CN111243015B - 货箱位置检测方法及装置 - Google Patents
货箱位置检测方法及装置 Download PDFInfo
- Publication number
- CN111243015B CN111243015B CN201811447735.3A CN201811447735A CN111243015B CN 111243015 B CN111243015 B CN 111243015B CN 201811447735 A CN201811447735 A CN 201811447735A CN 111243015 B CN111243015 B CN 111243015B
- Authority
- CN
- China
- Prior art keywords
- matching
- target
- container
- coefficient
- coefficients
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000012216 screening Methods 0.000 claims abstract description 10
- 230000003287 optical effect Effects 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 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
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
- G06V10/7515—Shifting the patterns to accommodate for positional errors
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像处理技术领域,提供一种货箱位置检测方法及装置,所述方法包括:获取包含至少一个货箱的货箱图像;将货箱图像与预先存储的包含标识信息的目标模板进行旋转匹配,得到匹配信息;从至少一个匹配区域对应的多个匹配系数中筛选出至少一个目标匹配系数;获得每个目标匹配系数对应的目标匹配区域和目标旋转角度;依据至少一个目标匹配区域及与其对应的目标旋转角度、以及预先存储的标识信息与货箱的相对位置信息,得到货箱图像中每个货箱的特征信息。与现有技术相比,本发明提供的一种货箱位置检测方法及装置可以准确识别货箱的轮廓以确定货箱的位置和方向,进而提高分拣作业的效率。
Description
技术领域
本发明实施例涉及图像处理技术领域,具体而言,涉及一种货箱位置检测方法及装置。
背景技术
货箱是生产企业常用的货物包装方式。在仓储物流环节,货箱往往根据品种、规格等分类成垛码放托盘上,以方便存储和搬运。当货箱需要周转或外运时,随着机械化、自动化设备的普及,越来越多的企业采用了工业机器人、多自由度运动平台辅以机械手或吸盘的方式进行货物的分拣和搬运。
当机械手或吸盘对货垛中的货箱进行分拣作业时,需要控制系统先获得货垛中每个货物的具体位置和方向信息,才能控制机械化设备准确地将货物从货垛中取出。而由于货垛托盘位置不固定、货箱的摆放方式多样等原因,货箱相对于机械化设备的位置和方向并不固定,现有技术在进行分拣作业时,不能准确识别货箱的轮廓以确定货箱的位置和方向,导致分拣作业效率低下。
发明内容
本发明实施例的目的在于提供一种货箱位置检测方法及装置,以改善现有技术中不能准确识别货箱的轮廓以确定货箱的位置和方向,导致分拣作业效率低下的问题。
为了实现上述目的,本发明实施例采用的技术方案如下:
第一方面,本发明实施例提供了一种货箱位置检测方法,所述方法包括:获取包含至少一个货箱的货箱图像,其中,每个货箱均包含标识信息;将所述货箱图像与预先存储的包含标识信息的目标模板进行旋转匹配,得到匹配信息,其中,所述货箱图像包括至少一个与目标模板大小相等的匹配区域,所述匹配信息包括每个匹配区域的多个匹配系数,同一匹配区域的多个匹配系数与多个不同的旋转角度一一对应;按照预设规则,从至少一个匹配区域对应的多个匹配系数中筛选出至少一个目标匹配系数;获得每个目标匹配系数对应的目标匹配区域和目标旋转角度,其中,每个目标匹配区域均包含标识信息;依据至少一个目标匹配区域及与其对应的目标旋转角度、以及预先存储的标识信息与货箱的相对位置信息,得到所述货箱图像中每个货箱的特征信息。
第二方面,本发明实施例提供了一种货箱位置检测装置,所述装置包括:货箱图像获取模块,用于获取包含至少一个货箱的货箱图像,其中,每个货箱均包含标识信息;匹配信息获取模块,用于将所述货箱图像与预先存储的包含标识信息的目标模板进行旋转匹配,得到匹配信息,其中,所述货箱图像包括至少一个与目标模板大小相等的匹配区域,所述匹配信息包括每个匹配区域的多个匹配系数,同一匹配区域的多个匹配系数与多个不同的旋转角度一一对应;第一目标获取模块,用于按照预设规则,从至少一个匹配区域对应的多个匹配系数中筛选出至少一个目标匹配系数;第二目标获取模块,用于获得每个目标匹配系数对应的目标匹配区域和目标旋转角度,其中,每个目标匹配区域均包含标识信息;特征信息获取模块,用于依据至少一个目标匹配区域及与其对应的目标旋转角度、以及预先存储的标识信息与货箱的相对位置信息,得到所述货箱图像中每个货箱的特征信息。
相对现有技术,本发明实施例提供的一种货箱位置检测方法及装置,将包含有标识信息的货箱图像与包含标识信息的目标模板进行旋转匹配,得到每个匹配区域的多个匹配系数,货箱图像包括至少一个与目标模板大小相等的匹配区域,同一匹配区域的多个匹配系数与多个不同的旋转角度一一对应;从至少一个匹配区域对应的多个匹配系数中筛选出至少一个目标匹配系数,并获得每个目标匹配系数对应的目标匹配区域和目标旋转角度,依据目标匹配区域和目标旋转角度、以及相对位置信息得到货箱图像中每个货箱的特征信息。与现有技术相比,通过对包含标识信息的货箱图像进行检测,得到货箱图像中每个货箱的位置和方向,使得分拣作业效率提高。
为使本发明实施例的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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,还可以根据这些附图获得其他相关的附图。
图1示出了本发明实施例提供的电子设备的方框示意图。
图2示出了本发明实施例提供的货箱位置检测方法的流程图。
图3示出了本发明实施例提供的货箱图像的示意图。
图4示出了本发明实施例提供的匹配信息的示意图。
图5示出了本发明实施例提供的4个目标模板的示意图。
图6为图2示出的步骤S4的第一子步骤流程图。
图7为图2示出的步骤S4的第二子步骤流程图。
图8示出了本发明实施例提供的相对位置信息的示意图。
图9为图2示出的步骤S6的子步骤流程图。
图10示出了本发明实施例提供的货箱位置检测装置的方框示意图。
图标:100-电子设备;101-处理器;102-存储器;103-总线;104-通信接口;105-显示屏;106-摄像头;200-货箱位置检测装置;201-货箱图像获取模块;202-光学畸变矫正模块;203-匹配信息获取模块;204-第一目标获取模块;205-第二目标获取模块;206-特征信息获取模块;207-货箱重叠判断模块;208-特征信息输出模块。
具体实施方式
下面将结合本发明实施例中附图,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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
本发明实施例提供的货箱位置检测方法应用于电子设备100,请参阅图1,图1示出了本发明实施例提供的电子设备100的方框示意图。电子设备100包括处理器101、存储器102、总线103、通信接口104及显示屏105及摄像头106。处理器101、存储器102、通信接口104、显示屏105及摄像头106通过总线103连接,处理器101用于执行存储器102中存储的可执行模块,例如计算机程序。
处理器101可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,货箱位置检测方法的各步骤可以通过处理器101中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器101可以是通用处理器101,包括中央处理器(Central ProcessingUnit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processor,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
存储器102可能包含高速随机存取存储器(RAM:Random Access Memory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。
总线103可以是ISA(Industry Standard Architecture)总线、PCI(PeripheralComponent Interconnect)总线或EISA(Extended Industry Standard Architecture)总线等。图1中仅用一个双向箭头表示,但并不表示仅有一根总线103或一种类型的总线103。
电子设备100通过至少一个通信接口104(可以是有线或者无线)实现与外部的其它设备之间的通信连接。存储器102用于存储程序,例如货箱位置检测装置200。货箱位置检测装置200包括至少一个可以软件或固件(firmware)的形式存储于所述存储器102中或固化在电子设备100的操作系统(operating system,OS)中的软件功能模块。所述处理器101在接收到执行指令后,执行所述程序以实现货箱位置检测方法。
显示屏105用于对图像进行显示,显示的内容可以是处理器101的一些处理结果。显示屏105可以是触摸显示屏、无交互功能的显示屏等。显示屏105可以将货箱图像和货箱的特征信息进行显示。
摄像头106用于拍摄包含至少一个货箱的货箱图像并通过总线103发送至处理器101进行处理,或者发送至存储器102进行存储。
第一实施例
请参照图2,图2示出了本发明实施例提供的货箱位置检测方法流程图。货箱位置检测方法包括以下步骤:
步骤S1,获取包含至少一个货箱的货箱图像,其中,每个货箱均包含标识信息。
在本发明实施例中,货箱图像可以是包括至少一个货箱的灰度图像,可以理解为,货箱图像中可以包括一个货箱,也可以包括两个货箱,还可以包括三个货箱,或者更多个数的货箱。货箱为相同类型的货箱。货箱图像可以通过摄像头106实时拍摄得到。货箱图像可以如图3所示。每个货箱均包含标识信息,标识信息相对于每个货箱的位置是固定的。标识信息可以是,但不限于货箱或者其内部放置的产品的商标、公司名称、商品信息等。
步骤S2,对货箱图像进行光学畸变矫正,以减小货箱图像的失真。
在本发明实施例中,由于摄像头106拍摄得到的货箱图像会存在畸变像差,因此需要对货箱图像进行光学畸变矫正,光学畸变矫正可以包括数据换算、偏移、旋转、歪斜等操作,通过光学畸变矫正,可以减小货箱图像的失真。
步骤S3,将货箱图像与预先存储的包含标识信息的目标模板进行旋转匹配,得到匹配信息,其中,货箱图像包括至少一个与目标模板大小相等的匹配区域,匹配信息包括每个匹配区域的多个匹配系数,同一匹配区域的多个匹配系数与多个不同的旋转角度一一对应。
在本发明实施例中,目标模板可以是预先存储的包含标识信息的模板,匹配信息可以是每个匹配区域的多个匹配系数,且同一匹配区域的多个匹配系数与多个不同的旋转角度一一对应。例如,图4所示的匹配信息。匹配区域可以是货箱图像中与目标模板大小相等的区域,匹配系数可以是目标模板中的标识信息与货箱图像进行模板匹配得到的相关系数,相关系数可以是区间[-1,1]中的任意一个数值,相关系数的绝对值越接近于1表示相关性越强,即越相似,相关系数的绝对值越接近于0表示相关性越弱,即越不相似。
将货箱图像与预先存储的包含标识信息的目标模板进行旋转匹配,得到匹配信息的步骤,可以理解为,首先,将目标模板与货箱图像进行模板匹配,得到目标模板与货箱图像中的每个匹配区域的匹配系数,然后,将货箱图像往预设方向(例如,顺时针)按照预设角度间隔(例如,1°)进行旋转,货箱图像的旋转中心可以是货箱图像的中心点,再将目标模板与旋转后的货箱图像进行模板匹配,得到目标模板与旋转后的货箱图像中的每个匹配区域的匹配系数,按照这种方式,每次都在旋转后的货箱图像上按照预设角度间隔再进行旋转,并将每个旋转后的货箱图像均与目标模板进行模板匹配,得到目标模板与旋转后的货箱图像中的每个匹配区域的匹配系数,以此,可以得到在不同的旋转角度下的每个匹配区域对应的多个匹配系数,且同一匹配区域的多个匹配系数与多个不同的旋转角度一一对应,即构成匹配信息。
需要说明的是,为了提高匹配速度,减少旋转次数,可以设置不止一个目标模板,如图5所示,目标模板的个数可以是4个,分别朝东南西北四个方向,将4个目标模板同时与货箱图像进行旋转匹配。
于本发明的其它实施例中,将货箱图像与预先存储的包含标识信息的目标模板进行旋转匹配,得到匹配信息的步骤,可以理解为,首先,将目标模板与货箱图像进行模板匹配,得到目标模板与货箱图像中的每个匹配区域的匹配系数,然后,将目标模板往预设方向(例如,顺时针)按照预设角度间隔(例如,1°)进行旋转,目标模板的旋转中心可以是目标模板的中心点,再将旋转后的目标模板与货箱图像进行模板匹配,得到旋转后的目标模板与货箱图像中的每个匹配区域的匹配系数,按照这种方式,每次都在旋转后的货箱图像上按照预设角度间隔再进行旋转,并将每个旋转后的目标模板均与货箱图像进行模板匹配,得到旋转后的目标模板与货箱图像中的每个匹配区域的匹配系数,以此,可以得到在不同的旋转角度下的每个匹配区域对应的多个匹配系数,且同一匹配区域的多个匹配系数与多个不同的旋转角度一一对应,即构成匹配信息。
步骤S4,按照预设规则,从至少一个匹配区域对应的多个匹配系数中筛选出至少一个目标匹配系数。
在本发明实施例中,目标匹配系数可以是相关性很强的匹配系数。且后续可以根据一个目标匹配系数确定出一个货箱的特征信息。按照预设规则,从至少一个匹配区域对应的多个匹配系数中筛选出至少一个目标匹配系数的步骤,可以是,首先,获取每个匹配区域对应的多个匹配系数中的最大匹配系数;然后,将所有的最大匹配系数均与预设系数进行对比,确定出至少一个目标匹配系数,其中,每个目标匹配系数均大于预设系数。还可以是,首先,将至少一个匹配区域对应的多个匹配系数均与预设系数进行对比,得到至少一个中间匹配系数,其中,每个中间匹配系数均大于预设系数;然后,按照每个中间匹配系数对应的匹配区域,将所有对应同一区域的中间匹配系数均加入同一个匹配系数组中;最后,将每个匹配系数组中的最大中间匹配系数均作为目标匹配系数。
请参阅图6,步骤S4可以包括以下子步骤:
子步骤S41,获取每个匹配区域对应的多个匹配系数中的最大匹配系数。
在本发明实施例中,每个匹配区域对应多个匹配系数,且同一匹配区域对应的多个匹配系数与多个旋转角度一一对应,获取每个匹配区域对应的多个匹配系数中最大匹配系数,例如,请继续参阅图4,匹配区域可以包括匹配区域1、匹配区域2、匹配区域3、匹配区域4及匹配区域5,旋转角度可以包括旋转角度1、旋转角度2、旋转角度3、旋转角度4及旋转角度5,每两个相邻的旋转角度之间均是预设角度间隔,获取每个匹配区域对应的多个匹配系数中最大匹配系数,即获取匹配区域1中最大匹配系数0.68,匹配区域2中最大匹配系数0.98,匹配区域3中最大匹配系数0.32,匹配区域4中最大匹配系数0.96,匹配区域5中最大匹配系数0.59。
子步骤S42,将所有的最大匹配系数均与预设系数进行对比,确定出至少一个目标匹配系数,其中,每个目标匹配系数均大于预设系数。
在本发明实施例中,预设系数可以是用户自定义用以区分出相关性很强的匹配系数而设定的。将所有的最大匹配系数均与预设匹配系数进行对比,确定出至少一个目标匹配系数的步骤,可以理解为,将子步骤S41中获得的所有的最大匹配系数均与预设系数(例如,0.6)进行对比,将大于预设系数的每个最大匹配系数均作为目标匹配系数。例如,将匹配区域1中最大匹配系数0.68,匹配区域2中最大匹配系数0.98,匹配区域3中最大匹配系数0.32,匹配区域4中最大匹配系数0.96,匹配区域5中最大匹配系数0.59均与预设系数0.6进行对比,由于0.68>0.6,0.98>0.6,0.32<0.6,0.96>0.6,0.59<0.6,那么,可以将匹配区域1中最大匹配系数0.68,匹配区域2中最大匹配系数0.98,匹配区域4中最大匹配系数0.96均作为目标匹配系数。
请参阅图7,步骤S4还可以包括以下子步骤:
子步骤S43,将至少一个匹配区域对应的多个匹配系数均与预设系数进行对比,得到至少一个中间匹配系数,其中,每个中间匹配系数均大于预设系数。
在本发明实施例中,中间匹配系数可以是至少一个匹配区域对应的多个匹配系数中大于预设系数的匹配系数,预设系数可以是用户自定义用以区分出相关性很强的匹配系数而设定的。将至少一个匹配区域对应的多个匹配系数均与预设系数进行对比,得到至少一个中间匹配系数,可以理解为,将至少一个匹配区域对应的多个匹配系数均与预设系数进行对比,将大于预设系数的匹配系数均作为中间匹配系数。例如,将所有的匹配系数均与预设系数0.6进行比较,将每个大于预设系数0.6的匹配系数均作为中间匹配系数,匹配区域1中在旋转角度1下的匹配系数0.68作为中间匹配系数,将匹配区域2在旋转角度1~5下分别对应的匹配系数0.98、0.96、0.91、0.85及0.7均作为中间匹配系数,将匹配区域4中在旋转角度4下的匹配系数0.96作为中间匹配系数,以此,确定出所有的中间匹配系数。
子步骤S44,按照每个中间匹配系数对应的匹配区域,将所有对应同一区域的中间匹配系数均加入同一个匹配系数组中。
在本发明实施例中,匹配系数组可以是将中间匹配系数按照其对应的匹配区域进行分组得到的中间匹配系数的集合。按照每个中间匹配系数对应的匹配区域,将所有对应同一区域的中间匹配系数均加入同一个匹配系数组中的步骤,可以理解为,首先,获取每个中间匹配系数对应的匹配区域,然后,按照匹配区域对每个中间匹配系数进行分组,将对应同一区域的中间匹配系数均加入同一个匹配系数组中。例如,获得子步骤S43得到的中间匹配系数的匹配区域,中间匹配系数0.68对应的匹配区域是匹配区域1,中间匹配系数0.98、0.96、0.91、0.85及0.7对应的匹配区域均是匹配区域2,中间匹配系数0.96对应的匹配区域是匹配区域4,那么按照匹配区域对所有的中间匹配区域进行分组,可以得到3个匹配系数组,分别是匹配系数组1,包括中间匹配系数0.68;匹配系数组2,包括中间匹配系数0.98、0.96、0.91、0.85及0.7;匹配系数组3,包括中间匹配系数0.96。
子步骤S45,将每个匹配系数组中的最大中间匹配系数均作为目标匹配系数。
在本发明实施例中,将每个匹配系数组中的最大中间匹配系数均作为目标匹配系数的步骤,可以理解为,当匹配系数组中包括一个中间匹配系数时,将该中间匹配系数直接作为目标匹配系数;当匹配系数组中包括多个中间匹配系数时,将匹配系数组中的多个中间匹配系数进行比较,确定出最大的中间匹配系数,将该最大的中间匹配系数作为目标匹配系数。例如,找出匹配系数组1中最大的中间匹配系数,由于匹配系数组1中只有一个中间匹配系数,将该中间匹配系数0.68直接作为目标匹配系数;找出匹配系数组2中最大的中间匹配系数,由于匹配系数组2中包括多个中间匹配系数,因此,需要从中间匹配系数0.98、0.96、0.91、0.85及0.7中找出最大的中间匹配系数0.98,并将该中间匹配系数0.98作为目标匹配系数;找出匹配系数组3中最大的中间匹配系数,由于匹配系数组3中只有一个中间匹配系数,将该中间匹配系数0.96直接作为目标匹配系数。
需要说明的是,可以对目标匹配系数的个数进行统计,即可获得货箱图像中货箱的数量,可以理解为,一个目标匹配系数即可计为一个货箱,上述例子中得到3个目标匹配系数,那么可以理解为,货箱图像中货箱数量为3。
步骤S5,获得每个目标匹配系数对应的目标匹配区域和目标旋转角度,其中,每个目标匹配区域均包含标识信息。
在本发明实施例中,目标匹配区域可以是目标匹配系数对应的匹配区域,目标旋转角度可以是目标匹配系数对应的旋转角度。每个目标匹配系数均对应一个目标匹配区域和一个目标旋转角度,由于进行目标匹配是通过匹配目标模板中的标识信息与货箱图像中的标识信息,所以,确定出来的目标匹配区域也会包含标识信息。获得每个目标匹配系数对应的目标匹配区域和目标旋转角度的步骤,可以理解为,获得每个目标匹配区域对应的匹配区域,即为目标匹配区域,获得每个目标匹配系数对应的旋转角度,即为目标旋转角度。例如,经过步骤S4可以得到3个目标匹配系数,分别为0.68、0.98和0.96,分别获取3个目标匹配系数的目标匹配区域和目标旋转角度,也就是目标匹配系数0.68的目标匹配区域和目标旋转角度分别为匹配区域1、旋转角度1;目标匹配系数0.98的目标匹配区域和目标旋转角度分别为匹配区域2、旋转角度1;目标匹配系数0.96的目标匹配区域和目标旋转角度分别为匹配区域4、旋转角度4。
步骤S6,依据至少一个目标匹配区域及与其对应的目标旋转角度、以及预先存储的标识信息与货箱的相对位置信息,得到货箱图像中每个货箱的特征信息。
在本发明实施例中,相对位置信息可以是预先存储的标识信息相对于货箱的位置信息,每个标识信息相对于货箱的位置都是固定的,例如,商标可以固定印刷在货箱的左上角。例如,相对位置信息可以是货箱中的标识信息到货箱的四边的距离,如图8所示,相对位置信息可以是标识信息“泰禾”到货箱的四边的4个距离,分别为距离A、距离B、距离C和距离D。特征信息可以是货箱的轮廓和方向。依据至少一个目标匹配区域及与其对应的目标旋转角度、以及预先存储的标识信息与货箱的相对位置信息,得到货箱图像中每个货箱的特征信息的步骤,可以是,首先,将每个目标匹配区域按照其对应目标旋转角度进行反向旋转,得到旋转后的目标匹配区域,然后,依据旋转后的目标匹配区域、以及预先存储的标识信息与货箱的相对位置信息得到货箱图像中货箱的轮廓,货箱的方向可以由该目标旋转角度得到。例如,目标旋转角度是顺时针3°,目标模板是正北方向,那么货箱的方向是北偏西3°,以此类推。
需要说明的是,由于在步骤S3中对货箱图像往预设方向旋转了目标旋转角度,因此,需要将货箱图像进行旋转返回,即可以将货箱图像中的该货箱中的标识信息进行反向旋转,即往预设方向的反方向旋转目标旋转角度。例如,步骤S3中将货箱图像顺时针旋转了2°,那么此时,需要将货箱图像中的逆时针旋转2°,货箱图像中的标识信息也会逆时针旋转2°。
请参阅图9,步骤S6可以包括以下子步骤:
子步骤S61,依据至少一个目标匹配区域、以及预先存储的标识信息与货箱的相对位置信息得到目标匹配区域对应的货箱的第一轮廓。
在本发明实施例中,第一轮廓可以是由目标匹配区域、结合标识信息与货箱的相对位置信息推导出来的货箱的轮廓。第一轮廓与货箱轮廓的大小一致,但是方向可能不同,只有当目标旋转角度为0°时,第一轮廓与货箱轮廓相等。相对位置信息可以是预先存储的标识信息相对于货箱的位置信息。依据至少一个目标匹配区域、以及预先存储的标识信息与货箱的相对位置信息得到目标匹配区域对应的货箱的第一轮廓的步骤,可以理解为,依据目标匹配区域和相对位置信息信息能够推导出货箱的第一轮廓。
下面以一个目标匹配区域和相对位置信息得到一个货箱的第一轮廓为例,进行阐述。
目标匹配区域可以是一个5*4的矩形区域,相对位置信息可以是标识信息到货箱的四边的4个距离,分别为距离A、距离B、距离C和距离D,距离A为5,距离B为4,距离C为6,距离D为10,第一轮廓的长等于距离B、距离D和目标匹配区域的长累加得到,第一轮廓的长为4+10+5=19,第一轮廓的宽等于距离A、距离C和目标匹配区域的宽累加得到,第一轮廓的宽为5+6+4=15,那么货箱的第一轮廓是一个19*15的矩形。
子步骤S62,依据至少一个目标匹配区域对应的目标旋转角度,将目标匹配区域对应的货箱的第一轮廓进行旋转,得到货箱图像中每个货箱的特征信息。
在本发明实施例中,依据至少一个目标匹配区域对应的目标旋转角度,将目标匹配区域对应的货箱的第一轮廓进行旋转,得到货箱图像中每个货箱的特征信息的步骤,可以理解为,将目标匹配区域对应的货箱的第一轮廓按照该目标匹配区域对应的目标旋转角度反向旋转目标旋转角度,得到货箱图像中每个货箱的轮廓,通过目标旋转角度即可得到货箱的方向。
下面以一个货箱的第一轮廓进行旋转为例,进行阐述。
第一轮廓的是一个19*15的矩形,目标旋转角度是2°,货箱图像顺时针旋转2°,将第一轮廓以货箱图像的中心点为旋转中心逆时针旋转2°之后,再获取第一轮廓的坐标信息,即可得到该货箱在货箱图像中的货箱轮廓及货箱的方向,若目标模板的正方向是正北方向,目标旋转角度为2°,那么该货箱的方向可以是北偏西2°。
步骤S7,判断货箱图像中的货箱是否存在重叠。
在本发明实施例中,判断货箱图像中货箱是否存在重叠的步骤,可以理解为,获取每个货箱的中心点,获取每两个货箱中心点之间的距离,当存在一个货箱中心点距离小于预设距离时,判定货箱图像中的货箱存在重叠。若判定货箱图像中的货箱存在重叠,则执行步骤S3;若判定货箱图像中的货箱不存在重叠,则执行步骤S8。
于本发明其它实施例中,判断货箱图像中货箱是否存在重叠的步骤,可以理解为,首先,获取货箱图像中每个货箱的货箱轮廓;然后,获取货箱图像中每两个货箱轮廓之间的货箱距离;最后,将每个货箱距离均与预设距离进行对比,并在任一个货箱距离小于预设距离时,判定货箱图像中的货箱存在重叠。货箱距离可以是两个货箱轮廓之间的最小距离,预设距离可以是用于自定义用以判定货箱重叠的最小距离。
步骤S8,输出货箱图像中每个货箱的特征信息。
在本发明实施例中,当判定货箱图像中的货箱不存在重叠时,可以通过显示屏105对货箱图像中的每个货箱的特征信息进行显示。
与现有技术相比,本发明实施例具有以下优势:
首先,通过设置包含标识信息的目标模板与货箱图像进行旋转匹配,得到每个旋转区域对应的多个旋转系数,目标模板相对于货箱图像较小,可以提高匹配效率,快速得到匹配系数。
其次,可以对目标匹配系数的个数进行统计,可以间接获得货箱图像中货箱的数量,以便进行分拣作业。
最后,通过对包含标识信息的货箱图像进行检测,得到货箱图像中每个货箱的特征信息,特征信息包括货箱轮廓及方向,可以准确识别货箱的轮廓以确定货箱的位置和方向,提高了分拣作业效率。
第二实施例
请参阅图10,图10示出了本发明实施例提供的货箱位置检测装置200的方框示意图。货箱位置检测装置200包括货箱图像获取模块201、光学畸变矫正模块202、匹配信息获取模块203、第一目标获取模块204、第二目标获取模块205、特征信息获取模块206、货箱重叠判断模块207及特征信息输出模块208。
货箱图像获取模块201,用于获取包含至少一个货箱的货箱图像,其中,每个货箱均包含标识信息。
可以理解为,货箱图像获取模块201可以执行上述步骤S1。
光学畸变矫正模块202,用于对货箱图像进行光学畸变矫正,以减小货箱图像的失真。
可以理解为,光学畸变矫正模块202可以执行上述步骤S2。
匹配信息获取模块203,用于将货箱图像与预先存储的包含标识信息的目标模板进行旋转匹配,得到匹配信息,其中,货箱图像包括至少一个与目标模板大小相等的匹配区域,匹配信息包括每个匹配区域的多个匹配系数,同一匹配区域的多个匹配系数与多个不同的旋转角度一一对应。
可以理解为,匹配信息获取模块203可以执行上述步骤S3。
第一目标获取模块204,用于按照预设规则,从至少一个匹配区域对应的多个匹配系数中筛选出至少一个目标匹配系数。
可以理解为,第一目标获取模块204可以执行上述步骤S4。
在本发明实施例中,第一目标获取模块204可以具体用于:获取每个匹配区域对应的多个匹配系数中的最大匹配系数;将所有的最大匹配系数均与预设系数进行对比,确定出至少一个目标匹配系数,其中,每个目标匹配系数均大于预设系数。
于本发明的其它实施例中,第一目标获取模块204还可以具体用于:将至少一个匹配区域对应的多个匹配系数均与预设系数进行对比,得到至少一个中间匹配系数,其中,每个中间匹配系数均大于预设系数;按照每个中间匹配系数对应的匹配区域,将所有对应同一区域的中间匹配系数均加入同一个匹配系数组中;将每个匹配系数组中的最大中间匹配系数均作为目标匹配系数。
第二目标获取模块205,用于获得每个目标匹配系数对应的目标匹配区域和目标旋转角度,其中,每个目标匹配区域均包含标识信息
可以理解为,第二目标获取模块205可以执行上述步骤S5。
特征信息获取模块206,用于依据至少一个目标匹配区域及与其对应的目标旋转角度、以及预先存储的标识信息与货箱的相对位置信息,得到货箱图像中每个货箱的特征信息。
可以理解为,特征信息获取模块206可以执行上述步骤S6。
在本发明实施例中,特征信息获取模块206可以具体用于:依据至少一个目标匹配区域、以及预先存储的标识信息与货箱的相对位置信息,得到目标匹配区域对应的货箱的第一轮廓;依据至少一个目标匹配区域对应的目标旋转角度,将目标匹配区域对应的货箱的第一轮廓进行旋转,得到货箱图像中每个货箱的特征信息。
货箱重叠判断模块207,用于判断货箱图像中的货箱是否存在重叠。
可以理解为,货箱重叠判断模块207可以执行上述步骤S7。
在本发明实施例中,货箱重叠判断模块207可以具体用于:获取货箱图像中每个货箱的货箱轮廓;获取货箱图像中每两个货箱轮廓之间的货箱距离;将每个货箱距离均与预设距离进行对比,并在任一个货箱距离小于预设距离时,判定货箱图像中的货箱存在重叠。
特征信息输出模块208,用于输出货箱图像中每个货箱的特征信息。
可以理解为,特征信息输出模块208可以执行上述步骤S8。
综上所述,本发明实施例提供一种货箱位置检测方法及装置,所述方法包括:获取包含至少一个货箱的货箱图像,其中,每个货箱均包含标识信息;将货箱图像与预先存储的包含标识信息的目标模板进行旋转匹配,得到匹配信息,其中,货箱图像包括至少一个与目标模板大小相等的匹配区域,匹配信息包括每个匹配区域的多个匹配系数,同一匹配区域的多个匹配系数与多个不同的旋转角度一一对应;按照预设规则,从至少一个匹配区域对应的多个匹配系数中筛选出至少一个目标匹配系数;获得每个目标匹配系数对应的目标匹配区域和目标旋转角度,其中,每个目标匹配区域均包含标识信息;依据至少一个目标匹配区域及与其对应的目标旋转角度、以及预先存储的标识信息与货箱的相对位置信息,得到货箱图像中每个货箱的特征信息。与现有技术相比,本发明实施例具有以下优势:首先,通过设置包含标识信息的目标模板与货箱图像进行旋转匹配,得到每个旋转区域对应的多个旋转系数,目标模板相对于货箱图像较小,可以提高匹配效率,快速得到匹配系数。其次,可以对目标匹配系数的个数进行统计,可以间接获得货箱图像中货箱的数量,以便进行分拣作业。最后,通过对包含标识信息的货箱图像进行检测,得到货箱图像中每个货箱的特征信息,特征信息包括货箱轮廓及方向,可以准确识别货箱的轮廓以确定每个货箱的位置和方向,提高了分拣作业效率。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块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(可以是个人计算机,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、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
Claims (10)
1.一种货箱位置检测方法,其特征在于,所述方法包括:
获取包含至少一个货箱的货箱图像,其中,每个货箱均包含标识信息;
将所述货箱图像与预先存储的包含标识信息的目标模板进行旋转匹配,得到匹配信息,其中,所述货箱图像包括至少一个与目标模板大小相等的匹配区域,所述匹配信息包括每个匹配区域的多个匹配系数,同一匹配区域的多个匹配系数与多个不同的旋转角度一一对应;
按照预设规则,从至少一个匹配区域对应的多个匹配系数中筛选出至少一个目标匹配系数;
获得每个目标匹配系数对应的目标匹配区域和目标旋转角度,其中,每个目标匹配区域均包含标识信息;
依据至少一个目标匹配区域及与其对应的目标旋转角度、以及预先存储的标识信息与货箱的相对位置信息,得到所述货箱图像中每个货箱的特征信息。
2.如权利要求1所述的方法,其特征在于,所述按照预设规则,从至少一个匹配区域对应的多个匹配系数中筛选出至少一个目标匹配系数的步骤,包括:
获取每个匹配区域对应的多个匹配系数中的最大匹配系数;
将所有的最大匹配系数均与预设系数进行对比,确定出至少一个目标匹配系数,其中,每个目标匹配系数均大于预设系数。
3.如权利要求1所述的方法,其特征在于,所述按照预设规则,从至少一个匹配区域对应的多个匹配系数中筛选出至少一个目标匹配系数的步骤,包括:
将至少一个匹配区域对应的多个匹配系数均与预设系数进行对比,得到至少一个中间匹配系数,其中,每个中间匹配系数均大于预设系数;
按照每个中间匹配系数对应的匹配区域,将所有对应同一区域的中间匹配系数均加入同一个匹配系数组中;
将每个匹配系数组中的最大中间匹配系数均作为目标匹配系数。
4.如权利要求1所述的方法,其特征在于,所述依据至少一个目标匹配区域及与其对应的目标旋转角度、以及预先存储的标识信息与货箱的相对位置信息,得到所述货箱图像中每个货箱的特征信息的步骤,包括:
依据至少一个目标匹配区域、以及预先存储的标识信息与货箱的相对位置信息得到目标匹配区域对应的货箱的第一轮廓;
依据至少一个目标匹配区域对应的目标旋转角度,将所述目标匹配区域对应的货箱的第一轮廓进行旋转,得到所述货箱图像中每个货箱的特征信息。
5.如权利要求4所述的方法,其特征在于,所述方法还包括:
判断所述货箱图像中的货箱是否存在重叠;
若是,则执行将所述货箱图像与预先存储的包含标识信息的目标模板进行旋转匹配的步骤;
若否,则输出货箱图像中每个货箱的特征信息。
6.如权利要求5所述的方法,其特征在于,所述特征信息包括货箱轮廓,所述判断所述货箱图像中的货箱是否存在重叠的步骤,包括:
获取所述货箱图像中每个货箱的货箱轮廓;
获取所述货箱图像中每两个货箱轮廓之间的货箱距离;
将每个货箱距离均与预设距离进行对比,并在任一个货箱距离小于预设距离时,判定所述货箱图像中的货箱存在重叠。
7.如权利要求1所述的方法,其特征在于,在所述将所述货箱图像与预先存储的包含有标识信息的目标模板进行旋转匹配,得到匹配信息的步骤之前,所述方法还包括:
对所述货箱图像进行光学畸变矫正,以减小所述货箱图像的失真。
8.一种货箱位置检测装置,其特征在于,所述装置包括:
货箱图像获取模块,用于获取包含至少一个货箱的货箱图像,其中,每个货箱均包含标识信息;
匹配信息获取模块,用于将所述货箱图像与预先存储的包含标识信息的目标模板进行旋转匹配,得到匹配信息,其中,所述货箱图像包括至少一个与目标模板大小相等的匹配区域,所述匹配信息包括每个匹配区域的多个匹配系数,同一匹配区域的多个匹配系数与多个不同的旋转角度一一对应;
第一目标获取模块,用于按照预设规则,从至少一个匹配区域对应的多个匹配系数中筛选出至少一个目标匹配系数;
第二目标获取模块,用于获得每个目标匹配系数对应的目标匹配区域和目标旋转角度,其中,每个目标匹配区域均包含标识信息;
特征信息获取模块,用于依据至少一个目标匹配区域及与其对应的目标旋转角度、以及预先存储的标识信息与货箱的相对位置信息,得到所述货箱图像中每个货箱的特征信息。
9.如权利要求8所述的装置,其特征在于,所述第一目标获取模块具体用于:
获取每个匹配区域对应的多个匹配系数中的最大匹配系数;
将所有的最大匹配系数均与预设系数进行对比,确定出至少一个目标匹配系数,其中,每个目标匹配系数均大于预设系数。
10.如权利要求8所述的装置,其特征在于,所述第一目标获取模块具体用于:
将至少一个匹配区域对应的多个匹配系数均与预设系数进行对比,得到至少一个中间匹配系数,其中,每个中间匹配系数均大于预设系数;
按照每个中间匹配系数对应的匹配区域,将所有对应同一区域的中间匹配系数均加入同一个匹配系数组中;
将每个匹配系数组中的最大中间匹配系数均作为目标匹配系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811447735.3A CN111243015B (zh) | 2018-11-29 | 2018-11-29 | 货箱位置检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811447735.3A CN111243015B (zh) | 2018-11-29 | 2018-11-29 | 货箱位置检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111243015A CN111243015A (zh) | 2020-06-05 |
CN111243015B true CN111243015B (zh) | 2023-05-12 |
Family
ID=70873969
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811447735.3A Active CN111243015B (zh) | 2018-11-29 | 2018-11-29 | 货箱位置检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111243015B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113743856A (zh) * | 2021-01-05 | 2021-12-03 | 北京京东乾石科技有限公司 | 物品分拣方法及装置、存储介质 |
CN117146828B (zh) * | 2023-10-30 | 2024-03-19 | 网思科技股份有限公司 | 拣货路径引导方法、装置、存储介质及计算机设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018006858A1 (zh) * | 2016-07-08 | 2018-01-11 | 广东欧珀移动通信有限公司 | 一种屏幕显示方法、装置及移动终端 |
CN108389195A (zh) * | 2018-02-24 | 2018-08-10 | 北京理工大学 | 图像检测方法及装置 |
WO2018195797A1 (zh) * | 2017-04-26 | 2018-11-01 | 深圳配天智能技术研究院有限公司 | 一种视觉检测方法、检测设备以及机器人 |
CN108875451A (zh) * | 2017-05-10 | 2018-11-23 | 腾讯科技(深圳)有限公司 | 一种定位图像的方法、装置、存储介质和程序产品 |
-
2018
- 2018-11-29 CN CN201811447735.3A patent/CN111243015B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018006858A1 (zh) * | 2016-07-08 | 2018-01-11 | 广东欧珀移动通信有限公司 | 一种屏幕显示方法、装置及移动终端 |
WO2018195797A1 (zh) * | 2017-04-26 | 2018-11-01 | 深圳配天智能技术研究院有限公司 | 一种视觉检测方法、检测设备以及机器人 |
CN108875451A (zh) * | 2017-05-10 | 2018-11-23 | 腾讯科技(深圳)有限公司 | 一种定位图像的方法、装置、存储介质和程序产品 |
CN108389195A (zh) * | 2018-02-24 | 2018-08-10 | 北京理工大学 | 图像检测方法及装置 |
Non-Patent Citations (1)
Title |
---|
胡笑斌,吴曼青,何辅云.基于B-CFAR预处理的自动匹配目标识别法.合肥工业大学学报(自然科学版).2005,(02),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN111243015A (zh) | 2020-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230381954A1 (en) | Robotic system with enhanced scanning mechanism | |
CN111951290B (zh) | 一种图像中物体的边缘检测方法及装置 | |
US9305231B2 (en) | Associating a code with an object | |
WO2022179261A1 (zh) | 基于3d匹配的物体抓取方法、装置及计算设备 | |
US9600892B2 (en) | Non-parametric method of and system for estimating dimensions of objects of arbitrary shape | |
CN110599544B (zh) | 一种基于机器视觉的工件定位方法及装置 | |
CN111243015B (zh) | 货箱位置检测方法及装置 | |
US9248965B1 (en) | Item processing verification using imaging | |
JP6557943B2 (ja) | 画像照合装置、画像センサ、処理システム、画像照合方法 | |
CN110516494B (zh) | 一种二维码识别方法、装置、设备及系统 | |
US11188727B1 (en) | Efficient parallel barcode subpixel alignment | |
JPWO2014030400A1 (ja) | 物体識別装置、物体識別方法、及びプログラム | |
US20220398716A1 (en) | Method of detecting product defects, electronic device, and storage medium | |
US10860826B2 (en) | Information processing apparatus, control method, and program | |
CN111108515B (zh) | 图片目标点纠正方法、装置设备及存储介质 | |
JP2019516147A (ja) | 車両損傷画像の角度補正方法、電子装置及び読み取り可能な記憶媒体 | |
CN111242963B (zh) | 货箱轮廓检测方法及装置 | |
JP7448281B2 (ja) | 二次元マーカの認識装置、方法、プログラム及びシステム | |
JP2010243405A (ja) | 画像処理用マーカー、それが表示された対象物の位置及び姿勢を検出するための画像処理装置及び画像処理プログラム | |
CN114638888B (zh) | 位置确定方法、装置、电子设备及可读存储介质 | |
CN109388983B (zh) | 一种条形码归类方法、归类装置、电子设备及存储介质 | |
CN110555848B (zh) | 货物轮廓检测方法、装置、机械臂及可读存储介质 | |
CN109522993B (zh) | 一种检验贴纸一致性的方法、终端设备及存储介质 | |
CN116486346B (zh) | 一种纸箱输送的方法与装置 | |
US20210103710A1 (en) | Method and Device for Determining Object Orientation |
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 |
Address after: 230000 No. 66, Yulan Avenue, Taohua Industrial Park Development Zone, Hefei Economic and Technological Development Zone, Anhui Province Applicant after: Hefei Taihe Intelligent Technology Group Co.,Ltd. Address before: 230000 intersection of Fangxing Avenue and Yulan Avenue, Taohua Industrial Park, Hefei Economic and Technological Development Zone, Anhui Province Applicant before: HEFEI TAIHE OPTOELECTRONIC TECHNOLOGY Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |