CN113033297A - 实物编程方法、装置、设备及存储介质 - Google Patents
实物编程方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113033297A CN113033297A CN202110171237.6A CN202110171237A CN113033297A CN 113033297 A CN113033297 A CN 113033297A CN 202110171237 A CN202110171237 A CN 202110171237A CN 113033297 A CN113033297 A CN 113033297A
- Authority
- CN
- China
- Prior art keywords
- programming
- block
- physical
- image
- graphic
- 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
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 230000000007 visual effect Effects 0.000 claims abstract description 17
- 238000006243 chemical reaction Methods 0.000 claims abstract description 10
- 238000004590 computer program Methods 0.000 claims description 20
- 238000012549 training Methods 0.000 claims description 16
- 238000010801 machine learning Methods 0.000 claims description 9
- 238000004519 manufacturing process Methods 0.000 abstract description 8
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000011087 paperboard Substances 0.000 description 1
- 238000006467 substitution reaction 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Stored Programmes (AREA)
Abstract
本申请提供了一种实物编程方法、装置、设备及存储介质,其方法包括:通过视觉传感器拍摄获取实物编程操作区中摆放有实物编程块的摆放图像;通过图像识别获得所述摆放图像中各实物编程块的图形特征以及摆放位置信息;根据所述各实物编程块的图形特征获取所述各实物编程块对应配置的编程信息,并按照所述各实物编程块的摆放位置信息将所述各实物编程块对应配置的编程信息进行逻辑转换,生成与所述摆放图像对应的编程序列。该方法中,只要实物编程块的图形特征能够被识别即可,其呈现形式不局限于实体实物块,制造成本低、不易于被破坏,而且只要能够识别到图形特征,实物块存在一些破损并不会影响识别,识别宽容度高。
Description
技术领域
本申请属于人机交互技术领域,尤其涉及一种实物编程方法、装置、设备及存储介质。
背景技术
传统的编程通常是通过键盘输入文本语言来完成。然而这种编程方式对儿童而言,儿童很难记住和理解程序语言的语法、逻辑关系和程序架构等非常专业的知识。尤其是对文字掌握得还不纯熟的儿童来说,程序的文本编辑方式缺乏直观性,儿童无法采用传统的编程方式来创作自己的程序。针对上述问题,现有一些方案通常采取图像化的实物编程的方式来为儿童提供了一种可行途径。但是,发明人研究发现,实物编程需要根据实物编程的计算机识别程序预先配置并制造出对应的实物编程块,而现有技术中实物编程块通常是通过将计算机能够识别的标识以及儿童能够识别的标识分别附在实体积木块上形成,此类实物编程块制造成本高,且实物编程块中的标识容易被破坏、识别宽容度低。
发明内容
有鉴于此,本申请实施例提供了一种实物编程方法、装置、设备及存储介质,可以节省实物编程块的制造成本,提高实物编程块的识别宽容度。
本申请实施例的第一方面提供了一种实物编程方法,所述实物编程方法包括:
通过视觉传感器拍摄获取实物编程操作区中摆放有实物编程块的摆放图像;
通过图像识别获得所述摆放图像中各实物编程块的图形特征以及摆放位置信息;
根据所述各实物编程块的图形特征获取所述各实物编程块对应配置的编程信息,并按照所述各实物编程块的摆放位置信息将所述各实物编程块对应配置的编程信息进行逻辑转换,生成与所述摆放图像对应的编程序列。
结合第一方面,在第一方面的第一种可能实现方式中,所述实物编程方法还包括:
获取实物块的若干样本图像;
通过机器学习对所述实物块的若干样本图像进行训练,获取表征所述实物块的图形特征,其中,所述图形特征包括所述实物块的颜色特征和/或轮廓特征;
按照所述实物块的图形特征建立实物块与编程信息之间的对应关系,以配置获得用于进行实物编程的实物编程块。
结合第一方面的第一种可能实现方式,在第一方面的第二种可能实现方式中,所述获取实物块的若干样本图像的步骤,包括:
通过2D摄像端获取所述实物块平面状态的图像;或/及
通过3D摄像端获取所述实物块立体结构的图像。
结合第一方面的第一种可能实现方式,在第一方面的第三种可能实现方式中,所述通过机器学习对所述实物块的若干样本图像进行训练,获取表征所述实物块的图形特征,其中,所述图形特征包括所述实物块的颜色特征和/或轮廓特征的步骤之前,还包括:
对所述实物块的若干样本图像进行标记处理。
结合第一方面的第一种可能实现方式,在第一方面的第四种可能实现方式中,所述按照所述实物块的图形特征建立实物块与编程信息之间的对应关系,以配置获得用于进行实物编程的实物编程块的步骤,包括:
将所述用于进行实物编程的实物编程块配置为以实体形式呈现的实物块;或/及
将所述用于进行实物编程的实物编程块配置为以图像形式呈现的实物块。
结合第一方面,在第一方面的第五种可能实现方式中,所述识别所述摆放图像中各实物编程块的图形特征以及摆放位置信息的步骤,还包括:
判断所述各实物编程块的摆放位置是否可识别;
若所述各实物编程块的摆放位置不可识别,则提示用户摆放图像不可用并触发视觉传感器重新拍摄获取摆放图像。
本申请实施例的第二方面提供了一种实物编程装置,所述实物编程装置包括:
摆放图像获取模块,用于通过视觉传感器拍摄获取实物编程操作区中摆放有实物编程块的摆放图像;
图像识别模块,用于通过图像识别获得所述摆放图像中各实物编程块的图形特征以及摆放位置信息;
编程序列生成模块,用于根据所述各实物编程块的图形特征获取所述各实物编程块对应配置的编程信息,并按照所述各实物编程块的摆放位置信息将所述各实物编程块对应配置的编程信息进行逻辑转换,生成与所述摆放图像对应的编程序列。
结合第二方面,在第二方面的第一种可能实现方式中,所述实物编程装置还包括:
实物块样本图像获取模块,用于获取实物块的若干样本图像;
实物块样本图像获取模块,用于通过机器学习对所述实物块的若干样本图像进行训练,获取表征所述实物块的图形特征,其中,所述图形特征包括所述实物块的颜色特征和/或轮廓特征;
实物块样本图像获取模块,用于按照所述实物块的图形特征建立实物块与编程信息之间的对应关系,以配置获得用于进行实物编程的实物编程块。
本申请实施例的第三方面提供了一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述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如第一方面任意一项所述实物编程方法的步骤。
本申请实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面任一项所述实物编程方法的步骤。
本申请实施例与现有技术相比存在的有益效果是:
本申请通过视觉传感器拍摄获取实物编程操作区中摆放有实物编程块的摆放图像;通过图像识别获得所述摆放图像中各实物编程块的图形特征以及摆放位置信息;根据所述各实物编程块的图形特征获取所述各实物编程块对应配置的编程信息,并按照所述各实物编程块的摆放位置信息将所述各实物编程块对应配置的编程信息进行逻辑转换,生成与所述摆放图像对应的编程序列。该方法配置的实物编程块,只要其图形特征能够被识别即可,其呈现形式不局限于实体实物块,制造成本低。且计算机识别程序是直接通过识别实物块的图形特征来获取编程信息,图形特征是实物块本身的特征,不易于被破坏,只要能够识别到图形特征,实物块存在一些破损并不会影响识别,识别宽容度高。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种实物编程方法的基本方法流程示意图;
图2为本申请实施例提供的实物编程方法中配置实物编程块的一种方法流程示意图;
图3为本申请实施例提供的实物编程方法中检测摆放图像是否可用的一种方法流程示意图;
图4为本申请实施例提供的一种实物编程装置的结构示意图;
图5为本申请实施例提供的实物编程装置的另一结构示意图;
图6为本申请实施例提供的一种实现实物编程方法的电子设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
为了说明本申请所述的技术方案,下面通过具体实施例来进行说明。
本申请的一些实施例中,请参阅图1,图1为本申请实施例提供的一种实物编程方法的方法流程示意图。详细如下:
步骤S11:通过视觉传感器拍摄获取实物编程操作区中摆放有实物编程块的摆放图像;
步骤S12:通过图像识别获得所述摆放图像中各实物编程块的图形特征以及摆放位置信息;
步骤S13:根据所述各实物编程块的图形特征获取所述各实物编程块对应配置的编程信息,并按照所述各实物编程块的摆放位置信息将所述各实物编程块对应配置的编程信息进行逻辑转换,生成与所述摆放图像对应的编程序列。
本实施例中,通过人机交互进行实物编程时,用户可以以一定的方式将实物编程块摆放在实物编程操作区中,然后由监测该实物编程操作区的视觉传感器拍摄获取实物编程操作区中摆放有实物编程块的摆放图像,并将该摆放图像发送至计算机识别程序中进行图像识别。计算机识别程序接收到摆放图像后,对该摆放图像进行识别,以获取得到该摆放图像中各实物编程块的图形特征以及摆放位置信息。然后,根据摆放图像中各个实物编程块的图形特征来获取各个实物编程块对应配置的编程信息。在本实施例中,所述实物编程块的图形特征表征为该实物编程块本身的特征,如实物编程块本身的颜色、图案、文字等图形特征。而且,这些颜色、图案、文字等图形特征本身不包含有编程信息,本实施例具体通过配置实物编程块的方式赋予实物编程块对应的编程信息,以使实物编程块上的颜色、图案、文字等图形特征与该实物编程块配置的编程信息具有对应关系。在本实施例中,计算机识别程序基于其可识别的实物编程块建立有编程信息数据库,其存储的编程信息与实物编程块的图形特征相关联,通过实物编程块的图形特征可从该编程信息数据库中获得该实物编程块对应配置的编程信息。获得各实物编程块对应配置的编程信息后,按照各实物编程块的摆放位置信息将获得的各实物编程块对应配置的编程信息进行逻辑转换,从而生成与摆放图像对应的编程序列。该编程序列可被计算机执行,由此完成实物编程的过程。
在本实施例中,计算机识别程序采用与用户相同的视觉识别方式,都是通过辨别实物编程块上颜色、图案、文字等图形特征来辨别实物编程块,无需在实物编程块上另外附上具有编程信息的识别码,减免了计算机识别程序解读识别码的过程,简化了计算机识别程序的获取编程信息的过程。而且,计算机识别程序只要能够识别出实物编程块的图形特征即可获得编程信息,从而使得实物编程块的呈现形式不再局限于实体实物块,还可以是通过扫描、打印等简易方式获得的的图像,易制作、制造成本低、不易于被破坏;只要能够识别到图形特征,实物块存在一些破损并不会影响识别,识别宽容度高。
本申请的一些实施例中,请参阅图2,图2为本申请实施例提供的一种实物编程方法中配置实物编程块的一种方法流程示意图,详述如下:
步骤S21:获取实物块的若干样本图像。
本实施例中,实物编程块为用户可以通过视觉直观识别的、用于进行拼搭组合来编写程序的实物块。而且在实物编程过程中,实物编程块不仅需要能够被用户通过视觉直观地被识别出来,还需要能够被计算机识别程序识别出来。在本实施例中,计算机识别程序的识别可以通过训练一识别算法来实现。在训练识别算法时,针对每个实物块,预先通过图像拍摄来获取实物块的若干张图像,该若干张图像作为样本图像提供给模型用于训练识别算法。
本申请的一些实施例中,通过图像拍摄来获取实物块的若干张图像可以是表达实物块平面状态的图像或者是表达实物块立体结构的图像,分别通过2D摄像端、3D摄像端来获取。
步骤S22:通过机器学习对所述实物块的若干样本图像进行训练,获取表征所述实物块的图形特征,其中,所述图形特征包括所述实物块的颜色特征和/或轮廓特征。
本实施例中,不管是计算机识别程序还是用户,都是通过识别实物块的图形特征来实现对实物编程块的识别。在本实施例中,实物编程方法基于神经网络训练模型实现,具体可以通过神经网络模型的机器学习能力来对实物块的若干样本图像进行训练,获取得到各个实物块对应的图形特征,从而实现通过识别实物块的图形特征来识别实物编程块。在本实施例中,图形特征包括但不限于实物块的颜色特征和/或轮廓特征等用户可以通过视觉直观识别的特征。
本申请的一些实施例中,在进行训练之前,还需要对实物块的若干样本图像进行标记处理,以使得同一实物块的若干样本图像具有相同的实物块标识,便于从实物块的若干样本图像中获取表征该实物块的图形特征。
步骤S23:按照所述实物块的图形特征建立实物块与编程信息之间的对应关系,以配置获得用于进行实物编程的实物编程块。
本实施例中,当训练获得对应的识别算法后,将该识别算法应用于计算机识别程序即可以使计算机识别程序具备识别实物块的能力。在本实施例中,通过按照实物块对应的图形特征建立实物块与编程信息之间的对应关系,即为识别算法中每一个可被识别的实物块配置一个对应的编程信息,并将该可识别的实物块配置为用于进行实物编程的实物编程块。以此,计算机识别程序可通过识别实物编程块的图形特征即可获得该实物编程块对应的编程信息,实现将实物编程块转换成计算机可以理解的计算机程序,从而实现实物编程。本实施例获得的实物编程块,由于计算机识别程序是通过识别实物编程块的图形特征来获得该实物编程块对应的编程信息,所以,其存在形式不局限于实体,只需要能够反映出实物块对应的图形特征即可。
本申请的一些实施例中,可以将该用于进行实物编程的实物编程块配置为以实体形式呈现的实物块,例如以厚纸板或塑料板为原材料做成的具有特定图形特征的实体块,例如具有特定色彩、特定图案、特定文字等特征的方块或卡片。又或者,可以将该用于进行实物编程的实物编程块配置为以图像形式呈现的实物块,例如可以是打印或扫描出来的、能够在视觉上反映出实物块图形特征的图像。
本实施例,一方面,实物编程方法采用类似于拼搭积木的方式进行实物编程,操作简单直观,容易被低年龄层儿童所接受。且对于儿童而言是实物摆放操作而不是电脑键盘输入文本操作,不会影响儿童视力。另一方面,实物编程方法中的实物编程块可以由用户自行配置,例如添加、替换、修改实物编程块等,灵活性更好,另外,实物编程块的呈现形式不局限于实体实物块,还可以是通过打印或扫描获得图像,制造成本低,且计算机识别程序识别的是实物编程块的图形特征,图形特征是实物块本身的特征,不易于被破坏,只要能够识别到图形特征,实物块存在一些破损并不会影响识别,识别宽容度也相对较高。
本申请的一些实施例中,请参阅图3,图3为本申请实施例提供的实物编程方法中检测摆放图像是否可用的一种方法流程示意图。详细如下:
步骤S31:判断所述各实物编程块的摆放位置是否可识别;
步骤S32:若存在实物编程块的摆放位置不可识别,则提示用户摆放图像不可用并触发视觉传感器重新拍摄获取摆放图像。
本实施例中,进行实物编程过程中,用户摆放实物编程块时可能会出现实物编程块未准确落入对应的位置,例如摆放方向反了、各实物编程块之间可能出现了重叠或者实物编程块未完全处于视觉传感器拍摄范围内等,这些情况均会导致实物编程块的摆放位置无法识别。在本实施例中,可以通过设置一个位置检测器用于判断各实物编程块的摆放位置是否可识别,如若存在实物编程块的摆放位置不可识别,则提示用户摆放图像不可用并触发视觉传感器重新拍摄获取摆放图像。
可以理解的是,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
本申请的一些实施例中,请参阅图4,图4为本申请实施例提供的一种实物编程装置的结构示意图,详述如下:
所述实物编程装置包括:摆放图像获取模块41、图像识别模块42以及编程序列生成模块43。其中,所述摆放图像获取模块41用于通过视觉传感器拍摄获取实物编程操作区中摆放有实物编程块的摆放图像;所述图像识别模块42用于通过图像识别获得所述摆放图像中各实物编程块的图形特征以及摆放位置信息;所述编程序列生成模块43用于根据所述各实物编程块的图形特征获取所述各实物编程块对应配置的编程信息,并按照所述各实物编程块的摆放位置信息将所述各实物编程块对应配置的编程信息进行逻辑转换,生成与所述摆放图像对应的编程序列。
本申请的一些实施例中,请参阅图5,图5为本申请实施例提供的实物编程装置的另一结构示意图。如图5所示,所述实物编程装置还包括:实物块样本图像获取模块51、实物块样本图像训练模块52以及实物编程块配置模块53。其中,所述实物块样本图像获取模块51用于获取实物块的若干样本图像。所述实物块样本图像训练模块52用于通过机器学习对所述实物块的若干样本图像进行训练,获取表征所述实物块的图形特征,其中,所述图形特征包括所述实物块的颜色特征和/或轮廓特征。所述实物编程块配置模块53用于按照所述实物块的图形特征建立实物块与编程信息之间的对应关系,以配置获得用于进行实物编程的实物编程块。
所述实物编程装置,应与上述的实物编程方法一一对应,此处不再赘述。
在本申请的一些实施例中,请参阅图6,图6为本申请实施例提供的一种实现实物编程方法的电子设备的示意图。如图6所示,该实施例的电子设备6包括:处理器61、存储器62以及存储在所述存储器62中并可在所述处理器61上运行的计算机程序63,例如实物编程程序。所述处理器61执行所述计算机程序62时实现上述各个实物编程方法实施例中的步骤。或者,所述处理器61执行所述计算机程序63时实现上述各装置实施例中各模块/单元的功能。
示例性的,所述计算机程序63可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器62中,并由所述处理器61执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序63在所述电子设备6中的执行过程。例如,所述计算机程序63可以被分割成:
摆放图像获取模块,用于通过视觉传感器拍摄获取实物编程操作区中摆放有实物编程块的摆放图像;
图像识别模块,用于通过图像识别获得所述摆放图像中各实物编程块的图形特征以及摆放位置信息;
编程序列生成模块,用于根据所述各实物编程块的图形特征获取所述各实物编程块对应配置的编程信息,并按照所述各实物编程块的摆放位置信息将所述各实物编程块对应配置的编程信息进行逻辑转换,生成与所述摆放图像对应的编程序列。
所述电子设备可包括,但不仅限于,处理器61、存储器62。本领域技术人员可以理解,图6仅仅是电子设备6的示例,并不构成对电子设备6的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述电子设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器61可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器62可以是所述电子设备6的内部存储单元,例如电子设备6的硬盘或内存。所述存储器62也可以是所述电子设备6的外部存储设备,例如所述电子设备6上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器62还可以既包括所述电子设备6的内部存储单元也包括外部存储设备。所述存储器62用于存储所述计算机程序以及所述电子设备所需的其他程序和数据。所述存储器62还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅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讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
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网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请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。
所述集成的模块/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,本申请实现上述实施例方法中的全部或部分流程,也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计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种实物编程方法,其特征在于,包括:
通过视觉传感器拍摄获取实物编程操作区中摆放有实物编程块的摆放图像;
通过图像识别获得所述摆放图像中各实物编程块的图形特征以及摆放位置信息;
根据所述各实物编程块的图形特征获取所述各实物编程块对应配置的编程信息,并按照所述各实物编程块的摆放位置信息将所述各实物编程块对应配置的编程信息进行逻辑转换,生成与所述摆放图像对应的编程序列。
2.根据权利要求1所述的实物编程方法,其特征在于,还包括:
获取实物块的若干样本图像;
通过机器学习对所述实物块的若干样本图像进行训练,获取表征所述实物块的图形特征,其中,所述图形特征包括所述实物块的颜色特征和/或轮廓特征;
按照所述实物块的图形特征建立实物块与编程信息之间的对应关系,以配置获得用于进行实物编程的实物编程块。
3.根据权利要求2所述的实物编程方法,其特征在于,所述获取实物块的若干样本图像的步骤,包括:
通过2D摄像端获取所述实物块平面状态的图像;或/及
通过3D摄像端获取所述实物块立体结构的图像。
4.根据权利要求2所述的实物编程方法,其特征在于,所述通过机器学习对所述实物块的若干样本图像进行训练,获取表征所述实物块的图形特征,其中,所述图形特征包括所述实物块的颜色特征和/或轮廓特征的步骤之前,还包括:
对所述实物块的若干样本图像进行标记处理。
5.根据权利要求2所述的实物编程方法,其特征在于,所述按照所述实物块的图形特征建立实物块与编程信息之间的对应关系,以配置获得用于进行实物编程的实物编程块的步骤,包括:
将所述用于进行实物编程的实物编程块配置为以实体形式呈现的实物块;或/及
将所述用于进行实物编程的实物编程块配置为以图像形式呈现的实物块。
6.根据权利要求1所述的实物编程方法,其特征在于,所述识别所述摆放图像中各实物编程块的图形特征以及摆放位置信息的步骤,还包括:
判断所述各实物编程块的摆放位置是否可识别;
若所述各实物编程块的摆放位置不可识别,则提示用户摆放图像不可用并触发视觉传感器重新拍摄获取摆放图像。
7.一种实物编程装置,其特征在于,所述实物编程装置包括:
摆放图像获取模块,用于通过视觉传感器拍摄获取实物编程操作区中摆放有实物编程块的摆放图像;
图像识别模块,用于通过图像识别获得所述摆放图像中各实物编程块的图形特征以及摆放位置信息;
编程序列生成模块,用于根据所述各实物编程块的图形特征获取所述各实物编程块对应配置的编程信息,并按照所述各实物编程块的摆放位置信息将所述各实物编程块对应配置的编程信息进行逻辑转换,生成与所述摆放图像对应的编程序列。
8.根据权利要求7所述的实物编程装置,其特征在于,所述实物编程装置还包括:
实物块样本图像获取模块,用于获取实物块的若干样本图像;
实物块样本图像训练模块,用于通过机器学习对所述实物块的若干样本图像进行训练,获取表征所述实物块的图形特征,其中,所述图形特征包括所述实物块的颜色特征和/或轮廓特征;
实物编程块配置模块,用于按照所述实物块的图形特征建立实物块与编程信息之间的对应关系,以配置获得用于进行实物编程的实物编程块。
9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述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如权利要求1至6任一项所述实物编程方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述实物编程方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110171237.6A CN113033297B (zh) | 2021-02-08 | 2021-02-08 | 实物编程方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110171237.6A CN113033297B (zh) | 2021-02-08 | 2021-02-08 | 实物编程方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113033297A true CN113033297A (zh) | 2021-06-25 |
CN113033297B CN113033297B (zh) | 2023-11-21 |
Family
ID=76460630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110171237.6A Active CN113033297B (zh) | 2021-02-08 | 2021-02-08 | 实物编程方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113033297B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111324269A (zh) * | 2020-02-21 | 2020-06-23 | 冒守华 | 一种基于可视化的标记方法、系统、存储介质及终端设备 |
CN114530076A (zh) * | 2022-01-05 | 2022-05-24 | 厦门盈趣科技股份有限公司 | 一种儿童编程结果反馈系统以及方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102136208A (zh) * | 2011-03-30 | 2011-07-27 | 中国科学院软件研究所 | 一种实物编程方法和系统 |
CN102800223A (zh) * | 2012-07-19 | 2012-11-28 | 中国科学院软件研究所 | 一种协同实物编程方法 |
CN107016907A (zh) * | 2017-05-31 | 2017-08-04 | 宁波凯思奥教育科技有限公司 | 一种实物编程方法 |
CN108961927A (zh) * | 2018-08-29 | 2018-12-07 | 李睿 | 计算机编程学习教具、识别运行系统及方法 |
CN109300100A (zh) * | 2018-09-27 | 2019-02-01 | 北京伟景智能科技有限公司 | 基于多摄像头的物品识别方法和装置 |
CN109978000A (zh) * | 2019-02-19 | 2019-07-05 | 深圳点猫科技有限公司 | 一种基于图形化编程工具的分类ai实现方法及电子设备 |
CN110111648A (zh) * | 2019-04-17 | 2019-08-09 | 吉林大学珠海学院 | 一种编程训练系统及方法 |
CN110335312A (zh) * | 2019-06-17 | 2019-10-15 | 武汉大学 | 一种基于神经网络的目标空间定位方法及装置 |
CN110363127A (zh) * | 2019-07-04 | 2019-10-22 | 陕西丝路机器人智能制造研究院有限公司 | 机器人对工件关键点识别与定位的方法 |
CN111932985A (zh) * | 2020-08-25 | 2020-11-13 | 算法积木(广州)教育投资有限公司 | 一种编程语言实物化积木编程系统 |
CN112102354A (zh) * | 2020-09-17 | 2020-12-18 | 广州市多边形部落科技有限公司 | 基于分布式图像识别的编程方法、系统、设备及介质 |
-
2021
- 2021-02-08 CN CN202110171237.6A patent/CN113033297B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102136208A (zh) * | 2011-03-30 | 2011-07-27 | 中国科学院软件研究所 | 一种实物编程方法和系统 |
CN102800223A (zh) * | 2012-07-19 | 2012-11-28 | 中国科学院软件研究所 | 一种协同实物编程方法 |
CN107016907A (zh) * | 2017-05-31 | 2017-08-04 | 宁波凯思奥教育科技有限公司 | 一种实物编程方法 |
CN108961927A (zh) * | 2018-08-29 | 2018-12-07 | 李睿 | 计算机编程学习教具、识别运行系统及方法 |
CN109300100A (zh) * | 2018-09-27 | 2019-02-01 | 北京伟景智能科技有限公司 | 基于多摄像头的物品识别方法和装置 |
CN109978000A (zh) * | 2019-02-19 | 2019-07-05 | 深圳点猫科技有限公司 | 一种基于图形化编程工具的分类ai实现方法及电子设备 |
WO2020168690A1 (zh) * | 2019-02-19 | 2020-08-27 | 深圳点猫科技有限公司 | 一种基于图形化编程工具的分类ai实现方法及电子设备 |
CN110111648A (zh) * | 2019-04-17 | 2019-08-09 | 吉林大学珠海学院 | 一种编程训练系统及方法 |
CN110335312A (zh) * | 2019-06-17 | 2019-10-15 | 武汉大学 | 一种基于神经网络的目标空间定位方法及装置 |
CN110363127A (zh) * | 2019-07-04 | 2019-10-22 | 陕西丝路机器人智能制造研究院有限公司 | 机器人对工件关键点识别与定位的方法 |
CN111932985A (zh) * | 2020-08-25 | 2020-11-13 | 算法积木(广州)教育投资有限公司 | 一种编程语言实物化积木编程系统 |
CN112102354A (zh) * | 2020-09-17 | 2020-12-18 | 广州市多边形部落科技有限公司 | 基于分布式图像识别的编程方法、系统、设备及介质 |
Non-Patent Citations (2)
Title |
---|
刘宇: "电火花线切割实物编程系统的研制", 福建电力与电工, no. 03 * |
李忠玉;张杰;王惠清;: "基于图形化编程工具的青少年人工智能教育的实现", 现代计算机, no. 15 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111324269A (zh) * | 2020-02-21 | 2020-06-23 | 冒守华 | 一种基于可视化的标记方法、系统、存储介质及终端设备 |
CN114530076A (zh) * | 2022-01-05 | 2022-05-24 | 厦门盈趣科技股份有限公司 | 一种儿童编程结果反馈系统以及方法 |
CN114530076B (zh) * | 2022-01-05 | 2024-05-14 | 厦门盈趣科技股份有限公司 | 一种儿童编程结果反馈系统以及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113033297B (zh) | 2023-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109166156B (zh) | 一种摄像头标定图像的生成方法、移动终端及存储介质 | |
CN112052186B (zh) | 目标检测方法、装置、设备以及存储介质 | |
CN107239252A (zh) | 一种led显示屏自动连屏方法 | |
CN113033297A (zh) | 实物编程方法、装置、设备及存储介质 | |
CN114127833B (zh) | 显示屏配置方法、装置和系统以及计算机可读存储介质 | |
CN109116129B (zh) | 终端检测方法、检测设备、系统及存储介质 | |
CN108563559A (zh) | 一种验证码的测试方法、装置、终端设备及存储介质 | |
WO2022174605A1 (zh) | 一种手势识别方法、手势识别装置及智能设备 | |
CN111709414A (zh) | Ar设备及其文字识别方法、装置和计算机可读存储介质 | |
CN112200230B (zh) | 一种训练板的识别方法、装置及机器人 | |
CN113015022A (zh) | 行为识别方法、装置、终端设备及计算机可读存储介质 | |
CN109726481B (zh) | 一种机器人搭建的辅助方法、装置及终端设备 | |
CN112381092A (zh) | 跟踪方法、装置及计算机可读存储介质 | |
CN111199198A (zh) | 一种图像目标定位方法、图像目标定位装置及移动机器人 | |
CN109241892A (zh) | 一种仪表盘读取方法、仪表盘读取装置及电子设备 | |
CN113191189A (zh) | 人脸活体检测方法、终端设备及计算机可读存储介质 | |
CN110659587B (zh) | 标记物、标记物识别方法、装置、终端设备及存储介质 | |
CN112016432A (zh) | 基于深度学习的车牌字符识别方法、存储介质及电子设备 | |
KR101576445B1 (ko) | 영상 신호를 이용한 이미지 평가 자동화 장치 및 방법 | |
CN111598832A (zh) | 一种槽孔缺陷标注方法、装置和存储介质 | |
CN108629219B (zh) | 一种识别一维码的方法及装置 | |
CN205835343U (zh) | 一种具有监考功能的机器人 | |
CN113611348B (zh) | 打点方法、装置、电子设备及存储介质 | |
KR102248673B1 (ko) | 교통 신호의 식별 방법, 이를 이용하는 교통 신호 식별 장치 및 프로그램 | |
CN114299481A (zh) | 车辆识别码的识别方法、装置及计算机设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |