CN110880173A - 空调底板的外轮廓提取方法及装置 - Google Patents
空调底板的外轮廓提取方法及装置 Download PDFInfo
- Publication number
- CN110880173A CN110880173A CN201911108258.2A CN201911108258A CN110880173A CN 110880173 A CN110880173 A CN 110880173A CN 201911108258 A CN201911108258 A CN 201911108258A CN 110880173 A CN110880173 A CN 110880173A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- air conditioner
- bottom plate
- dimensional
- outer contour
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 78
- 238000000605 extraction Methods 0.000 claims abstract description 68
- 230000009467 reduction Effects 0.000 claims abstract description 26
- 238000009499 grossing Methods 0.000 claims description 28
- 238000013499 data model Methods 0.000 claims description 22
- 238000001914 filtration Methods 0.000 claims description 13
- 230000000877 morphologic effect Effects 0.000 claims description 7
- 238000003672 processing method Methods 0.000 claims description 2
- 230000011218 segmentation Effects 0.000 description 4
- 238000004378 air conditioning Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005429 filling process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000004381 surface treatment Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种空调底板的外轮廓提取方法及装置。其中,该方法包括:获取空调底板的原始三维点云模型,其中,原始三维点云模型由多个点云数据构成;对原始三维点云模型进行降维处理,得到二维视差图像;基于图像处理方式对二维视差图像进行特征提取,得到空调底板的外轮廓特征。本发明解决了相关技术中用于提取空调底板的轮廓的方式可靠性较低的技术问题。
Description
技术领域
本发明涉及特征提取技术领域,具体而言,涉及一种空调底板的外轮廓提取方法及装置。
背景技术
通过非接触式方法获取空调底板三维点云数据的过程中,由于受到外界环境光的影响和空调底板表面漫反射现象的影响,不可避免的引入大量的噪声干扰点云,与此同时,空调底板三维点云也会存在小部分残缺,主要集中在边缘区域和表面梯度变化较大区域,从而导致对于空调底板三维点云数据模型的外轮廓难以精确快速提取。目前,常用的技术手段是将原始的三维点云数据进行三维空间实体建模,根据预先设计好的规则(距离与法向量)将彼此相邻的点云数据连接成同一个曲面,将离散的点云数据(部分噪声干扰点云)过滤掉,然后根据另外一种预先设计好的规则(边缘距离与曲率)将不同的离散曲面拼接成连续曲面,并将拼接处的间隙区域(三维点云数据残缺部分)修补完整。接着,根据高度特征将空调底板所属曲面分割出来。最后,根据空调底板的表面轮廓特征,对提取出来的曲面进行适当的表面处理,(例如:根据空间形态学进行表面平滑处理、根据最小外接空间矩形进行表面拓扑延伸或者裁剪处理),最终可以获取空调底板三维点云数据模型的外轮廓。
然而,上述技术手段的缺点是算法复杂,运算量大,处理时间长,鲁棒性低,无法应用在在线式的实际项目上。
针对上述相关技术中用于提取空调底板的轮廓的方式可靠性较低的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种空调底板的外轮廓提取方法及装置,以至少解决相关技术中用于提取空调底板的轮廓的方式可靠性较低的技术问题。
根据本发明实施例的一个方面,提供了一种空调底板的外轮廓提取方法,包括:获取空调底板的原始三维点云模型,其中,所述原始三维点云模型由多个点云数据构成;对所述原始三维点云模型进行降维处理,得到二维视差图像;基于图像处理方式对所述二维视差图像进行特征提取,得到所述空调底板的外轮廓特征。
可选地,获取空调底板的原始三维点云模型包括:确定待进行外轮廓提取的空调底板;利用线激光三角测距方式获取所述空调底板的原始三维点云模型。
可选地,在对所述原始三维点云模型进行降维处理,得到二维视差图像的同时,该空调底板的外轮廓提取方法还包括:将所述三维点云模型中的每组三维点云数据的高度值转换为像素值,其中,所述像素值用于描述所述空调底板的高度特征。
可选地,基于图像处理方式对所述二维视差图像进行特征提取包括:根据所述三维点云数据模型确定所述空调底板的空间高度特征;在所述二维视差图像中基于所述空间高度特征值分割出所述空调底板所在空间高度的点云区域;对所述点云区域进行过滤处理,以去除所述点云区域中的无效点云数据,得到所述点云区域中的有效点云数据。
可选地,基于图像处理方式对所述二维视差图像进行特征提取包括:对进行过滤处理后的点云区域进行离散化处理后,提取得到所述空调底板的核心区域;利用平滑处理算法对所述核心区域进行边缘平滑;对边缘平滑处理后的核心区域进行缺失值填充处理,得到变形核心区域。
可选地,基于图像处理方式对所述二维视差图像进行特征提取,得到所述空调底板的外轮廓特征包括:获取距离所述变形核心区域预定距离内的边缘离散点云区域群;将所述边缘离散点云区域群内包含的多个边缘离散点云区域与所述变形核心区域进行合并处理,得到所述空调底板的三维点云数据;基于所述三维点云数据得到所述空调底板的外轮廓特征。
可选地,在基于图像处理方式对所述二维视差图像进行特征提取,得到所述空调底板的外轮廓特征之后,该空调底板的外轮廓提取方法还包括:利用形态学算法对所述外轮廓特征进行轮廓光滑处理,得到处理后的外轮廓特征。
根据本发明实施例的另外一个方面,还提供了一种空调底板的外轮廓提取装置,包括:获取单元,用于获取空调底板的原始三维点云模型,其中,所述原始三维点云模型由多个点云数据构成;降维处理单元,用于对所述原始三维点云模型进行降维处理,得到二维视差图像;特征提取单元,用于基于图像处理方式对所述二维视差图像进行特征提取,得到所述空调底板的外轮廓特征。
可选地,所述获取单元包括:第一确定模块,用于确定待进行外轮廓提取的空调底板;第一获取模块,用于利用线激光三角测距方式获取所述空调底板的原始三维点云模型。
可选地,该空调底板的外轮廓提取装置还包括:转换单元,用于在对所述原始三维点云模型进行降维处理,得到二维视差图像的同时,将所述三维点云模型中的每组三维点云数据的高度值转换为像素值,其中,所述像素值用于描述所述空调底板的高度特征。
可选地,所述特征提取单元包括:第二确定模块,用于根据所述三维点云数据模型确定所述空调底板的空间高度特征;分割模块,用于在所述二维视差图像中基于所述空间高度特征值分割出所述空调底板所在空间高度的点云区域;过滤模块,用于对所述点云区域进行过滤处理,以去除所述点云区域中的无效点云数据,得到所述点云区域中的有效点云数据。
可选地,所述特征提取单元包括:离散化处理模块,用于对进行过滤处理后的点云区域进行离散化处理后,提取得到所述空调底板的核心区域;平滑处理模块,用于利用平滑处理算法对所述核心区域进行边缘平滑;填充模块,用于对边缘平滑处理后的核心区域进行缺失值填充处理,得到变形核心区域。
可选地,所述特征提取单元包括:第二获取模块,用于获取距离所述变形核心区域预定距离内的边缘离散点云区域群;合并处理模块,用于将所述边缘离散点云区域群内包含的多个边缘离散点云区域与所述变形核心区域进行合并处理,得到所述空调底板的三维点云数据;第三获取模块,用于基于所述三维点云数据得到所述空调底板的外轮廓特征。
可选地,该空调底板的外轮廓提取装置还包括:所述获取单元,用于在基于图像处理方式对所述二维视差图像进行特征提取,得到所述空调底板的外轮廓特征之后,利用形态学算法对所述外轮廓特征进行轮廓光滑处理,得到处理后的外轮廓特征。
根据本发明实施例的另外一个方面,还提供了一种存储介质,所述存储介质包括存储的程序,其中,所述程序执行上述中任意一项所述的空调底板的外轮廓提取方法。
根据本发明实施例的另外一个方面,还提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述中任意一项所述的空调底板的外轮廓提取方法。
在本发明实施例中,采用获取空调底板的原始三维点云模型,其中,原始三维点云模型由多个点云数据构成;对原始三维点云模型进行降维处理,得到二维视差图像;基于图像处理方式对二维视差图像进行特征提取,得到空调底板的外轮廓特征的方式进行空调底板的外轮廓特征提取,通过本发明实施例提供的空调底板的外轮廓提取方法,实现了基于对三维点云数据进行降维处理后的二维视差图像提取得到空调底板的外轮廓特征的目的,达到了提高空调底板的外轮廓特征提取的效率的技术效果,进而解决了相关技术中用于提取空调底板的轮廓的方式可靠性较低的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的空调底板的外轮廓提取方法的流程图;
图2是根据本发明实施例的可选的空调底板的外轮廓提取方法的流程图;
图3是根据本发明实施例的空调底板的外轮廓提取装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本发明实施例,提供了一种空调底板的外轮廓提取方法的方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,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。
图1是根据本发明实施例的空调底板的外轮廓提取方法的流程图,如图1所示,该空调底板的外轮廓提取方法包括如下步骤:
步骤S102,获取空调底板的原始三维点云模型,其中,原始三维点云模型由多个点云数据构成。
步骤S104,对原始三维点云模型进行降维处理,得到二维视差图像。
步骤S106,基于图像处理方式对二维视差图像进行特征提取,得到空调底板的外轮廓特征。
由上可知,在本发明实施例中,可以通过对获取的空调底板的原始三维点云模型进行降维处理以得到二维视差图像,并基于图像处理方式对二维视差图像进行特征提取,以得到空调底板的外轮廓特征,实现了基于对三维点云数据进行降维处理后的二维视差图像提取得到空调底板的外轮廓特征的目的。
容易注意到,由于通过对获取的空调底板的原始三维点云模型进行降维处理以得到二维视差图像,并基于图像处理方式对二维视差图像进行特征提取,以得到空调底板的外轮廓特征,相对于传统的基于空调底板的三维点云数据得到空调底板的外轮廓特征的方式,降低了处理的复杂度,极大地提高空调底板三维点云数据模型的外轮廓特征提取的效率,达到了提高空调底板的外轮廓特征提取的效率的技术效果。
因此,通过本发明实施例提供的空调底板的外轮廓提取方法,解决了相关技术中用于提取空调底板的轮廓的方式可靠性较低的技术问题。
在步骤S102中,获取空调底板的原始三维点云模型可以包括:确定待进行外轮廓提取的空调底板;利用线激光三角测距方式获取空调底板的原始三维点云模型。
在该实施例中,可以基于线激光三角测量原理获取原始的空调底板的三维点云数据模型;另外,也可以利用编码结构光DLP原理获取原始的空调底板的三维点云数据模型。
在一种可选的实施例中,在对原始三维点云模型进行降维处理,得到二维视差图像的同时,该空调底板的外轮廓提取方法还可以包括:将三维点云模型中的每组三维点云数据的高度值转换为像素值,其中,像素值用于描述空调底板的高度特征。
在该实施例中,将三维点云模型中的三维点云数据中的用于表示高度值的数值转换为像素值,从而在后续处理中仅需处理二维点云数据即可,而无需处理三维点云数据。
其中,这里的像素值是用于表示空调底板不同位置处的特征,得到空调底板不同位置处的形态。
在步骤S106中,基于图像处理方式对二维视差图像进行特征提取可以包括:根据三维点云数据模型确定空调底板的空间高度特征;在二维视差图像中基于空间高度特征值分割出空调底板所在空间高度的点云区域;对点云区域进行过滤处理,以去除点云区域中的无效点云数据,得到点云区域中的有效点云数据。
这里的高度特征是指基于空调底板的自身高度特征来确定的,它可以是一个区间。然后,在三维点云数据模型中基于空调底板的空间高度特征分割得到空调底板所在空间高度的点云区域,并对点云区域进行过滤处理,以去除点云区域中的无效点云数据(例如,空调底板上的螺钉等替他物体形成的点云数据),从而得到点云区域中的有效点云数据。
在一种可选的实施例中,基于图像处理方式对二维视差图像进行特征提取可以包括:对进行过滤处理后的点云区域进行离散化处理后,提取得到空调底板的核心区域;利用平滑处理算法对核心区域进行边缘平滑;对边缘平滑处理后的核心区域进行缺失值填充处理,得到变形核心区域。
其中,这里对过滤处理后的点云区域进行离散化处理,同样可以去除点云区域的干扰因素,从而得到空调底板的核心区域,并利用平滑处理算法对核心区域进行边缘平滑处理,以去除核心区域中的毛刺等突出区域;另外,在平滑处理后的核心区域中有可能还存在缺口,为了得到完成的空调底板的外轮廓特征,可以对边缘平滑处理后的核心区域进行缺失值填充处理,以得到变形核心区域。
在一种可选的实施例中,基于图像处理方式对二维视差图像进行特征提取,得到空调底板的外轮廓特征可以包括:获取距离变形核心区域预定距离内的边缘离散点云区域群;将边缘离散点云区域群内包含的多个边缘离散点云区域与变形核心区域进行合并处理,得到空调底板的三维点云数据;基于三维点云数据得到空调底板的外轮廓特征。
另外,在基于图像处理方式对二维视差图像进行特征提取,得到空调底板的外轮廓特征之后,该空调底板的外轮廓提取方法还包括:利用形态学算法对外轮廓特征进行轮廓光滑处理,得到处理后的外轮廓特征。
下面结合附图对本发明实施例中的空调底板的外轮廓提取方法进行详细说明。
图2是根据本发明实施例的可选的空调底板的外轮廓提取方法的流程图,如图2所示,首先,输入空调底板的三维点云数据模型,将三维点云数据模型转换为空调底板额定二维视差图像,通过区域分割提取得到空调底板所在空间高度点云区域,离散处理提取得到空调底板的核心区域,对提取的核心区域进行边缘光滑处理,提取边缘光滑处理得到变形核心区域,提取边缘离散点云区域群,合并变形核心区域和边缘离散点云区域群,利用形态学处理获取合并区域外轮廓特征,输出空调底板的外轮廓特征。
通过本发明实施例提供的空调底板的外轮廓提取方法,通过降维思路(将三维空间模型转换成二维平面模型),将原始的空调底板三维点云数据模型转换成二维视差图像后再利用传统的数字图像处理算法提取外轮廓特征,不仅算法简单,运算量少,效率高,而且提取精度高(亚像素精度),能够满足在线的实际项目。首先,原始的空调底板三维点云数据模型可以直接转换成二维视差图像,根据原始的空调底板三维点云数据模型中空调底板所在的空间高度特征,分割出空调底板所在空间高度的点云区域,过滤掉背景干扰点云数据。然后,对上述点云区域进行离散化处理,提取空调底板的核心区域,并对其边缘进行光滑处理,对其内部进行填充处理,得到变形核心区域。接着,以变形核心区域作为参考标准,提取出距离参考标准区域边缘距离少于预设阈值的边缘离散点云区域群,合并处理后就得到了空调底板精确的三维点云数据。最后,利用形态学算法将上述合并区域进行轮廓光滑整形,就得到了精确的空调底板外轮廓特征。
另外,通过本发明实施例提供的空调底板的外轮廓提取方法,相对于传统的空调底板三维点云数据模型的外轮廓特征提取算法效率提升90%以上,而且鲁棒性高,可以直接应用在在线式的实际项目上,将原始的空调底板三维点云数据模型转换成二维视差图像,然后利用传统的数字图像处理算法进行处理:根据高度特征将视差图像中属于空调底板所在空间高度的三维点云数据区域分割出来,离散化处理后提取出面积最大的连续区域,此区域就是原始的三维点云数据模型中空调底板的核心区域。然后对核心区域进行适当的图像预处理,获取光滑凸体的核心变形区域,以核心变形区域作为参考标准,提取出边缘距离少于预设阈值的离散点云区域群,这些离散点云区域群就是原始的空调底板三维点云数据模型中边缘区域的残缺部分。将提取出来的离散点云区域群与核心变形区域合并成一个完整区域,该区域就是原始的空调底板三维点云数据模型中精确提取的空调底板三维点云数据。后续只需要进行简单的形态学处理就可以得到空调底板三维点云数据模型的外轮廓特征,同时也可以在此基础上进一步拟合出外轮廓所在的空间曲线方程,提取空间姿态用于项目应用。
实施例2
根据本发明实施例的另外一个方面,还提供了一种空调底板的外轮廓提取装置,图3是根据本发明实施例的空调底板的外轮廓提取装置的示意图,如图3所示,该空调底板的外轮廓提取装置包括:获取单元31,降维处理单元33以及特征提取单元35。下面对该空调底板的外轮廓提取装置进行详细说明。
获取单元31,用于获取空调底板的原始三维点云模型,其中,原始三维点云模型由多个点云数据构成。
降维处理单元33,用于对原始三维点云模型进行降维处理,得到二维视差图像。
特征提取单元35,用于基于图像处理方式对二维视差图像进行特征提取,得到空调底板的外轮廓特征。
此处需要说明的是,上述获取单元31,降维处理单元33以及特征提取单元35对应于实施例1中的步骤S102至S106,上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例1所公开的内容。需要说明的是,上述模块作为装置的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
由上可知,在本发明上述实施例中,可以利用获取单元获取空调底板的原始三维点云模型,其中,原始三维点云模型由多个点云数据构成;并利用降维处理单元对原始三维点云模型进行降维处理,得到二维视差图像;以及利用特征提取单元基于图像处理方式对二维视差图像进行特征提取,得到空调底板的外轮廓特征。通过本发明实施例提供的空调底板的外轮廓提取装置,实现了基于对三维点云数据进行降维处理后的二维视差图像提取得到空调底板的外轮廓特征的目的,达到了提高空调底板的外轮廓特征提取的效率的技术效果,进而解决了相关技术中用于提取空调底板的轮廓的方式可靠性较低的技术问题。
在一种可选的实施例中,获取单元包括:第一确定模块,用于确定待进行外轮廓提取的空调底板;第一获取模块,用于利用线激光三角测距方式获取空调底板的原始三维点云模型。
在一种可选的实施例中,该空调底板的外轮廓提取装置还包括:转换单元,用于在对原始三维点云模型进行降维处理,得到二维视差图像的同时,将三维点云模型中的每组三维点云数据的高度值转换为像素值,其中,像素值用于描述空调底板的高度特征。
在一种可选的实施例中,特征提取单元包括:第二确定模块,用于根据三维点云数据模型确定空调底板的空间高度特征;分割模块,用于在二维视差图像中基于空间高度特征值分割出空调底板所在空间高度的点云区域;过滤模块,用于对点云区域进行过滤处理,以去除点云区域中的无效点云数据,得到点云区域中的有效点云数据。
在一种可选的实施例中,特征提取单元包括:离散化处理模块,用于对进行过滤处理后的点云区域进行离散化处理后,提取得到空调底板的核心区域;平滑处理模块,用于利用平滑处理算法对核心区域进行边缘平滑;填充模块,用于对边缘平滑处理后的核心区域进行缺失值填充处理,得到变形核心区域。
在一种可选的实施例中,特征提取单元包括:第二获取模块,用于获取距离变形核心区域预定距离内的边缘离散点云区域群;合并处理模块,用于将边缘离散点云区域群内包含的多个边缘离散点云区域与变形核心区域进行合并处理,得到空调底板的三维点云数据;第三获取模块,用于基于三维点云数据得到空调底板的外轮廓特征。
在一种可选的实施例中,该空调底板的外轮廓提取装置还包括:获取单元,用于在基于图像处理方式对二维视差图像进行特征提取,得到空调底板的外轮廓特征之后,利用形态学算法对外轮廓特征进行轮廓光滑处理,得到处理后的外轮廓特征。
实施例3
根据本发明实施例的另外一个方面,还提供了一种存储介质,存储介质包括存储的程序,其中,程序执行上述中任意一项的空调底板的外轮廓提取方法。
实施例4
根据本发明实施例的另外一个方面,还提供了一种处理器,处理器用于运行程序,其中,程序运行时执行上述中任意一项的空调底板的外轮廓提取方法。
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。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
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单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案的全部或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中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种空调底板的外轮廓提取方法,其特征在于,包括:
获取空调底板的原始三维点云模型,其中,所述原始三维点云模型由多个点云数据构成;
对所述原始三维点云模型进行降维处理,得到二维视差图像;
基于图像处理方式对所述二维视差图像进行特征提取,得到所述空调底板的外轮廓特征。
2.根据权利要求1所述的方法,其特征在于,获取空调底板的原始三维点云模型包括:
确定待进行外轮廓提取的空调底板;
利用线激光三角测距方式获取所述空调底板的原始三维点云模型。
3.根据权利要求1所述的方法,其特征在于,在对所述原始三维点云模型进行降维处理,得到二维视差图像的同时,还包括:
将所述三维点云模型中的每组三维点云数据的高度值转换为像素值,其中,所述像素值用于描述所述空调底板的高度特征。
4.根据权利要求1所述的方法,其特征在于,基于图像处理方式对所述二维视差图像进行特征提取包括:
根据所述三维点云数据模型确定所述空调底板的空间高度特征;
在所述二维视差图像中基于所述空间高度特征值分割出所述空调底板所在空间高度的点云区域;
对所述点云区域进行过滤处理,以去除所述点云区域中的无效点云数据,得到所述点云区域中的有效点云数据。
5.根据权利要求4所述的方法,其特征在于,基于图像处理方式对所述二维视差图像进行特征提取包括:
对进行过滤处理后的点云区域进行离散化处理后,提取得到所述空调底板的核心区域;
利用平滑处理算法对所述核心区域进行边缘平滑;
对边缘平滑处理后的核心区域进行缺失值填充处理,得到变形核心区域。
6.根据权利要求5所述的方法,其特征在于,基于图像处理方式对所述二维视差图像进行特征提取,得到所述空调底板的外轮廓特征包括:
获取距离所述变形核心区域预定距离内的边缘离散点云区域群;
将所述边缘离散点云区域群内包含的多个边缘离散点云区域与所述变形核心区域进行合并处理,得到所述空调底板的三维点云数据;
基于所述三维点云数据得到所述空调底板的外轮廓特征。
7.根据权利要求1至6中任一项所述的方法,其特征在于,在基于图像处理方式对所述二维视差图像进行特征提取,得到所述空调底板的外轮廓特征之后,还包括:
利用形态学算法对所述外轮廓特征进行轮廓光滑处理,得到处理后的外轮廓特征。
8.一种空调底板的外轮廓提取装置,其特征在于,包括:
获取单元,用于获取空调底板的原始三维点云模型,其中,所述原始三维点云模型由多个点云数据构成;
降维处理单元,用于对所述原始三维点云模型进行降维处理,得到二维视差图像;
特征提取单元,用于基于图像处理方式对所述二维视差图像进行特征提取,得到所述空调底板的外轮廓特征。
9.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,所述程序执行权利要求1至7中任意一项所述的空调底板的外轮廓提取方法。
10.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至7中任意一项所述的空调底板的外轮廓提取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911108258.2A CN110880173A (zh) | 2019-11-13 | 2019-11-13 | 空调底板的外轮廓提取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911108258.2A CN110880173A (zh) | 2019-11-13 | 2019-11-13 | 空调底板的外轮廓提取方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110880173A true CN110880173A (zh) | 2020-03-13 |
Family
ID=69729377
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911108258.2A Pending CN110880173A (zh) | 2019-11-13 | 2019-11-13 | 空调底板的外轮廓提取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110880173A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113189934A (zh) * | 2021-05-11 | 2021-07-30 | 梅卡曼德(北京)机器人科技有限公司 | 轨迹生成方法、装置、电子设备、存储介质和3d相机 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106355194A (zh) * | 2016-08-22 | 2017-01-25 | 广东华中科技大学工业技术研究院 | 一种基于激光成像雷达的无人艇水面目标处理方法 |
CN106599108A (zh) * | 2016-11-30 | 2017-04-26 | 浙江大学 | 一种三维环境中多模态环境地图构建方法 |
EP3311960A1 (en) * | 2016-10-20 | 2018-04-25 | Intelligrated Headquarters LLC | 3d-2d vision system for robotic carton unloading |
CN108416785A (zh) * | 2018-03-26 | 2018-08-17 | 北京进化者机器人科技有限公司 | 面向封闭空间的拓扑分割方法及装置 |
CN110175576A (zh) * | 2019-05-29 | 2019-08-27 | 电子科技大学 | 一种结合激光点云数据的行驶车辆视觉检测方法 |
CN110390237A (zh) * | 2018-04-23 | 2019-10-29 | 北京京东尚科信息技术有限公司 | 点云数据处理方法和系统 |
-
2019
- 2019-11-13 CN CN201911108258.2A patent/CN110880173A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106355194A (zh) * | 2016-08-22 | 2017-01-25 | 广东华中科技大学工业技术研究院 | 一种基于激光成像雷达的无人艇水面目标处理方法 |
EP3311960A1 (en) * | 2016-10-20 | 2018-04-25 | Intelligrated Headquarters LLC | 3d-2d vision system for robotic carton unloading |
CN106599108A (zh) * | 2016-11-30 | 2017-04-26 | 浙江大学 | 一种三维环境中多模态环境地图构建方法 |
CN108416785A (zh) * | 2018-03-26 | 2018-08-17 | 北京进化者机器人科技有限公司 | 面向封闭空间的拓扑分割方法及装置 |
CN110390237A (zh) * | 2018-04-23 | 2019-10-29 | 北京京东尚科信息技术有限公司 | 点云数据处理方法和系统 |
CN110175576A (zh) * | 2019-05-29 | 2019-08-27 | 电子科技大学 | 一种结合激光点云数据的行驶车辆视觉检测方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113189934A (zh) * | 2021-05-11 | 2021-07-30 | 梅卡曼德(北京)机器人科技有限公司 | 轨迹生成方法、装置、电子设备、存储介质和3d相机 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3695384B1 (en) | Point cloud meshing method, apparatus, device and computer storage media | |
CN109903327B (zh) | 一种稀疏点云的目标物尺寸测量方法 | |
Rosman et al. | Patch‐collaborative spectral point‐cloud denoising | |
CN107220997B (zh) | 一种立体匹配方法及系统 | |
Fan et al. | Robust feature-preserving mesh denoising based on consistent subneighborhoods | |
CN104616278B (zh) | 三维点云兴趣点检测方法和系统 | |
CN107369131B (zh) | 图像的显著性检测方法、装置、存储介质和处理器 | |
KR20190101382A (ko) | 장면의 공동 세그먼테이션 및 3d 복원을 위한 방법 및 디바이스 | |
US20100315419A1 (en) | Systems and Methods for Estimating a Parameter for a 3D model | |
CN107924571A (zh) | 从点云中对人耳进行三维重建 | |
CN105608699B (zh) | 一种图像处理方法及电子设备 | |
CN108124489B (zh) | 信息处理方法、装置、云处理设备以及计算机程序产品 | |
WO2016203731A1 (en) | Method for reconstructing 3d scene as 3d model | |
CN107203742B (zh) | 一种基于显著特征点提取的手势识别方法及装置 | |
CN104408772A (zh) | 一种基于网格投影的自由曲面三维重建方法 | |
CN113888391A (zh) | 一种室内结构化重建方法、装置及计算机可读存储介质 | |
JP5561786B2 (ja) | 3次元形状モデル高精度化方法およびプログラム | |
CN110880173A (zh) | 空调底板的外轮廓提取方法及装置 | |
CN104992176B (zh) | 一种面向碑文的汉字提取方法 | |
CN113570725A (zh) | 基于聚类的三维表面重建方法、装置、服务器及存储介质 | |
CN109712230B (zh) | 三维模型补充方法、装置、存储介质及处理器 | |
CN109920049B (zh) | 边缘信息辅助精细三维人脸重建方法及系统 | |
CN111126436A (zh) | 视觉匹配方法及装置 | |
CN109840938A (zh) | 一种用于复杂汽车点云模型重建方法 | |
CN111383185A (zh) | 一种基于稠密视差图的孔洞填充方法及车载设备 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200313 |
|
RJ01 | Rejection of invention patent application after publication |