CN111429516A - 车架号的角点定位方法、装置、计算机设备及存储介质 - Google Patents

车架号的角点定位方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN111429516A
CN111429516A CN202010208501.4A CN202010208501A CN111429516A CN 111429516 A CN111429516 A CN 111429516A CN 202010208501 A CN202010208501 A CN 202010208501A CN 111429516 A CN111429516 A CN 111429516A
Authority
CN
China
Prior art keywords
frame number
arc
vehicle
image
character image
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
Application number
CN202010208501.4A
Other languages
English (en)
Inventor
周康明
杨海林
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.)
Shanghai Eye Control Technology Co Ltd
Original Assignee
Shanghai Eye Control Technology Co Ltd
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 Shanghai Eye Control Technology Co Ltd filed Critical Shanghai Eye Control Technology Co Ltd
Priority to CN202010208501.4A priority Critical patent/CN111429516A/zh
Publication of CN111429516A publication Critical patent/CN111429516A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30268—Vehicle interior

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本申请提供一种车架号的角点定位方法、装置、计算机设备以及存储介质，该方法包括对车辆弧形车架号图像进行弧形图像分割处理，得到车辆弧形车架号所在区域对应的初始弧形字符图像，并通过所述初始弧形字符图像获取目标弧形字符图像，通过颜色标签值对所述目标弧形字符图像进行转换处理，得到车辆直形车架号图像，对所述车辆直形车架号图像进行角点检测处理，得到车辆直形车架号的第一角点位置信息，将所述车辆直形车架号的第一角点位置信息映射到所述目标弧形字符图像中，得到车辆弧形车架号的第二角点位置信息；该方法可以通过这一套智能化技术，能够快速、精确地获取车辆弧形车架号的角点位置信息，从而提高车辆年检的工作效率。

Description

车架号的角点定位方法、装置、计算机设备及存储介质
技术领域
本申请涉及计算机领域，特别是涉及一种车架号的角点定位方法、装置、计算机设备及存储介质。
背景技术
随着社会经济的不断发展和人民生活水平的不断提高，城市机动车保有量迅猛增长。车架号作为车辆的识别号码，无论是办理车牌、行驶证、保险以及机动车年检审核，都必须要使用车架号信息。例如，在车辆检测检测项目实施过程中，检测车架号的尺寸是一项重要工作。
传统技术中，采用手动测量方式获取车辆车架号的尺寸信息。但是，当年检车辆数较大的情况下，手动测量的方式会导致车辆车架号的测量尺寸的准确率较低。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高车辆车架号测量尺寸的准确率的车架号的角点定位方法、装置、计算机设备及存储介质。
本申请实施例提供一种车架号的角点定位方法，所述方法包括：
对车辆弧形车架号图像进行弧形图像分割处理，得到车辆弧形车架号所在区域对应的初始弧形字符图像；
通过所述初始弧形字符图像获取目标弧形字符图像；
通过颜色标签值对所述目标弧形字符图像进行转换处理，得到车辆直形车架号图像；
对所述车辆直形车架号图像进行角点检测处理，得到车辆直形车架号的第一角点位置信息；
将所述车辆直形车架号的第一角点位置信息映射到所述目标弧形字符图像中，得到车辆弧形车架号的第二角点位置信息。
在其中一个实施例中，所述对车辆弧形车架号图像进行弧形图像分割处理，得到车辆弧形车架号所在区域对应的初始弧形字符图像，包括：
通过深度学习分割模型，对所述车辆弧形车架号图像进行弧形图像分割处理，得到所述初始弧形字符图像。
在其中一个实施例中，所述通过所述初始弧形字符图像获取目标弧形字符图像，包括：
通过预设图像对所述初始弧形字符图像进行第一预处理，得到所述目标弧形字符图像；其中，所述预设图像表征背景为黑色的图像。
在其中一个实施例中，所述通过预设图像对所述初始弧形字符图像进行第一预处理，得到所述目标弧形字符图像，包括：
对所述初始弧形字符图像进行第二预处理，得到轮廓点集；
根据每个轮廓点集包含的点数量对所有轮廓点集进行排序，得到车辆弧形车架号轮廓点集；其中，所述车辆弧形车架号轮廓点集包括一个轮廓点集；
通过所述车辆弧形车架号轮廓点集和所述预设图像进行逻辑运算，得到所述目标弧形字符图像。
在其中一个实施例中，所述通过颜色标签值对所述目标弧形字符图像进行转换处理，得到车辆直形车架号图像，包括：
根据所述颜色标签值和所述目标弧形字符图像进行分析处理，获取车辆弧形车架号的曲线拟合参数；
通过所述曲线拟合参数进行坐标映射处理，得到所述图像映射坐标；
根据所述目标弧形字符图像与所述图像映射坐标进行重映射处理，得到所述车辆直形车架号图像。
在其中一个实施例中，所述根据所述颜色标签值和所述目标弧形字符图像进行分析处理，获取车辆弧形车架号的曲线拟合参数，包括：
通过所述颜色标签值对所述目标弧形字符图像中的信息进行比对处理，得到弧形字符信息；
根据所述弧形字符信息拟合弧形字符曲线，得到所述曲线拟合参数。
在其中一个实施例中，所述第一角点位置信息包括车辆直形车架号的上角点位置信息，以及车辆直形车架号的下角点位置信息；所述对所述车辆直形车架号图像进行角点检测处理，得到车辆直形车架号的第一角点位置信息，包括：
采用直线逼近法对所述车辆直形车架号图像进行角点检测处理，得到所述上角点位置信息；
采用所述直线逼近法对所述车辆直形车架号图像进行角点检测处理，得到所述下角点位置信息。
本申请实施例提供一种车架号的角点定位装置，所述车架号的角点定位装置包括：
图像分割模块，用于对车辆弧形车架号图像进行弧形图像分割处理，得到车辆弧形车架号所在区域对应的初始弧形字符图像；
获取模块，用于通过所述初始弧形字符图像获取目标弧形字符图像；
转换处理模块，用于通过颜色标签值对所述目标弧形字符图像进行转换处理，得到车辆直形车架号图像；
角点检测模块，用于对所述车辆直形车架号图像进行角点检测处理，得到车辆直形车架号的第一角点位置信息；
映射模块，用于将所述车辆直形车架号的第一角点位置信息映射到所述目标弧形字符图像中，得到车辆弧形车架号的第二角点位置信息。
本申请实施例提供一种计算机设备，包括存储器、处理器，所述存储器上存储有可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
对车辆弧形车架号图像进行弧形图像分割处理，得到车辆弧形车架号所在区域对应的初始弧形字符图像；
通过所述初始弧形字符图像获取目标弧形字符图像；
通过颜色标签值对所述目标弧形字符图像进行转换处理，得到车辆直形车架号图像；
对所述车辆直形车架号图像进行角点检测处理，得到车辆直形车架号的第一角点位置信息；
将所述车辆直形车架号的第一角点位置信息映射到所述目标弧形字符图像中，得到车辆弧形车架号的第二角点位置信息。
本申请实施例提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
对车辆弧形车架号图像进行弧形图像分割处理，得到车辆弧形车架号所在区域对应的初始弧形字符图像；
通过所述初始弧形字符图像获取目标弧形字符图像；
通过颜色标签值对所述目标弧形字符图像进行转换处理，得到车辆直形车架号图像；
对所述车辆直形车架号图像进行角点检测处理，得到车辆直形车架号的第一角点位置信息；
将所述车辆直形车架号的第一角点位置信息映射到所述目标弧形字符图像中，得到车辆弧形车架号的第二角点位置信息。
本实施例提供的车架号的角点定位方法，该方法可以对车辆弧形车架号图像进行弧形图像分割处理，得到车辆弧形车架号所在区域对应的初始弧形字符图像，并通过所述初始弧形字符图像获取目标弧形字符图像，通过颜色标签值对所述目标弧形字符图像进行转换处理，得到车辆直形车架号图像，通过图形角点检测法对所述车辆直形车架号图像进行角点检测处理，得到车辆直形车架号的第一角点位置信息，将所述车辆直形车架号的第一角点位置信息映射到所述目标弧形字符图像中，得到车辆弧形车架号的第二角点位置信息；该方法可以通过这一套智能化技术，能够快速、精确地获取车辆弧形车架号的角点位置信息，从而提高车辆车架号的测量尺寸的准确率。
附图说明
图1为一实施例提供的一种车架号的角点定位方法的应用场景图；
图2为一实施例提供的一种车架号的角点定位方法的流程示意图；
图3为一实施例提供的一种车辆弧形车架号图像的示意图；
图4为一实施例提供的一种初始弧形字符图像的示意图；
图5为一实施例提供的一种车辆直形车架号的角点位置映射到车辆弧形车架号中角点位置的示意图；
图6为一实施例提供的一种车架号的角点定位方法的具体流程示意图；
图7为一实施例提供的直线逼近法实现角点检测处理的示意图；
图8为一实施例提供的一种车架号的角点定位装置的结构示意图；
图9为一实施例提供的计算机设备的内部结构图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
本申请提供的车架号的角点定位方法可以适用于图1所示的车架号的角点定位系统中，且该方法适用于弧形车架号的角点定位，弧形车架号可以理解为车架号中的字符分布呈弧形。可选的，上述车架号的角点定位系统包括：车辆、终端以及后台服务器。可选的，车辆可以为任意型号的各种车辆，车辆上安装有车架号，车架号的类型可以包括单排弧形车架号和双排弧形车架号；终端上可以安装能够采集车辆弧形车架号图像的应用程序，通过该应用程序可以采集车辆弧形车架号图像，其中，打开该应用程序后，终端上可以显示一个长条形采集框，将长条形采集框对准车辆弧形车架号区域，点击采集按钮采集车辆弧形车架号图像；然后终端将采集到的弧形车架号图像发送至后台服务器。可选的，终端可以为手机、平板电脑及个人电脑等能够安装采集车辆弧形车架号图像的应用程序的电子设备。可选的，终端与后台服务器之间可以通过无线连接通信；无线连接的方式可以是Wi-Fi，移动网络或蓝牙连接。在本实施例，本申请可以以车辆单排弧形车架号为例进行解释说明。在下述实施例中将具体介绍车架号的角点定位的具体过程。
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
图2为一实施例提供的车架号的角点定位方法的流程示意图。本实施例涉及的是如何对车辆弧形车架号的角点进行定位的过程。如图2所示，该方法包括：
步骤S1000、对车辆弧形车架号图像进行弧形图像分割处理，得到车辆弧形车架号所在区域对应的初始弧形字符图像。
具体的，在执行步骤S1000之前，终端通过车辆弧形车架号图像的应用程序采集车辆弧形车架号图像，并将车辆弧形车架号图像发送至后台服务器。如图3所示为一种车辆弧形车架号图像，其它车辆弧形车架号图像也类似。可选的，车辆弧形车架号图像的应用程序可以采集不同质量、不同倾斜角度的车辆弧形车架号图像，其中，倾斜角度的范围可以为正负5度之间的任意角度。可选的，车辆弧形车架号图像可以为车辆单排弧形车架号图像和/或车辆双排弧形车架号图像。在本实施例，车辆弧形车架号图像可以为车辆单排弧形车架号图像，以进行解释说明具体处理过程。可选的，车辆弧形车架号图像可以包含弧形车架号对应的所有字符以及这些字符的起止符，其中，弧形车架号对应的字符包括数字和大写字母，弧形车架号的起止符可以为五角星、圆圈等符号。
需要说明的是，后台服务器可以对车辆弧形车架号图像进行弧形图像分割处理，得到图像分割结果，即车辆弧形车架号所在区域对应的初始弧形字符图像。可选的，图像分割结果可以为包含车辆弧形车架号和一些噪声信息的图像，该图像中不包含弧形车架号的起止符。可选的，图像分割结果可以为一种背景为黑色的色度图。如图4所示为图3中车辆弧形车架号图像对应的初始弧形字符图像，其中，图4中的字符S显示红色，字符J显示深蓝色，字符W显示柠檬黄色，字符2显示深灰色，字符6显示玫红色，字符H显示蓝色，字符3显示绿色，字符1显示中黄色，字符A显示蓝绿色，字符0显示紫色，字符7显示粉色。
步骤S2000、通过所述初始弧形字符图像获取目标弧形字符图像。
具体的，后台服务器可以对初始弧形字符图像进行预处理，得到目标弧形字符图像。可选的，目标弧形字符图像可以仅包含车辆弧形车架号中的字符对应的图像，该图像的背景色为黑色。
步骤S3000、通过颜色标签值对所述目标弧形字符图像进行转换处理，得到车辆直形车架号图像。
具体的，车辆弧形车架号中的字符可以包括字符“0～9”以及“A～Z”，不包括字符“1”、“O”和“Q”，共计33种字符。可选的，33种字符图像可以分别用颜色标签值1～33来表示，也就是每种字符均有一个对应的颜色标签值，其中，颜色标签值0可以表示黑色图像。例如，数字0的颜色标签值为1，依次类推，字符A的颜色标签值为11，其它字符的颜色标签值按数字和字母的先后顺序对应。可选的，不同颜色标签值对应不同的颜色和不同的字符；例如，颜色标签值为1，显示在标签图像中为红色，并且显示出来的字符为0，颜色标签值为11，显示在标签图像中为黄色，并且显示出来的字符为A。
需要说明的是，后台服务器可以通过颜色标签值对目标弧形字符图像进行转换处理，得到车辆直形车架号图像。可选的，转换处理可以包括坐标映射处理和比对处理等等，也就是只要能够将显示弧形字符的目标弧形字符图像转换为显示直形字符的车辆直形车架号图像的方法均可。
步骤S4000、对所述车辆直形车架号图像进行角点检测处理，得到车辆直形车架号的第一角点位置信息。
具体的，后台服务器可以通过图形角点检测法，对转换后的车辆直形车架号图像进行角点检测处理，得到车辆直形车架号的第一角点位置信息。
需要说明的是，若车辆直形车架号图像为车辆单排车架号图像，则对应的车辆直形车架号的第一角点位置信息可以为单行字符的四个顶点坐标；例如，车辆单排车架号中的单行字符为“LNPAXGBDO”，则车辆单排车架号中四个顶点可以为字符L的左上角、字符L的左下角、字符O的右上角和字符O的右下角。可选的，若车辆直形车架号图像为车辆双排车架号图像，可以根据第一行字符的首尾字符和第二行字符的首尾字符确定四个顶点坐标(即角点位置信息)。
步骤S5000、将所述车辆直形车架号的第一角点位置信息映射到所述目标弧形字符图像中，得到车辆弧形车架号的第二角点位置信息。
在本实施例中，将车辆弧形车架号图像转换为车辆直形车架号图像后，对车辆直形车架号图像进行角点定位处理，可以得到直形车架号的角点位置信息，最后还需要将直形车架号的角点位置转换到弧形车架号上，得到车辆弧形车架号的第二角点位置信息。图5为一种车辆直形车架号的角点位置映射到车辆弧形车架号中角点位置的示意图，其中，圆圈表示映射后角点的位置。
本实施例提供的车架号的角点定位方法，该方法可以对车辆弧形车架号图像进行弧形图像分割处理，得到车辆弧形车架号所在区域对应的初始弧形字符图像，并通过所述初始弧形字符图像获取目标弧形字符图像，通过颜色标签值对所述目标弧形字符图像进行转换处理，得到车辆直形车架号图像，对所述车辆直形车架号图像进行角点检测处理，得到车辆直形车架号的第一角点位置信息，将所述车辆直形车架号的第一角点位置信息映射到所述目标弧形字符图像中，得到车辆弧形车架号的第二角点位置信息；该方法可以通过这一套智能化技术，能够快速、精确地获取车辆弧形车架号的角点位置信息，从而提高车辆车架号的测量尺寸的准确率以及透视矫正的正确性，并提高车辆年检的工作效率，降低人力成本。
作为其中一个实施例，上述步骤S1000中对车辆弧形车架号图像进行弧形图像分割处理，得到车辆弧形车架号所在区域对应的初始弧形字符图像的过程，具体可以包括以下步骤：
步骤S1100、通过深度学习分割模型，对所述车辆弧形车架号图像进行弧形图像分割处理，得到车辆弧形车架号所在区域对应的初始弧形字符图像。
具体的，后台服务器可以通过深度学习分割模型，对车辆弧形车架号图像进行弧形图像分割处理，得到车辆弧形车架号所在区域对应的初始弧形字符图像。可选的，初始弧形字符图像可以为包含车辆弧形车架号和一些噪声信息的图像，该图像中不包含弧形车架号的起止符。可选的，初始弧形字符图像可以为一种色度图。
可选的，上述步骤S1100中通过深度学习分割模型，对所述车辆弧形车架号图像进行弧形图像分割处理，得到车辆弧形车架号所在区域对应的初始弧形字符图像的过程，具体可以包括：通过目标语义分割模型，对所述车辆弧形车架号图像进行弧形图像分割处理，得到所述初始弧形字符图像；其中，所述目标语义分割模型为对初始语义分割模型进行训练得到的分割模型，所述初始语义分割模型用于从所述车辆弧形车架号图像中分割出所述车辆弧形车架号对应的弧形字符图像。
具体的，后台服务器可以通过训练好的目标语义分割模型，对车辆弧形车架号图像进行弧形图像分割处理，得到初始弧形字符图像。可选的，目标语义分割模型可以对车辆单排弧形车架号图像进行弧形图像分割处理，输出初始弧形字符图像。
其中，在执行步骤S1100之前，所述方法还可以包括以下步骤：
步骤S1110、获取预设图像，并通过描绘法对所述预设图像进行描绘处理，得到包含车辆弧形车架号的标签图像；其中，所述描绘法用于表征将所述车辆弧形车架号中的字符进行描绘的方法。
需要说明的是，后台服务器可以再新建一张预设图像，然后通过描绘法在预设图像上描绘车辆弧形车架号包含的字符，得到包含车辆弧形车架号的标签图像。在本实施例中，后台服务器可以通过车辆弧形车架号包含的不同字符对应的颜色标签值，通过描绘法在预设图像上描绘车辆弧形车架号包含的所有字符，得到包含车辆弧形车架号的标签图像。可选的，车辆弧形车架号的标签图像的背景为黑色，车辆弧形车架号的标签图像中显示的弧形车架号的字符为不同的其它颜色(除去白色)。车辆弧形车架号的标签图像中显示的弧形车架号的字符大小与采集到的车辆弧形车架号图像中显示的弧形车架号的字符大小可以相等，也可以不相同，但是，这两种图像中显示的字符大小差异较小，字符大小基本相同。
步骤S1120、通过所述车辆弧形车架号图像和所述标签图像，对初始语义分割模型进行训练处理，得到训练后的目标语义分割模型。
可以理解的是，后台服务器可以将车辆弧形车架号图像和标签图像作为训练过程中的训练集和测试集，对初始语义分割模型进行训练处理，得到训练后的目标语义分割模型。
进一步地，上述步骤S2000中通过所述初始弧形字符图像获取目标弧形字符图像的过程，可以通过以下步骤实现：
步骤S2100、通过预设图像对所述初始弧形字符图像进行第一预处理，得到目标弧形字符图像；其中，所述预设图像表征背景为黑色的图像。
具体的，第一预处理可以包括图像预处理、排序处理以及逻辑运算处理。可选的，后台服务器可以通过预设图像对初始弧形字符图像进行第一预处理，得到目标弧形字符图像。
可选的，上述步骤S2100中通过预设图像对所述初始弧形字符图像进行第一预处理，得到目标弧形字符图像的过程，具体可以包括：
步骤S2110、对所述初始弧形字符图像进行第二预处理，得到轮廓点集。
具体的，第二预处理可以包括二值图像处理和轮廓检测处理。
其中，上述步骤S2110中对所述初始弧形字符图像进行第二预处理，得到轮廓点集的过程，具体可以包括：对所述初始弧形字符图像进行二值图像处理，得到二值化弧形字符图像；对所述二值化弧形字符图像进行轮廓检测处理，得到所述轮廓点集。
需要说明的是，后台服务器可以对初始弧形字符图像进行二值图像处理，得到中间弧形字符图像，然后对中间字符图像进行横向膨胀处理，得到二值化弧形字符图像。可选的，二值化弧形字符图像可以为黑白字符图像。可选的，横向膨胀处理可以表征为将初始弧形字符图像中的字符横向拉宽(字符的高不变)的过程。进一步地，后台服务器可以采用findcontours函数对二值化弧形字符图像进行轮廓检测处理，得到轮廓点集。
步骤S2120、根据每个轮廓点集包含的点数量对所有轮廓点集进行排序，得到车辆弧形车架号轮廓点集；其中，所述车辆弧形车架号轮廓点集包括一个轮廓点集。
具体的，每个轮廓点集包含的点数量可以等于轮廓点集中包含的坐标数量。例如，轮廓点集A表示为{(x11，y11)，(x21，y21)，(x31，y31)，(x41，y41)}，轮廓点集B表示为{(x12，y12)，(x22，y22)，(x32，y32)}，轮廓点集C表示为{(x14，y14)，(x24，y24)，(x34，y34)，(x44，y44)，(x54，y54)}，则轮廓点集A中有4个点，轮廓点集B中有3个点，轮廓点集C中有5个点，此时，对轮廓点集A、轮廓点集B和轮廓点集C进行排序，排序的结果依次为轮廓点集C、轮廓点集A和轮廓点集B。可选的，将排序结果中的第一个轮廓点集作为车辆弧形车架号轮廓点集。
步骤S2130、通过所述车辆弧形车架号轮廓点集和所述预设图像进行逻辑运算，得到所述目标弧形字符图像。
在本实施例中，后台服务器可以采用drawContours函数，将车辆弧形车架号轮廓点集中的点填充在一个预设图像中，然后对填充后的弧形车架号图像中的点对应的像素值，与车辆弧形车架号轮廓点集中相对应的点对应的像素值(即预设像素值)；填充后的弧形车架号图像中除去弧形轮廓点集中的点外，填充后的弧形车架号图像中其它点对应的像素值为0。可选的，预设像素值为255。后台服务器可以采用bitwise_and函数，对初始弧形字符图像与填充后的弧形车架号图像中的像素值进行按位与运算，得到目标弧形字符图像。可选的，按位与运算可以表征为初始弧形字符图像中第一行第一个像素值与填充后的弧形车架号图像中第一行第一个像素值进行与运算，初始弧形字符图像中第一行第二个像素值与填充后的弧形车架号图像中第一行第二个像素值进行与运算，依次类推，图像中的其它像素值也类似进行按位与运算。可选的，具体的与运算可以理解为将十进制像素值先转换为二进制数据，然后对二进制数据进行与运算后，将与运算结果转换为十进制数据，将该十进制数据作为按位与运算的结果。可选的，填充后的弧形车架号图像与初始弧形字符图像的尺寸大小相等。
本实施例提供的车架号的角点定位方法，该方法可以通过深度学习分割模型，对车辆弧形车架号图像进行弧形图像分割处理，得到车辆弧形车架号所在区域对应的初始弧形字符图像，通过预设图像对所述初始弧形字符图像进行第一预处理，得到目标弧形字符图像，进而通过颜色标签值对所述目标弧形字符图像进行转换处理，得到车辆直形车架号图像，对所述车辆直形车架号图像进行角点定位处理，得到车辆直形车架号的第一角点位置信息，将所述车辆直形车架号的第一角点位置信息映射到所述目标弧形字符图像中，以得到车辆弧形车架号的第二角点位置信息；该方法可以通过这一套智能化技术，能够快速、精确地获取车辆弧形车架号的角点位置信息，从而提高车辆车架号的测量尺寸的准确率以及透视矫正的正确性，并提高车辆年检的工作效率，降低人力成本。
作为其中一个实施例，上述步骤S3000中通过颜色标签值对所述目标弧形字符图像进行转换处理，得到车辆直形车架号图像的过程，具体可以包括：
步骤S3100、根据所述颜色标签值和所述目标弧形字符图像进行分析处理，获取车辆弧形车架号的曲线拟合参数。
可选的，上述步骤S3100中根据所述颜色标签值和所述目标弧形字符图像进行分析处理，获取车辆弧形车架号的曲线拟合参数的过程，具体可以包括：通过所述颜色标签值对所述目标弧形字符图像中的信息进行比对处理，得到弧形字符信息；根据所述弧形字符信息拟合弧形字符曲线，得到所述曲线拟合参数。
具体的，每个颜色标签值均有对应的字符表示。可选的，后台服务器可以根据每个颜色标签值依次对目标弧形字符图像中的所有字符进行比对处理，获取目标弧形字符图像中显示的每个字符对应的颜色，同时，获取每个字符对应的字符点集，然后采用boundingRect函数获取每个字符对应的字符点集的外接矩形r(即每个字符的外接矩形r)，进而获取外接矩形r四个顶点的坐标。可选的，弧形字符信息可以为目标弧形字符图像中显示的每个字符的外接矩形r四个顶点的坐标，该字符的外接矩形r的内部可以包含完成的字符。
需要说明的是，后台服务器可以计算每个字符的外接矩形r的上中心点和下中心点的坐标，也就是两条宽的中心点坐标(外接矩形垂直于水平面放置，该外接矩形的两侧即为高)，得到弧形字符上点集v_pt_up以及弧形字符下点集v_pt_down；外接矩形r的上中心点可以为外接矩形r的上侧宽的中心点，外接矩形r的下中心点可以为外接矩形r的下侧宽的中心点。其中，上中心点坐标表示pt_up，下中心点坐标pt_down。可选的，pt_up可以表示为(r.x+r.width/2，r.y)，pt_down可以表示为(r.br.x+r.width/2，r.br.y)；其中，r.x表示外接矩形的左上顶点的x坐标，r.width表示外接矩形的宽，r.y表示外接矩形的左上顶点的y坐标，r.br.x表示外接矩形的右下顶点的x坐标，r.br.y表示外接矩形的右下顶点的y坐标。在本实施例中，弧形车架号包含的所有字符对应的上边缘和所有字符对应的下边缘均可以类比为开口大小不同的抛物线。
进一步地，后台服务器可以根据弧形字符上点集v_pt_up和弧形字符下点集v_pt_down，采用最小二乘法拟合出弧形车架号包含的所有字符对应的弧形上边缘字符曲线和弧形下边缘字符曲线，最后根据拟合的弧形字符曲线方程，得到曲线拟合参数。可选的，弧形字符曲线可以包括弧形上边缘字符曲线和弧形下边缘字符曲线。可选的，上述弧形上边缘字符曲线方程可以表示为(a_upx)^2+b_upx+c_up(即标准的一元二次方程)；a_up表示方程的二次项系数，b_up表示方程的一次项系数，c_up表示方程的常数项。可选的，弧形下边缘字符曲线方程可以表示为(a_downx)^2+b_downx+c_down(即标准的一元二次方程)；其中，a_down表示方程的二次项系数，b_down表示方程的一次项系数，c_down表示方程的常数项。在本实施例中，将弧形上边缘字符曲线方程和弧形下边缘字符曲线方程中的系数，可以称为曲线拟合参数。
步骤S3200、通过所述曲线拟合参数进行坐标映射处理，得到所述图像映射坐标。
可选的，上述步骤S3200中通过所述曲线拟合参数进行坐标映射处理，得到所述图像映射坐标的过程，具体可以包括：通过所述曲线拟合参数以及所述弧形字符信息进行坐标映射处理，得到所述图像映射坐标。
具体的，后台服务器可以将弧形字符上点集v_pt_up和弧形字符下点集v_pt_down合并，得到v_pt，即{v_pt_up，v_pt_down}；然后通过boundingRect函数对v_pt进行处理，得到弧形字符对应的外接矩形r_waijie。令text_w＝r_waijie.width，text_h＝r_waijie.height，r_waijie.width表示弧形字符对应的外接矩形的宽，r_waijie.height表示弧形字符对应的外接矩形的高，则可以将弧形上边缘字符曲线向上移动text_h/2个单位，也就是对弧形上边缘字符曲线方程的常数项减去text_h/2，即弧形上边缘字符曲线方程的常数项c’_up为c_up-(text_h/2)；还可以将弧形下边缘字符曲线向下移动text_h/2个单位，也就是对弧形下边缘字符曲线方程的常数项加上text_h/2，即弧形下边缘字符曲线方程的常数项c’_down为c_down+(text_h/2)；再者，设x_min等于r_waijie.x-text_h*0.25，x_max等于r_waijie.br-text_h*0.25，x_min实际上为对弧形字符对应的外接矩形的左侧边长(即高)向左移动text_h*0.25后的线段方程，x_max实际上为对弧形字符对应的外接矩形的右侧边长(即高)向右移动text_h*0.25后的线段方程(该线段的长度可以等于移动前的线段长度)，r_waijie.x表示弧形字符对应的外接矩形左侧边长的线段方程(该线段的长度可以等于移动前的线段长度)，r_waijie.br表示弧形字符对应的外接矩形的右侧边长的线段方程；继续设等于text_w*2，h等于text_h*2，size可以等于Size(w，h)。
进一步地，后台服务器可以创建空白图像map_x和map_y，这两个新建空白图像为矩形，这两个新建空白图像尺寸大小为size，设置偏移量offset等于(x_max-x_min)/w。可以理解的是，在映射到车辆直形车架号图像中，每个像素单位分配offset个像素。可选的，后台服务器可以计算x_min+i*offset(i的区间范围为[0，w))等于pxFirst[i]，计算a_up*(pxFirst[i])^2+b_up*pyFirst[i]+c’_up等于pyFirst[i]；同理，计算x_min+i*offset等于pxLast[i]，计算a_down*(pxLast[i])^2+b_down*pyLast[i]+c’_down等于pyLast[i]；其中，pxFirst[i]表示新建空白图像map_x上边缘每个点的像素值，pyFirst[i]表示新建空白图像map_y上边缘每个点的像素值，pxLast[i]表示新建空白图像map_x下边缘每个点的像素值，pyLast[i]表示新建空白图像map_y下边缘每个点的像素值，像素点的数量可以等于w，i表示每个像素点的数字编号。可选的，新建空白图像map_x和map_y中其它点的像素值可以通过双线性插值计算获取。其中，新建空白图像中其它像素点(，即中间像素点除新建空白图像上边缘每个点和下边缘每个点)的编号为(j，i)，设a等于j/h，则新建空白图像map_x中的中间像素点的像素值px[j，i]可以等于(1-a)*pxFirst[i]+a*pxLast[i]，新建空白图像map_y中的中间像素点的像素值py[j，i]可以等于(1-a)*pyFirst[i]+a*pyLast[i]；进而根据以上获取到的新建空白图像map_x和map_y中的每个像素点的像素值，获取将目标弧形字符图像中的弧形车架号映射到车辆直形车架号图像上的坐标信息，即经过上述坐标映射，映射到map_x中的像素值可以与目标弧形字符图像中的x坐标对应，映射到map_y中的像素值可以与目标弧形字符图像中的y坐标对应，进而根据映射的x坐标和y坐标得到图像映射坐标。
步骤S3300、根据所述目标弧形字符图像与所述图像映射坐标进行重映射处理，得到所述车辆直形车架号图像。
具体的，后台服务器可以根据图像映射坐标，采用remap重映射函数对目标弧形字符图像进行重映射处理，将目标弧形字符图像转换为车辆直形车架号图像。可选的，remap重映射函数的功能可以表征为将一张图像中某位置的像素点放置到另一张图像中指定位置的过程。继续如图5所示为对应的一种车辆直形车架号图像示意图，也就是将弧形车架号转换为直行车架号后的示意图。
本实施例提供的车架号的角点定位方法，该方法可以根据所述颜色标签值和所述目标弧形字符图像进行分析处理，获取车辆弧形车架号的曲线拟合参数，通过所述曲线拟合参数进行坐标映射处理，得到所述图像映射坐标，根据所述目标弧形字符图像与所述图像映射坐标进行重映射处理，得到所述车辆直形车架号图像，进而对所述车辆直形车架号图像进行角点定位处理，得到车辆直形车架号的第一角点位置信息，将所述车辆直形车架号的第一角点位置信息映射到所述目标弧形字符图像中，以得到车辆弧形车架号的第二角点位置信息；该方法可以通过这一套智能化技术，能够快速、精确地获取车辆弧形车架号的角点位置信息，从而提高车辆车架号的测量尺寸的准确率以及透视矫正的正确性，并提高车辆年检的工作效率，降低人力成本。
作为其中一个实施例，所述第一角点位置信息包括车辆直形车架号的上角点位置信息，以及车辆直形车架号的下角点位置信息；在图2的基础上，如图6所示，上述步骤S4000中对所述车辆直形车架号图像进行角点检测处理，得到车辆直形车架号的第一角点位置信息的过程，可以包括以下步骤：
步骤S4100、采用直线逼近法对所述车辆直形车架号图像进行角点检测处理，得到所述上角点位置信息。
其中，所述直线逼近法采用预设斜率的直线，车辆直形车架号的上角点位置信息可以包括车辆直形车架号的上左角点位置信息和车辆直形车架号的上右角点位置信息。
具体的，在对车辆直形车架号的左上角点进行角点检测处理时，预设斜率可以设定为1，初始时刻(即实现角点检测处理的最初时刻)采用直线逼近法所选用的直线通过车辆直形车架号图像的左上角。可选的，后台服务器可以采用直线逼近法所选用的直线从初始位置向右移动，每次平移车辆直形车架号图像中的单位像素大小距离，将第一次与直线相交的车辆直形车架号中最左边第一个字符上的点记为车辆直形车架号的左上角点，进而得到左上角点位置信息(即点坐标)。
需要说明的是，在对车辆直形车架号的右上角点进行角点检测处理时，预设斜率可以设定为-1，初始时刻(即实现角点检测处理的最初时刻)采用直线逼近法所选用的直线通过车辆直形车架号图像的右上角。可选的，后台服务器可以采用直线逼近法所选用的直线从初始位置向左移动，每次平移车辆直形车架号图像中的单位像素大小距离，将第一次与直线相交的车辆直形车架号中最右边第一个字符上的点记为车辆直形车架号的右上角点，进而得到右上角点位置信息(即点坐标)。
步骤S4200、采用所述直线逼近法对所述车辆直形车架号图像进行角点检测处理，得到所述下角点位置信息。
具体的，在对车辆直形车架号的左下角点进行角点检测处理时，预设斜率可以设定为-1，初始时刻(即实现角点检测处理的最初时刻)采用直线逼近法所选用的直线通过车辆直形车架号图像的左下角。可选的，后台服务器可以采用直线逼近法所选用的直线从初始位置向右移动，每次平移车辆直形车架号图像中的单位像素大小距离，将第一次与直线相交的车辆直形车架号中最左边第一个字符上的点记为车辆直形车架号的左下角点，进而得到左下角点位置信息(即点坐标)。
需要说明的是，在对车辆直形车架号的右下角点进行角点检测处理时，预设斜率可以设定为1，初始时刻(即实现角点检测处理的最初时刻)采用直线逼近法所选用的直线通过车辆直形车架号图像的右下角。可选的，后台服务器可以采用直线逼近法所选用的直线从初始位置向左移动，每次平移车辆直形车架号图像中的单位像素大小距离，将第一次与直线相交的车辆直形车架号中最右边第一个字符上的点记为车辆直形车架号的右下角点，进而得到右下角点位置信息(即点坐标)。
如图7所示为直线逼近法实现角点检测处理的示意图，图中直行车架号左上角和右上角的直线为不同时刻直线逼近法所选用的直线移动到不同位置的示意图；其中，左上角最右侧直线为直线通过车辆直形车架号的左上角点位置的示意曲线，右上角最左侧直线为直线通过车辆直形车架号的右上角点位置的示意曲线。
本实施例提供的车架号的角点定位方法，该方法可以采用直线逼近法对所述车辆直形车架号图像进行角点检测处理，得到所述上角点位置信息，采用所述直线逼近法对所述车辆直形车架号图像进行角点检测处理，得到所述下角点位置信息，进而根据直形车架号的角点位置信息获取弧形车架号的角点位置信息；该方法可以通过这一套智能化技术，能够快速、精确地获取车辆弧形车架号的角点位置信息，从而提高车辆车架号的测量尺寸的准确率以及透视矫正的正确性，并提高车辆年检的工作效率，降低人力成本。
应该理解的是，虽然图2和图6的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2和图6中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
关于车架号的角点定位装置的具体限定可以参见上文中对于车架号的角点定位方法的限定，在此不再赘述。上述计算机设备的车架号的角点定位装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
图8为一实施例提供的车架号的角点定位装置的结构示意图。如图8所示，该系统可以包括：图像分割模块11、获取模块12、转换处理模块13、角点检测模块14以及映射模块15。
具体的，所述图像分割模块11，用于对车辆弧形车架号图像进行弧形图像分割处理，得到车辆弧形车架号所在区域对应的初始弧形字符图像；
所述获取模块12，用于通过所述初始弧形字符图像获取目标弧形字符图像；
所述转换处理模块13，用于通过颜色标签值对所述目标弧形字符图像进行转换处理，得到车辆直形车架号图像；
所述角点检测模块14，用于通过图形角点检测法对所述车辆直形车架号图像进行角点检测处理，得到车辆直形车架号的第一角点位置信息；
所述映射模块15，用于将所述车辆直形车架号的第一角点位置信息映射到所述目标弧形字符图像中，得到车辆弧形车架号的第二角点位置信息。
本实施例提供的车架号的角点定位装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在其中一个实施例中，所述图像分割模块11包括：图像分割单元。
具体的，所述图像分割单元，用于通过深度学习分割模型，对所述车辆弧形车架号图像进行弧形图像分割处理，得到车辆弧形车架号所在区域对应的初始弧形字符图像。
所述预处理单元，用于通过预设图像对所述初始弧形字符图像进行第一预处理，得到目标弧形字符图像；其中，所述预设图像表征背景为黑色的图像。
本实施例提供的车架号的角点定位装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在其中一个实施例中，所述图像分割单元具体用于通过目标语义分割模型，对所述车辆弧形车架号图像进行弧形图像分割处理，得到所述初始弧形字符图像；其中，所述目标语义分割模型为对所述初始语义分割模型进行训练得到的分割模型，所述初始语义分割模型用于从所述车辆弧形车架号图像中分割出所述车辆弧形车架号对应的弧形字符图像。
本实施例提供的车架号的角点定位装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在其中一个实施例中，所述获取模块12包括：预处理单元。
其中，所述预处理单元，用于通过预设图像对所述初始弧形字符图像进行第一预处理，得到所述目标弧形字符图像；其中，所述预设图像表征背景为黑色的图像。
本实施例提供的车架号的角点定位装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在其中一个实施例中，所述预处理单元包括预处理子单元、排序子单元以及逻辑运算子单元。
具体的，所述预处理子单元，用于对所述初始弧形字符图像进行第二预处理，得到轮廓点集；
所述排序子单元，用于根据每个轮廓点集包含的点数量对所有轮廓点集进行排序，得到车辆弧形车架号轮廓点集；其中，所述车辆弧形车架号轮廓点集包括一个轮廓点集；
所述逻辑运算子单元，用于通过所述车辆弧形车架号轮廓点集和所述预设图像进行逻辑运算，得到所述目标弧形字符图像。
本实施例提供的车架号的角点定位装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在其中一个实施例中，所述转换处理模块13包括分析处理单元、坐标映射处理单元以及重映射处理单元。
具体的，所述分析处理单元，用于根据所述颜色标签值和所述目标弧形字符图像进行分析处理，获取车辆弧形车架号的曲线拟合参数；
所述坐标映射处理单元，用于通过所述曲线拟合参数进行坐标映射处理，得到所述图像映射坐标；
所述重映射处理单元，用于根据所述目标弧形字符图像与所述图像映射坐标进行重映射处理，得到所述车辆直形车架号图像。
本实施例提供的车架号的角点定位装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在其中一个实施例中，所述分析处理单元包括：比对处理子单元和拟合子单元。
具体的，所述比对处理子单元，用于通过所述颜色标签值对所述目标弧形字符图像中的信息进行比对处理，得到弧形字符信息；
所述拟合子单元，用于根据所述弧形字符信息拟合弧形字符曲线，得到所述曲线拟合参数。
本实施例提供的车架号的角点定位装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在其中一个实施例中，所述坐标映射处理单元具体用于通过所述曲线拟合参数以及所述弧形字符信息进行坐标映射处理，得到所述图像映射坐标。
本实施例提供的车架号的角点定位装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在其中一个实施例中，所述第一角点位置信息包括车辆直形车架号的上角点位置信息，以及车辆直形车架号的下角点位置信息；所述角点检测模块14包括：第一角点检测单元以及第二角点检测单元。
具体的，所述第一角点检测单元，用于采用直线逼近法对所述车辆直形车架号图像进行角点检测处理，得到所述上角点位置信息；
所述第二角点检测单元，用于采用所述直线逼近法对所述车辆直形车架号图像进行角点检测处理，得到所述下角点位置信息。
本实施例提供的车架号的角点定位装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在一个实施例中，提供了一种计算机设备，其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的计算机设备通过网络连接通信。该计算机程序被处理器执行时以实现一种车架号的角点定位方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图9中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
对车辆弧形车架号图像进行弧形图像分割处理，得到车辆弧形车架号所在区域对应的初始弧形字符图像；
通过所述初始弧形字符图像获取目标弧形字符图像；
通过颜色标签值对所述目标弧形字符图像进行转换处理，得到车辆直形车架号图像；
对所述车辆直形车架号图像进行角点检测处理，得到车辆直形车架号的第一角点位置信息；
将所述车辆直形车架号的第一角点位置信息映射到所述目标弧形字符图像中，得到车辆弧形车架号的第二角点位置信息。
在一个实施例中，提供了一种存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
对车辆弧形车架号图像进行弧形图像分割处理，得到车辆弧形车架号所在区域对应的初始弧形字符图像；
通过所述初始弧形字符图像获取目标弧形字符图像；
通过颜色标签值对所述目标弧形字符图像进行转换处理，得到车辆直形车架号图像；
对所述车辆直形车架号图像进行角点检测处理，得到车辆直形车架号的第一角点位置信息；
将所述车辆直形车架号的第一角点位置信息映射到所述目标弧形字符图像中，得到车辆弧形车架号的第二角点位置信息。
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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种车架号的角点定位方法，其特征在于，所述方法包括：
对车辆弧形车架号图像进行弧形图像分割处理，得到车辆弧形车架号所在区域对应的初始弧形字符图像；
通过所述初始弧形字符图像获取目标弧形字符图像；
通过颜色标签值对所述目标弧形字符图像进行转换处理，得到车辆直形车架号图像；
对所述车辆直形车架号图像进行角点检测处理，得到车辆直形车架号的第一角点位置信息；
将所述车辆直形车架号的第一角点位置信息映射到所述目标弧形字符图像中，得到车辆弧形车架号的第二角点位置信息。
2.根据权利要求1所述的方法，其特征在于，所述对车辆弧形车架号图像进行弧形图像分割处理，得到车辆弧形车架号所在区域对应的初始弧形字符图像，包括：
通过深度学习分割模型，对所述车辆弧形车架号图像进行弧形图像分割处理，得到所述初始弧形字符图像；其中，所述目标语义分割模型为对初始语义分割模型进行训练得到的分割模型。
3.根据权利要求1所述的方法，其特征在于，所述通过所述初始弧形字符图像获取目标弧形字符图像，包括：
通过预设图像对所述初始弧形字符图像进行第一预处理，得到所述目标弧形字符图像；其中，所述预设图像表征背景为黑色的图像。
4.根据权利要求3所述的方法，其特征在于，所述通过预设图像对所述初始弧形字符图像进行第一预处理，得到所述目标弧形字符图像，包括：
对所述初始弧形字符图像进行第二预处理，得到轮廓点集；
根据每个轮廓点集包含的点数量对所有轮廓点集进行排序，得到车辆弧形车架号轮廓点集；其中，所述车辆弧形车架号轮廓点集包括一个轮廓点集；
通过所述车辆弧形车架号轮廓点集和所述预设图像进行逻辑运算，得到所述目标弧形字符图像。
5.根据权利要求1所述的方法，其特征在于，所述通过颜色标签值对所述目标弧形字符图像进行转换处理，得到车辆直形车架号图像，包括：
根据所述颜色标签值和所述目标弧形字符图像进行分析处理，获取车辆弧形车架号的曲线拟合参数；
通过所述曲线拟合参数进行坐标映射处理，得到所述图像映射坐标；
根据所述目标弧形字符图像与所述图像映射坐标进行重映射处理，得到所述车辆直形车架号图像。
6.根据权利要求5所述的方法，其特征在于，所述根据所述颜色标签值和所述目标弧形字符图像进行分析处理，获取车辆弧形车架号的曲线拟合参数，包括：
通过所述颜色标签值对所述目标弧形字符图像中的信息进行比对处理，得到弧形字符信息；
根据所述弧形字符信息拟合弧形字符曲线，得到所述曲线拟合参数。
7.根据权利要求1所述的方法，其特征在于，所述第一角点位置信息包括车辆直形车架号的上角点位置信息，以及车辆直形车架号的下角点位置信息；所述对所述车辆直形车架号图像进行角点检测处理，得到车辆直形车架号的第一角点位置信息，包括：
采用直线逼近法对所述车辆直形车架号图像进行角点检测处理，得到所述上角点位置信息；
采用所述直线逼近法对所述车辆直形车架号图像进行角点检测处理，得到所述下角点位置信息。
8.一种车架号的角点定位装置，其特征在于，所述装置包括：
图像分割模块，用于对车辆弧形车架号图像进行弧形图像分割处理，得到车辆弧形车架号所在区域对应的初始弧形字符图像；
获取模块，用于通过所述初始弧形字符图像获取目标弧形字符图像；
转换处理模块，用于通过颜色标签值对所述目标弧形字符图像进行转换处理，得到车辆直形车架号图像；
角点检测模块，用于对所述车辆直形车架号图像进行角点检测处理，得到车辆直形车架号的第一角点位置信息；
映射模块，用于将所述车辆直形车架号的第一角点位置信息映射到所述目标弧形字符图像中，得到车辆弧形车架号的第二角点位置信息。
9.一种计算机设备，包括存储器、处理器，所述存储器上存储有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计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述方法的步骤。
CN202010208501.4A 2020-03-23 2020-03-23 车架号的角点定位方法、装置、计算机设备及存储介质 Pending CN111429516A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010208501.4A CN111429516A (zh) 2020-03-23 2020-03-23 车架号的角点定位方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010208501.4A CN111429516A (zh) 2020-03-23 2020-03-23 车架号的角点定位方法、装置、计算机设备及存储介质

Publications (1)

Publication Number Publication Date
CN111429516A true CN111429516A (zh) 2020-07-17

Family

ID=71549088

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010208501.4A Pending CN111429516A (zh) 2020-03-23 2020-03-23 车架号的角点定位方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN111429516A (zh)

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102592124A (zh) * 2011-01-13 2012-07-18 汉王科技股份有限公司 文本图像的几何校正方法、装置和双目立体视觉系统
CN102841767A (zh) * 2011-06-22 2012-12-26 华为终端有限公司 多投影拼接几何校正方法及校正装置
CN103761531A (zh) * 2014-01-20 2014-04-30 西安理工大学 基于形状轮廓特征的稀疏编码车牌字符识别方法
CN104050450A (zh) * 2014-06-16 2014-09-17 西安通瑞新材料开发有限公司 一种基于视频的车牌识别方法
CN105701434A (zh) * 2015-12-30 2016-06-22 广州卓德信息科技有限公司 二维码扭曲图像的图像校正方法
CN106203433A (zh) * 2016-07-13 2016-12-07 西安电子科技大学 一种车辆监控图像中车牌位置自动提取并透视校正的方法
CN107679436A (zh) * 2017-09-04 2018-02-09 华南理工大学 一种适用于弯曲形变二维码的图像修正方法
CN108009460A (zh) * 2017-12-29 2018-05-08 姚佑霖 复杂背景下多种字符和数字混合的叠加二维码的识别方法
CN108230455A (zh) * 2018-01-31 2018-06-29 东南大学 一种基于骨骼驱动的虚拟服装变形仿真方法
US20190041513A1 (en) * 2017-08-03 2019-02-07 Neusoft Corporation Method, apparatus, storage medium and program product for side vehicle positioning
CN109800676A (zh) * 2018-12-29 2019-05-24 上海易维视科技股份有限公司 基于深度信息的手势识别方法及系统
CN110245583A (zh) * 2019-05-27 2019-09-17 上海眼控科技股份有限公司 一种车辆尾气检验报告的智能识别方法
CN110288612A (zh) * 2019-06-18 2019-09-27 上海眼控科技股份有限公司 铭牌定位与校正方法及设备
CN110414309A (zh) * 2019-05-27 2019-11-05 上海眼控科技股份有限公司 一种车辆铭牌的自动识别方法
CN110503102A (zh) * 2019-08-27 2019-11-26 上海眼控科技股份有限公司 车辆识别码检测方法、装置、计算机设备和存储介质
CN110619330A (zh) * 2019-09-18 2019-12-27 上海眼控科技股份有限公司 识别模型的训练方法、装置、计算机设备及识别方法
CN110674812A (zh) * 2019-09-17 2020-01-10 沈阳建筑大学 一种面向复杂背景的民用车牌定位与字符分割方法

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102592124A (zh) * 2011-01-13 2012-07-18 汉王科技股份有限公司 文本图像的几何校正方法、装置和双目立体视觉系统
CN102841767A (zh) * 2011-06-22 2012-12-26 华为终端有限公司 多投影拼接几何校正方法及校正装置
WO2012175029A1 (zh) * 2011-06-22 2012-12-27 华为终端有限公司 多投影拼接几何校正方法及校正装置
CN103761531A (zh) * 2014-01-20 2014-04-30 西安理工大学 基于形状轮廓特征的稀疏编码车牌字符识别方法
CN104050450A (zh) * 2014-06-16 2014-09-17 西安通瑞新材料开发有限公司 一种基于视频的车牌识别方法
CN105701434A (zh) * 2015-12-30 2016-06-22 广州卓德信息科技有限公司 二维码扭曲图像的图像校正方法
CN106203433A (zh) * 2016-07-13 2016-12-07 西安电子科技大学 一种车辆监控图像中车牌位置自动提取并透视校正的方法
US20190041513A1 (en) * 2017-08-03 2019-02-07 Neusoft Corporation Method, apparatus, storage medium and program product for side vehicle positioning
CN107679436A (zh) * 2017-09-04 2018-02-09 华南理工大学 一种适用于弯曲形变二维码的图像修正方法
CN108009460A (zh) * 2017-12-29 2018-05-08 姚佑霖 复杂背景下多种字符和数字混合的叠加二维码的识别方法
CN108230455A (zh) * 2018-01-31 2018-06-29 东南大学 一种基于骨骼驱动的虚拟服装变形仿真方法
CN109800676A (zh) * 2018-12-29 2019-05-24 上海易维视科技股份有限公司 基于深度信息的手势识别方法及系统
CN110245583A (zh) * 2019-05-27 2019-09-17 上海眼控科技股份有限公司 一种车辆尾气检验报告的智能识别方法
CN110414309A (zh) * 2019-05-27 2019-11-05 上海眼控科技股份有限公司 一种车辆铭牌的自动识别方法
CN110288612A (zh) * 2019-06-18 2019-09-27 上海眼控科技股份有限公司 铭牌定位与校正方法及设备
CN110503102A (zh) * 2019-08-27 2019-11-26 上海眼控科技股份有限公司 车辆识别码检测方法、装置、计算机设备和存储介质
CN110674812A (zh) * 2019-09-17 2020-01-10 沈阳建筑大学 一种面向复杂背景的民用车牌定位与字符分割方法
CN110619330A (zh) * 2019-09-18 2019-12-27 上海眼控科技股份有限公司 识别模型的训练方法、装置、计算机设备及识别方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
XIWEN QU等: "Data augmentation and directional feature maps extraction for in-air handwritten Chinese character recognition based on convolutional neural network", 《PATTERN RECOGNITION LETTERS》, vol. 111, 31 August 2018 (2018-08-31), pages 9 *
卢泉: "基于机器视觉的特殊管道静态参数高精度测量技术研究", 《中国博士学位论文全文数据库 信息科技辑》, vol. 2012, no. 5, 15 May 2012 (2012-05-15), pages 138 - 44 *
贺智龙;肖中俊;严志国;: "基于HSV与边缘信息的车牌定位与字符分割方法", 齐鲁工业大学学报, no. 03, 30 June 2019 (2019-06-30), pages 44 - 48 *

Similar Documents

Publication Publication Date Title
CN111767911B (zh) 面向复杂环境的印章文字检测识别方法、装置及介质
US10572754B2 (en) Area of interest boundary extracting method and apparatus, device and computer storage medium
US20190266435A1 (en) Method and device for extracting information in histogram
CN112528863A (zh) 表格结构的识别方法、装置、电子设备及存储介质
US8780131B2 (en) Systems and methods for text-based personalization of images
CN107798299A (zh) 票据信息识别方法、电子装置及可读存储介质
CN112418216B (zh) 一种复杂自然场景图像中的文字检测方法
CN111291629A (zh) 图像中文本的识别方法、装置、计算机设备及计算机存储介质
CN103439348B (zh) 基于差影法的遥控器按键缺陷检测方法
CN107784301A (zh) 用于识别图像中文字区域的方法和装置
CN108764352B (zh) 重复页面内容检测方法和装置
CN110689000B (zh) 一种基于生成复杂环境下车牌样本的车辆车牌识别方法
CN110675940A (zh) 病理图像标注方法、装置、计算机设备及存储介质
CN113223025B (zh) 图像处理方法及装置、神经网络的训练方法及装置
CN110728687B (zh) 文件图像分割方法、装置、计算机设备和存储介质
CN112883926B (zh) 表格类医疗影像的识别方法及装置
CN111241974B (zh) 票据信息获取方法、装置、计算机设备和存储介质
CN109656652A (zh) 网页图表绘制方法、装置、计算机设备和存储介质
CN112651315A (zh) 折线图的信息提取方法、装置、计算机设备和存储介质
CN111738252A (zh) 图像中的文本行检测方法、装置及计算机系统
CN114332895A (zh) 文本图像合成方法、装置、设备、存储介质和程序产品
CN115393872A (zh) 一种训练文本分类模型的方法、装置、设备及存储介质
US20220317055A1 (en) Inspection apparatus, control method, and program
CN110705442A (zh) 一种试卷答案自动获取方法、终端设备及存储介质
CN117455762A (zh) 基于全景行车记录仪的记录画面分辨率提升方法及系统

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
AD01 Patent right deemed abandoned

Effective date of abandoning: 20240927

AD01 Patent right deemed abandoned