CN112989998A - 物料监测方法和物料监测装置以及搅拌站 - Google Patents
物料监测方法和物料监测装置以及搅拌站 Download PDFInfo
- Publication number
- CN112989998A CN112989998A CN202110264503.XA CN202110264503A CN112989998A CN 112989998 A CN112989998 A CN 112989998A CN 202110264503 A CN202110264503 A CN 202110264503A CN 112989998 A CN112989998 A CN 112989998A
- Authority
- CN
- China
- Prior art keywords
- image
- contour
- point
- bin
- distance
- 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.)
- Granted
Links
- 239000000463 material Substances 0.000 title claims abstract description 277
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012544 monitoring process Methods 0.000 title claims abstract description 43
- 238000002156 mixing Methods 0.000 title claims description 10
- 238000004364 calculation method Methods 0.000 claims abstract description 36
- 238000012806 monitoring device Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 5
- 238000011068 loading method Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 abstract description 5
- 239000000428 dust Substances 0.000 abstract description 5
- 230000008569 process Effects 0.000 abstract description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 19
- 238000004590 computer program Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000006798 recombination Effects 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000003756 stirring Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本申请提供了一种物料监测方法,包括:获取第一图像,其中,所述第一图像包括料仓内部的物料图像和所述料仓的侧壁图像;提取所述第一图像中的所述物料图像和所述侧壁图像的接触位置的物料轮廓图像;以及根据所述物料轮廓图像和预设轮廓图像,计算所述料仓内的物料的实际高度,其中,所述预设轮廓图像包括所述料仓的底部轮廓图像。由于预设轮廓图像是预先设定的,可以对应现实坐标系中的一个预先设定的高度,通过分析物料轮廓图像与预设轮廓图像的大小、形状等关系,可以获得物料轮廓图像对应的现实坐标系中的物料的实际高度,不需要复杂的算法,计算方法简单,且获取第一图像和整个计算的过程不易受到粉尘、水汽等环境影响,计算方法可靠。
Description
技术领域
本申请涉及自动监测技术领域,具体涉及一种物料监测方法、物料监测装置以及搅拌站。
背景技术
在对混凝土等物料进行搅拌的过程中,需要实时监测物料的料位高度,现有监测料位高度的方式有三种。一是接触检测,例如,重锤式检测,无法实时进行;二是非接触检测,例如超声波、雷达等,受环境影响大,在粉尘、水汽较多的料仓中,检测准确度大大降低;三是图像识别检测,算法复杂成本高。因此,现有技术中没有对物料进行实时监测的简单且可靠的方法。
发明内容
有鉴于此,本申请实施例提供了一种物料监测方法、物料监测装置以及搅拌站,解决了现有技术中没有对物料进行实时监测的简单且可靠的方法的问题。
第一方面,本申请提供的一种物料监测方法,包括:获取第一图像,其中,所述第一图像包括料仓内部的物料图像和所述料仓的侧壁图像;提取所述第一图像中的所述物料图像和所述侧壁图像的接触位置的物料轮廓图像;以及根据所述物料轮廓图像和预设轮廓图像,计算所述料仓内的物料的实际高度,其中,所述预设轮廓图像包括所述料仓的底部轮廓图像。由于预设轮廓图像是预先设定的,可以对应现实坐标系中的一个预先设定的高度,通过分析物料轮廓图像与预设轮廓图像的大小、形状等关系,可以获得物料轮廓图像对应的现实坐标系中的物料的实际高度,不需要复杂的算法,计算方法简单,且获取第一图像和整个计算的过程不易受到粉尘、水汽等环境影响,计算方法可靠。另外,可以实时的获取第一图像,并实时进行分析,计算出物料的实际高度,实现实时监测。
结合第一方面,在一种可能的实现方式中,所述根据所述物料轮廓图像和预设轮廓图像,计算所述料仓内的物料的实际高度包括:获取所述物料轮廓图像的第一投影点到所述物料轮廓图像的第一轮廓点的第一距离,其中,所述第一投影点为用于拍摄所述物料轮廓图像的图像获取装置在所述物料轮廓图像上的投影点;获取所述底部轮廓图像的第二投影点到所述底部轮廓图像的第二轮廓点的第二距离,其中,所述第二投影点为用于拍摄所述底部轮廓图像的图像获取装置在所述底部轮廓图像上的投影点;以及根据所述第一距离、所述第二距离和第一实际高度,计算所述料仓内的所述物料的实际高度;其中,所述第一实际高度为所述料仓的底部与所述第一图像拍摄位置之间的实际距离。根据第一距离、第二距离和第一实际高度,计算料仓内的物料的实际高度,计算公式简单,计算效率高。
结合第一方面,在一种可能的实现方式中,所述获取所述物料轮廓图像的第一投影点到所述物料轮廓图像的第一轮廓点的第一距离包括:获取所述第一投影点到多个所述第一轮廓点的多个所述第一距离;其中,所述获取所述底部轮廓图像的第二投影点到所述底部轮廓图像的第二轮廓点的第二距离包括:获取所述第二投影点到多个所述第二轮廓点的多个所述第二距离;其中,所述根据所述第一距离、所述第二距离和第一实际高度,计算所述料仓内的所述物料的实际高度包括:分别根据每个所述第一距离和对应的所述第二距离、以及第一实际高度,计算得到所述料仓内的所述物料的多个点位实际高度;以及根据所述多个点位实际高度,计算所述料仓内的所述物料的实际高度。通过根据多个点位实际高度,计算料仓内的物料的实际高度,可以参考多个点位实际高度,提高了计算物料的实际高度的准确性。
结合第一方面,在一种可能的实现方式中,在所述获取所述物料轮廓图像的第一投影点到所述物料轮廓图像的第一轮廓点的第一距离之前,还包括:将所述物料轮廓图像和所述预设轮廓图像叠加,得到叠加图像,其中,所述叠加图像包括所述物料轮廓图像和所述底部轮廓图像。通过将物料轮廓图像和预设轮廓图像叠加,得到的叠加图像,可以在叠加图像上选择第一轮廓点和与第一轮廓点最近的第二轮廓点,可以提高计算得到的物料的实际高度的准确性。
结合第一方面,在一种可能的实现方式中,所述叠加图像中的所述第一投影点与所述第二投影点重合;其中,所述第二轮廓点的获取方式包括:获取所述第一投影点与所述第一轮廓点的连线与所述底部轮廓图像的交点为所述第二轮廓点。当第二轮廓点为第一投影点与第一轮廓点的连线与底部轮廓图像的交点时,第一轮廓点和第二轮廓点距离最近,进一步提高计算得到的物料的实际高度的准确性。
结合第一方面,在一种可能的实现方式中,在所述将所述物料轮廓图像和所述预设轮廓图像叠加之前,还包括:对所述物料轮廓图像和所述预设轮廓图像进行配准,可以使物料轮廓图像和预设轮廓图像更准确的重合在一起,从而使第一轮廓点和第二轮廓点的选取更加准确,从而进一步提高计算得到的物料的实际高度的准确性。
结合第一方面,在一种可能的实现方式中,所述提取所述第一图像中的所述物料图像和所述侧壁图像的接触位置的物料轮廓图像包括:对所述第一图像进行灰度处理,得到每个像素点的灰度值;计算每个所述像素点的所述灰度值与该所述像素点周围的所述像素点的所述灰度值的差值;识别所述差值超过阈值的所述像素点;以及根据所述差值超过阈值的所述像素点,确定所述第一图像中的所述物料图像和所述料仓图像的接触位置的所述物料轮廓图像。根据像素点与该像素点周围的像素点的灰度值的差值来识别物料轮廓,从而得到物料轮廓图像,方法简单,确定物料轮廓图像的效率高。
第二方面,本申请提供的一种物料监测装置,包括:第一图像获取模块,配置为获取第一图像,其中,所述第一图像包括料仓内部的物料图像和所述料仓的侧壁图像;轮廓提取模块,配置为提取所述第一图像中的所述物料图像和所述侧壁图像的接触位置的物料轮廓图像;以及实际高度计算模块,配置为根据所述物料轮廓图像和预设轮廓图像,计算所述料仓内的物料的实际高度,其中,所述预设轮廓图像包括所述料仓的底部轮廓图像。
结合第二方面,在一种可能的实现方式中,所述实际高度计算模块包括:第一获取单元,配置为获取所述物料轮廓图像的第一投影点到所述物料轮廓图像的第一轮廓点的第一距离,其中,所述第一投影点为用于拍摄所述物料轮廓图像的图像获取装置在所述物料轮廓图像上的投影点;第二获取单元,配置为获取所述底部轮廓图像的第二投影点到所述底部轮廓图像的第二轮廓点的第二距离,其中,所述第二投影点为用于拍摄所述底部轮廓图像的图像获取装置在所述底部轮廓图像上的投影点;以及计算单元,配置为根据所述第一距离、所述第二距离和第一实际高度,计算所述料仓内的所述物料的实际高度;其中,所述第一实际高度为所述料仓的底部与所述第一图像的拍摄位置之间的实际距离。
第三方面,本申请提供了一种搅拌站,包括:料仓,用于装载物料;图像获取装置,用于获取第一图像,并将所述第一图像发送给处理器,其中,所述第一图像包括所述料仓内部的物料图像和所述料仓的侧壁图像;以及所述处理器,用于执行上述任一可能的实现方式中所述的物料监测方法。
第四方面,本申请提供了一种电子设备,所述电子设备包括:处理器;以及用于存储所述处理器可执行指令的存储器;所述处理器,用于执行上述任一可能的实现方式中所述的物料监测方法。
第五方面,本申请提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行上述任一可能的实现方式中所述的物料监测方法。
本申请实施例提供的一种物料监测方法、物料监测装置、搅拌站、电子设备和计算机可读存储介质,通过提取第一图像中的物料轮廓图像,然后根据物料轮廓图像和包括料仓的底部轮廓图像的预设轮廓图像,即可计算料仓内的物料的实际高度。由于预设轮廓图像是预先设定的,可以对应现实坐标系中的一个预先设定的高度,通过分析物料轮廓图像与预设轮廓图像的大小、形状等关系,可以获得物料轮廓图像对应的现实坐标系中的物料的实际高度,不需要复杂的算法,计算方法简单,且获取第一图像和整个计算的过程不易受到粉尘、水汽等环境影响,计算方法可靠。另外,可以实时的获取第一图像,并实时进行分析,计算出物料的实际高度,实现实时监测。
附图说明
图1所示为本申请一实施例提供的一种物料监测方法的流程示意图。
图2所示为本申请另一实施例提供的一种物料监测方法的流程示意图。
图3A所示为本申请一实施例提供的一种第一图像的拍摄方式示意图。
图3B所示为以图3A的拍摄方式获取第一图像后提取到的物料轮廓图像的示意图。
图3C所示为本申请另一实施例提供的一种第一图像的拍摄方式示意图。
图3D所示为以图3C的拍摄方式获取第一图像后提取到的物料轮廓图像的示意图。
图3E所示为以图3A的拍摄方式得到的预设轮廓图像的示意图。
图3F所示为以图3C的拍摄方式得到的预设轮廓图像的示意图。
图4所示为本申请另一实施例提供的一种物料监测方法的流程示意图。
图5A所示为以图3A的拍摄方式获取第一图像后提取到的另一种物料轮廓图像的示意图。
图5B所示为以图3A的拍摄方式得到的另一种预设轮廓图像的示意图。
图6所示为本申请另一实施例提供的一种物料监测方法的流程示意图。
图7所示为本申请一实施例提供的一种叠加图像的示意图。
图8所示为本申请另一实施例提供的一种物料监测方法的流程示意图。
图9所示为本申请另一实施例提供的一种物料监测方法的流程示意图。
图10所示为本申请一实施例提供的一种物料监测装置的结构示意图。
图11所示为本申请另一实施例提供的一种物料监测装置的结构示意图。
图12所示为本申请一实施例提供的一种搅拌站的结构示意图。
图13所示为本申请一实施例提供的电子设备的结构示意图。
具体实施方式
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,所描述的实施例仅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作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。
图1所示为本申请一实施例提供的一种物料监测方法的流程示意图。如图1所示,该物料监测方法包括如下步骤:
步骤101:获取第一图像,其中,第一图像包括料仓内部的物料图像和料仓的侧壁图像。
具体地,第一图像可以由安装在料仓顶部的图像获取装置得到,图像获取装置可以实时获取第一图像。料仓用于盛装物料,向料仓内部拍摄的第一图像可以拍摄到料仓内部的物料和料仓的侧壁,因此第一图像包括料仓内部的物料图像和料仓的侧壁图像。
在一实施例中,图像获取装置可以是摄像头,摄像头用于为采集料仓内的第一图像。在另一实施例中,图像获取装置可以包括摄像头和闪光灯,闪光灯可以在摄像头拍摄时提供光源。在另一实施例中,图像获取装置可以包括摄像头、闪光灯和信号转换模块,摄像头用于采集料仓内的初始图像,并将初始图像发送给信号转换单元,信号转换单元可以与摄像头通信连接,配置为接收初始图像,将初始图像转换成第一图像,第一图像的表示方式包括数字信号,初始图像的表示方式包括模拟信号,即信号转换单元可以把用模拟信号表示的初始图像转换成用数字信号表示的第一图像,从而有利于第一图像的远距离传输,远距离传输是指传输距离大于10米。在一实施例中,图像获取装置可以包括摄像头和闪光灯,并单独设置信号转换模块。
步骤102:提取第一图像中的物料图像和侧壁图像的接触位置的物料轮廓图像。
具体地,物料轮廓图像可以是物料图像和侧壁图像的分界线。可以采用基于边缘检测的轮廓检测方法提取物料轮廓图像,例如,通过检测物料图像和侧壁图像的不同亮度,来识别物料图像和侧壁图像的分界线,从而得到物料轮廓图像,只要能够提取出物料轮廓图像即可,本申请对提取物料轮廓图像的方法不做具体限定。
步骤103:根据物料轮廓图像和预设轮廓图像,计算料仓内的物料的实际高度,其中,预设轮廓图像包括料仓的底部轮廓图像。
具体地,预设轮廓图像可以是在料仓空置时拍摄的料仓内部的图像提取得到的,预设轮廓图像可以是料仓的底部轮廓图像,可以设置拍摄位置到料仓底部的实际距离作为预设轮廓图像对应的现实坐标系中的高度。也可以在料仓侧壁制作标记,使预设轮廓图像为包括标记的料仓侧壁图像,可以设置拍摄位置到料仓侧壁标记位置的垂直方向的实际距离作为预设轮廓图像对应的现实坐标系中的高度。
当在同一位置拍摄料仓内部的图像时,料仓内部物料的实际高度不同,从拍摄得到的第一图像中提取的物料轮廓图像是不同的,因此,可以使用预设轮廓图像作为参考,使预设轮廓图像对应现实坐标系中的一个预先设定的高度,通过分析物料轮廓图像与预设轮廓图像的相对尺寸大小、相对位置、轮廓形状等关系,可以获得物料轮廓图像对应的现实坐标系中的物料的实际高度,不需要复杂的算法,计算方法简单,且获取第一图像和整个计算的过程不易受到粉尘、水汽等环境影响,计算方法可靠。另外,可以实时的获取第一图像,并实时进行分析,计算出物料的实际高度,实现实时监测。
图2所示为本申请另一实施例提供的一种物料监测方法的流程示意图。如图2所示,根据物料轮廓图像和预设轮廓图像,计算料仓内的物料的实际高度,即步骤103可以包括如下步骤:
步骤201:获取物料轮廓图像的第一投影点到物料轮廓图像的第一轮廓点的第一距离,其中,第一投影点为用于拍摄物料轮廓图像的图像获取装置在物料轮廓图像上的投影点。
具体地,如图3A和3C所示,P点为第一图像的拍摄位置,Q点为料仓顶部的几何中心,1为料仓顶部,3为料仓侧壁,4为料仓底部,5为物料位置。如图3B和3D所示,物料轮廓图像2中,S点为第一投影点,O点为物料轮廓图像2的几何中心点,G点为第一轮廓点,b为第一投影点S到第一轮廓点G的第一距离。
如图3A和3B所示,当第一图像的拍摄位置P为料仓顶部1的几何中心Q时,第一投影点S为物料轮廓图像2的几何中心点O。如图3C和3D所示,当第一图像的拍摄位置P偏离料仓顶部1的几何中心Q的实际距离为a时,第一投影点S偏离物料轮廓图像2的几何中心点O的距离为m×a,m为实际距离与第一图像的尺寸的比例,例如,实际距离是1000厘米,第一图像的尺寸是10厘米,那么比例为1000厘米/10厘米=100。
步骤202:获取底部轮廓图像的第二投影点到底部轮廓图像的第二轮廓点的第二距离,其中,第二投影点为用于拍摄底部轮廓图像的图像获取装置在底部轮廓图像上的投影点。
具体地,如图3E和3F所示,R点为第二投影点,T点为底部轮廓图像的几何中心点,H点为第二轮廓点,w为第二投影点R到第二轮廓点H的第二距离。
如图3A和3E所示,预设轮廓图像6可以是底部轮廓图像,当预设轮廓图像6的拍摄位置为料仓顶部1的几何中心Q时,第二投影点R为底部轮廓图像的几何中心点T。如图3C和3F所示,当预设轮廓图像6的拍摄位置偏离料仓顶部1的几何中心Q的实际距离为a时,第二投影点R偏离预设轮廓图像的几何中心点T的距离为n×a,n为实际距离与预设轮廓图像6的尺寸的比例,例如,实际距离是1000厘米,预设轮廓图像6的尺寸是10厘米,那么比例为1000厘米/10厘米=100。
步骤203:根据第一距离、第二距离和第一实际高度,计算料仓内的物料的实际高度,其中,第一实际高度为料仓的底部与第一图像的拍摄位置之间的实际距离。
根据第一距离b、第二距离w和第一实际高度L,计算料仓内的物料的实际高度h,计算公式简单,计算效率高。
图4所示为本申请另一实施例提供的一种物料监测方法的流程示意图。如图4所示,获取物料轮廓图像的第一投影点到物料轮廓图像的第一轮廓点的第一距离,即步骤201包括:
步骤401:获取第一投影点到多个第一轮廓点的多个第一距离。
具体地,如图5A所示(图中仅示出了3个第一轮廓点),物料轮廓图像2上有多个第一轮廓点,多个第一轮廓点可以用Gi表示,当i=1时,Gi=G1,表示第一个第一轮廓点,当i=2时,Gi=G2,表示第二个第一轮廓点,以此类推,从而得到多个第一距离,多个第一距离可以用bi表示,当i=1时,bi=b1,表示第一个第一距离,当i=2时,bi=b2,表示第二个第一距离,以此类推。
获取底部轮廓图像的第二投影点到底部轮廓图像的第二轮廓点的第二距离,即步骤202包括:
步骤402:获取第二投影点到多个第二轮廓点的多个第二距离。
具体地,如图5B所示(图中仅示出了3个第二轮廓点),预设轮廓图像6可以是底部轮廓图像,底部轮廓图像上有多个第二轮廓点,多个第二轮廓点可以用Hi表示,当i=1时,Hi=H1,表示第一个第二轮廓点,当i=2时,Hi=H2,表示第二个第二轮廓点,以此类推,从而得到多个第二距离,多个第二距离可以用wi表示,当i=1时,wi=w1,表示第一个第二距离,当i=2时,wi=w2,表示第二个第二距离,以此类推。
根据第一距离、第二距离和第一实际高度,计算料仓内的物料的实际高度,即步骤203包括:
步骤403:分别根据每个第一距离和对应的第二距离、以及第一实际高度,计算得到料仓内的物料的多个点位实际高度。
步骤404:根据多个点位实际高度,计算料仓内的物料的实际高度。
具体地,料仓内的物料的实际高度可以是多个点位实际高度的平均值,也可以是多个点位实际高度的最大值,也可以是多个点位实际高度的最小值,本申请对根据多个点位实际高度,计算料仓内的物料的实际高度的计算方式不做具体限定。
通过根据多个点位实际高度,计算料仓内的物料的实际高度,可以参考多个点位实际高度,提高了计算物料的实际高度的准确性。
图6所示为本申请另一实施例提供的一种物料监测方法的流程示意图。如图6所示,在获取物料轮廓图像的第一投影点到物料轮廓图像的第一轮廓点的第一距离之前,即在步骤401之前,还包括如下步骤:
步骤601:将物料轮廓图像和预设轮廓图像叠加,得到叠加图像,其中,叠加图像包括物料轮廓图像和底部轮廓图像。
具体地,将物料轮廓图像2和预设轮廓图像6叠加,得到的叠加图像7如图7所示。将物料轮廓图像2和预设轮廓图像6叠加,得到的叠加图像7,可以在叠加图像7上选择第一轮廓点G和与G点最近的第二轮廓点H。由于物料的实际高度的计算公式为:其中,第一实际高度L是预设的,因此,物料的实际高度h是第一距离b和第二距离w的函数,而第一距离b是第一投影点S和第一轮廓点G之间的距离,第二距离w是第二投影点R和第二轮廓点H之间的距离,第一投影点S和第二投影点R是预设的,因此,物料的实际高度h与第一轮廓点G和第二轮廓点H的选取有关。第一轮廓点G对应现实坐标系中物料轮廓上的点G′,第二轮廓点H对应现实坐标系中料仓底部轮廓上的点H′,在现实坐标系中G′点在料仓底部的投影与H′点重合时,说明料仓内的物料轮廓刚好与料仓的底部轮廓重合。在叠加图像中,如图7所示,当H点位于S点和G点的连线上时,说明G点对应现实坐标系中的G′点位于H点对应现实坐标系中的H′点的正上方。H点越靠近S点和G点的连线,说明G点对应现实坐标系中的G′点越可能位于H点对应现实坐标系中的H′点的正上方,而物料的实际高度h正是在现实坐标系中料仓底部轮廓上的点到其正上方的物料轮廓上的点的距离,因此,在叠加图像中,H点的选取越靠近S点和G点的连线时,计算得到的物料的实际高度h越准确,H点的选取位于S点和G点的连线上时,计算得到的物料的实际高度h最准确。
因此,通过将物料轮廓图像2和预设轮廓图像6叠加,得到的叠加图像7,可以在叠加图像7上选择第一轮廓点G和与G点最近的第二轮廓点H,可以提高计算得到的物料的实际高度h的准确性。
在一实施例中,叠加图像中的第一投影点与第二投影点重合。第二轮廓点的获取方式包括:获取第一投影点与第一轮廓点的连线与底部轮廓图像的交点为第二轮廓点。
具体地,如图7所示,当第二轮廓点H为第一投影点S与第一轮廓点G的连线与底部轮廓图像的交点时,第一轮廓点G和第二轮廓点H距离最近,进一步提高计算得到的物料的实际高度h的准确性。
图8所示为本申请另一实施例提供的一种物料监测方法的流程示意图。如图8所示,在将物料轮廓图像和预设轮廓图像叠加之前,即步骤601之前,还包括如下步骤:
步骤801:对物料轮廓图像和预设轮廓图像进行配准。
具体地,可以提取物料轮廓图像2和预设轮廓图像6上的多个特定点,然后将多个特定点重合,从而对物料轮廓图像2和预设轮廓图像6进行配准。例如,物料轮廓图像2和预设轮廓图像6可以都包括料仓侧壁同一位置的图像,可以在物料轮廓图像2的料仓侧壁图像上选取多个特定点,然后在预设轮廓图像6的与物料轮廓图像2的料仓侧壁图像的多个特定点相同的位置处确定对应的多个特定点,然后将物料轮廓图像2中的多个特定点,与预设轮廓图像6中的对应的多个特定点分别重合,从而实现物料轮廓图像2和预设轮廓图像6的配准。再例如,可以在料仓侧壁上制作第一标记,从而可以使物料轮廓图像2和预设轮廓图像6中都包含第一标记的图像,从而可以使物料轮廓图像2中的第一标记图像和预设轮廓图像6中的第一标记图像重合,从而实现物料轮廓图像2和预设轮廓图像6的配准。只要能够将物料轮廓图像2和预设轮廓图像6进行配准即可,本申请对配准方法不做具体限定。
在步骤601将物料轮廓图像2和预设轮廓图像6叠加,得到如图7所示的叠加图像7之前,对物料轮廓图像2和预设轮廓图像6进行配准,可以使第一轮廓点G和第二轮廓点H的选取更加准确,从而进一步提高计算得到的物料的实际高度h的准确性。
图9所示为本申请另一实施例提供的一种物料监测方法的流程示意图。如图9所示,提取第一图像中的物料图像和侧壁图像的接触位置的物料轮廓图像,即步骤102包括如下步骤:
步骤901:对第一图像进行灰度处理,得到每个像素点的灰度值。
具体地,对第一图像进行灰度处理,即将第一图像的原始色彩灰度化,得到第一图像的每个像素点的灰度值。
步骤902:计算每个像素点的灰度值与该像素点周围的像素点的灰度值的差值。
具体地,如果多个像素点呈矩形阵列排布,那么每个像素点周围包括8个像素点,可以分别计算一个像素点与周围的8个像素点的初步差值,得到8个初步差值,然后再通过计算8个初步差值的平均值或者最大值或者最小值等方法,计算得到一个像素点的灰度值的差值。
步骤903:识别差值超过阈值的像素点。
具体地,可以预先设置一个阈值,然后识别出步骤902中多个像素点的灰度值的差值超过阈值的像素点。阈值的大小可以根据实际的需求进行选择,本申请对阈值的大小不做具体限定。
步骤904:根据差值超过阈值的像素点,确定第一图像中的物料图像和料仓图像的接触位置的物料轮廓图像。
具体地,识别出差值超过阈值的多个像素点后,可以根据差值超过阈值的多个像素点拟合出物料轮廓,即得到物料轮廓图像。
根据像素点与该像素点周围的像素点的灰度值的差值来识别物料轮廓,从而得到物料轮廓图像,方法简单,确定物料轮廓图像的效率高。
在本申请的一实施例中,由于物料和料仓侧壁的颜色或亮度不同,因此可以对第一图像进行灰度处理,得到每个像素点的灰度值,将灰度值大于分界阈值的像素点换算为第一灰度值,将灰度值小于等于分界阈值的像素点换算为第二灰度值,从而使第一图像变为只有两种灰度值的图像,从而区分出物料和料仓侧壁,即识别出物料轮廓,从而得到物料轮廓图像。分界阈值可以根据实际情景进行设置,本申请不做具体限定。此方法大大减少了计算量,进一步提高得到物料轮廓图像的效率。
图10所示为本申请一实施例提供的一种物料监测装置的结构示意图。如图10所示,物料监测装置100包括:第一图像获取模块1001、轮廓提取模块1002和实际高度计算模块1003。
第一图像获取模块1001配置为:获取第一图像,其中,第一图像包括料仓内部的物料图像和料仓的侧壁图像。
轮廓提取模块1002配置为:提取第一图像中的物料图像和侧壁图像的接触位置的物料轮廓图像。
实际高度计算模块1003配置为:根据物料轮廓图像和预设轮廓图像,计算料仓内的物料的实际高度,其中,预设轮廓图像包括料仓的底部轮廓图像。
图11所示为本申请另一实施例提供的一种物料监测装置的结构示意图。如图11所示,实际高度计算模块1003包括:第一获取单元10031、第二获取单元10032和计算单元10033。
第一获取单元10031配置为:获取物料轮廓图像的第一投影点到物料轮廓图像的第一轮廓点的第一距离,其中,第一投影点为用于拍摄物料轮廓图像的图像获取装置在物料轮廓图像上的投影点。
第二获取单元10032配置为:获取底部轮廓图像的第二投影点到底部轮廓图像的第二轮廓点的第二距离,其中,第二投影点为用于拍摄底部轮廓图像的图像获取装置在底部轮廓图像上的投影点。
计算单元10033配置为:根据第一距离、第二距离和第一实际高度,计算料仓内的物料的实际高度;其中,第一实际高度为料仓的底部与第一图像的拍摄位置之间的实际距离。
第一获取单元10031进一步配置为:获取第一投影点到多个第一轮廓点的多个第一距离。
第二获取单元10032进一步配置为:获取第二投影点到多个第二轮廓点的多个第二距离。
计算单元10033进一步配置为:分别根据每个第一距离和对应的第二距离、以及第一实际高度,计算得到料仓内的物料的多个点位实际高度。
计算单元10033进一步配置为:根据多个点位实际高度,计算料仓内的物料的实际高度。
物料监测装置100还包括:叠加模块1004和配准模块1005。
叠加模块1004配置为:将物料轮廓图像和预设轮廓图像叠加,得到叠加图像,其中,叠加图像包括物料轮廓图像和底部轮廓图像。
配准模块1005配置为:对物料轮廓图像和预设轮廓图像进行配准。
第二获取单元10032进一步配置为:获取第二轮廓点(即,第一投影点与第一轮廓点的连线与底部轮廓图像的交点)到第二投影点的第二距离。
轮廓提取模块1002包括:灰度处理单元10021、差值计算单元10022、识别单元10023和轮廓确定单元10024。
灰度处理单元10021配置为:对第一图像进行灰度处理,得到每个像素点的灰度值。
差值计算单元10022配置为:计算每个像素点的灰度值与该像素点周围的像素点的灰度值的差值。
识别单元10023配置为:识别差值超过阈值的像素点。
轮廓确定单元10024配置为:根据差值超过阈值的像素点,确定第一图像中的物料图像和料仓图像的接触位置的物料轮廓图像。
图12所示为本申请一实施例提供的一种搅拌站的结构示意图。如图12所示,搅拌站12包括:料仓121、图像获取装置122和处理器123。
料仓121用于装载物料。图像获取装置122用于获取第一图像,并将第一图像发送给处理器。第一图像包括料仓内部的物料图像和料仓的侧壁图像。处理器123用于执行上述任一实施例中的物料监测方法。图像获取装置122与处理器123通信连接。
下面,参考图13来描述根据本申请实施例的电子设备。图13所示为本申请一实施例提供的电子设备的结构示意图。
如图13所示,电子设备130包括一个或多个处理器1301和存储器1302。
处理器1301可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备130中的其他组件以执行期望的功能。
存储器1302可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器1301可以运行所述程序指令,以实现上文所述的本申请的各个实施例的物料监测方法或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如物料参数、料仓参数等各种内容。
在一个实施例中,电子设备130还可以包括:输入装置1303和输出装置1304,这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
该输入装置1303可以包括例如键盘、鼠标等等。
该输出装置1304可以向外部输出各种信息,包括确定出的运动数据等。该输出装置1304可以包括例如显示器、通信网络及其所连接的远程输出设备等等。
当然,为了简化,图13中仅示出了该电子设备130中与本申请有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备130还可以包括任何其他适当的组件。
除了上述方法和设备以外,本申请的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书中描述的根据本申请各种实施例的物料监测方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本申请的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书根据本申请各种实施例的物料监测方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本申请的基本原理,但是,需要指出的是,在本申请中提及的优点、优势、效果等仅是实施例而非限制,不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外,上述公开的具体细节仅是为了实施例的作用和便于理解的作用,而非限制,上述细节并不限制本申请为必须采用上述具体的细节来实现。
本申请中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
还需要指出的是,在本申请的装置、设备和方法中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的,并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此,本申请不意图被限制到在此示出的方面,而是按照与在此发明的原理和新颖的特征一致的最宽范围。
以上所述仅为本申请的较佳实施例而已,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种物料监测方法,其特征在于,包括:
获取第一图像,其中,所述第一图像包括料仓内部的物料图像和所述料仓的侧壁图像;
提取所述第一图像中的所述物料图像和所述侧壁图像的接触位置的物料轮廓图像;以及
根据所述物料轮廓图像和预设轮廓图像,计算所述料仓内的物料的实际高度,其中,所述预设轮廓图像包括所述料仓的底部轮廓图像。
2.根据权利要求1所述的物料监测方法,其特征在于,所述根据所述物料轮廓图像和预设轮廓图像,计算所述料仓内的物料的实际高度包括:
获取所述物料轮廓图像的第一投影点到所述物料轮廓图像的第一轮廓点的第一距离,其中,所述第一投影点为用于拍摄所述物料轮廓图像的图像获取装置在所述物料轮廓图像上的投影点;
获取所述底部轮廓图像的第二投影点到所述底部轮廓图像的第二轮廓点的第二距离,其中,所述第二投影点为用于拍摄所述底部轮廓图像的图像获取装置在所述底部轮廓图像上的投影点;以及
根据所述第一距离、所述第二距离和第一实际高度,计算所述料仓内的所述物料的实际高度;其中,所述第一实际高度为所述料仓的底部与所述第一图像的拍摄位置之间的实际距离。
3.根据权利要求2所述的物料监测方法,其特征在于,所述获取所述物料轮廓图像的第一投影点到所述物料轮廓图像的第一轮廓点的第一距离包括:
获取所述第一投影点到多个所述第一轮廓点的多个所述第一距离;
其中,所述获取所述底部轮廓图像的第二投影点到所述底部轮廓图像的第二轮廓点的第二距离包括:
获取第二投影点到多个所述第二轮廓点的多个所述第二距离;
其中,所述根据所述第一距离、所述第二距离和第一实际高度,计算所述料仓内的所述物料的实际高度包括:
分别根据每个所述第一距离和对应的所述第二距离、以及第一实际高度,计算得到所述料仓内的所述物料的多个点位实际高度;以及
根据所述多个点位实际高度,计算所述料仓内的所述物料的实际高度。
4.根据权利要求2或3所述的物料监测方法,其特征在于,在所述获取所述物料轮廓图像的第一投影点到所述物料轮廓图像的第一轮廓点的第一距离之前,还包括:
将所述物料轮廓图像和所述预设轮廓图像叠加,得到叠加图像,其中,所述叠加图像包括所述物料轮廓图像和所述底部轮廓图像。
5.根据权利要求4所述的物料监测方法,其特征在于,所述叠加图像中的所述第一投影点与所述第二投影点重合;
其中,所述第二轮廓点的获取方式包括:
获取所述第一投影点与所述第一轮廓点的连线与所述底部轮廓图像的交点为所述第二轮廓点。
6.根据权利要求4所述的物料监测方法,其特征在于,在所述将所述物料轮廓图像和所述预设轮廓图像叠加之前,还包括:
对所述物料轮廓图像和所述预设轮廓图像进行配准。
7.根据权利要求1所述的物料监测方法,其特征在于,所述提取所述第一图像中的所述物料图像和所述侧壁图像的接触位置的物料轮廓图像包括:
对所述第一图像进行灰度处理,得到每个像素点的灰度值;
计算每个所述像素点的所述灰度值与该所述像素点周围的所述像素点的所述灰度值的差值;
识别所述差值超过阈值的所述像素点;以及
根据所述差值超过阈值的所述像素点,确定所述第一图像中的所述物料图像和所述料仓图像的接触位置的所述物料轮廓图像。
8.一种物料监测装置,其特征在于,包括:
第一图像获取模块,配置为获取第一图像,其中,所述第一图像包括料仓内部的物料图像和所述料仓的侧壁图像;
轮廓提取模块,配置为提取所述第一图像中的所述物料图像和所述侧壁图像的接触位置的物料轮廓图像;以及
实际高度计算模块,配置为根据所述物料轮廓图像和预设轮廓图像,计算所述料仓内的物料的实际高度,其中,所述预设轮廓图像包括所述料仓的底部轮廓图像。
9.根据权利要求8所述的物料监测装置,其特征在于,所述实际高度计算模块包括:
第一获取单元,配置为获取所述物料轮廓图像的第一投影点到所述物料轮廓图像的第一轮廓点的第一距离,其中,所述第一投影点为用于拍摄所述物料轮廓图像的图像获取装置在所述物料轮廓图像上的投影点;
第二获取单元,配置为获取所述底部轮廓图像的第二投影点到所述底部轮廓图像的第二轮廓点的第二距离,其中,所述第二投影点为用于拍摄所述底部轮廓图像的图像获取装置在所述底部轮廓图像上的投影点;以及
计算单元,配置为根据所述第一距离、所述第二距离和第一实际高度,计算所述料仓内的所述物料的实际高度;其中,所述第一实际高度为所述料仓的底部与所述第一图像的拍摄位置之间的实际距离。
10.一种搅拌站,其特征在于,包括:
料仓,用于装载物料;
图像获取装置,用于获取第一图像,并将所述第一图像发送给处理器,其中,所述第一图像包括所述料仓内部的物料图像和所述料仓的侧壁图像;以及
所述处理器,用于执行权利要求1-7中任一所述的物料监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110264503.XA CN112989998B (zh) | 2021-03-11 | 2021-03-11 | 物料监测方法和物料监测装置以及搅拌站 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110264503.XA CN112989998B (zh) | 2021-03-11 | 2021-03-11 | 物料监测方法和物料监测装置以及搅拌站 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112989998A true CN112989998A (zh) | 2021-06-18 |
CN112989998B CN112989998B (zh) | 2023-12-05 |
Family
ID=76334957
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110264503.XA Active CN112989998B (zh) | 2021-03-11 | 2021-03-11 | 物料监测方法和物料监测装置以及搅拌站 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112989998B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114474393A (zh) * | 2021-12-31 | 2022-05-13 | 三一汽车制造有限公司 | 料仓料位监控方法、装置及搅拌站 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150199588A1 (en) * | 2014-01-14 | 2015-07-16 | Microsoft Corporation | Stereo image processing using contours |
CN108240793A (zh) * | 2018-01-26 | 2018-07-03 | 广东美的智能机器人有限公司 | 物体尺寸测量方法、装置和系统 |
CN109822754A (zh) * | 2019-02-25 | 2019-05-31 | 长安大学 | 用于沥青混凝土搅拌站的自卸车货厢尺寸检测系统及方法 |
CN109934834A (zh) * | 2017-12-19 | 2019-06-25 | 北京京东尚科信息技术有限公司 | 图像轮廓提取方法和系统 |
CN110207781A (zh) * | 2019-06-19 | 2019-09-06 | 华侨大学 | 一种散状物料动态计量方法和系统 |
CN110634145A (zh) * | 2018-06-22 | 2019-12-31 | 青岛日日顺物流有限公司 | 基于图像处理的仓库盘点方法 |
CN110751620A (zh) * | 2019-08-28 | 2020-02-04 | 宁波海上鲜信息技术有限公司 | 估算体积和重量的方法、电子设备及计算机可读存储介质 |
US10759054B1 (en) * | 2020-02-26 | 2020-09-01 | Grey Orange Pte. Ltd. | Method and system for handling deformable objects |
-
2021
- 2021-03-11 CN CN202110264503.XA patent/CN112989998B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150199588A1 (en) * | 2014-01-14 | 2015-07-16 | Microsoft Corporation | Stereo image processing using contours |
CN109934834A (zh) * | 2017-12-19 | 2019-06-25 | 北京京东尚科信息技术有限公司 | 图像轮廓提取方法和系统 |
CN108240793A (zh) * | 2018-01-26 | 2018-07-03 | 广东美的智能机器人有限公司 | 物体尺寸测量方法、装置和系统 |
CN110634145A (zh) * | 2018-06-22 | 2019-12-31 | 青岛日日顺物流有限公司 | 基于图像处理的仓库盘点方法 |
CN109822754A (zh) * | 2019-02-25 | 2019-05-31 | 长安大学 | 用于沥青混凝土搅拌站的自卸车货厢尺寸检测系统及方法 |
CN110207781A (zh) * | 2019-06-19 | 2019-09-06 | 华侨大学 | 一种散状物料动态计量方法和系统 |
CN110751620A (zh) * | 2019-08-28 | 2020-02-04 | 宁波海上鲜信息技术有限公司 | 估算体积和重量的方法、电子设备及计算机可读存储介质 |
US10759054B1 (en) * | 2020-02-26 | 2020-09-01 | Grey Orange Pte. Ltd. | Method and system for handling deformable objects |
Non-Patent Citations (1)
Title |
---|
赵其杰: "基于基准面提取的物料体积在线测量方法", 《仪器仪表学报》, vol. 36, no. 12, pages 2731 - 2737 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114474393A (zh) * | 2021-12-31 | 2022-05-13 | 三一汽车制造有限公司 | 料仓料位监控方法、装置及搅拌站 |
CN114474393B (zh) * | 2021-12-31 | 2024-01-19 | 三一汽车制造有限公司 | 料仓料位监控方法、装置及搅拌站 |
Also Published As
Publication number | Publication date |
---|---|
CN112989998B (zh) | 2023-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109918977B (zh) | 确定空闲车位的方法、装置及设备 | |
CN112793564A (zh) | 一种基于全景鸟瞰图和深度学习的自主泊车辅助系统 | |
US9633450B2 (en) | Image measurement device, and recording medium | |
CN112017231B (zh) | 基于单目摄像头的人体体重识别方法、装置及存储介质 | |
CN109934873B (zh) | 标注图像获取方法、装置及设备 | |
CN112378333B (zh) | 仓储货物测量方法和装置 | |
CN113129255B (zh) | 检测包裹的方法、计算设备、系统及存储介质 | |
CN113607064A (zh) | 目标物体的间距测算方法、装置、设备及可读存储介质 | |
CN112989998B (zh) | 物料监测方法和物料监测装置以及搅拌站 | |
CN114593681B (zh) | 厚度测量方法,装置,电子设备及存储介质 | |
CN112097742B (zh) | 一种位姿确定方法及装置 | |
CN109934185B (zh) | 数据处理方法及装置、介质和计算设备 | |
CN116386373A (zh) | 车辆定位方法、装置、存储介质及电子设备 | |
CN111832347A (zh) | 动态选取感兴趣区域的方法及装置 | |
CN111626078A (zh) | 识别车道线的方法及装置 | |
WO2019117472A1 (ko) | 아날로그 계기판의 측정값 인식 시스템 및 방법 | |
CN112001247B (zh) | 多目标检测方法、设备及存储装置 | |
CN114972314A (zh) | 电力设备的裂缝检测方法、计算机设备和存储介质 | |
CN114494393A (zh) | 基于单目相机的空间测量方法、装置、设备和存储介质 | |
JP7040627B2 (ja) | 算出装置、情報処理方法およびプログラム | |
CN112364693A (zh) | 基于双目视觉的障碍识别方法、装置、设备及存储介质 | |
CN111898481A (zh) | 一种指针式分合闸指示器的状态识别方法及设备 | |
CN112348876A (zh) | 一种标志牌的空间坐标获取方法及装置 | |
TW201315963A (zh) | 電子器件高度識別方法及系統 | |
CN113712473B (zh) | 一种高度校准方法、装置以及机器人 |
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 |