CN110705552B - 行李托盘识别方法及装置 - Google Patents
行李托盘识别方法及装置 Download PDFInfo
- Publication number
- CN110705552B CN110705552B CN201910962485.5A CN201910962485A CN110705552B CN 110705552 B CN110705552 B CN 110705552B CN 201910962485 A CN201910962485 A CN 201910962485A CN 110705552 B CN110705552 B CN 110705552B
- Authority
- CN
- China
- Prior art keywords
- value
- image
- preset
- determining
- tray
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06V10/56—Extraction of image or video features relating to colour
Abstract
本发明提供一种行李托盘识别方法,包括:获取待检测深度图像,将预设的托盘模板图像在待检测深度图像上进行滑行,以在待检测深度图像上获取多个检测区域,并确定每个检测区域在托盘模板图像上对应的标准区域;计算每个检测区域的匹配度,将数值最小的匹配度作为目标匹配度;当目标匹配度小于或等于第一阈值时,确定待检测深度图像中存在行李托盘;当目标匹配度大于第一阈值并小于第二阈值时,计算与目标匹配度对应的检测区域的像素比率值,当像素比率值大于或等于第三阈值时,确定待检测深度图像中存在行李托盘。应用本方法,不需要额外对行李托盘进行加工处理,节省了人力物力,降低了应用成本,运算过程简便,识别行李托盘的准确率高。
Description
技术领域
本发明涉及物体识别技术领域,特别涉及一种行李托盘识别方法及装置。
背景技术
随着国民经济水平的提高,越来越来多的人选择飞机出行,因此,机场承载的客流量在逐年的升高。为给旅客提供更加便捷的服务,以及减少机场工作人员的工作强度,机场推出了自助行李托运系统。自助行李托运系统中的行李托盘识别是系统中的重要技术环节。
行李托盘识别技术主要有三种,一种是在托盘上贴条码、二维码标签或者RFID标签,通过读取条码或是标签中的信息来识别行李托盘;一种是通过激光雷达监测行李托盘;另一种是获取行李传送带上的云点数据,通过对云点数据进行处理以及轮廓匹配来检测行李托盘。现有自助行李系统中普遍通过识别标签中的信息来识别行李托盘。应用此方法时,需要对行李托盘进行二次加工,即在行李托盘上粘贴条码、二维码标签或是RFID标签,并且需要定期更换行李托盘上的标签;耗费了大量的人力和物力,增加了识别行李托盘的应用成本。
发明内容
有鉴于此,本发明提供一种行李托盘识别方法,用于在自助行李托运行系统中识别行李托盘,本发明不需要对行李托盘进行二次加工,降低了成本,减少了人力和物力的消耗。本发明还提供一种行李托盘识别装置,用于所述方法在实际中的应用。
为实现上述目的,本发明提供如下技术方案:
一种行李托盘识别方法,其特征在于,包括:
获取待检测深度图像;
按照预设的滑动规则,将预设的托盘模板图像在所述待检测深度图像上进行滑行,以在所述待检测深度图像上获取多个检测区域,并确定每个所述检测区域在所述托盘模板图像上对应的标准区域,每个所述检测区域与对应的标准区域大小相同;
将每个所述检测区域与其对应的标准区域进行计算,得到每个所述检测区域与所述托盘模板图像的匹配度;
将各个所述匹配度中数值最小的匹配度确定为目标匹配度,并判断所述目标匹配度所属的阈值范围;
当所述目标匹配度小于或等于预设的第一阈值时,确定所述待检测深度图像中存在行李托盘;
当所述目标匹配度大于所述第一阈值并小于预设的第二阈值时,执行预设的像素计算操作,以得到与所述目标匹配度对应的检测区域的像素比率值,所述第一阈值小于所述第二阈值;
将所述像素比率值与预设的第三阈值进行比对,当所述像素比率值大于或等于所述第三阈值时,确定所述待检测深度图像中存在行李托盘。
上述的方法,可选的,所述获取待检测深度图像,包括:
获取当前的深度图像;
确定所述深度图像中的各个像素点,并将所述深度图像的每个像素点进行距离转换,得到每个像素点对应的距离值;
将距离值属于预设的距离区间的各个所述像素点确定为第一集合,以及将距离值不属于所述距离区间的各个所述像素点确定为第二集合;
将所述第一集合中的每个像素点的值设置为预设的第一数值,以及将所述第二集合中的每个像素点的值设置为预设的第二数值,并依据设置后的各个像素点的值,生成与所述深度图像对应的灰度图像;
按照预设的滤波算法,对所述灰度图像进行运算,生成待检测深度图像。
上述的方法,可选的,所述执行预设的像素计算操作,以得到与所述目标匹配度对应的检测区域的像素比率值,包括:
确定与所述目标匹配度对应的检测区域,以及与所述检测区域对应的标准区域;
获取与所述检测区域对应的彩色图像区域;
将所述彩色图像区域与所述标准区域中的托盘模板掩膜进行计算,得到与所述彩色图像区域对应的第一彩色类型图像;
将所述第一彩色类型图像转换为第二彩色类型图像,并确定所述第二彩色类型图像的各个像素点的色调值;
确定所述色调值属于预设的色调阈值区间的像素点的个数,并依据色调值属于预设的色调阈值区间的像素点的个数计算得到像素比率值。
上述的方法,可选的,所述托盘模板图像的生成过程,包括:
获取作为模板的行李托盘的深度图像;
确定所述深度图像中的各个像素点,并将所述深度图像的每个像素点进行距离转换,得到每个像素点对应的距离值;
将距离值属于预设的距离区间的各个所述像素点确定为第三集合,以及将距离值不属于所述距离区间的各个所述像素点确定为第四集合;
将所述第三集合中的每个像素点的值设置为预设的第三数值,以及将所述第四集合中的每个像素点的值设置为预设的第四数值,并依据设置后的各个像素点的值,生成与所述深度图像对应的灰度图像;
按照预设的滤波算法,对所述灰度图像进行运算,生成所述行李托盘的托盘模板图像。
上述的方法,可选的,所述色调阈值区间的生成过程,包括:
获取作为模板的行李托盘的彩色图像,并将所述彩色图像进行转换,得到彩色转换图像;
确定在所述彩色转换图像中的行李托盘区域,并确定所述行李托盘区域中的每个像素点的色调值;
确定各个所述色调值中的最小色调值以及最大色调值,并依据所述最小色调值以及最大色调值确定所述行李托盘的色调阈值区间。
一种行李托盘识别装置,包括:
第一获取单元,用于获取待检测深度图像;
滑行单元,用于按照预设的滑动规则,将预设的托盘模板图像在所述待检测深度图像上进行滑行,以在所述待检测深度图像上获取多个检测区域,并确定每个所述检测区域在所述托盘模板图像上对应的标准区域,每个所述检测区域与对应的标准区域大小相同;
第一计算单元,用于将每个所述检测区域与其对应的标准区域进行计算,得到每个所述检测区域与所述托盘模板图像的匹配度;
判断单元,用于将各个所述匹配度中数值最小的匹配度确定为目标匹配度,并判断所述目标匹配度所属的阈值范围;
第一确定单元,用于当所述目标匹配度小于或等于预设的第一阈值时,确定所述待检测深度图像中存在行李托盘;
执行单元,用于当所述目标匹配度大于所述第一阈值并小于预设的第二阈值时,执行预设的像素计算操作,以得到与所述目标匹配度对应的检测区域的像素比率值,所述第一阈值小于所述第二阈值;
第二确定单元,用于将所述像素比率值与预设的第三阈值进行比对,当所述像素比率值大于或等于所述第三阈值时,确定所述待检测深度图像中存在行李托盘。
上述的装置,可选的,所述第一获取单元,包括:
第一获取子单元,用于获取当前的深度图像;
第一确定子单元,用于确定所述深度图像中的各个像素点,并将所述深度图像的每个像素点进行距离转换,得到每个像素点对应的距离值;
第二确定子单元,用于将距离值属于预设的距离区间的各个所述像素点确定为第一集合,以及将距离值不属于所述距离区间的各个所述像素点确定为第二集合;
设置子单元,用于将所述第一集合中的每个像素点的值设置为预设的第一数值,以及将所述第二集合中的每个像素点的值设置为预设的第二数值,并依据设置后的各个像素点的值,生成与所述深度图像对应的灰度图像;
生成子单元,用于按照预设的滤波算法,对所述灰度图像进行运算,生成待检测深度图像。
上述的装置,可选的,所述执行单元,包括:
第三确定子单元,用于确定与所述目标匹配度对应的检测区域,以及与所述检测区域对应的标准区域;
第二获取子单元,用于获取与所述检测区域对应的彩色图像区域;
计算子单元,用于将所述彩色图像区域与所述标准区域中的托盘模板掩膜进行计算,得到与所述彩色图像区域对应的第一彩色类型图像;
第四确定子单元,用于将所述第一彩色类型图像转换为第二彩色类型图像,并确定所述第二彩色类型图像的各个像素点的色调值;
第五确定子单元,用于确定所述色调值属于预设的色调阈值区间的像素点的个数,并依据色调值属于预设的色调阈值区间的像素点的个数计算得到像素比率值。
上述的装置,可选的,还包括:
第二获取单元,用于获取作为模板的行李托盘的深度图像;
第三确定单元,用于确定所述深度图像中的各个像素点,并将所述深度图像的每个像素点进行距离转换,得到每个像素点对应的距离值;
第四确定单元,用于将距离值属于预设的距离区间的各个所述像素点确定为第三集合,以及将距离值不属于所述距离区间的各个所述像素点确定为第四集合;
设置单元,用于将所述第三集合中的每个像素点的值设置为预设的第三数值,以及将所述第四集合中的每个像素点的值设置为预设的第四数值,并依据设置后的各个像素点的值,生成与所述深度图像对应的灰度图像;
第二计算单元,用于按照预设的滤波算法,对所述灰度图像进行运算,生成所述行李托盘的托盘模板图像。
上述的装置,可选的,还包括:
第三获取单元,用于获取作为模板的行李托盘的彩色图像,并将所述彩色图像进行转换,得到彩色转换图像;
第五确定单元,用于确定在所述彩色转换图像中的行李托盘区域,并确定所述行李托盘区域中的每个像素点的色调值;
第六确定单元,用于确定各个所述色调值中的最小色调值以及最大色调值,并依据所述最小色调值以及最大色调值确定所述行李托盘的色调阈值区间。
与现有技术相比,本发明具有以下优点:
通过应用本发明提供的方法,可从传感器中获取经过处理的待检测深度图像,将预先设置的托盘模板图像在所述待检测深度图像上进行滑行,以在待检测深度图像上获取多个检测区域,每个检测区域在所述托盘模板图像上存在对应的标准区域,所述检测区域与对应的标准区域的大小相同;计算每个检测区域与托盘模板图像的匹配度,从各个匹配度中选取数值最小的匹配度作为目标匹配度,当所述目标匹配度小于或等于第一阈值时,确定待检测深度图像中存在行李托盘;当所述目标匹配度大于所述第一阈值并小于第二阈值时,计算与所述目标匹配度对应的检测区域的像素比率值,并将所述像素比率值与第三阈值进行比对,当所述像素比率值大于或等于所述第三阈值时,确定待检测深度图像中存在行李托盘。应用本发明提供的方法,不需要额外对行李托盘进行加工处理,节省了大量人力物力,降低了应用成本;本发明提供的方法在应用时运算过程简便,不需要占用大量的计算资源,并且本发明识别行李托盘的准确度很高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种行李托盘识别方法的方法流程图;
图2为本发明实施例提供的一种行李托盘识别方法的另一方法流程图;
图3为本发明实施例提供的一种行李托盘识别方法的另一方法流程图;
图4为本发明实施例提供的一种行李托盘识别装置的装置结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本申请中,术语“包括”、“包含”或者其任何其他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、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本发明可应用于众多通用或专用的计算装置环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器装置、包括以上任何装置或设备的分布式计算环境等等。
本发明实施例提供了一种行李托盘识别方法,该方法可以应用于机场中的行李托运系统中,用于识别行李托运系统的行李带上的行李是否有行李托盘,所述方法的方法流程图如图1所示,具体说明如下所述:
S101、获取待检测深度图像。
本发明实施例提供的方法中,所述行李托运系统的行李检测区的正上方安装有摄像头,所述摄像头用于拍摄位于行李检测区中的图像,通过传感器获取摄像头拍摄的图像,获取的图像为待检测深度图像。需要说明的是,获取到的待检测深度图像是经过预处理得到的。
S102、按照预设的滑动规则,将预设的托盘模板图像在所述待检测深度图像上进行滑行,以在所述待检测深度图像上获取多个检测区域,并确定每个所述检测区域在所述托盘模板图像上对应的标准区域,每个所述检测区域与对应的标准区域大小相同。
本发明实施例提供的方法中,获取到预设的托盘模板图像,将所述托盘模板图像在待检测深度图像上,从左到右,从上到下滑动,获取滑动时所述托盘模板图像与待检测深度图像的重叠区域;可获得多个大小不同的重叠区域。每个所述重叠区域在所述待检测深度图像中存在对应的检测区域,在所述托盘模板图像中存在对应的标准区域;每个检测区域存在对应的标准区域,检测区域与其对应的标准区域大小相同并且相互重叠。
S103、将每个所述检测区域与其对应的标准区域进行计算,得到每个所述检测区域与所述托盘模板图像的匹配度。
本发明实施例提供的方法中,将所述检测区域中的每个像素点的值与对应的标准区域中的每个像素点的值进行相乘,需要说明的是,在检测区域以及标准区域中的像素点用坐标表示;将每个检测区域与对应的标准区域进行计算时,具体的计算过程可参照以下公式:
其中,(x,y)是检测区域中的坐标,(x′,y′)是标准区域中的坐标,x、y、x′、y′的取值范围为大于零或等于零的整数;T表示所述标准区域上指定坐标的像素值,I是所述检测区域中指定坐标的像素值,M为所述检测区域与所述托盘模板图像的匹配度。
可通过上述的公式,计算得到每个检测区域与托盘模板图像的匹配度。
S104、将各个所述匹配度中数值最小的匹配度确定为目标匹配度,并判断所述目标匹配度所属的阈值范围。
本发明实施例提供的方法中,确定每个检测区域对应的匹配度的数值,并从中挑选出数值最小的匹配度,将数值最小的匹配度确定为目标匹配度,并确定与所述目标匹配度对应的检测区域。将目标匹配度与预设的阈值范围进行比较,以确定所述目标匹配度所属的阈值范围。
S105、当所述目标匹配度小于或等于预设的第一阈值时,确定所述待检测深度图像中存在行李托盘。
本发明实施例提供的方法中,当所述目标匹配度小于或等于预设的第一阈值时,与所述目标匹配度对应的检测区域中存在行李托盘,即检测到所述待检测深度图像中存在行李托盘。
S106、当所述目标匹配度大于所述第一阈值并小于预设的第二阈值时,执行预设的像素计算操作,以得到与所述目标匹配度对应的检测区域的像素比率值,所述第一阈值小于所述第二阈值。
本发明实施例提供的方法中,当所述目标匹配度大于所述第一阈值并小于预设的第二阈值时,对所述目标匹配度对应的检测区域执行预设的像素计算操作,以得到所述目标匹配度对应的监测区域的像素比率值;所述第一阈值小于所述第二阈值,所述第一阈值与所述第二阈值可根据实际情况进行调整。
S107、将所述像素比率值与预设的第三阈值进行比对,当所述像素比率值大于或等于所述第三阈值时,确定所述待检测深度图像中存在行李托盘。
本发明实施例提供的方法中,所述第三阈值可根据实际情况进行设置,当所述像素比率值大于或等于所述第三阈值时,在与所述目标匹配度对应的检测区域中检测到行李托盘,即所述待检测深度图像中存在行李托盘。
本发明实施例提供的方法中,通过应用本发明提供的方法,可从传感器中获取经过处理的待检测深度图像,将预先设置的托盘模板图像在所述待检测深度图像上进行滑行,以在待检测深度图像上获取多个检测区域,每个检测区域在所述托盘模板图像上存在对应的标准区域,所述检测区域与对应的标准区域的大小相同并且相互重叠;计算每个检测区域与托盘模板图像的匹配度,从各个匹配度中选取数值最小的匹配度作为目标匹配度,当所述目标匹配度小于或等于第一阈值时,确定待检测图像中存在行李托盘;当所述目标匹配度大于所述第一阈值并小于第二阈值时,计算与所述目标匹配度对应的检测区域的像素比率值,并将所述像素比率值与第三阈值进行比对,当所述像素比率值大于或等于所述第三阈值时,确定待检测深度图像中存在行李托盘。应用本发明提供的方法,不需要额外对行李托盘进行加工处理,节省了大量人力物力,降低了应用成本;本发明提供的方法在应用时运算过程简便,不需要占用大量的计算资源,并且本发明识别行李托盘的准确度很高。
本发明实施例提供的方法中,经过传感器获取的待检测深度图像是经过处理得到的,处理的具体过程可参照图2,具体说明如下所述:
S201、获取当前的深度图像。
本发明实施例提供的方法中,通过摄像头或是传感器获取到托盘识别区域中当前的深度图像;所述深度图像是经过对齐的深度图像,需要说明的是,所述托盘识别区域中设置有RGB摄像头和红外摄像头,所述RGB摄像头与红外摄像头获取到的图像可能会有差异,通过将RGB摄像头获取的图像以及红外线摄像头获取的图像进行对齐,可得到当前的深度图像。
S202、确定所述深度图像中的各个像素点,并将所述深度图像的每个像素点进行距离转换,得到每个像素点对应的距离值。
本发明实施例提供的方法中,确定所述深度图像中的各个像素点,并将每个所述像素点进行距离转换,得到所述像素点对应的距离值;所述深度图像中每个像素点对应的距离值组成与所述深度图像对应的像素距离矩阵。
S203、将距离值属于预设的距离区间的各个所述像素点确定为第一集合,以及将距离值不属于所述距离区间的各个所述像素点确定为第二集合。
本发明实施例提供的方法中,判断所述深度图像的每个像素点的距离值是否位于预设的距离区间中,将距离值位于所述距离区间中的各个像素点确定为第一集合;将距离值不位于所述距离区间中的各个像素点确定为第二集合;所述距离区间为闭区间,所述距离区间的取值范围可根据实际应用情况获取。
S204、将所述第一集合中的每个像素点的值设置为预设的第一数值,以及将所述第二集合中的每个像素点的值设置为预设的第二数值,并依据设置后的各个像素点的值,生成与所述深度图像对应的灰度图像。
本发明实施例提供的方法中,将所述第一集合中的每个像素点的值设置为第一数值,所述第一数值为1;将所述第二集合中的每个像素点的值设置为第二数值,所述第二数值为0;需要说明的是,将所述第一集合中的每个像素点的值以及所述第二集合中的每个像素点的值进行设置之后,可获得由各个像素点的值组成的像素矩阵,并依据所述像素矩阵,生成与所述像素矩阵对应的灰度图像,所述灰度图像与所述深度图像对应。
S205、按照预设的滤波算法,对所述灰度图像进行运算,生成待检测深度图像。
本发明实施例提供的方法中,应用预设的滤波算法,将所述灰度图像中的噪音去除;将所述灰度图像按照预设的滤波算法进行运算,以得到精度较高的待检测深度图像,提高对待检测深度图像中是否存在行李托盘的检测准确度。
本发明实施例提供的方法中,通过将RGB摄像头获取的图像与红外线获取的图像进行对齐处理,以提高检测行李托盘的准确度;将处理后得到的深度图像中的各个像素点的值重新进行设置,并依据设置后的各个像素点的值得到与所述深度图像对应的灰度图像,对所述灰度图像进行去噪处理,得到与所述深度图像对应的待检测深度图像。通过对当前的深度图像进行处理,得到待检测深度图像,得到更精确的待检测深度图像,以提高检测行李托盘的准确率。
本发明实施例提供的方法中,对所述待检测深度图像进行识别时,确定所述待检测深度图像的各个检测区域,并计算每个所述检测区域的匹配度,从各个匹配度中挑选数值最小的匹配度作为目标匹配度,当所述目标匹配度大于预设的第一阈值并小于预设的第二阈值时,需计算所述目标匹配度对应的检测区域的像素比率值,具体的计算过程如图3所示,具体说明如下所述:
S301、确定与所述目标匹配度对应的检测区域,以及与所述检测区域对应的标准区域。
本发明实施例提供的方法中,确定在所述待检测深度图像上与所述目标匹配度对应的检测区域,以及确定在所述托盘检测模板图像上与所述检测区域对应的标准区域。
S302、获取与所述检测区域对应的彩色图像区域。
本发明实施例提供的方法中,在与所述待检测深度图像对应的彩色图像中获取与所述检测区域对应的彩色图像区域;所述待检测深度图像与所述彩色图像的大小相同,检测区域与其对应的彩色图像区域的大小相同。
S303、将所述彩色图像区域与所述标准区域中的托盘模板掩膜进行计算,得到与所述彩色图像区域对应的第一彩色类型图像。
本发明实施例提供的方法中,将所述彩色图像区域中的各个像素点与所述标准区域中的托盘模板掩膜相乘,得到与第一彩色类型图像;需要说明的是,所述第一彩色类型图像为RGB颜色模型图像。
S304、将所述第一彩色类型图像转换为第二彩色类型图像,并确定所述第二彩色类型图像的各个像素点的色调值。
本发明实施例提供的方法中,第二彩色类型图像为HSV(Hue,Saturation,Value)颜色模型图像;确定所述第二彩色类型图像的每个像素点的色调值。
S305、确定所述色调值属于预设的色调阈值区间的像素点的个数,并依据色调值属于预设的色调阈值区间的像素点的个数计算得到像素比率值。
本发明实施例提供的方法中,调用预设的色调阈值区间,将每个所述像素点的色调值与预设的色调阈值区间进行比对,以判断色调值是否属于所述色调阈值区间;确定色调值属于所述色调阈值区间的像素点的个数,计算所述色调值属于所述色调阈值区间的像素点的个数在所述彩色图像区域的像素点的总数中占据的比例,计算得到的比例为所述检测区域的像素比率值。
需要说明的是,应用本发明提供的方法,行李托盘在被行李遮挡的情况下依然可识别出行李托盘,提高了识别行李托盘的精确度,提高自助行李托运系统的工作效率。
本发明实施例提供的方法中,通过使用与所述待检测深度图像对应的彩色图像中的色调值,判断所述待检测深度图像的检测区域中是否存在行李托盘,提高了判断待检测深度图中的行李托盘的精确度;应用色调值时,需要调用预设的色调阈值区间,所述色调阈值区间的生成过程如下所述:
获取作为模板的行李托盘的彩色图像,并将所述彩色图像进行转换,得到彩色转换图像;
确定在所述彩色转换图像中的行李托盘区域,并确定所述行李托盘区域中的每个像素点的色调值;
确定各个所述色调值中的最小色调值以及最大色调值,并依据所述最小色调值以及最大色调值确定所述行李托盘的色调阈值区间。
本发明实施例提供的方法中,获取作为模板的行李托盘的彩色图像,作为模板的行李托盘是所有行李托盘的标准,所述彩色图像为RGB颜色模型图像;将所述彩色图像进行转换成HSV颜色模型图像,所述HSV颜色模型图像为所述彩色转换图像;读取所述彩色转换图像中的行李托盘区域,并确定所述行李托盘区域中的每个像素点的色调值,从各个所述色调值中确定最小的色调值以及最大的色调值,依据最小色调值和最大色调值确定所述行李托盘的色调阈值区间,所述色调阈值区间为闭区间。例如,所述最小色调阈值为t1,最大色调阈值为t2,所述色调阈值区间为:[t1,t2]。
本发明实施例提供的方法中,本发明不仅预设了行李托盘的色调阈值区间,还预设了行李托盘的托盘模板图像,生成所述托盘模板图像的具体过程如下所述:
获取作为模板的行李托盘的深度图像。
本发明实施例提供的方法中,通过传感器获取作为模板的行李托盘的深度图像,所述深度图像预先经过处理,处理的过程为将RGB摄像头拍摄的图像与红外线摄像头拍摄的图像进行对齐处理,得到深度图像。
确定所述深度图像中的各个像素点,并将所述深度图像的每个像素点进行距离转换,得到每个像素点对应的距离值。
本发明实施例提供的方法中,此处的具体过程详见S202,此处不再进行赘述。
需要说明的是,将距离值属于预设的距离区间的各个所述像素点确定为第三集合,以及将距离值不属于所述距离区间的各个所述像素点确定为第四集合。
本发明实施例提供的方法中,所述距离区间可根据实际应用进行设置,具体的获取过程可以为:在行李检测区放置作为模板的行李托盘,测量行李托盘上边缘与检测区平面的最大距离dist1、最小距离dist2和传感器距离行李检测区平面的距离dist3,得到托盘上边缘距离传感器的最大距离distmax=dist3-dist2和最小距离distmin=dist3-dist1,得到距离区间:[distmin,distmax]。判断每个像素值的距离值是否处于所述距离区间,将距离值属于所述距离区间的各个像素值确定为第三集合,将距离值不属于所述距离区间的各个像素值确定为第四集合。需要说明的是,此处的距离区间与图2中所述的距离区间相同;此处的详细说明还可参见S203,此处不再进行赘述。
将所述第三集合中的每个像素点的值设置为预设的第三数值,以及将所述第四集合中的每个像素点的值设置为预设的第四数值,并依据设置后的各个像素点的值,生成与所述深度图像对应的灰度图像。
本发明实施例提供的方法中,所述第三数值为1,第四数值为0;需要说明的是,将所述第三集合中的每个像素点的值以及所述第四集合中的每个像素点的值进行设置之后,可获得由各个像素点的值组成的像素矩阵,并依据所述像素矩阵,生成与所述像素矩阵对应的灰度图像,所述灰度图像与所述深度图像对应。
按照预设的滤波算法,对所述灰度图像进行运算,生成所述行李托盘的托盘模板图像。
本发明实施例提供的方法中,此处的滤波算法与S205中的滤波算法相同,将所述灰度图像去除噪声之后,可得到行李托盘的托盘模板图像。
本发明实施例提供的方法中,设置行李托盘的托盘模板图像以及色调阈值区间只需要设置一次,并且设置的过程简单、便捷;应用本发明提供的方法,若自助行李托运系统的行李托盘发生变换,则只需重新设置行李托盘的托盘模板图像以及色调阈值区间,应用的灵活性强,实际应用成本低,不需要花费众多的人力和物力。
本发明实施例提供的方法中,通过获取待检测深度图像,将托盘模板图像在所述待检测深度图像上进行滑行,以在所述待检测深度图像上获取多个检测区域,并确定每个所述检测区域在所述托盘模板图像上对应的标准区域;计算得到每个所述检测区域的匹配度,将各个匹配度中数值最小的匹配度确定为目标匹配度,并判断所述目标匹配度所属的阈值范围;当所述目标匹配度小于或等于预设的第一阈值时,确定所述待检测深度图像中存在行李托盘;当所述目标匹配度大于所述第一阈值并小于预设的第二阈值时,计算所述与所述目标匹配度对应的检测区域的像素比率值,当所述像素比率值大于或等于预设的第三阈值时,确定所述待检测深度图像中存在行李托盘。应用本发明提供的方法,通过在待检测深度图像上确定各个检测区域,计算每个检测区域的匹配度,依据所述匹配度判断检测区域中是否存在行李托盘;应用本方法提高了识别行李托盘的准确度,识别过程简单,不需要占用系统中的大量运算资源,并且不需要对行李托盘进行二次加工,识别行李托盘的准确率更高。
与图1所述的方法相对应,本发明实施例还提供了一种行李托盘识别装置,用于支持图1中方法的在实际中的具体实现,本发明实施例提供的行李托盘识别装置可以应用于计算机终端或行李托运系统中,其结构示意图如图4所示,具体包括:
第一获取单元401,用于获取待检测深度图像;
滑行单元402,用于按照预设的滑动规则,将预设的托盘模板图像在所述待检测深度图像上进行滑行,以在所述待检测深度图像上获取多个检测区域,并确定每个所述检测区域在所述托盘模板图像上对应的标准区域,每个所述检测区域与对应的标准区域大小相同;
第一计算单元403,用于将每个所述检测区域与其对应的标准区域进行计算,得到每个所述检测区域与所述托盘模板图像的匹配度;
判断单元404,用于将各个所述匹配度中数值最小的匹配度确定为目标匹配度,并判断所述目标匹配度所属的阈值范围;
第一确定单元405,用于当所述目标匹配度小于或等于预设的第一阈值时,确定所述待检测深度图像中存在行李托盘;
执行单元406,用于当所述目标匹配度大于所述第一阈值并小于预设的第二阈值时,执行预设的像素计算操作,以得到与所述目标匹配度对应的检测区域的像素比率值,所述第一阈值小于所述第二阈值;
第二确定单元407,用于将所述像素比率值与预设的第三阈值进行比对,当所述像素比率值大于或等于所述第三阈值时,确定所述待检测深度图像中存在行李托盘。
本发明实施例提供的装置中,通过获取待检测深度图像,将托盘模板图像在所述待检测深度图像上进行滑行,以在所述待检测深度图像上获取多个检测区域,并确定每个所述检测区域在所述托盘模板图像上对应的标准区域;计算得到每个所述检测区域的匹配度,将各个匹配度中数值最小的匹配度确定为目标匹配度,并判断所述目标匹配度所属的阈值范围;当所述目标匹配度小于或等于预设的第一阈值时,确定所述待检测深度图像中存在行李托盘;当所述目标匹配度大于所述第一阈值并小于预设的第二阈值时,计算所述与所述目标匹配度对应的检测区域的像素比率值,当所述像素比率值大于或等于预设的第三阈值时,确定所述待检测深度图像中存在行李托盘。应用本发明提供的装置,通过在待检测深度图像上确定各个检测区域,计算每个检测区域的匹配度,依据所述匹配度判断检测区域中是否存在行李托盘;应用本方法提高了识别行李托盘的准确度,识别过程简单,不需要占用系统中的大量运算资源,并且不需要对行李托盘进行二次加工,具有更高的识别行李托盘的准确率。
本发明实施例提供的装置,所述第一获取单元401可以设置为:
第一获取子单元,用于获取当前的深度图像;
第一确定子单元,用于确定所述深度图像中的各个像素点,并将所述深度图像的每个像素点进行距离转换,得到每个像素点对应的距离值;
第二确定子单元,用于将距离值属于预设的距离区间的各个所述像素点确定为第一集合,以及将距离值不属于所述距离区间的各个所述像素点确定为第二集合;
设置子单元,用于将所述第一集合中的每个像素点的值设置为预设的第一数值,以及将所述第二集合中的每个像素点的值设置为预设的第二数值,并依据设置后的各个像素点的值,生成与所述深度图像对应的灰度图像;
生成子单元,用于按照预设的滤波算法,对所述灰度图像进行运算,生成待检测深度图像。
本发明实施例提供的装置,所述执行单元406可以设置为:
第三确定子单元,用于确定与所述目标匹配度对应的检测区域,以及与所述检测区域对应的标准区域;
第二获取子单元,用于获取与所述检测区域对应的彩色图像区域;
计算子单元,用于将所述彩色图像区域与所述标准区域中的托盘模板掩膜进行计算,得到与所述彩色图像区域对应的第一彩色类型图像;
第四确定子单元,用于将所述第一彩色类型图像转换为第二彩色类型图像,并确定所述第二彩色类型图像的各个像素点的色调值;
第五确定子单元,用于确定所述色调值属于预设的色调阈值区间的像素点的个数,并依据色调值属于预设的色调阈值区间的像素点的个数计算得到像素比率值。
本发明实施例提供的装置,还可以设置为:
第二获取单元,用于获取作为模板的行李托盘的深度图像;
第三确定单元,用于确定所述深度图像中的各个像素点,并将所述深度图像的每个像素点进行距离转换,得到每个像素点对应的距离值;
第四确定单元,用于将距离值属于预设的距离区间的各个所述像素点确定为第三集合,以及将距离值不属于所述距离区间的各个所述像素点确定为第四集合;
设置单元,用于将所述第三集合中的每个像素点的值设置为预设的第三数值,以及将所述第四集合中的每个像素点的值设置为预设的第四数值,并依据设置后的各个像素点的值,生成与所述深度图像对应的灰度图像;
第二计算单元,用于按照预设的滤波算法,对所述灰度图像进行运算,生成所述行李托盘的托盘模板图像。
本发明实施例提供的装置,还可以设置为:
第三获取单元,用于获取作为模板的行李托盘的彩色图像,并将所述彩色图像进行转换,得到彩色转换图像;
第五确定单元,用于确定在所述彩色转换图像中的行李托盘区域,并确定所述行李托盘区域中的每个像素点的色调值;
第六确定单元,用于确定各个所述色调值中的最小色调值以及最大色调值,并依据所述最小色调值以及最大色调值确定所述行李托盘的色调阈值区间。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种行李托盘识别方法,其特征在于,包括:
获取待检测深度图像;
按照预设的滑动规则,将预设的托盘模板图像在所述待检测深度图像上进行滑行,以在所述待检测深度图像上获取多个检测区域,并确定每个所述检测区域在所述托盘模板图像上对应的标准区域,每个所述检测区域与对应的标准区域大小相同;
将每个所述检测区域与其对应的标准区域进行计算,得到每个所述检测区域与所述托盘模板图像的匹配度;其中,所述匹配度的衡量数值与差异度呈正相关,所述差异度小则表征所述匹配度的衡量数值小;
将各个所述匹配度中衡量数值最小的匹配度确定为目标匹配度,并判断所述目标匹配度所属的阈值范围;
当所述目标匹配度小于或等于预设的第一阈值时,确定所述待检测深度图像中存在行李托盘;
当所述目标匹配度大于所述第一阈值并小于预设的第二阈值时,执行预设的像素计算操作,以得到与所述目标匹配度对应的检测区域的像素比率值,所述第一阈值小于所述第二阈值;
将所述像素比率值与预设的第三阈值进行比对,当所述像素比率值大于或等于所述第三阈值时,确定所述待检测深度图像中存在行李托盘;
所述执行预设的像素计算操作,以得到与所述目标匹配度对应的检测区域的像素比率值,包括:
确定与所述目标匹配度对应的检测区域,以及与所述检测区域对应的标准区域;
获取与所述检测区域对应的彩色图像区域;
将所述彩色图像区域与所述标准区域中的托盘模板掩膜进行计算,得到与所述彩色图像区域对应的第一彩色类型图像;
将所述第一彩色类型图像转换为第二彩色类型图像,并确定所述第二彩色类型图像的各个像素点的色调值;
确定所述色调值属于预设的色调阈值区间的像素点的个数,并依据色调值属于预设的色调阈值区间的像素点的个数计算得到像素比率值。
2.根据权利要求1所述的方法,其特征在于,所述获取待检测深度图像,包括:
获取当前的深度图像;
确定所述深度图像中的各个像素点,并将所述深度图像的每个像素点进行距离转换,得到每个像素点对应的距离值;
将距离值属于预设的距离区间的各个所述像素点确定为第一集合,以及将距离值不属于所述距离区间的各个所述像素点确定为第二集合;
将所述第一集合中的每个像素点的值设置为预设的第一数值,以及将所述第二集合中的每个像素点的值设置为预设的第二数值,并依据设置后的各个像素点的值,生成与所述深度图像对应的灰度图像;
按照预设的滤波算法,对所述灰度图像进行运算,生成待检测深度图像。
3.根据权利要求1所述的方法,其特征在于,所述托盘模板图像的生成过程,包括:
获取作为模板的行李托盘的深度图像;
确定所述深度图像中的各个像素点,并将所述深度图像的每个像素点进行距离转换,得到每个像素点对应的距离值;
将距离值属于预设的距离区间的各个所述像素点确定为第三集合,以及将距离值不属于所述距离区间的各个所述像素点确定为第四集合;
将所述第三集合中的每个像素点的值设置为预设的第三数值,以及将所述第四集合中的每个像素点的值设置为预设的第四数值,并依据设置后的各个像素点的值,生成与所述深度图像对应的灰度图像;
按照预设的滤波算法,对所述灰度图像进行运算,生成所述行李托盘的托盘模板图像。
4.根据权利要求1所述的方法,其特征在于,所述色调阈值区间的生成过程,包括:
获取作为模板的行李托盘的彩色图像,并将所述彩色图像进行转换,得到彩色转换图像;
确定在所述彩色转换图像中的行李托盘区域,并确定所述行李托盘区域中的每个像素点的色调值;
确定各个所述色调值中的最小色调值以及最大色调值,并依据所述最小色调值以及最大色调值确定所述行李托盘的色调阈值区间。
5.一种行李托盘识别装置,其特征在于,包括:
第一获取单元,用于获取待检测深度图像;
滑行单元,用于按照预设的滑动规则,将预设的托盘模板图像在所述待检测深度图像上进行滑行,以在所述待检测深度图像上获取多个检测区域,并确定每个所述检测区域在所述托盘模板图像上对应的标准区域,每个所述检测区域与对应的标准区域大小相同;
第一计算单元,用于将每个所述检测区域与其对应的标准区域进行计算,得到每个所述检测区域与所述托盘模板图像的匹配度;其中,所述匹配度的衡量数值与差异度呈正相关,所述差异度小则表征所述匹配度的衡量数值小;
判断单元,用于将各个所述匹配度中衡量数值最小的匹配度确定为目标匹配度,并判断所述目标匹配度所属的阈值范围;
第一确定单元,用于当所述目标匹配度小于或等于预设的第一阈值时,确定所述待检测深度图像中存在行李托盘;
执行单元,用于当所述目标匹配度大于所述第一阈值并小于预设的第二阈值时,执行预设的像素计算操作,以得到与所述目标匹配度对应的检测区域的像素比率值,所述第一阈值小于所述第二阈值;
第二确定单元,用于将所述像素比率值与预设的第三阈值进行比对,当所述像素比率值大于或等于所述第三阈值时,确定所述待检测深度图像中存在行李托盘;
所述执行单元,包括:
第三确定子单元,用于确定与所述目标匹配度对应的检测区域,以及与所述检测区域对应的标准区域;
第二获取子单元,用于获取与所述检测区域对应的彩色图像区域;
计算子单元,用于将所述彩色图像区域与所述标准区域中的托盘模板掩膜进行计算,得到与所述彩色图像区域对应的第一彩色类型图像;
第四确定子单元,用于将所述第一彩色类型图像转换为第二彩色类型图像,并确定所述第二彩色类型图像的各个像素点的色调值;
第五确定子单元,用于确定所述色调值属于预设的色调阈值区间的像素点的个数,并依据色调值属于预设的色调阈值区间的像素点的个数计算得到像素比率值。
6.根据权利要求5所述的装置,其特征在于,所述第一获取单元,包括:
第一获取子单元,用于获取当前的深度图像;
第一确定子单元,用于确定所述深度图像中的各个像素点,并将所述深度图像的每个像素点进行距离转换,得到每个像素点对应的距离值;
第二确定子单元,用于将距离值属于预设的距离区间的各个所述像素点确定为第一集合,以及将距离值不属于所述距离区间的各个所述像素点确定为第二集合;
设置子单元,用于将所述第一集合中的每个像素点的值设置为预设的第一数值,以及将所述第二集合中的每个像素点的值设置为预设的第二数值,并依据设置后的各个像素点的值,生成与所述深度图像对应的灰度图像;
生成子单元,用于按照预设的滤波算法,对所述灰度图像进行运算,生成待检测深度图像。
7.根据权利要求5所述的装置,其特征在于,还包括:
第二获取单元,用于获取作为模板的行李托盘的深度图像;
第三确定单元,用于确定所述深度图像中的各个像素点,并将所述深度图像的每个像素点进行距离转换,得到每个像素点对应的距离值;
第四确定单元,用于将距离值属于预设的距离区间的各个所述像素点确定为第三集合,以及将距离值不属于所述距离区间的各个所述像素点确定为第四集合;
设置单元,用于将所述第三集合中的每个像素点的值设置为预设的第三数值,以及将所述第四集合中的每个像素点的值设置为预设的第四数值,并依据设置后的各个像素点的值,生成与所述深度图像对应的灰度图像;
第二计算单元,用于按照预设的滤波算法,对所述灰度图像进行运算,生成所述行李托盘的托盘模板图像。
8.根据权利要求5所述的装置,其特征在于,还包括:
第三获取单元,用于获取作为模板的行李托盘的彩色图像,并将所述彩色图像进行转换,得到彩色转换图像;
第五确定单元,用于确定在所述彩色转换图像中的行李托盘区域,并确定所述行李托盘区域中的每个像素点的色调值;
第六确定单元,用于确定各个所述色调值中的最小色调值以及最大色调值,并依据所述最小色调值以及最大色调值确定所述行李托盘的色调阈值区间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910962485.5A CN110705552B (zh) | 2019-10-11 | 2019-10-11 | 行李托盘识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910962485.5A CN110705552B (zh) | 2019-10-11 | 2019-10-11 | 行李托盘识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110705552A CN110705552A (zh) | 2020-01-17 |
CN110705552B true CN110705552B (zh) | 2022-05-06 |
Family
ID=69200182
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910962485.5A Active CN110705552B (zh) | 2019-10-11 | 2019-10-11 | 行李托盘识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110705552B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112317335A (zh) * | 2020-09-15 | 2021-02-05 | 苏州通富超威半导体有限公司 | 托盘防混系统及方法 |
CN114049352B (zh) * | 2022-01-11 | 2022-05-06 | 中航源创(天津)智能设备有限公司 | 一种应用于自助行李托运的行李托盘快速检测方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101408931A (zh) * | 2007-10-11 | 2009-04-15 | Mv科技软件有限责任公司 | 用于三维目标识别的系统和方法 |
CN103310218A (zh) * | 2013-05-21 | 2013-09-18 | 常州大学 | 一种重叠遮挡果实精确识别方法 |
CN103577793A (zh) * | 2012-07-27 | 2014-02-12 | 中兴通讯股份有限公司 | 手势识别方法及装置 |
CN103839258A (zh) * | 2014-02-13 | 2014-06-04 | 西安交通大学 | 一种二值化激光散斑图像的深度感知方法 |
CN104809456A (zh) * | 2015-05-21 | 2015-07-29 | 重庆大学 | 一种基于二值描述符的三维目标识别方法 |
CN105095860A (zh) * | 2015-06-30 | 2015-11-25 | 小米科技有限责任公司 | 字符分割方法和装置 |
CN102855459B (zh) * | 2011-06-30 | 2015-11-25 | 株式会社理光 | 用于特定前景物体的检测验证的方法和系统 |
CN105976375A (zh) * | 2016-05-06 | 2016-09-28 | 苏州中德睿博智能科技有限公司 | 一种基于rgb-d类传感器的托盘识别和定位方法 |
US10102629B1 (en) * | 2015-09-10 | 2018-10-16 | X Development Llc | Defining and/or applying a planar model for object detection and/or pose estimation |
-
2019
- 2019-10-11 CN CN201910962485.5A patent/CN110705552B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101408931A (zh) * | 2007-10-11 | 2009-04-15 | Mv科技软件有限责任公司 | 用于三维目标识别的系统和方法 |
CN102855459B (zh) * | 2011-06-30 | 2015-11-25 | 株式会社理光 | 用于特定前景物体的检测验证的方法和系统 |
CN103577793A (zh) * | 2012-07-27 | 2014-02-12 | 中兴通讯股份有限公司 | 手势识别方法及装置 |
CN103310218A (zh) * | 2013-05-21 | 2013-09-18 | 常州大学 | 一种重叠遮挡果实精确识别方法 |
CN103839258A (zh) * | 2014-02-13 | 2014-06-04 | 西安交通大学 | 一种二值化激光散斑图像的深度感知方法 |
CN104809456A (zh) * | 2015-05-21 | 2015-07-29 | 重庆大学 | 一种基于二值描述符的三维目标识别方法 |
CN105095860A (zh) * | 2015-06-30 | 2015-11-25 | 小米科技有限责任公司 | 字符分割方法和装置 |
US10102629B1 (en) * | 2015-09-10 | 2018-10-16 | X Development Llc | Defining and/or applying a planar model for object detection and/or pose estimation |
CN105976375A (zh) * | 2016-05-06 | 2016-09-28 | 苏州中德睿博智能科技有限公司 | 一种基于rgb-d类传感器的托盘识别和定位方法 |
Non-Patent Citations (2)
Title |
---|
Target-mask similarity in backward recognition masking of perceived tone duration;DOMINIC W. MASSARO 等;《Perception & Psychophysics》;19781231;全文 * |
基于双目视觉的手势识别研究;江都 等;《长江大学学报(自科版)》;20181231;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110705552A (zh) | 2020-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106909941A (zh) | 基于机器视觉的多表字符识别系统及方法 | |
CN109300119B (zh) | 钢结构表面锈蚀区域的检测方法、检测装置及终端设备 | |
CN104166841A (zh) | 一种视频监控网络中指定行人或车辆的快速检测识别方法 | |
CN110705552B (zh) | 行李托盘识别方法及装置 | |
US20140050387A1 (en) | System and Method for Machine Vision Inspection | |
CN113688965B (zh) | 一种自动仓储扫码检测的方法和货物管理系统 | |
CN110781877B (zh) | 一种图像识别方法、设备及存储介质 | |
EP2988259A1 (en) | Intelligent receipt scanning and analysis | |
KR101941878B1 (ko) | 무인항공기 영상 자동 기하보정을 위한 처리시스템 | |
CN111274848A (zh) | 一种图像检测方法、装置、电子设备及存储介质 | |
CN110288612B (zh) | 铭牌定位与校正方法及设备 | |
CN111160169A (zh) | 人脸检测方法、装置、设备及计算机可读存储介质 | |
CN109458978B (zh) | 一种基于多尺度检测算法的天线下倾角测量方法 | |
CN110717885A (zh) | 顾客数量的统计方法及装置、电子设备及可读存储介质 | |
Wang et al. | Pointer meter recognition in UAV inspection of overhead transmission lines | |
CN114266764A (zh) | 一种印刷标签的字符完整性检测方法及其装置 | |
CN110084587B (zh) | 一种基于边缘上下文的餐盘自动结算方法 | |
CN107767366B (zh) | 一种输电线路拟合方法及装置 | |
CN112070079B (zh) | 基于特征图重赋权的x光违禁品包裹检测方法及装置 | |
CN113516177A (zh) | 基于光谱纹理特征和支持向量机的小麦倒伏区域识别方法 | |
KR101277737B1 (ko) | 다중 마커의 배열을 이용하는 증강현실 시스템 및 그 방법 | |
Özcan et al. | Probabilistic object detection and shape extraction in remote sensing data | |
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 | |
CN113033545A (zh) | 空托盘识别方法及其装置 | |
US20190333004A1 (en) | Processing system, processing method, and non-transitory storage medium |
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 |