CN113259541A - 判定方法、判定装置以及记录介质 - Google Patents

判定方法、判定装置以及记录介质 Download PDF

Info

Publication number
CN113259541A
CN113259541A CN202110162892.5A CN202110162892A CN113259541A CN 113259541 A CN113259541 A CN 113259541A CN 202110162892 A CN202110162892 A CN 202110162892A CN 113259541 A CN113259541 A CN 113259541A
Authority
CN
China
Prior art keywords
paint
mixed
determination
captured images
reflective material
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
Application number
CN202110162892.5A
Other languages
English (en)
Other versions
CN113259541B (zh
Inventor
佐藤光
福田彻
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.)
Toyota Motor Corp
Original Assignee
Toyota Motor Corp
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 Toyota Motor Corp filed Critical Toyota Motor Corp
Publication of CN113259541A publication Critical patent/CN113259541A/zh
Application granted granted Critical
Publication of CN113259541B publication Critical patent/CN113259541B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/46—Colour picture communication systems
    • H04N1/56—Processing of colour picture signals
    • H04N1/60—Colour correction or control
    • 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
    • G06V10/60—Extraction of image or video features relating to illumination properties, e.g. using a reflectance or lighting model
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/46—Measurement of colour; Colour measuring devices, e.g. colorimeters
    • G01J3/50—Measurement of colour; Colour measuring devices, e.g. colorimeters using electric radiation detectors
    • G01J3/51—Measurement of colour; Colour measuring devices, e.g. colorimeters using electric radiation detectors using colour filters
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/46—Colour picture communication systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Signal Processing (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Biochemistry (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)
  • Spectrometry And Color Measurement (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明涉及判定方法、判定装置以及记录介质。在本发明的示例性的一个方案的判定方法中，获取在物体与拍摄装置的位置关系正在变化的状态下由拍摄装置连续地拍摄到的物体的多个拍摄图像，将时间上连续的多个拍摄图像的每一个划分为多个图像区域，将划分出的多个图像区域在时间上连续的多个拍摄图像之间建立对应，计算建立了对应的各图像区域中的最大亮度值与最小亮度值的亮度差，基于在时间上连续的多个拍摄图像之间建立了对应的多个图像区域中的亮度差的变化来判定涂装于物体的涂料的种类。

Description

判定方法、判定装置以及记录介质
技术领域
本发明涉及判定涂装于物体的涂料的种类的判定方法、判定装置以及储存有判定程序的计算机可读的记录介质。
背景技术
以往，提出了一种判定涂装于物体的涂料的种类的技术，例如判定混合有反光材料的涂料和未混合有反光材料的涂料的技术。作为这样的技术的一个例子，日本专利第6328838号公报所公开的涂装颜色评价装置向涂装面照射准直光，针对涂装面的拍摄图像计算低亮度区域的s亮度的平均值和高亮度区域的亮度的平均值，基于这些平均值来评价涂装面的涂装颜色。
然而，日本专利第6328838号公报所公开的涂装颜色评价装置使用拍摄的位置和方向被固定的多个拍摄装置对配置于既定的位置的物体的涂装面进行拍摄，来评价涂装面的涂装颜色。因此，该涂装颜色评价装置存在只能判定在判定对象的物体的局部范围内的涂料的种类而无法判定在物体的大范围涂装的涂料的种类这样的问题。
发明内容
本发明是用于解决这样的问题的发明，其目的在于提供一种能判定在判定对象的物体的大范围涂装的涂料的种类的判定方法、判定装置以及储存有判定程序的计算机可读的记录介质。
用于解决问题的方案
本发明的示例性的一个方案是一种判定方法，其中，获取在物体与拍摄装置的位置关系正在变化的状态下由拍摄装置连续地拍摄到的物体的多个拍摄图像，将时间上连续的多个拍摄图像的每一个划分为多个图像区域，将划分出的多个图像区域在时间上连续的多个拍摄图像之间建立对应，计算建立了对应的各图像区域中的最大亮度值与最小亮度值的亮度差，基于在时间上连续的多个拍摄图像之间建立了对应的多个图像区域中的亮度差的变化来判定涂装于物体的涂料的种类。
此外，可以是，涂料的种类包括混合有反光材料的涂料和未混合有反光材料的涂料，在涂料的种类的判定中，判定涂装于物体的涂料是混合有反光材料的涂料和未混合有反光材料的涂料中的哪一种。
而且，可以是，涂料的种类的判定是使用已学习模型进行的，已学习模型是将表示在时间上连续的多个拍摄图像之间建立了对应的各图像区域的亮度差的信息和表示涂装于在图像区域显示的物体的涂料的种类的信息用作训练数据来进行学习而成的，已学习模型使用表示建立了对应的多个图像区域的亮度差的信息来判定涂装于物体的涂料的种类。
而且，可以是，在涂料的种类的判定中，在亮度差的变化为既定的阈值以上的情况下，判定为涂装于物体的涂料是混合有反光材料的涂料，在亮度差的变化小于既定的阈值的情况下，判定为涂装于物体的涂料是未混合有反光材料的涂料。
本发明的示例性的一个方案是一种判定装置，具备：划分部，将在物体与拍摄装置的位置关系正在变化的状态下由拍摄装置连续地拍摄到的物体的多个拍摄图像的每一个划分为多个图像区域；建立对应部，将划分出的多个图像区域在时间上连续的多个拍摄图像之间建立对应；亮度差计算部，计算建立了对应的各图像区域中的最大亮度值与最小亮度值的亮度差；以及判定部，基于在时间上连续的多个拍摄图像之间建立了对应的多个图像区域中的亮度差的变化来判定涂装于物体的涂料的种类。
此外，可以是，涂料的种类包括混合有反光材料的涂料和未混合有反光材料的涂料，判定部判定涂装于物体的涂料是混合有反光材料的涂料和未混合有反光材料的涂料中的哪一种。
而且，可以是，判定部是已学习模型，该已学习模型是将表示在时间上连续的多个拍摄图像之间建立了对应的各图像区域的亮度差的信息和表示涂装于在图像区域显示的物体的涂料的种类的信息用作训练数据来进行学习而成的，已学习模型使用表示建立了对应的多个图像区域的亮度差的信息来判定涂装于物体的涂料的种类。
而且，可以是，在亮度差的变化为既定的阈值以上的情况下，判定部判定为涂装于物体的涂料是混合有反光材料的涂料，在亮度差的变化小于既定的阈值的情况下，判定部判定为涂装于物体的涂料是未混合有反光材料的涂料。
本发明的示例性的一个方案是储存有用于判定涂装于物体的涂料的种类的判定程序的计算机可读的记录介质，判定程序使计算机执行：获取在物体与拍摄装置的位置关系正在变化的状态下由拍摄装置连续地拍摄到的物体的多个拍摄图像的步骤；将时间上连续的多个拍摄图像的每一个划分为多个图像区域的步骤；将划分出的多个图像区域在时间上连续的多个拍摄图像之间建立对应的步骤；计算建立了对应的各图像区域中的最大亮度值与最小亮度值的亮度差的步骤；以及基于在时间上连续的多个拍摄图像之间建立了对应的多个图像区域中的亮度差的变化来判定涂装于物体的涂料的种类的步骤。
此外，涂料的种类包括混合有反光材料的涂料和未混合有反光材料的涂料，判定涂料的种类的步骤包括判定涂装于物体的涂料是混合有反光材料的涂料和未混合有反光材料的涂料中的哪一种的步骤。
发明效果
通过本发明，能提供一种能判定在判定对象的物体的大范围涂装的涂料的种类的判定方法、判定装置以及储存有判定程序的计算机可读的记录介质。
根据下文给出的详细说明和仅作为示例给出的附图，本公开的上述和其他的目的、特征以及优点将得到更加充分地理解，因此不应被认为是限制本公开。
附图说明
图1是表示本发明的示例性的一个方案的判定装置的构成的框图。
图2是表示本发明的示例性的一个方案的建立对应处理的概念的图。
图3是表示本发明的示例性的一个方案的亮度差的计算方法的概念的图。
图4是表示基于涂料的种类的物体的拍摄图像的亮度差的变化的一个例子的图。
图5是表示本发明的示例性的一个方案的判定装置所执行的处理的一个例子的流程图。
图6是表示本发明的示例性的一个方案的建立对应处理的一个例子的流程图。
具体实施方式
以下，参照附图，对本发明的示例性的一个方案进行说明。图1是表示本发明的示例性的一个方案的判定装置10的构成的框图。判定装置10是判定涂装于物体的涂料的种类的判定装置。作为判定装置10的具体例，可列举出服务器、PC(Personal Computer：个人计算机)等信息处理装置等，但不限定于此。
判定对象的物体例如包括汽车等车辆。涂料的种类包括混合有反光材料的涂料(以下，设为“混合涂料”。)和未混合有反光材料的涂料(以下，设为“非混合涂料”。)。反光材料包括光泽性比混合该反光材料的涂料高的其他物质，例如铝等具有光泽性的金属、云母等具有光泽性的矿物等。混合涂料例如是珍珠色的涂料、金属色的涂料。非混合涂料例如是纯色的涂料。
判定装置10从拍摄装置获取涂装后的物体的多个拍摄图像。拍摄装置在物体与拍摄装置的位置关系正在变化的状态下连续地拍摄涂装后的物体，由此生成该物体的时间上连续的多个拍摄图像。例如，在涂装后的物体通过带式输送机等输送装置进行移动的情况下，设置于特定的位置的拍摄装置能通过连续地拍摄该物体来生成拍摄图像。此外，也可以在涂装后的物体配置于特定的位置的状态下，一边改变拍摄装置的位置一边由拍摄装置连续地拍摄该物体，由此生成拍摄图像。而且，也可以在涂装后的物体正在移动的状态下，一边改变拍摄装置的位置一边由拍摄装置连续地拍摄该物体，由此生成拍摄图像。
判定装置10具备运算装置100、通信接口(I/F)110以及存储装置120。运算装置100是CPU(Central Processing Unit：中央处理器)、MPU(Micro Processing Unit：微处理器)等运算装置。运算装置相当于计算机。运算装置100执行保存于存储装置120的判定程序，由此执行判定涂装于物体的涂料的种类的判定方法。判定程序包括色调变更部101、划分部102、建立对应部103、亮度差计算部104以及判定部105。
色调变更部101是变更涂装后的物体的拍摄图像的色调的程序模块。具体而言，色调变更部101在拍摄图像的色调为彩色的情况下，将拍摄图像的色调从彩色变更为灰度。需要说明的是，在拍摄图像的色调为灰度的情况下，色调变更部101不变更该拍摄图像的色调。
划分部102是将涂装后的物体的拍摄图像划分为多个图像区域的程序模块。如图2所示，划分部102将拍摄图像划分为任意大小的图像区域。在图2所示的例子中，一个拍摄图像被划分为36个图像区域，但图像区域的数量不限定于此。
建立对应部103是执行用于将由划分部102划分出的多个图像区域在多个拍摄图像之间建立对应的建立对应处理的程序模块。具体而言，建立对应部103将时间上连续的两个拍摄图像的图像区域进行对照，基于匹配的图像区域的位置，将这些拍摄图像的各图像区域建立对应。关于建立对应处理的详情，参照图6在后文进行叙述。
亮度差计算部104是计算由建立对应部103建立了对应的各图像区域中的最大亮度值与最小亮度值的亮度差的程序模块。亮度差计算部104对建立了对应的各图像区域的亮度值进行解析，确定各图像区域的最大亮度值和最小亮度值。接着，亮度差计算部104能通过从最大亮度值减去最小亮度值来计算各图像区域的亮度差。
在图3所示的例子中，在时间“t0”～“t4”被识别的拍摄图像的图像区域30～34建立了对应。在该例子中，在时间“t0”、“t2”以及“t4”被识别的拍摄图像的图像区域30、32、34的最大的亮度值LV和最小的亮度值LV分别为“255”和“120”。在该情况下，图像区域30、32、34的亮度差LD就成为“135”。另一方面，在时间“t1”和“t3”被识别的拍摄图像的图像区域31、33的最大的亮度值LV和最小的亮度值LV均为“120”。在该情况下，图像区域31、33的亮度差LD成为“0”。图像区域30～34的亮度差LD的变化可以像图3所示的折线图(graph)那样来表示。需要说明的是，亮度差LD并不限定于“0”和“135”这两个值，通过缩短拍摄装置的拍摄间隔，亮度差LD可以成为“0”和“135”之间的值。
判定部105是基于在时间上连续的多个拍摄图像之间建立了对应的多个图像区域中的亮度差的变化来判定涂装于物体的涂料的种类的程序模块。在本实施方式中，判定部105可以实现为已学习模型。已学习模型能将表示在时间上连续的多个拍摄图像之间建立了对应的各图像区域的亮度差的信息和表示涂装于在该图像区域显示的物体的涂料的种类的信息用作训练数据来进行学习。
图4是表示涂装有混合涂料的物体的拍摄图像40、涂装有非混合涂料的物体的拍摄图像50以及这些拍摄图像的图像区域的亮度差LD的变化的图。如图4所示，拍摄图像40的图像区域41、42的亮度差LD的变化的程度大于拍摄图像50的图像区域51、52的亮度差LD的变化的程度。即，混合涂料的亮度差LD的变化的程度大于非混合涂料的亮度差LD的变化的程度。如此，涂装后的物体的拍摄图像的各图像区域的亮度差与涂装于该物体的涂料的种类相关。
当输入表示在时间上连续的多个拍摄图像之间建立了对应的多个图像区域的亮度差的信息时，已学习模型输出表示涂装于物体的涂料的种类的信息。具体而言，当输入表示在涂装有混合涂料的物体的多个拍摄图像之间建立了对应的多个图像区域的亮度差的信息时，已学习模型输出表示混合涂料的信息。此外，当输入表示在涂装有非混合涂料的物体的多个拍摄图像之间建立了对应的多个图像区域的亮度差的信息时，已学习模型输出表示非混合涂料的信息。
通信I/F110是在判定装置10与外部装置之间进行数据通信的装置。当从外部装置接收到判定对象的物体的拍摄图像时，通信I/F110将该拍摄图像保存于存储装置120。存储装置120是供本发明的示例性的一个方案的判定程序、涂装后的物体的多个拍摄图像等各种数据保存的存储装置。
图5是表示判定装置10所执行的处理的一个例子的流程图。在步骤S101中，判定装置10的色调变更部101从存储装置120获取涂装后的物体的多个拍摄图像，将这些拍摄图像的色调从彩色变更为灰度。需要说明的是，在保存于存储装置120的拍摄图像的色调为灰度的情况下，可以省略变更色调的处理。
在步骤S102中，划分部102将色调为灰度的各拍摄图像划分为多个图像区域。在步骤S103中，建立对应部103使用多个拍摄图像来执行建立对应处理。在步骤S104中，亮度差计算部104计算建立了对应的各图像区域的最大亮度值与最小亮度值的亮度差。在步骤S105中，判定部105基于建立了对应的多个图像区域中的亮度差的变化来判定涂装于物体的涂料的种类，然后图5的处理结束。
图6是表示建立对应部103所执行的建立对应处理的一个例子的图。在步骤S201中，建立对应部103从多个拍摄图像中选择时间上连续的一对拍摄图像。例如，建立对应部103如图2所示地选择在“t0”被识别的拍摄图像和在“t1”被识别的拍摄图像。需要说明的是，在其他实施方式中，也可以选择时间上连续的三个以上的拍摄图像。
在步骤S202中，建立对应部103从一方的拍摄图像中选择一个图像区域。例如，建立对应部103如图2所示地从在“t0”被识别的拍摄图像中选择图像区域20。在本实施方式中，建立对应部103选择拍摄有涂装后的物体的图像区域。
在步骤S203中，建立对应部103使用图案匹配等图像对照方法来判断与所选择出的一个图像区域匹配的图像区域是否存在于另一方的拍摄图像内。在不存在与所选择出的一个图像区域匹配的图像区域的情况下(否)，处理返回至步骤S201。另一方面，在存在与所选择出的一个图像区域匹配的图像区域的情况下(是)，处理分支至步骤S204。
在步骤S204中，建立对应部103判断与所选择出的一个图像区域匹配的图像区域在另一方的拍摄图像内是否仅存在一个。在匹配的图像区域在另一方的拍摄图像内存在多个的情况下(否)，处理返回至步骤S201。另一方面，在匹配的图像区域在另一方的拍摄图像内仅存在一个的情况下(是)，处理分支至步骤S205。
在步骤S205中，建立对应部103基于所选择出的一个图像区域和与该图像区域匹配的图像区域的位置，对双方的拍摄图像的各图像区域分配各图像区域的识别信息，然后图6的处理结束。例如，在图2所示的例子中，建立对应部103基于所选择出的一个图像区域20和与该图像区域匹配的图像区域21的位置，对在时间“t0”被识别的拍摄图像的各图像区域和在时间“t1”被识别的拍摄图像的各图像区域分配识别信息“1”～“16”。由此，拍摄有判定对象的物体的各图像区域建立对应。建立对应部103针对多个拍摄图像所包括的时间上连续的一对拍摄图像的全部执行图6的处理。
在上述的实施方式中，判定装置10经由通信I/F110来获取在判定对象的物体与拍摄装置的位置关系正在变化的状态下由拍摄装置连续地拍摄到的判定对象的物体的多个拍摄图像。接着，划分部102将时间上连续的多个拍摄图像的每一个划分为多个图像区域，建立对应部103将划分出的多个图像区域在时间上连续的多个拍摄图像之间建立对应。然后，亮度差计算部104计算建立了对应的各图像区域中的最大亮度值与最小亮度值的亮度差，判定部105基于建立了对应的多个图像区域中的亮度差的变化来判定涂装于判定对象的物体的涂料的种类。
如此，判定装置10使用在判定对象的物体与拍摄装置的位置关系正在变化的状态下拍摄到的物体的多个拍摄图像来判定涂装于物体的涂料的种类，因此能判定在判定对象的物体的大范围涂装的涂料的种类。
此外，就具有光泽性的混合涂料而言，与非混合涂料相比，建立了对应的多个图像区域中的亮度差的变化更大。因此，通过在判定对象的物体与拍摄装置的位置关系正在变化的状态下拍摄该物体，能捕捉该亮度差的变化来作为特征量。判定装置10使用这样的拍摄图像来判定涂装于判定对象的物体的涂料的种类，因此能判定涂装于该物体的涂料的种类是混合涂料和非混合涂料中的哪一种。
在其他实施方式中，可以是，在判定装置10的判定部105判定涂装于物体的涂料的种类的情况下，在亮度差的变化为既定的阈值以上时，判定为涂装于物体的涂料是混合涂料，在亮度差的变化小于既定的阈值时，判定为涂装于物体的涂料是非混合涂料。既定的阈值可以设为涂装于物体的状态下的混合涂料的亮度差的变化的代表值与涂装于物体的状态下的非混合涂料的亮度差的变化的代表值之间的值。
此外，在其他实施方式中，可以是，判定装置10不变更彩色的拍摄图像的色调，而是使用彩色的拍摄图像来判定涂装于判定对象的物体的涂料的种类和涂料的颜色。在该情况下，已学习模型能将表示在时间上连续的多个彩色的拍摄图像之间建立了对应的各图像区域的亮度差的信息、表示涂装于在该图像区域显示的物体的涂料的种类的信息、以及表示涂料的颜色的信息用作训练数据来进行学习。
在本实施方式中，当输入表示在涂装有混合涂料的物体的多个彩色的拍摄图像之间建立了对应的多个图像区域的亮度差的信息时，已学习模型能输出表示混合涂料的信息和表示涂料的颜色的信息。例如，在输入了表示在涂装有红色的混合涂料的物体的多个彩色的拍摄图像之间建立了对应的多个图像区域的亮度差的信息的情况下，已学习模型输出表示混合涂料的信息和涂料是红色的意思的信息。在输入了表示在涂装有蓝色的混合涂料的物体的多个彩色的拍摄图像之间建立了对应的多个图像区域的亮度差的信息的情况下，已学习模型输出表示混合涂料的信息和涂料是蓝色的意思的信息。
此外，当输入表示在涂装有非混合涂料的物体的多个彩色的拍摄图像之间建立了对应的多个图像区域的亮度差的信息时，已学习模型能输出表示非混合涂料的信息。例如，在输入了表示在涂装有白色的非混合涂料的物体的多个彩色的拍摄图像之间建立了对应的多个图像区域的亮度差的信息的情况下，已学习模型输出表示非混合涂料的信息和涂料是白色的意思的信息。在输入了表示在涂装有黄色的非混合涂料的物体的多个彩色的拍摄图像之间建立了对应的多个图像区域的亮度差的信息的情况下，已学习模型输出表示非混合涂料的信息和涂料是黄色的意思的信息。
而且，在上述的实施方式中，由一个装置执行色调变更部101、划分部102、建立对应部103、亮度差计算部104以及判定部105，但在其他实施方式中，也可以是由多个装置执行这些程序模块。例如，可以是由一个装置执行色调变更部101、划分部102、建立对应部103以及亮度差计算部104，由另一装置执行判定部105。
而且，在上述的实施方式中，由运算装置100执行判定程序，但在其他实施方式中，也可以是由FPGA(Field-Programmable Gate Array：现场可编程门阵列)、ASIC(Application Specific Integrated Circuit：专用集成电路)等集成电路执行判定程序。这些集成电路相当于计算机。
在上述的例子中，程序可以使用各种类型的非暂时性计算机可读介质(non-transitory computer readable medium)来储存并提供给计算机。非暂时性计算机可读介质包括各种类型的有形记录介质(tangible storage medium)。非暂时性计算机可读介质的例子包括磁记录介质(例如软盘、磁带、硬盘驱动器)、光磁记录介质(例如光磁盘)、CD－ROM(Read Only Memory：只读存储器)、CD－R(Compact Disk-Recordable：可刻录光盘)、CD－R/W(Compact Disc-ReWritable：可重写光盘)、半导体存储器(例如，掩模ROM、PROM(Programmable ROM：可编程ROM)、EPROM(Erasable PROM：可擦除PROM)、闪存ROM、RAM(random access memory：随机存取存储器))。此外，程序也可以通过各种类型的暂时性计算机可读介质(transitory computer readable medium)来提供给计算机。暂时性计算机可读介质的例子包括电信号、光信号以及电磁波。暂时性计算机可读介质可以经由电线和光纤等有线通信线路或无线通信线路将程序提供给计算机。
根据如上所述的本公开，显而易见的是，本公开的实施方式可以以多种方式变化。这样的变化不应被视为脱离本公开的构思和范围，并且对于本领域技术人员而言显而易见的是，所有这样的修改都旨在包括在权利要求书的范围内。

Claims (10)

1.一种判定方法，判定涂装于物体的涂料的种类，其中，
获取在所述物体与拍摄装置的位置关系正在变化的状态下由所述拍摄装置连续地拍摄到的所述物体的多个拍摄图像，
将时间上连续的所述多个拍摄图像的每一个划分为多个图像区域，
将划分出的所述多个图像区域在所述时间上连续的多个拍摄图像之间建立对应，
计算建立了对应的各图像区域中的最大亮度值与最小亮度值的亮度差，
基于在所述时间上连续的多个拍摄图像之间建立了对应的多个图像区域中的所述亮度差的变化来判定涂装于所述物体的涂料的种类。
2.根据权利要求1所述的判定方法，其中，
所述涂料的种类包括混合有反光材料的涂料和未混合有反光材料的涂料，
在所述涂料的种类的判定中，判定涂装于所述物体的涂料是所述混合有反光材料的涂料和所述未混合有反光材料的涂料中的哪一种。
3.根据权利要求1或2所述的判定方法，其中，
所述涂料的种类的判定是使用已学习模型进行的，
所述已学习模型是将表示在所述时间上连续的多个拍摄图像之间建立了对应的各图像区域的所述亮度差的信息和表示涂装于在所述图像区域显示的物体的涂料的种类的信息用作训练数据来进行学习而成的，
所述已学习模型使用表示所述建立了对应的多个图像区域的所述亮度差的信息来判定涂装于所述物体的涂料的种类。
4.根据权利要求2所述的判定方法，其中，
在所述涂料的种类的判定中，
在所述亮度差的变化为既定的阈值以上的情况下，判定为涂装于所述物体的涂料是所述混合有反光材料的涂料，
在所述亮度差的变化小于所述既定的阈值的情况下，判定为涂装于所述物体的涂料是所述未混合有反光材料的涂料。
5.一种判定装置，判定涂装于物体的涂料的种类，所述判定装置具备：
划分部，将在所述物体与拍摄装置的位置关系正在变化的状态下由所述拍摄装置连续地拍摄到的所述物体的多个拍摄图像的每一个划分为多个图像区域；
建立对应部，将划分出的所述多个图像区域在时间上连续的多个拍摄图像之间建立对应；
亮度差计算部，计算建立了对应的各图像区域中的最大亮度值与最小亮度值的亮度差；以及
判定部，基于在所述时间上连续的多个拍摄图像之间建立了对应的多个图像区域中的所述亮度差的变化来判定涂装于所述物体的涂料的种类。
6.根据权利要求5所述的判定装置，其中，
所述涂料的种类包括混合有反光材料的涂料和未混合有反光材料的涂料，
所述判定部判定涂装于所述物体的涂料是所述混合有反光材料的涂料和所述未混合有反光材料的涂料中的哪一种。
7.根据权利要求5或6所述的判定装置，其中，
所述判定部是已学习模型，该已学习模型是将表示在所述时间上连续的多个拍摄图像之间建立了对应的各图像区域的所述亮度差的信息和表示涂装于在所述图像区域显示的物体的涂料的种类的信息用作训练数据来进行学习而成的，
所述已学习模型使用表示所述建立了对应的多个图像区域的所述亮度差的信息来判定涂装于所述物体的涂料的种类。
8.根据权利要求6所述的判定装置，其中，
在所述亮度差的变化为既定的阈值以上的情况下，所述判定部判定为涂装于所述物体的涂料是所述混合有反光材料的涂料，
在所述亮度差的变化小于所述既定的阈值的情况下，所述判定部判定为涂装于所述物体的涂料是所述未混合有反光材料的涂料。
9.一种记录介质，是储存有用于判定涂装于物体的涂料的种类的判定程序的计算机可读的记录介质，所述判定程序使计算机执行：
获取在所述物体与拍摄装置的位置关系正在变化的状态下由所述拍摄装置连续地拍摄到的所述物体的多个拍摄图像的步骤；
将时间上连续的所述多个拍摄图像的每一个划分为多个图像区域的步骤；
将划分出的所述多个图像区域在所述时间上连续的多个拍摄图像之间建立对应的步骤；
计算建立了对应的各图像区域中的最大亮度值与最小亮度值的亮度差的步骤；以及
基于在所述时间上连续的多个拍摄图像之间建立了对应的多个图像区域中的所述亮度差的变化来判定涂装于所述物体的涂料的种类的步骤。
10.根据权利要求9所述的记录介质，其中，
所述涂料的种类包括混合有反光材料的涂料和未混合有反光材料的涂料，
所述判定涂料的种类的步骤包括判定涂装于所述物体的涂料是所述混合有反光材料的涂料和所述未混合有反光材料的涂料中的哪一种的步骤。
CN202110162892.5A 2020-02-07 2021-02-05 判定方法、判定装置以及记录介质 Active CN113259541B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020019885A JP7272296B2 (ja) 2020-02-07 2020-02-07 判定方法、判定装置及び判定プログラム
JP2020-019885 2020-02-07

Publications (2)

Publication Number Publication Date
CN113259541A true CN113259541A (zh) 2021-08-13
CN113259541B CN113259541B (zh) 2023-07-04

Family

ID=77178380

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110162892.5A Active CN113259541B (zh) 2020-02-07 2021-02-05 判定方法、判定装置以及记录介质

Country Status (3)

Country Link
US (1) US11521364B2 (zh)
JP (1) JP7272296B2 (zh)
CN (1) CN113259541B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000352557A (ja) * 1999-06-10 2000-12-19 Nissan Motor Co Ltd 塗装むら検査装置
CN1797426A (zh) * 2004-12-27 2006-07-05 欧姆龙株式会社 图像处理方法、基板检查方法和装置及检查数据制作方法
CN1834630A (zh) * 2005-03-17 2006-09-20 欧姆龙株式会社 基板检查装置及其检查逻辑设定方法和检查逻辑设定装置
CN104364824A (zh) * 2012-06-13 2015-02-18 松下知识产权经营株式会社 物体检测装置
CN104714451A (zh) * 2015-03-10 2015-06-17 无锡市崇安区科技创业服务中心 一种汽车油漆自动配色系统
US20180314907A1 (en) * 2017-04-28 2018-11-01 Denso Ten Limited Extraneous-matter detecting apparatus and extraneous-matter detecting method
WO2019113606A2 (en) * 2017-12-06 2019-06-13 Axalta Coating Systems Ip Co., Llc Color matching sample databases and systems and methods for the same

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005106764A (ja) 2003-10-02 2005-04-21 Nissan Motor Co Ltd 塗装ムラ検査装置および塗装ムラ検査方法
US8290275B2 (en) 2006-01-20 2012-10-16 Kansai Paint Co., Ltd. Effective pigment identification method, identification system, identification program, and recording medium therefor
JP2007205832A (ja) 2006-02-01 2007-08-16 Seiko Epson Corp 測色用画像データ管理方法、測色用画像データ管理システム及び測色用画像データ管理プログラム
JP5760563B2 (ja) 2011-03-22 2015-08-12 セイコーエプソン株式会社 読取装置および読取方法
JP2016194449A (ja) 2015-03-31 2016-11-17 有限会社パパラボ 着色検査装置および着色検査方法
JP6528723B2 (ja) * 2016-05-25 2019-06-12 トヨタ自動車株式会社 物体認識装置、物体認識方法及びプログラム
JP6328838B1 (ja) 2017-10-24 2018-05-23 株式会社小滝電機製作所 塗装色評価装置および塗装色評価方法
CN112304292B (zh) * 2019-07-25 2023-07-28 富泰华工业（深圳）有限公司 基于单色光的物体检测方法及检测系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000352557A (ja) * 1999-06-10 2000-12-19 Nissan Motor Co Ltd 塗装むら検査装置
CN1797426A (zh) * 2004-12-27 2006-07-05 欧姆龙株式会社 图像处理方法、基板检查方法和装置及检查数据制作方法
CN1834630A (zh) * 2005-03-17 2006-09-20 欧姆龙株式会社 基板检查装置及其检查逻辑设定方法和检查逻辑设定装置
CN104364824A (zh) * 2012-06-13 2015-02-18 松下知识产权经营株式会社 物体检测装置
CN104714451A (zh) * 2015-03-10 2015-06-17 无锡市崇安区科技创业服务中心 一种汽车油漆自动配色系统
US20180314907A1 (en) * 2017-04-28 2018-11-01 Denso Ten Limited Extraneous-matter detecting apparatus and extraneous-matter detecting method
WO2019113606A2 (en) * 2017-12-06 2019-06-13 Axalta Coating Systems Ip Co., Llc Color matching sample databases and systems and methods for the same
CN110046635A (zh) * 2017-12-06 2019-07-23 涂层国外知识产权有限公司 用于匹配目标涂层的颜色和外观的系统和方法
CN111989553A (zh) * 2017-12-06 2020-11-24 艾仕得涂料系统知识产权有限责任公司 颜色匹配样本数据库以及用于颜色匹配样本数据库的系统和方法

Also Published As

Publication number Publication date
US11521364B2 (en) 2022-12-06
CN113259541B (zh) 2023-07-04
JP2021124463A (ja) 2021-08-30
JP7272296B2 (ja) 2023-05-12
US20210248405A1 (en) 2021-08-12

Similar Documents

Publication Publication Date Title
EP2959454B1 (en) Method, system and software module for foreground extraction
US10043090B2 (en) Information processing device, information processing method, computer-readable recording medium, and inspection system
CN107437060B (zh) 对象识别设备、对象识别方法和程序
US7428331B2 (en) Page background estimation using color, texture and edge features
US10922801B2 (en) Channel-based binarization of color
EP1400924B1 (en) Pseudo three dimensional image generating apparatus
CN109948637B (zh) 对象检测装置、对象检测方法及计算机可读介质
CN105138987B (zh) 一种基于聚合通道特征和运动估计的车辆检测方法
CN109495731B (zh) 由图像信号处理器执行的用于自动白平衡方法
JP2009508239A (ja) 色グラジェントのベクトル化
Barodi et al. Applying real-time object shapes detection to automotive traffic roads signs
Lionnie et al. A comparison of human skin color detection for biometrie identification
JP2006309650A (ja) ナンバー認識装置及方法
CN113259541B (zh) 判定方法、判定装置以及记录介质
JP2004030188A (ja) 画像の領域分割方法、画像の領域分割装置、画像の領域分割プログラム
CN111311500A (zh) 一种对图像进行颜色还原的方法和装置
CN111260603B (zh) 识别风力发电机组叶片尖端的方法及装置
EP3871147B1 (en) Systems and methods for image fusion
CN106530286A (zh) 确定清晰度级别的方法及装置
CN110310341A (zh) 颜色算法中默认参数的生成方法、装置、设备和存储介质
JP2000113215A (ja) 画像処理装置およびその処理を実行するためのプログラムを記録した記録媒体
CN110796050A (zh) 一种无人机巡检过程中目标物体的识别方法及相关装置
CN111160366A (zh) 一种彩色图像识别方法
CN111311696A (zh) 一种基于高光谱解混技术的车牌真伪检测方法
JP2006287689A (ja) 画像処理方法、画像処理装置、画像処理プログラム、およびその画像処理装置を含む集積回路

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