的差异最大，此时的灰度t是最佳阈值；
将高于阈值t的灰度图像作为前景图像，将低于阈值t的灰度图像作为背景图像，将低于阈值t的灰度值全部判定为0，即为黑色。
在医学领域的染色制片现场中，对载玻片的纯净度有着极高的要求，这也就要求在实验中，避免用抓具碰到载玻片的细胞附着位置，避免对实验样本造成污染。所以，在载玻片的码垛过程中，载玻片放置的状态就显得尤为重要。
(4)模板匹配模块，其用于将所有凹槽区域轮廓范围内的图像与预设正面模板进行匹配，若匹配成功，则不校正载玻片凹槽区域置；否则，输出翻转载玻片的控制信号，使得匹配失败的载玻片沿平行与载玻片长边的对称轴翻转180度，最终实现载玻片的自动校准。
在具体实施中，设置正面模板为带有文字HQ，载玻片码放不准确则为倒置的HQ。本实施例通过对识别区域内做文字模板匹配，匹配到Q则为正反码放准确，匹配到倒置的Q则为正反码放不准确。
需要说明的是，本领域技术人员可根据实际情况来预设正面模板为其他模板。
本实施例通过判断所有凹槽区域轮廓范围内所有载玻片的码放方向，当载玻片的码放方向与预设方向不一致时，输出旋转载玻片的控制信号，使得方向不一致的载玻片沿其中心点旋转180度，直至所有载玻片的码放方向与预设方向相同；再将所有凹槽区域轮廓范围内的图像与预设正面模板进行匹配，若匹配成功，则不校正载玻片凹槽区域置；否则，输出翻转载玻片的控制信号，使得匹配失败的载玻片沿平行与载玻片长边的对称轴翻转180度，最终实现载玻片的自动校准，提高了载玻片校准的效率和载玻片最终凹槽区域置的准确性。
实施例三
本实施例提供了一种基于视觉伺服的医学载玻片码放校正系统，其包括如图2所示的基于视觉伺服的医学载玻片码放校正控制器。
在具体实施中，所述基于视觉伺服的医学载玻片码放校正控制器还与载玻片码放容器图像获取装置和旋转翻转机构分别相连；
所述载玻片码放容器图像获取装置，用于采集载玻片码放容器图像；
所述旋转翻转机构，用于接收旋转载玻片的控制信号及翻转载玻片的控制信号并对相应载玻片进行相应操作。
具体地，载玻片码放容器图像获取装置可采用相机等其他图像采集装置来实现。
旋转翻转机构可为多自由度机械臂来实现，本领域技术人员可根据实际情况来具体选择旋转翻转机构的结构形式。
本实施例通过判断所有凹槽区域轮廓范围内所有载玻片的码放方向，当载玻片的码放方向与预设方向不一致时，输出旋转载玻片的控制信号，使得方向不一致的载玻片沿其中心点旋转180度，直至所有载玻片的码放方向与预设方向相同；再将所有凹槽区域轮廓范围内的图像与预设正面模板进行匹配，若匹配成功，则不校正载玻片凹槽区域置；否则，输出翻转载玻片的控制信号，使得匹配失败的载玻片沿平行与载玻片长边的对称轴翻转180度，最终实现载玻片的自动校准，提高了载玻片校准的效率和载玻片最终凹槽区域置的准确性。
实施例四
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如图1所示的基于视觉伺服的医学载玻片码放校正方法中的步骤。
实施例五
本实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如图1所示的基于视觉伺服的医学载玻片码放校正方法中的步骤。
本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
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，所述的程序可存储于一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，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (10)

1.一种基于视觉伺服的医学载玻片码放校正方法，其特征在于，包括：
获取指定位置处的载玻片码放容器图像；其中，载玻片码放容器设置有若干个凹槽区域，每个凹槽区域设置有一个载玻片；
识别载玻片码放容器图像中的所有凹槽区域轮廓范围；
判断所有凹槽区域轮廓范围内所有载玻片的码放方向，当载玻片的码放方向与预设方向不一致时，输出旋转载玻片的控制信号，使得方向不一致的载玻片沿其中心点旋转180度，直至所有载玻片的码放方向与预设方向相同；
将所有凹槽区域轮廓范围内的图像与预设正面模板进行匹配，若匹配成功，则不校正载玻片凹槽区域置；否则，输出翻转载玻片的控制信号，使得匹配失败的载玻片沿平行与载玻片长边的对称轴翻转180度，最终实现载玻片的自动校准。
2.如权利要求1所述的一种基于视觉伺服的医学载玻片码放校正方法，其特征在于，利用标记符控制的分水岭分割算法识别载玻片码放容器图像中的所有凹槽区域轮廓范围。
3.如权利要求1所述的一种基于视觉伺服的医学载玻片码放校正方法，其特征在于，利用OTSU自适应阈值分割算法识别出所有凹槽区域轮廓范围内所有载玻片的白色手持位置，进而确定出载玻片的码放方向。
4.如权利要求1所述的一种基于视觉伺服的医学载玻片码放校正方法，其特征在于，获取指定位置处的载玻片码放容器图像之前还包括：
在载玻片码放容器图像获取装置的坐标系下标定载玻片码放容器的坐标，使得载玻片码放容器图像与载玻片码放容器图像获取装置坐标系一致，实现凹槽区域轮廓准确定位。
5.一种基于视觉伺服的医学载玻片码放校正控制器，其特征在于，包括：
载玻片码放容器图像获取模块，其用于获取指定位置处的载玻片码放容器图像；其中，载玻片码放容器设置有若干个凹槽区域，每个凹槽区域设置有一个载玻片；
凹槽区域轮廓范围识别模块，其用于识别载玻片码放容器图像中的所有凹槽区域轮廓范围；
码放方向判断模块，其用于判断所有凹槽区域轮廓范围内所有载玻片的码放方向，当载玻片的码放方向与预设方向不一致时，输出旋转载玻片的控制信号，使得方向不一致的载玻片沿其中心点旋转180度，直至所有载玻片的码放方向与预设方向相同；
模板匹配模块，其用于将所有凹槽区域轮廓范围内的图像与预设正面模板进行匹配，若匹配成功，则不校正载玻片凹槽区域置；否则，输出翻转载玻片的控制信号，使得匹配失败的载玻片沿平行与载玻片长边的对称轴翻转180度，最终实现载玻片的自动校准。
6.如权利要求5所述的一种基于视觉伺服的医学载玻片码放校正控制器，其特征在于，在所述凹槽区域轮廓范围识别模块中，利用标记符控制的分水岭分割算法识别载玻片码放容器图像中的所有凹槽区域轮廓范围；
或
在所述码放方向判断模块中，利用OTSU自适应阈值分割算法识别出所有凹槽区域轮廓范围内所有载玻片的白色手持位置，进而确定出载玻片的码放方向；
或
所述基于视觉伺服的医学载玻片码放校正控制器，还包括坐标系统一模块，其用于：
获取指定位置处的载玻片码放容器图像之前，在载玻片码放容器图像获取装置的坐标系下标定载玻片码放容器的坐标，使得载玻片码放容器图像与载玻片码放容器图像获取装置坐标系一致，实现凹槽区域轮廓准确定位。
7.一种基于视觉伺服的医学载玻片码放校正系统，其特征在于，包括如权利要求5-6中任一项所述的基于视觉伺服的医学载玻片码放校正控制器。
8.如权利要求7所述的一种基于视觉伺服的医学载玻片码放校正系统，其特征在于，所述基于视觉伺服的医学载玻片码放校正控制器还与载玻片码放容器图像获取装置和旋转翻转机构分别相连；
所述载玻片码放容器图像获取装置，用于采集载玻片码放容器图像；
所述旋转翻转机构，用于接收旋转载玻片的控制信号及翻转载玻片的控制信号并对相应载玻片进行相应操作。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-4中任一项所述的基于视觉伺服的医学载玻片码放校正方法中的步骤。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-4中任一项所述的基于视觉伺服的医学载玻片码放校正方法中的步骤。
CN201910550150.2A 2019-06-24 2019-06-24 基于视觉伺服的医学载玻片码放校正方法、控制器及系统 Active CN110287865B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910550150.2A CN110287865B (zh) 2019-06-24 2019-06-24 基于视觉伺服的医学载玻片码放校正方法、控制器及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910550150.2A CN110287865B (zh) 2019-06-24 2019-06-24 基于视觉伺服的医学载玻片码放校正方法、控制器及系统

Publications (2)

Publication Number Publication Date
CN110287865A true CN110287865A (zh) 2019-09-27
CN110287865B CN110287865B (zh) 2021-11-05

Family

ID=68005332

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910550150.2A Active CN110287865B (zh) 2019-06-24 2019-06-24 基于视觉伺服的医学载玻片码放校正方法、控制器及系统

Country Status (1)

Country Link
CN (1) CN110287865B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112198327A (zh) * 2020-09-22 2021-01-08 桂林优利特医疗电子有限公司 一种基于机器视觉的医疗器械进样检测系统及方法
CN112611752A (zh) * 2020-12-09 2021-04-06 山东志盈医学科技有限公司 数字病理切片扫描仪载玻片的检测定位方法及装置
WO2021120070A1 (zh) * 2019-12-18 2021-06-24 深圳迈瑞生物医疗电子股份有限公司 获取涂片标签信息的方法、系统以及细胞图像分析仪
CN114747198A (zh) * 2019-12-10 2022-07-12 深圳迈瑞生物医疗电子股份有限公司 细胞图像分析装置及相机安装平行性校验方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107192331A (zh) * 2017-06-20 2017-09-22 佛山市南海区广工大数控装备协同创新研究院 一种基于双目视觉的工件抓取方法
CN108335331A (zh) * 2018-01-31 2018-07-27 华中科技大学 一种钢卷双目视觉定位方法及设备
CN108986104A (zh) * 2018-06-04 2018-12-11 国网浙江省电力有限公司检修分公司 基于距离变换和标记分水岭算法的绝缘子图像分割方法
CN109087356A (zh) * 2018-06-29 2018-12-25 齐鲁工业大学 基于机器视觉的医学载玻片的识别定位方法、系统及装置
CN109239900A (zh) * 2018-11-07 2019-01-18 华东师范大学 一种用于显微数字图像大视野采集的全自动快速聚焦方法
CN109279373A (zh) * 2018-11-01 2019-01-29 西安中科光电精密工程有限公司 一种基于机器视觉的柔性拆垛码垛机器人系统及方法
CN109785317A (zh) * 2019-01-23 2019-05-21 辽宁工业大学 自动码垛桁架机器人的视觉系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107192331A (zh) * 2017-06-20 2017-09-22 佛山市南海区广工大数控装备协同创新研究院 一种基于双目视觉的工件抓取方法
CN108335331A (zh) * 2018-01-31 2018-07-27 华中科技大学 一种钢卷双目视觉定位方法及设备
CN108986104A (zh) * 2018-06-04 2018-12-11 国网浙江省电力有限公司检修分公司 基于距离变换和标记分水岭算法的绝缘子图像分割方法
CN109087356A (zh) * 2018-06-29 2018-12-25 齐鲁工业大学 基于机器视觉的医学载玻片的识别定位方法、系统及装置
CN109279373A (zh) * 2018-11-01 2019-01-29 西安中科光电精密工程有限公司 一种基于机器视觉的柔性拆垛码垛机器人系统及方法
CN109239900A (zh) * 2018-11-07 2019-01-18 华东师范大学 一种用于显微数字图像大视野采集的全自动快速聚焦方法
CN109785317A (zh) * 2019-01-23 2019-05-21 辽宁工业大学 自动码垛桁架机器人的视觉系统

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114747198A (zh) * 2019-12-10 2022-07-12 深圳迈瑞生物医疗电子股份有限公司 细胞图像分析装置及相机安装平行性校验方法
CN114747198B (zh) * 2019-12-10 2024-04-02 深圳迈瑞生物医疗电子股份有限公司 细胞图像分析装置及相机安装平行性校验方法
WO2021120070A1 (zh) * 2019-12-18 2021-06-24 深圳迈瑞生物医疗电子股份有限公司 获取涂片标签信息的方法、系统以及细胞图像分析仪
CN112198327A (zh) * 2020-09-22 2021-01-08 桂林优利特医疗电子有限公司 一种基于机器视觉的医疗器械进样检测系统及方法
CN112611752A (zh) * 2020-12-09 2021-04-06 山东志盈医学科技有限公司 数字病理切片扫描仪载玻片的检测定位方法及装置

Also Published As

Publication number Publication date
CN110287865B (zh) 2021-11-05

Similar Documents

Publication Publication Date Title
CN110287865A (zh) 基于视觉伺服的医学载玻片码放校正方法、控制器及系统
CN108827316B (zh) 基于改进的Apriltag标签的移动机器人视觉定位方法
CN108305264B (zh) 一种基于图像处理的无人机精确着陆方法
CN110580723B (zh) 一种利用深度学习和计算机视觉进行精准定位的方法
CN107507167A (zh) 一种基于点云平面轮廓匹配的货物托盘检测方法及系统
CN102721364B (zh) 一种工件的定位方法及其装置
CN109977997B (zh) 基于卷积神经网络快速鲁棒的图像目标检测与分割方法
CN109801318A (zh) 一种快速物体匹配算法
CN114952809B (zh) 工件识别和位姿检测方法、系统及机械臂的抓取控制方法
CN108322724B (zh) 图像立体匹配方法以及双目视觉设备
CN104598936A (zh) 人脸图像面部关键点的定位方法
CN105550688B (zh) 点云数据的分类方法及装置
CN108573221A (zh) 一种基于视觉的机器人目标零件显著性检测方法
CN104134234A (zh) 一种全自动的基于单幅图像的三维场景构建方法
CN107480603B (zh) 基于slam和深度摄像头的同步建图与物体分割方法
CN109829906A (zh) 一种基于方向场与纹理特征的工件缺陷检测与分类方法
CN108510477B (zh) 试纸色块的定位方法及装置
CN109034065A (zh) 一种基于点云的室内场景物体提取方法
CN107588723A (zh) 一种基于两步法的高速动目标上圆形标记漏点检测方法
CN110503115A (zh) 一种颜色识别方法、装置、设备及计算机可读存储介质
CN109064481A (zh) 一种机器视觉定位方法
CN115609591A (zh) 一种基于2D Marker的视觉定位方法和系统、复合机器人
CN109784297A (zh) 一种基于深度学习的三维目标识别与最优抓取方法
CN102968618A (zh) 一种融合BoF模型和谱聚类算法的静态手势识别方法
CN106934846B (zh) 一种布料图像处理方法及系统

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
TR01 Transfer of patent right

Effective date of registration: 20231027

Address after: Room W10-6, 22nd Floor, Building B, Shounuo City Light, Huaiyin District, Jinan City, Shandong Province, 250000

Patentee after: Jinan Huizhikang Intelligent Technology Development Partnership Enterprise (L.P.)

Address before: 250353 University Road, Changqing District, Ji'nan, Shandong Province, No. 3501

Patentee before: Qilu University of Technology

TR01 Transfer of patent right