CN110427845B - 物品像素中心确定方法、装置、设备及可读存储介质 - Google Patents
物品像素中心确定方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN110427845B CN110427845B CN201910653841.5A CN201910653841A CN110427845B CN 110427845 B CN110427845 B CN 110427845B CN 201910653841 A CN201910653841 A CN 201910653841A CN 110427845 B CN110427845 B CN 110427845B
- Authority
- CN
- China
- Prior art keywords
- center
- pixel
- calculating
- intersection points
- central point
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种物品像素中心确定方法、装置、设备及可读存储介质,该方法包括步骤:采用深度学习算法获取图片的像素信息,并基于获取的像素信息将所述图片转化成二值图;基于所述二值图提取图片中物品的边缘轮廓;基于所述边缘轮廓确定物品的像素中心,其中,所述像素中心位于边缘轮廓内。本发明实现了物品分选线上即使出现不规则物品,也能先从图片中确定物品的边缘轮廓,进而根据边缘轮廓确定物品的像素中心,由于该像素中心位于边缘轮廓内,使得机器人可以准确抓取到物品,避免了物品被抓空的现象。
Description
技术领域
本发明涉及图片处理领域,尤其涉及一种物品像素中心确定方法、装置、设备及可读存储介质。
背景技术
随着计算机技术的发展,图片处理的技术也越来越进步,现在的物品分类(比如垃圾分类)也会采用图片处理技术进行快速分类,例如,在垃圾分选产线上,传送带用于传送垃圾,而相机用于拍摄图片,通过相机拍摄的图片确定待抓取的垃圾之后再由机器人进行抓取,但是在垃圾分选过程中,由于不规则的垃圾对应的重心可能落在边缘上或者物体外,这种情况下,若是垃圾分选产线通过物品的重心抓取物品,就会出现抓空的情况。
发明内容
本发明的主要目的在于提供一种物品像素中心确定方法、装置、设备及可读存储介质,旨在解决现有技术的物品抓取过程,由于物品的不规则容易出现物品抓空的现象的技术问题。
为实现上述目的,本发明提供一种物品像素中心确定方法,所述物品像素中心确定方法包括以下步骤:
采用深度学习算法获取图片的像素信息,并基于获取的像素信息将所述图片转化成二值图;
基于所述二值图提取图片中物品的边缘轮廓;
基于所述边缘轮廓确定物品的像素中心,其中,所述像素中心位于边缘轮廓内。
可选地,所述基于所述边缘轮廓确定物品的像素中心的步骤包括:
对所述二值图进行拆分,得到m*n块,其中,横向m块,纵向n块;
计算各个块对应的中心点坐标;
在每个块中以其中心点坐标为中心做多个方位的射线,并得到多个方位的射线与边缘轮廓的交点,并从每个块对应的各个交点中确定最小值;
比较各个块的最小值,并将数值最大的最小值对应的块所在中心点作为像素中心。
可选地,所述计算各个块对应的中心点坐标的步骤包括:
删除所述图片中位于物品的边缘轮廓之外的块;
计算剩余的各个块对应的中心点坐标。
可选地,所述基于所述边缘轮廓确定物品的像素中心的步骤包括:
通过所述边缘轮廓的像素坐标,计算出像素重心;
以所述像素重心为中心做多个方位的射线,以得到多个方位的射线与边缘轮廓的交点,并确定同一直线上的两交点之间的中心点;
分别将每个中心点与像素重心做连线,得到连线与边缘轮廓的两连线交点,并分别过每个中心点做连线的垂线,得到垂线与边缘轮廓的两垂线交点;
根据每个中心点与边缘轮廓相交得到的两连线交点、两垂线交点,以及所述中心点计算数值;
比较各个中心点的数值,将数值最小的中心点作为所述像素中心。
可选地,所述根据每个中心点与边缘轮廓相交得到的两连线交点、两垂线交点,以及所述中心点计算数值的步骤包括:
在每一个中心点中,分别计算两连线交点到所述中心点的距离,并对两个距离做差得到第一差值;
分别计算两垂线交点到所述中心点的两个距离,并对两个距离做差得到第二差值;
计算第一差值和第二差值的平方和,得到第一参数;
计算两连线交点之间的距离,计算两垂线交点之间的距离,并对两个距离求平方和,以将平方和的相反数作为第二参数;
计算所述中心点到像素重心的距离,并对该距离求平方和以作为第三参数;
根据三个参数及三个参数预设的权重因子,计算数值。
可选地,所述以所述像素重心为中心做多个方位的射线,以得到多个方位的射线与边缘轮廓的交点,并确定同一直线上的两交点之间的中心点的步骤之后,所述方法还包括:
以所述像素重心为中心做多个方位的射线;
若有直线与所述边缘轮廓相离或相切,则移除所述直线,其中,直线由相反方向的两射线组成;
若有直线与所述边缘轮廓的交点超过两个,则以被截最长线段的中心作为实际中心点。
可选地,所述基于所述边缘轮廓确定物品的像素中心的步骤包括:
通过所述边缘轮廓的像素坐标,计算出像素重心;
以所述像素重心为中心做多个方位的射线,以得到多个方位的射线与边缘轮廓的交点,并确定同一直线上的两交点之间的中心点;
计算每个中心点到边缘轮廓的最短距离,得到一个集合,并在集合中取出最大值,作为所述像素中心。
进一步地,为实现上述目的,本发明还提供一种物品像素中心确定装置,所述物品像素中心确定装置包括:
获取模块,用于采用深度学习算法获取图片的像素信息;
转化模块,用于基于获取的像素信息将所述图片转化成二值图;
提取模块,用于基于所述二值图提取图片中物品的边缘轮廓;
确定模块,用于基于所述边缘轮廓确定物品的像素中心,其中,所述像素中心位于边缘轮廓内。
可选地,所述确定模块包括:
拆分单元,用于对所述二值图进行拆分,得到m*n块,其中,横向m块,纵向n块;
第一计算单元,用于计算各个块对应的中心点坐标;
第一处理单元,用于在每个块中以其中心点坐标为中心做多个方位的射线,并得到多个方位的射线与边缘轮廓的交点,并从每个块对应的各个交点中确定最小值;
比较单元,用于比较各个块的最小值,并将数值最大的最小值对应的块所在中心点作为像素中心。
进一步地,为实现上述目的,本发明还提供一种物品像素中心确定设备,所述物品像素中心确定设备包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的物品像素中心确定程序,所述物品像素中心确定程序被所述处理器执行时实现如上述所述的物品像素中心确定方法的步骤。
进一步地,为实现上述目的,本发明还提供一种可读存储介质,所述可读存储介质上存储有物品像素中心确定程序,所述物品像素中心确定程序被处理器执行时实现如上所述的物品像素中心确定方法的步骤。
本发明的技术方案公开一种物品像素中心确定方法,采用深度学习算法获取图片的像素信息,并基于获取的像素信息将所述图片转化成二值图,基于所述二值图提取图片中物品的边缘轮廓,最终基于所述边缘轮廓确定物品的像素中心。使得物品分选线上即使出现不规则物品,也能先从图片中确定物品的边缘轮廓,进而根据边缘轮廓确定物品的像素中心,由于该像素中心位于边缘轮廓内,使得机器人可以准确抓取到物品,避免了物品被抓空的现象。
附图说明
图1为本发明物品像素中心确定设备实施例方案涉及的设备硬件运行环境的结构示意图;
图2为本发明物品像素中心确定方法第一实施例的流程示意图;
图3为本发明物品像素中心确定方法第二实施例的流程示意图;
图4为本发明第二实施例的一种应用场景示意图;
图5为本发明物品像素中心确定方法第三实施例流程示意图;
图6a-6d为本发明第三实施例的一种应用场景示意图;
图7为本发明物品像素中心确定装置的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本发明提供一种物品像素中心确定设备,参照图1,图1为本发明物品像素中心确定设备实施例方案涉及的设备硬件运行环境的结构示意图。
如图1所示,该物品像素中心确定设备可以包括:处理器1001,例如CPU,通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储设备。
本领域技术人员可以理解,图1中示出的物品像素中心确定设备的硬件结构并不构成对物品像素中心确定设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种可读存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及物品像素中心确定程序。其中,操作系统是管理和控制物品像素中心确定设备与软件资源的程序,支持网络通信模块、用户接口模块、物品像素中心确定程序以及其他程序或软件的运行;网络通信模块用于管理和控制网络接口1004;用户接口模块用于管理和控制用户接口1003。
在图1所示的物品像素中心确定设备硬件结构中,处理器1001可以调用存储器1005中存储的物品像素中心确定程序,并执行以下物品像素中心确定方法的步骤:
采用深度学习算法获取图片的像素信息,并基于获取的像素信息将所述图片转化成二值图;
基于所述二值图提取图片中物品的边缘轮廓;
基于所述边缘轮廓确定物品的像素中心,其中,所述像素中心位于边缘轮廓内。
进一步地,所述基于所述边缘轮廓确定物品的像素中心的步骤包括:
对所述二值图进行拆分,得到m*n块,其中,横向m块,纵向n块;
计算各个块对应的中心点坐标;
在每个块中以其中心点坐标为中心做多个方位的射线,并得到多个方位的射线与边缘轮廓的交点,并从每个块对应的各个交点中确定最小值;
比较各个块的最小值,并将数值最大的最小值对应的块所在中心点作为像素中心。
进一步地,所述计算各个块对应的中心点坐标的步骤包括:
删除所述图片中位于物品的边缘轮廓之外的块;
计算剩余的各个块对应的中心点坐标。
进一步地,所述基于所述边缘轮廓确定物品的像素中心的步骤包括:
通过所述边缘轮廓的像素坐标,计算出像素重心;
以所述像素重心为中心做多个方位的射线,以得到多个方位的射线与边缘轮廓的交点,并确定同一直线上的两交点之间的中心点;
分别将每个中心点与像素重心做连线,得到连线与边缘轮廓的两连线交点,并分别过每个中心点做连线的垂线,得到垂线与边缘轮廓的两垂线交点;
根据每个中心点与边缘轮廓相交得到的两连线交点、两垂线交点,以及所述中心点计算数值;
比较各个中心点的数值,将数值最小的中心点作为所述像素中心。
进一步地,所述根据每个中心点与边缘轮廓相交得到的两连线交点、两垂线交点,以及所述中心点计算数值的步骤包括:
在每一个中心点中,分别计算两连线交点到所述中心点的距离,并对两个距离做差得到第一差值;
分别计算两垂线交点到所述中心点的两个距离,并对两个距离做差得到第二差值;
计算第一差值和第二差值的平方和,得到第一参数;
计算两连线交点之间的距离,计算两垂线交点之间的距离,并对两个距离求平方和,以将平方和的相反数作为第二参数;
计算所述中心点到像素重心的距离,并对该距离求平方和以作为第三参数;
根据三个参数及三个参数预设的权重因子,计算数值。
进一步地,所述以所述像素重心为中心做多个方位的射线,以得到多个方位的射线与边缘轮廓的交点,并确定同一直线上的两交点之间的中心点的步骤之后,所述方法还包括:
以所述像素重心为中心做多个方位的射线;
若有直线与所述边缘轮廓相离或相切,则移除所述直线,其中,直线由相反方向的两射线组成;
若有直线与所述边缘轮廓的交点超过两个,则以被截最长线段的中心作为实际中心点。
可选地,所述基于所述边缘轮廓确定物品的像素中心的步骤包括:
通过所述边缘轮廓的像素坐标,计算出像素重心;
以所述像素重心为中心做多个方位的射线,以得到多个方位的射线与边缘轮廓的交点,并确定同一直线上的两交点之间的中心点;
计算每个中心点到边缘轮廓的最短距离,得到一个集合,并在集合中取出最大值,作为所述像素中心。
本发明物品像素中心确定设备的具体实施方式与上述物品像素中心确定方法各实施例基本相同,在此不再赘述。
本发明还提供一种物品像素中心确定方法。
本发明实施例提供了物品像素中心确定方法的实施例,需要说明的是,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
在物品像素中心确定方法的各个实施例中,为了便于描述,省略执行主体进行阐述各个实施例。
参照图2,图2为本发明物品像素中心确定方法第一实施例的流程示意图,所述物品像素中心确定方法包括:
步骤S10,采用深度学习算法获取图片的像素信息,并基于获取的像素信息将所述图片转化成二值图;
在本实施例中,通过相机拍摄图片,相机拍摄图片可选每隔预设时间间隔采集一帧图片,然后获取该采集的一帧图片进行处理以便于后续确定物品像素中心,所述预设时间间隔根据实际需求设置。此外,还可选实时采集一帧图片,并获取该采集的一帧图片进行处理以便于后续确定物品像素中心。
在获取到图片之后,采用深度学习算法对所述图片进行预测,以获取图片中物品的像素信息,采用深度学习算法对图片进行预测以获取图片中物品的像素信息的方式与现有技术一致,此处不做赘述。在获取到图片的像素信息之后,基于获取的像素信息将所述图片转化成二值图,可选将图片中的物品转化成白色区域,将背景转化成黑色区域。
步骤S20,基于所述二值图提取图片中物品的边缘轮廓;
在将所述图片转化成二值图之后,基于所述二值图确定图片中物品的边缘像素信息,基于物品的边缘像素信息确定物品的边缘轮廓,并提取物品的边缘轮廓。
步骤S30,基于所述边缘轮廓确定物品的像素中心,其中,所述像素中心位于边缘轮廓内。
在本实施例中,所述基于所述边缘轮廓确定物品的像素中心的步骤可选包括:
通过所述边缘轮廓的像素坐标,计算出像素重心;
以所述像素重心为中心做多个方位的射线,以得到多个方位的射线与边缘轮廓的交点,并确定同一直线上的两交点之间的中心点;
计算每个中心点到边缘轮廓的最短距离,得到一个集合,并在集合中取出最大值,作为所述像素中心。
需要说明的是,现有技术中,抓取物品的位置是根据物品重心进行抓取的,即确定物品的重心之后,即可控制机器人抓取物品的重心,而物品重心的计算方式,是将物体的像素坐标求平均值之后得出的,由于不规则物品的原因,物品重心可能会落在物品的边缘轮廓之外,这种情况会导致机器人抓空。
在本实施例中,采用深度学习算法获取图片的像素信息,并基于获取的像素信息将所述图片转化成二值图,基于所述二值图提取图片中物品的边缘轮廓,最终基于所述边缘轮廓确定物品的像素中心。使得物品分选线上即使出现不规则物品,也能先从图片中确定物品的边缘轮廓,进而根据边缘轮廓确定物品的像素中心,由于该像素中心位于边缘轮廓内,避免了物品被抓空的现象。
进一步地,基于所述物品像素中心确定方法的第一实施例,提出本发明第二实施例。在本实施例中,参照图3,所述步骤S30包括:
步骤S31,对所述二值图进行拆分,得到m*n块,其中,横向m块,纵向n块;
步骤S32,计算各个块对应的中心点坐标;
步骤S33,在每个块中以其中心点坐标为中心做多个方位的射线,并得到多个方位的射线与边缘轮廓的交点,并从每个块对应的各个交点中确定最小值;
步骤S34,比较各个块的最小值,并将数值最大的最小值对应的块所在中心点作为像素中心。
在本实施例中,在基于所述二值图提取图片中物品的边缘轮廓之后,将二值图进行拆分,具体根据分辨率进行拆分,横向m块,纵向n块,以得到m*n块,可以理解,拆分越多份越精确。
在将二值图拆分成m*n块之后,再计算每个块对应的中心点坐标。进一步地,为了提高物品像素中心确定的准确性,所述步骤S32包括:
删除所述图片中位于物品的边缘轮廓之外的块;
计算剩余的各个块对应的中心点坐标。
之后,在每个块中以其中心点坐标为中心做多个方位的射线,并得到多个方位的射线与边缘轮廓的交点,本实施例中,可选在每个块中以其中心点坐标为中心做八个方位的射线,以得到八个方位的射线与边缘轮廓的交点。然后在该块对应的八个交点中确定坐标值最小的点,该坐标值最小的点即为该块的最小值,最小值记为r。
通过上述过程确定每个块的最小值r,然后比较各个块的最小值r,并将数值最大的r对应的块所在中心点作为像素中心。
为更好理解本实施例,参照图4,在对二值图进行拆分,得到m*n块之后,计算各个块对应的中心点坐标,若当前有一块的中心点坐标如图4中的黑色点,则在这个块中以其中心点坐标为中心做八个方位的射线,并得到八个方位的射线与边缘轮廓的交点,然后在这个块对应的八个交点中确定坐标最小的交点(即最小值),从图4中可看出,左下角的交点即为该块的最小值。之后,比较各个块的最小值,并将数值最大的最小值对应的块所在中心点作为像素中心。
需要说明的是,在本实施例中,通过对二值图进行拆分得到各个块,并从各个块中找出物品的像素中心,由于对图片拆分较为细致,因此,在确定物品的像素中心更加准确,提高了物品像素中心确定的精确度。但是这种方式耗时较大,适用于低分辨率物品分类的需求。
进一步地,基于所述物品像素中心确定方法的第一或第二实施例,提出本发明第三实施例。
在本实施例中,参照图5,所述步骤S30还包括:
步骤S35,通过所述边缘轮廓的像素坐标,计算出像素重心;
步骤S36,以所述像素重心为中心做多个方位的射线,以得到多个方位的射线与边缘轮廓的交点,并确定同一直线上的两交点之间的中心点;
步骤S37,分别将每个中心点与像素重心做连线,得到连线与边缘轮廓的两连线交点,并分别过每个中心点做连线的垂线,得到垂线与边缘轮廓的两垂线交点;
步骤S38,根据每个中心点与边缘轮廓相交得到的两连线交点、两垂线交点,以及所述中心点计算数值;
步骤S39,比较各个中心点的数值,将数值最小的中心点作为所述像素中心。
在本实施例中,在基于所述二值图提取图片中物品的边缘轮廓之后,先通过所述边缘轮廓的像素坐标,计算出物品的像素重心,具体的计算方式与现有方式一致,此处不做赘述。
在确定物品的像素重心之后,以所述像素重心为中心做多个方位的射线,以得到多个方位的射线与边缘轮廓的交点,可选以所述像素重心为中心做八个方位的射线,以得到八个方位的射线与边缘轮廓的交点,然后计算同一直线上的两交点之间的中心点,也就是将同一直线上的两交点坐标取平均值得到中心点。
然后,分别将每个中心点与像素重心做连线,得到连线与边缘轮廓的两连线交点,并分别过每个中心点做连线的垂线,得到垂线与边缘轮廓的两垂线交点,得到每个中心点与边缘轮廓的两连线交点及两两垂线交点之后,根据每个中心点与边缘轮廓相交得到的两连线交点、两垂线交点,以及所述中心点计算数值,具体的计算过程在下文中详述,计算出中心点对应的数值之后,比较各个中心点的数值,将数值最小的中心点作为所述像素中心。
为更好理解本实施例,参照图6a-6c,通过所述边缘轮廓的像素坐标,计算出像素重心为图6a中的黑点,以该像素重心为中心做八个方位的射线,以得到八个方位的射线与边缘轮廓的交点,然后确定同一直线上的两交点之间的中心点,如图6b所示,八个交点的中心点分别为G1、G2、G3、G4。
在确定各个中心点之后,分别将每个中心点与像素重心做连线,得到连线与边缘轮廓的两连线交点,并分别过每个中心点做连线的垂线,得到垂线与边缘轮廓的两垂线交点,具体如图6c所示。再根据每个中心点与边缘轮廓相交得到的两连线交点、两垂线交点,以及所述中心点计算数值,比较各个中心点的数值,将数值最小的中心点作为所述像素中心。
在本实施例中,所述步骤S38包括:
在每一个中心点中,分别计算两连线交点到所述中心点的距离,并对两个距离做差得到第一差值;
分别计算两垂线交点到所述中心点的两个距离,并对两个距离做差得到第二差值;
计算第一差值和第二差值的平方和,得到第一参数;
计算两连线交点之间的距离,计算两垂线交点之间的距离,并对两个距离求平方和,以将平方和的相反数作为第二参数;
计算所述中心点到像素重心的距离,并对该距离求平方和以作为第三参数;
根据三个参数及三个参数预设的权重因子,计算数值。
为更好理解本实施例,以任一个中心点为例进行讲解,参照图6d,以G4所在中心点为例,在G4中心点中,确定两连线交点为A,B,两垂线交点为C、D。分别计算两连线交点A、B到所述中心点G4的距离,记为AO、BO,再分别计算两垂线交点C、D到所述中心点G4的距离,记为CO、DO,然后对两个距离做差得到第一差值,再计算第一差值和第二差值的平方和,得到第一参数,即求出(AO-BO)与(CO-DO)的平方和,记作第一参数α。接着,计算两连线交点之间的距离,计算两垂线交点之间的距离,并对两个距离求平方和,以将平方和的相反数作为第二参数,即对线段AB、CD求平方和,并求出其相反数,记作第二参数β。再计算所述中心点G4到像素重心G的距离OG,并对该距离求平方和以作为第三参数γ。最终根据三个参数及三个参数预设的权重因子,计算数值,本实施例中,可选将α、β和β的权重因子设置为σ1、σ2、σ3,所述根据三个参数及三个参数预设的权重因子,计算数值的公式为:
ξ=α*σ1+β*σ2+γ*σ3,其中,σ1、σ2、σ3三个权重因子的具体数值根据实际需求进行设置,总和等于1。
本实施例中需要说明的是,第一参数α值的目的是保证G不会往一边轮廓偏离过多,第二β值的目的是使得G所在的区域包裹最大,第三参数γ的目的是使得G更加偏向于像素重心,通过调整权重因子σ1、σ2、σ3,可以得出最佳的像素中心。
可以理解,通过上述计算过程,即可计算出每个中心点的数值,在计算出每个中心点对应的数值之后,比较各个中心点的数值,将数值最小的中心点作为所述像素中心。
需要说明的是,本实施例中,可以在毫秒级时间内求出物品的像素中心,提高了物品像素中心确定的效率,更加符合实际物品分选需求。
本发明还提供一种物品像素中心确定装置。
参照图7,图7为本发明物品像素中心确定装置第一实施例的功能模块示意图,所述物品像素中心确定装置应用于物品像素中心确定设备。
所述物品像素中心确定装置包括:
获取模块,用于采用深度学习算法获取图片的像素信息;
转化模块,用于基于获取的像素信息将所述图片转化成二值图;
提取模块,用于基于所述二值图提取图片中物品的边缘轮廓;
确定模块,用于基于所述边缘轮廓确定物品的像素中心,其中,所述像素中心位于边缘轮廓内。
进一步地,所述确定模块包括:
拆分单元,用于对所述二值图进行拆分,得到m*n块,其中,横向m块,纵向n块;
第一计算单元,用于计算各个块对应的中心点坐标;
第一处理单元,用于在每个块中以其中心点坐标为中心做多个方位的射线,并得到多个方位的射线与边缘轮廓的交点,并从每个块对应的各个交点中确定最小值;
第一比较单元,用于比较各个块的最小值,并将数值最大的最小值对应的块所在中心点作为像素中心。
进一步地,所述第一计算单元,还用于删除所述图片中位于物品的边缘轮廓之外的块;
计算剩余的各个块对应的中心点坐标。
进一步地,所述确定模块还包括:
第二计算单元,用于通过所述边缘轮廓的像素坐标,计算出像素重心;
第二处理单元,用于以所述像素重心为中心做多个方位的射线,以得到多个方位的射线与边缘轮廓的交点,并确定同一直线上的两交点之间的中心点;
所述第二处理单元,还用于分别将每个中心点与像素重心做连线,得到连线与边缘轮廓的两连线交点,并分别过每个中心点做连线的垂线,得到垂线与边缘轮廓的两垂线交点;
所述第二计算单元,还用于根据每个中心点与边缘轮廓相交得到的两连线交点、两垂线交点,以及所述中心点计算数值;
第二比较单元,用于比较各个中心点的数值,将数值最小的中心点作为所述像素中心。
进一步地,所述第二计算单元,还用于在每一个中心点中,分别计算两连线交点到所述中心点的距离,并对两个距离做差得到第一差值;
分别计算两垂线交点到所述中心点的两个距离,并对两个距离做差得到第二差值;
计算第一差值和第二差值的平方和,得到第一参数;
计算两连线交点之间的距离,计算两垂线交点之间的距离,并对两个距离求平方和,以将平方和的相反数作为第二参数;
计算所述中心点到像素重心的距离,并对该距离求平方和以作为第三参数;
根据三个参数及三个参数预设的权重因子,计算数值。
进一步地,所述装置还包括:处理模块,用于
以所述像素重心为中心做多个方位的射线;
若有直线与所述边缘轮廓相离或相切,则移除所述直线,其中,直线由相反方向的两射线组成;
若有直线与所述边缘轮廓的交点超过两个,则以被截最长线段的中心作为实际中心点。
进一步地,所述确定模块还包括:
第三计算单元,用于通过所述边缘轮廓的像素坐标,计算出像素重心;
第三处理单元,用于以所述像素重心为中心做多个方位的射线,以得到多个方位的射线与边缘轮廓的交点,并确定同一直线上的两交点之间的中心点;
所述第三计算单元,还用于计算每个中心点到边缘轮廓的最短距离,得到一个集合,并在集合中取出最大值,作为所述像素中心。
本发明物品像素中心确定装置具体实施方式与上述物品像素中心确定方法各实施例基本相同,在此不再赘述。
此外,本发明实施例还提出一种可读存储介质。
可读存储介质上存储有物品像素中心确定程序,物品像素中心确定程序被处理器执行时实现如上所述的物品像素中心确定方法的步骤。
本发明可读存储介质具体实施方式与上述物品像素中心确定方法各实施例基本相同,在此不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其它要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其它相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种物品像素中心确定方法,其特征在于,所述物品像素中心确定方法包括以下步骤:
采用深度学习算法获取图片的像素信息,并基于获取的像素信息将所述图片转化成二值图;
基于所述二值图提取图片中物品的边缘轮廓;
基于所述边缘轮廓确定物品的像素中心,其中,所述像素中心位于边缘轮廓内;
所述基于所述边缘轮廓确定物品的像素中心的步骤包括:
通过所述边缘轮廓的像素坐标,计算出像素重心;
以所述像素重心为中心做多个方位的射线,以得到多个方位的射线与边缘轮廓的交点,并确定同一直线上的两交点之间的中心点;
分别将每个中心点与像素重心做连线,得到连线与边缘轮廓的两连线交点,并分别过每个中心点做连线的垂线,得到垂线与边缘轮廓的两垂线交点;
根据每个中心点与边缘轮廓相交得到的两连线交点、两垂线交点,以及所述中心点计算数值;
比较各个中心点的数值,将数值最小的中心点作为所述像素中心;
所述根据每个中心点与边缘轮廓相交得到的两连线交点、两垂线交点,以及所述中心点计算数值的步骤包括:
在每一个中心点中,分别计算两连线交点到所述中心点的距离,并对两个距离做差得到第一差值;
分别计算两垂线交点到所述中心点的两个距离,并对两个距离做差得到第二差值;
计算第一差值和第二差值的平方和,得到第一参数;
计算两连线交点之间的距离,计算两垂线交点之间的距离,并对两个距离求平方和,以将平方和的相反数作为第二参数;
计算所述中心点到像素重心的距离,并对该距离求平方和以作为第三参数;
根据三个参数及三个参数预设的权重因子,计算数值。
2.如权利要求1所述的物品像素中心确定方法,其特征在于,所述基于所述边缘轮廓确定物品的像素中心的步骤包括:
对所述二值图进行拆分,得到m * n块,其中,横向m块,纵向n块;
计算各个块对应的中心点坐标;
在每个块中以其中心点坐标为中心做多个方位的射线,并得到多个方位的射线与边缘轮廓的交点,并从每个块对应的各个交点中确定坐标最小的交点坐标最小的交点;
比较各个块的坐标最小的交点,并将数值最大的坐标最小的交点对应的块所在中心点作为像素中心。
3.如权利要求2所述的物品像素中心确定方法,其特征在于,所述计算各个块对应的中心点坐标的步骤包括:
删除所述图片中位于物品的边缘轮廓之外的块;
计算剩余的各个块对应的中心点坐标。
4.如权利要求1所述的物品像素中心确定方法,其特征在于,所述以所述像素重心为中心做多个方位的射线,以得到多个方位的射线与边缘轮廓的交点,并确定同一直线上的两交点之间的中心点的步骤之后,所述方法还包括:
以所述像素重心为中心做多个方位的射线;
若有直线与所述边缘轮廓相离或相切,则移除所述直线,其中,直线由相反方向的两射线组成;
若有直线与所述边缘轮廓的交点超过两个,则以被截最长线段的中心作为实际中心点。
5.如权利要求1-3任一项所述的物品像素中心确定方法,其特征在于,所述基于所述边缘轮廓确定物品的像素中心的步骤包括:
通过所述边缘轮廓的像素坐标,计算出像素重心;
以所述像素重心为中心做多个方位的射线,以得到多个方位的射线与边缘轮廓的交点,并确定同一直线上的两交点之间的中心点;
计算每个中心点到边缘轮廓的最短距离,得到一个集合,并在集合中取出最大值,将最大值对应的中心点作为所述像素中心。
6.一种物品像素中心确定装置,其特征在于,所述物品像素中心确定装置包括:
获取模块,用于采用深度学习算法获取图片的像素信息;
转化模块,用于基于获取的像素信息将所述图片转化成二值图;
提取模块,用于基于所述二值图提取图片中物品的边缘轮廓;
确定模块,用于基于所述边缘轮廓确定物品的像素中心,其中,所述像素中心位于边缘轮廓内;
所述确定模块还包括:
第二计算单元,用于通过所述边缘轮廓的像素坐标,计算出像素重心;
第二处理单元,用于以所述像素重心为中心做多个方位的射线,以得到多个方位的射线与边缘轮廓的交点,并确定同一直线上的两交点之间的中心点;
所述第二处理单元,还用于分别将每个中心点与像素重心做连线,得到连线与边缘轮廓的两连线交点,并分别过每个中心点做连线的垂线,得到垂线与边缘轮廓的两垂线交点;
所述第二计算单元, 还用于根据每个中心点与边缘轮廓相交得到的两连线交点、两垂线交点,以及所述中心点计算数值;
第二比较单元,用于比较各个中心点的数值,将数值最小的中心点作为所述像素中心;
所述第二计算单元, 还用于在每一个中心点中,分别计算两连线交点到所述中心点的距离,并对两个距离做差得到第一差值;
分别计算两垂线交点到所述中心点的两个距离,并对两个距离做差得到第二差值;
计算第一差值和第二差值的平方和,得到第一参数;
计算两连线交点之间的距离,计算两垂线交点之间的距离,并对两个距离求平方和,以将平方和的相反数作为第二参数;
计算所述中心点到像素重心的距离,并对该距离求平方和以作为第三参数;
根据三个参数及三个参数预设的权重因子,计算数值。
7.一种物品像素中心确定设备,其特征在于,所述物品像素中心确定设备包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的物品像素中心确定程序,所述物品像素中心确定程序被所述处理器执行时实现如权利要求1-5中任一项所述的物品像素中心确定方法的步骤。
8.一种可读存储介质,其特征在于,所述可读存储介质上存储有物品像素中心确定程序,所述物品像素中心确定程序被处理器执行时实现如权利要求1-5中任一项所述的物品像素中心确定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910653841.5A CN110427845B (zh) | 2019-07-19 | 2019-07-19 | 物品像素中心确定方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910653841.5A CN110427845B (zh) | 2019-07-19 | 2019-07-19 | 物品像素中心确定方法、装置、设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110427845A CN110427845A (zh) | 2019-11-08 |
CN110427845B true CN110427845B (zh) | 2022-12-16 |
Family
ID=68410114
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910653841.5A Active CN110427845B (zh) | 2019-07-19 | 2019-07-19 | 物品像素中心确定方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110427845B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111462232B (zh) * | 2020-03-13 | 2023-04-25 | 广州大学 | 一种物体抓取方法、装置和存储介质 |
CN111515149B (zh) * | 2020-04-26 | 2020-12-29 | 广东弓叶科技有限公司 | 人机协作分选系统及其机器人的抓取位置获取方法 |
CN113513990B (zh) * | 2021-09-13 | 2021-12-07 | 广东三姆森科技股份有限公司 | 一种3c产品内部尺寸的测量方法及测量装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106875410A (zh) * | 2017-02-09 | 2017-06-20 | 深圳市医诺智能科技发展有限公司 | 图像轮廓自动提取方法及系统 |
CN108986125A (zh) * | 2017-11-30 | 2018-12-11 | 成都通甲优博科技有限责任公司 | 物体边缘提取方法、装置及电子设备 |
CN109410196A (zh) * | 2018-10-24 | 2019-03-01 | 东北大学 | 基于泊松环形条件随机场的宫颈癌组织病理图像诊断方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9060672B2 (en) * | 2013-02-11 | 2015-06-23 | Definiens Ag | Coregistering images of needle biopsies using multiple weighted landmarks |
-
2019
- 2019-07-19 CN CN201910653841.5A patent/CN110427845B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106875410A (zh) * | 2017-02-09 | 2017-06-20 | 深圳市医诺智能科技发展有限公司 | 图像轮廓自动提取方法及系统 |
CN108986125A (zh) * | 2017-11-30 | 2018-12-11 | 成都通甲优博科技有限责任公司 | 物体边缘提取方法、装置及电子设备 |
CN109410196A (zh) * | 2018-10-24 | 2019-03-01 | 东北大学 | 基于泊松环形条件随机场的宫颈癌组织病理图像诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110427845A (zh) | 2019-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110427845B (zh) | 物品像素中心确定方法、装置、设备及可读存储介质 | |
CN110619333B (zh) | 一种文本行分割方法、文本行分割装置及电子设备 | |
CN108564579B (zh) | 一种基于时空相关的混凝土裂缝检测方法及检测装置 | |
CN111242240B (zh) | 物料检测方法、装置及终端设备 | |
CN111127548B (zh) | 抓取位置检测模型训练方法、抓取位置检测方法及装置 | |
CN107004266A (zh) | 检测轮胎表面上缺陷的方法 | |
CN106569946B (zh) | 一种移动终端性能测试方法及系统 | |
CN111062331A (zh) | 图像的马赛克检测方法、装置、电子设备及存储介质 | |
CN114332004A (zh) | 一种瓷砖表面缺陷检测方法、装置、电子设备及存储介质 | |
CN113252103A (zh) | 一种基于matlab图像识别技术计算物料堆体积及质量的方法 | |
CN111814739A (zh) | 快递包裹体积的检测方法、装置、设备及存储介质 | |
CN110968375B (zh) | 界面控制方法、装置、智能终端及计算机可读存储介质 | |
CN113177941B (zh) | 一种钢卷边裂识别方法、系统、介质和终端 | |
CN114581419A (zh) | 变压器绝缘套管缺陷检测方法、相关设备及可读存储介质 | |
CN113610833A (zh) | 物料抓取方法、装置、电子设备和存储介质 | |
CN112633187A (zh) | 基于图像分析的机器人自动搬运方法、系统和存储介质 | |
CN112102391A (zh) | 测量方法及装置、电子设备及存储介质 | |
CN109740337B (zh) | 一种实现滑块验证码识别的方法及装置 | |
CN115439700B (zh) | 一种图像处理方法、装置和机器可读存储介质 | |
CN115410135B (zh) | 自主式搬运的航空行李特征感知重构方法、系统及其应用 | |
CN111062924A (zh) | 图像处理方法、装置、终端和存储介质 | |
CN111860035A (zh) | 图书封面检测方法、装置及存储介质和电子设备 | |
CN110533681B (zh) | 物品抓取方法、装置、设备及计算机可读存储介质 | |
CN113658274B (zh) | 用于灵长类动物种群行为分析的个体间距自动计算方法 | |
CN111523583B (zh) | 一种利用无人机对设备铭牌照片自动识别分类的方法 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 523000 room 325, building 15, No. 1, Xuefu Road, Songshanhu Park, Dongguan City, Guangdong Province Applicant after: Guangdong Gongye Technology Co.,Ltd. Address before: Room 123-128, Building 1, No. 1, R&D Fifth Road, Songshanhu Park, Dongguan, Guangdong 523000 Applicant before: Dongguan Gongye Interconnection Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |