CN113792681A - 基于点云匹配的信息采集方法、装置、电子设备及介质 - Google Patents
基于点云匹配的信息采集方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN113792681A CN113792681A CN202111093402.7A CN202111093402A CN113792681A CN 113792681 A CN113792681 A CN 113792681A CN 202111093402 A CN202111093402 A CN 202111093402A CN 113792681 A CN113792681 A CN 113792681A
- Authority
- CN
- China
- Prior art keywords
- bill
- template
- target
- point
- graph
- 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 55
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims abstract description 48
- 239000011159 matrix material Substances 0.000 claims abstract description 48
- 230000009466 transformation Effects 0.000 claims abstract description 48
- 238000013507 mapping Methods 0.000 claims abstract description 20
- 238000010586 diagram Methods 0.000 claims description 47
- 238000004422 calculation algorithm Methods 0.000 claims description 46
- 238000001514 detection method Methods 0.000 claims description 31
- 230000003068 static effect Effects 0.000 claims description 30
- 238000012163 sequencing technique Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 10
- 238000013473 artificial intelligence Methods 0.000 abstract description 6
- 230000008569 process Effects 0.000 description 16
- 230000006870 function Effects 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/02—Affine transformations
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及人工智能技术领域,提供一种基于点云匹配的信息采集方法、装置、电子设备及介质,所述方法包括:当目标票据图对应的模板票据图不为已定义模板时,对模板票据图进行识别,得到多个第一中心点坐标,及对目标票据图进行识别,得到多个第二中心点坐标;基于多个第一中心点坐标构建第一点集,及基于多个第二中心点坐标构建第二点集;对第一点集及第二点集进行点云匹配,获得仿射变换矩阵;通过仿射变换矩阵将第二点集映射到模板票据图中进行信息采集,得到目标结果。本发明通过采集模板票据图和目标票据图中的第一点集和第二点集,并进行匹配计算,确保了仿射变换矩阵的完整性及稳健性,进而提高了采集信息的效率和准确率。
Description
技术领域
本发明涉及人工智能技术领域,具体涉及一种基于点云匹配的信息采集方法、装置、电子设备及介质。
背景技术
医疗收费票据是由财政部门监制,医院在患者缴费后所开具的收款凭证,患者可凭医疗收费票据进行报销。为了便于医疗收费票据中的信息的采集和管理,现有技术通常对图片形式的医疗收费票据进行结构化处理后,进行票据信息的采集和管理。
然而,全国的票据样式及印刷方法存在较大的差异,若针对每张医疗收费票据进行结构化处理的,导致信息采集缓慢,同时,现有技术在进行信息采集时采用的是同一个医疗收费票据,采集信息时无参照,无法确保采集的票据信息的准确率。
发明内容
鉴于以上内容,有必要提出一种基于点云匹配的信息采集方法、装置、电子设备及介质,通过采集模板票据图和目标票据图中的第一点集和第二点集,并进行匹配计算,确保了仿射变换矩阵的完整性及稳健性,进而提高了采集信息的效率和准确率。
本发明的第一方面提供一种基于点云匹配的信息采集方法,所述方法包括:
解析接收的信息采集请求,获取目标票据图及所述目标票据图对应的模板票据图;
判断所述目标票据图对应的模板票据图是否为已定义模板;
当所述目标票据图对应的模板票据图不为已定义模板时,对所述模板票据图进行识别,得到多个第一中心点坐标,及对所述目标票据图进行识别,得到多个第二中心点坐标;
基于所述多个第一中心点坐标构建第一点集,及基于所述多个第二中心点坐标构建第二点集;
对所述第一点集及所述第二点集进行点云匹配,获得仿射变换矩阵;
通过所述仿射变换矩阵将所述第二点集对应的票据信息映射到所述模板票据图中,并对所述模板票据图中映射的票据信息进行采集,得到目标结果。
可选地,所述判断所述目标票据图对应的模板票据图是否为已定义模板包括:
获取所述目标票据对应的模板票据图的目标标识码;
识别预设的已定义模板数据库中是否存在与所述目标标识码匹配的标识码;
当所述预设的已定义模板数据库中存在与所述目标标识码匹配的标识码时;确定所述目标票据图对应的模板票据图为已定义模板;或者
当所述预设的已定义模板数据库中不存在与所述目标标识码匹配的标识码时,确定所述目标票据图对应的模板票据图不为已定义模板。
可选地,所述对所述模板票据图进行识别,得到多个第一中心点坐标,及对所述目标票据图进行识别,得到多个第二中心点坐标包括:
采用预设的文本检测算法检测所述模板票据图中的多个第一文本的第一位置坐标,并根据所述多个文本的第一位置坐标生成多个第一文本框;检测每个所述第一文本框的中心点坐标,得到每个所述第一文本框的第一中心点坐标;
采用预设的文本检测算法检测所述目标票据图中的多个第二文本的第二位置坐标,并根据所述多个文本的第二位置坐标生成多个第二文本框;检测每个所述第二文本框的中心点坐标,得到每个所述第二文本框的第二中心点坐标。
可选地,在所述判断所述目标票据图对应的模板票据图是否为已定义模板之后,所述方法还包括:
当所述目标票据图对应的模板票据图为已定义模板时,从预设的数据库中获取对应模板票据图的多个第一中心点坐标。
可选地,所述基于所述多个第一中心点坐标构建第一点集,及基于所述多个第二中心点坐标构建第二点集包括:
按照所述模板票据图的布局对所述多个第一中心点坐标进行排序,得到第一点集,其中,所述第一点集中包含有所述模板票据图中的以下一种或者多种文本方式组合:静态文本的点集、动态文本的点集及噪声文本的点集;
按照所述目标票据图的布局对所述多个第二中心点坐标进行排序,得到第二点集,其中,所述第二点集中包含有所述目标票据图中的以下一种或者多种文本方式组合:静态文本的点集、动态文本的点集及噪声文本的点集。
可选地,所述对所述第一点集及所述第二点集进行点云匹配,获得仿射变换矩阵包括:
采用预设的算法对所述第一点集及所述第二点集进行点云匹配,计算所述第一点集中每个点对应的文本与所述第二点集中每个点对应的文本之间的相似度;
根据计算得到的相似度确定所述第一点集与所述第二点集之间的匹配关系;
根据所述第一点集与所述第二点集之间的匹配关系,计算得到所述第一点集与所述第二点集之间的仿射变换矩阵。
可选地,所述通过所述仿射变换矩阵将所述第二点集对应的票据信息映射到所述模板票据图中,并对所述模板票据图中映射的票据信息进行采集,得到目标结果包括:
通过所述仿射变换矩阵将所述第二点集对应的票据信息映射到所述模板票据图中,得到目标模板票据图;
根据所述信息采集请求中对应的模板票据图中的每个文本框的位置坐标,对所述目标模板票据图对应位置坐标处的映射信息进行采集,得到目标结果。
本发明的第二方面提供一种基于点云匹配的信息采集装置,所述装置包括:
解析模块,用于解析接收的信息采集请求,获取目标票据图及所述目标票据图对应的模板票据图;
判断模块,用于判断所述目标票据图对应的模板票据图是否为已定义模板;
识别模块,用于当所述目标票据图对应的模板票据图不为已定义模板时,对所述模板票据图进行识别,得到多个第一中心点坐标,及对所述目标票据图进行识别,得到多个第二中心点坐标;
构建模块,用于基于所述多个第一中心点坐标构建第一点集,及基于所述多个第二中心点坐标构建第二点集;
点云匹配模块,用于对所述第一点集及所述第二点集进行点云匹配,获得仿射变换矩阵;
采集模块,用于通过所述仿射变换矩阵将所述第二点集对应的票据信息映射到所述模板票据图中,并对所述模板票据图中映射的票据信息进行采集,得到目标结果。
本发明的第三方面提供一种电子设备,所述电子设备包括处理器和存储器,所述处理器用于执行所述存储器中存储的计算机程序时实现所述的基于点云匹配的信息采集方法。
本发明的第四方面提供一种计算机可读存储介质,所述计算机可读存储介质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所述的基于点云匹配的信息采集方法。
综上所述,本发明所述的基于点云匹配的信息采集方法、装置、电子设备及介质,一方面,通过判断所述目标票据图对应的模板票据图是否为已定义模板,可以避免出现同一个模板票据图中的信息被重复采集而浪费资源的问题,提高了信息采集效率及准确率;另一方面,通过分别采集模板票据图和目标票据图中的第一点集和第二点集,并将所述第一点集与所述第二点集进行匹配计算,确保得到的仿射变换矩阵的完整性及稳健性,进而提高了后续采集目标票据图中的信息的效率和准确率;最后,采用仿射变换矩阵将所述第二点集映射到所述模板票据图中进行信息采集,在信息采集过程中,由于模板票据图中的文本框的位置坐标是已知的,通过将目标票据图中的信息映射到模板票据图中,根据已知的文本框的位置坐标进行信息采集,确保采集信息的准确率和效率。
附图说明
图1是本发明实施例一提供的基于点云匹配的信息采集方法的流程图。
图2是本发明实施例一提供的采用预设的文本检测算法检测的票据图的第一示意图。
图3是本发明实施例一提供的采用预设的文本检测算法检测的票据图的第二示意图。
图4是本发明实施例二提供的基于点云匹配的信息采集装置的结构图。
图5是本发明实施例三提供的电子设备的结构示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施例对本发明进行详细描述。需要说明的是,在不冲突的情况下,本发明的实施例及实施例中的特征可以相互组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。
实施例一
图1是本发明实施例一提供的基于点云匹配的信息采集方法的流程图。
在本实施例中,所述基于点云匹配的信息采集方法可以应用于电子设备中,对于需要进行基于点云匹配的信息采集的电子设备,可以直接在电子设备上集成本发明的方法所提供的基于点云匹配的信息采集的功能,或者以软件开发工具包(SoftwareDevelopment Kit,SDK)的形式运行在电子设备中。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习、深度学习等几大方向。
如图1所示,所述基于点云匹配的信息采集方法具体包括以下步骤,根据不同的需求,该流程图中步骤的顺序可以改变,某些可以省略。
S11,解析接收的信息采集请求,获取目标票据图及所述目标票据图对应的模板票据图。
本实施例中,用户在进行票据信息采集时,通过客户端发起信息采集请求至服务端,具体地,所述客户端可以是智能手机、IPAD或者其他现有智能设备,所述服务端可以为信息采集子系统,在信息采集过程中,如所述客户端可以向信息采集子系统发送信息采集请求,所述信息采集子系统用于接收所述客户端发送的信息采集请求,并解析所述信息采集请求,获取票据图,具体地,所述票据图包含有目标票据图及所述目标票据图对应的模板票据图。
本实施例中,所述目标票据图用以表征待采集信息的票据图,所述模板票据图用以表征所述目标票据图对应的模板图,具体地,所述模板票据图作为参考图,可以辅助用户填写目标票据图。
本实施例中,所述信息采集请求中还包含有所述目标票据图对应的模板票据图中的票据信息,具体地,所述票据信息包括所述模板票据图中的文本框的位置坐标及对应的文本内容。
S12,判断所述目标票据图对应的模板票据图是否为已定义模板。
本实施例中,可以预先设置已定义模板数据库,在信息采集子系统在进行信息采集时,会实时将已采集过信息的模板票据图存储在预设的已定义模板数据库中,并将已采集过信息的模板票据图确定为已定义模板,同时为每个所述已定义模板设置一个标识码,用以唯一识别对应的模板票据图。
在一个可选的实施例中,所述判断所述目标票据图对应的模板票据图是否为已定义模板包括:
获取所述目标票据对应的模板票据图的目标标识码;
识别预设的已定义模板数据库中是否存在与所述目标标识码匹配的标识码;
当所述预设的已定义模板数据库中存在与所述目标标识码匹配的标识码时;确定所述目标票据图对应的模板票据图为已定义模板;或者
当所述预设的已定义模板数据库中不存在与所述目标标识码匹配的标识码时,确定所述目标票据图对应的模板票据图不为已定义模板。
S13,当所述目标票据图对应的模板票据图不为已定义模板时,对所述模板票据图进行识别,得到多个第一中心点坐标,及对所述目标票据图进行识别,得到多个第二中心点坐标。
本实施例中,在确定目标票据图对应的模板票据图不为已定义模板时,确定所述目标票据图对应的模板票据图中的信息未被采集过,需要对所述模板票据图及目标票据图中的信息进行采集,得到中心点坐标,具体地,所述中心点坐标包括对所述模板票据图进行识别,得到多个第一中心点坐标,及对所述目标票据图进行识别,得到多个第二中心点坐标。
在一个可选的实施例中,所述对所述模板票据图进行识别,得到多个第一中心点坐标包括:
采用预设的文本检测算法检测所述模板票据图中的多个第一文本的第一位置坐标,并根据所述多个文本的第一位置坐标生成多个第一文本框;
检测每个所述第一文本框的中心点坐标,得到每个所述第一文本框的第一中心点坐标。
在一个可选的实施例中,所述对所述目标票据图进行识别,得到多个第二中心点坐标包括:
采用预设的文本检测算法检测所述目标票据图中的多个第二文本的第二位置坐标,并根据所述多个文本的第二位置坐标生成多个第二文本框;
检测每个所述第二文本框的中心点坐标,得到每个所述第二文本框的第二中心点坐标。
本实施例中,所述文本包括所述模板票据图中的多个第一文本和所述目标票据图中的多个第二文本,预设的文本检测算法可以为DB算法,具体地,所述DB算法可以检测模板票据图中的文本的位置坐标,根据文本的位置坐标定位文本区域,在所述文本区域进行切割,得到文本框。
本实施例中,采用预设的文本检测算法检测所述模板票据图中的多个文本,所述多个文本包括静态文本和动态文本,具体地,所述静态文本是固定的,所述动态文本是可变的,例如,常用的票据图中,橙色文本字一般为静态文本,黑色印刷字一般为动态文本。
本实施例中,在采用预设的文本检测算法识别文本并进行中心点坐标采集时,有时候会将票据图中的键和键值合并成一个文本框,现有的通过采集模板票据图中的键,得到多个第一中心点坐标,及采集目标票据图中的键和键值,得到第二中心点坐标,导致第一中心点坐标和第二中先点坐标存在点位置偏差的问题。
参阅图2所示,采用预设的文本检测算法检测票据图时,存在两种文本:静态文本和动态文本,其中,所述静态文本为:姓名、性别;动态文本为XX医院、张三、男。
参阅图3所示,采用预设的文本检测算法检测票据图时,存在三种文本:静态文本、动态文本和噪声文本,其中,所述静态文本为:性别;动态文本为:XX医院、男,噪声文本为:姓名张三。
由图3可知,票据信息中的第二行文本的姓名和张三被分割到一个文本框,得到一个中心坐标点坐标,但图2中的姓名和张三分别分割到两个文本框,得到了两个中心坐标点坐标,在采用预设的文本检测算法识别文本并进行中心点坐标采集时第一中心点坐标和第二中心点坐标存在点位置偏差。
本实施例通过采用预设的文本检测算法,检测并采集所述模板票据图中的键和键值,得到多个第一中心点坐标,同时采集所述目标票据图中键和键值,得到多个第二中心点坐标,确保了多个第一中心点和多个第二中心点采集内容的一致性,解决了现有的采集模板票据图中的键,及采集目标票据图中的键和键值,采用的采集内容不同出现的点坐标位置偏差的问题,进而提高了后续信息采集的准确率。
S14,基于所述多个第一中心点坐标构建第一点集,及基于所述多个第二中心点坐标构建第二点集。
本实施例中,所述第一点集指的是从模板票据图中采集的参考点的点集,所述第二点集指的是从目标票据图中采集的待匹配点的点集。
在一个可选的实施例中,所述基于所述多个第一中心点坐标构建第一点集包括:
按照所述模板票据图的布局对所述多个第一中心点坐标进行排序,得到第一点集,其中,所述第一点集中包含有所述模板票据图中的以下一种或者多种文本方式组合:静态文本的点集、动态文本的点集及噪声文本的点集。
在一个可选的实施例中,所述基于所述多个第二中心点坐标构建第二点集包括:
按照所述目标票据图的布局对所述多个第二中心点坐标进行排序,得到第二点集,其中,所述第二点集中包含有所述目标票据图中的以下一种或者多种文本方式组合:静态文本的点集、动态文本的点集及噪声文本的点集。
本实施例中,采用预设的文本检测算法检测票据图时,可以存在三种文本:静态文本、动态文本和噪声文本,具体地,静态文本指的是票据图中的固定文本,动态文本指的是除静态文本之外的所述票据图中的其余文本,本实施例可以将动态文本的文本框的文本的中心点坐标对应的点确定为异常点;所述噪声文本指的是在采用预设的文本检测算法检测识别结果过程中将键和键值合并成一个文本框的文本,所述噪声文本也可以表征采用预设的文本检测算法检测票据图时文本框的中心点的位置坐标出现偏差的文本。
本实施例中,所述模板票据图的布局用以表征模板中的文本和图案的位置关系,所述目标票据图的布局用以表征待采集信息票据图中的文本和图案的位置关系。
S15,对所述第一点集及所述第二点集进行点云匹配,获得仿射变换矩阵。
本实施例中,由于模板票据图的布局与所述目标票据图的布局一致,通过按照票据图的布局对中心点坐标进行排序,可以快速确定第一点集中每个点对应的第二点集中的点,避免后续进行点云匹配过程中出现点遗漏的现象,提高了点云匹配的效率及准确率。
在一个可选的实施例中,所述对所述第一点集及所述第二点集进行点云匹配,获得仿射变换矩阵包括:
采用预设的算法对所述第一点集及所述第二点集进行点云匹配,计算所述第一点集中每个点对应的文本与所述第二点集中每个点对应的文本之间的相似度,根据计算得到的相似度确定所述第一点集与所述第二点集之间的匹配关系;
根据所述第一点集与所述第二点集之间的匹配关系,计算得到所述第一点集与所述第二点集之间的仿射变换矩阵。
本实施例中,所述预设的算法可以为CPD算法,所述CPD(Coherent Point Drift,CPD)也称为点漂移算法,通过所述CPD算法将点集配准问题转换为概率密度估计问题,其将第一点集的分布表示成混合高斯模型,当第一点集M与第二点集S完成配准后,对应的似然函数达到最大,具体地,所述CPD算法为现有技术,本实施例在此不做详述。
S16,通过所述仿射变换矩阵将所述第二点集对应的票据信息映射到所述模板票据图中,并对所述模板票据图中映射的票据信息进行采集,得到目标结果。
本实施例中,所述目标结果用以表征所述目标票据图中的信息。
在一个可选的实施例中,所述通过所述仿射变换矩阵将所述第二点集对应的票据信息映射到所述模板票据图中,并对所述模板票据图中映射的票据信息进行采集,得到目标结果包括:
通过所述仿射变换矩阵将所述第二点集对应的票据信息映射到所述模板票据图中,得到目标模板票据图;
根据所述信息采集请求中对应的模板票据图中的每个文本框的位置坐标,对所述目标模板票据图对应位置坐标处的映射信息进行采集,得到目标结果。
S17,当所述目标票据图对应的模板票据图为已定义模板时,从预设的数据库中获取对应模板票据图的多个第一中心点坐标。
本实施例中,通过判断所述目标票据图对应的模板票据图是否为已定义模板,当为已定义模板时,确定所述目标票据图对应的模板票据图中的信息已被采集过,直接从预设的数据库中采集所述目标票据图对应的模板票据图中的多个第一中心点坐标,避免出现同一个模板票据图中的信息被重复采集而浪费资源的问题,提高了信息采集效率及准确率。
本实施例中,将所述第一点集与所述第二点集进行匹配计算,获取仿射变换矩阵,并根据仿射变换矩阵将所述第二点集映射到模板票据图中,根据信息采集请求中提供的模板票据图中的文本框的位置坐标进行信息采集,得到所述目标票据图中的信息,由于票据模板图和目标票据图中包含有静态文本和动态文本,故在进行点的选取过程中,点的数量和分布影响仿射变换矩阵,若用户选择的点较少,则得到的仿射变换矩阵稳健程度差,同时,点数不够引起无法处理票据图中旋转场景,导致后续目标票据图中信息的采集效率和准确率低下,而本案通过分别采集模板票据图和目标票据图中的第一点集和第二点集,并将所述第一点集与所述第二点集进行匹配计算,确保得到的仿射变换矩阵的完整性及稳健性,进而提高了后续采集目标票据图中的信息的效率和准确率;同时,在信息采集过程中,由于模板票据图中的文本框的位置坐标是已知的,通过将目标票据图中的信息映射到模板票据图中,根据已知的文本框的位置坐标进行信息采集,确保采集信息的准确率和效率。
综上所述,本实施例所述的基于点云匹配的信息采集方法,一方面,通过判断所述目标票据图对应的模板票据图是否为已定义模板,可以避免出现同一个模板票据图中的信息被重复采集而浪费资源的问题,提高了信息采集效率及准确率;另一方面,通过分别采集模板票据图和目标票据图中的第一点集和第二点集,并将所述第一点集与所述第二点集进行匹配计算,确保得到的仿射变换矩阵的完整性及稳健性,进而提高了后续采集目标票据图中的信息的效率和准确率;最后,采用仿射变换矩阵将所述第二点集映射到所述模板票据图中进行信息采集,在信息采集过程中,由于模板票据图中的文本框的位置坐标是已知的,通过将目标票据图中的信息映射到模板票据图中,根据已知的文本框的位置坐标进行信息采集,确保采集信息的准确率和效率。
实施例二
图4是本发明实施例二提供的基于点云匹配的信息采集装置的结构图。
在一些实施例中,所述基于点云匹配的信息采集装置20可以包括多个由程序代码段所组成的功能模块。所述基于点云匹配的信息采集装置20中的各个程序段的程序代码可以存储于电子设备的存储器中,并由所述至少一个处理器所执行,以执行(详见图1至图3描述)基于点云匹配的信息采集的功能。
本实施例中,所述基于点云匹配的信息采集装置20根据其所执行的功能,可以被划分为多个功能模块。所述功能模块可以包括:解析模块201、判断模块202、识别模块203、构建模块204、点云匹配模块205及采集模块206。本发明所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机可读指令段,其存储在存储器中。在本实施例中,关于各模块的功能将在后续的实施例中详述。
解析模块201,用于解析接收的信息采集请求,获取目标票据图及所述目标票据图对应的模板票据图。
本实施例中,用户在进行票据信息采集时,通过客户端发起信息采集请求至服务端,具体地,所述客户端可以是智能手机、IPAD或者其他现有智能设备,所述服务端可以为信息采集子系统,在信息采集过程中,如所述客户端可以向信息采集子系统发送信息采集请求,所述信息采集子系统用于接收所述客户端发送的信息采集请求,并解析所述信息采集请求,获取票据图,具体地,所述票据图包含有目标票据图及所述目标票据图对应的模板票据图。
本实施例中,所述目标票据图用以表征待采集信息的票据图,所述模板票据图用以表征所述目标票据图对应的模板图,具体地,所述模板票据图作为参考图,可以辅助用户填写目标票据图。
本实施例中,所述信息采集请求中还包含有所述目标票据图对应的模板票据图中的票据信息,具体地,所述票据信息包括所述模板票据图中的文本框的位置坐标及对应的文本内容。
判断模块202,用于判断所述目标票据图对应的模板票据图是否为已定义模板。
本实施例中,可以预先设置已定义模板数据库,在信息采集子系统在进行信息采集时,会实时将已采集过信息的模板票据图存储在预设的已定义模板数据库中,并将已采集过信息的模板票据图确定为已定义模板,同时为每个所述已定义模板设置一个标识码,用以唯一识别对应的模板票据图。
在一个可选的实施例中,所述判断模块202判断所述目标票据图对应的模板票据图是否为已定义模板包括:
获取所述目标票据对应的模板票据图的目标标识码;
识别预设的已定义模板数据库中是否存在与所述目标标识码匹配的标识码;
当所述预设的已定义模板数据库中存在与所述目标标识码匹配的标识码时;确定所述目标票据图对应的模板票据图为已定义模板;或者
当所述预设的已定义模板数据库中不存在与所述目标标识码匹配的标识码时,确定所述目标票据图对应的模板票据图不为已定义模板。
识别模块203,用于当所述目标票据图对应的模板票据图不为已定义模板时,对所述模板票据图进行识别,得到多个第一中心点坐标,及对所述目标票据图进行识别,得到多个第二中心点坐标。
本实施例中,在确定目标票据图对应的模板票据图不为已定义模板时,确定所述目标票据图对应的模板票据图中的信息未被采集过,需要对所述模板票据图及目标票据图中的信息进行采集,得到中心点坐标,具体地,所述中心点坐标包括对所述模板票据图进行识别,得到多个第一中心点坐标,及对所述目标票据图进行识别,得到多个第二中心点坐标。
在一个可选的实施例中,所述识别模块203对所述模板票据图进行识别,得到多个第一中心点坐标包括:
采用预设的文本检测算法检测所述模板票据图中的多个第一文本的第一位置坐标,并根据所述多个文本的第一位置坐标生成多个第一文本框;
检测每个所述第一文本框的中心点坐标,得到每个所述第一文本框的第一中心点坐标。
在一个可选的实施例中,所述识别模块203对所述目标票据图进行识别,得到多个第二中心点坐标包括:
采用预设的文本检测算法检测所述目标票据图中的多个第二文本的第二位置坐标,并根据所述多个文本的第二位置坐标生成多个第二文本框;
检测每个所述第二文本框的中心点坐标,得到每个所述第二文本框的第二中心点坐标。
本实施例中,所述文本包括所述模板票据图中的多个第一文本和所述目标票据图中的多个第二文本,预设的文本检测算法可以为DB算法,具体地,所述DB算法可以检测模板票据图中的文本的位置坐标,根据文本的位置坐标定位文本区域,在所述文本区域进行切割,得到文本框。
本实施例中,采用预设的文本检测算法检测所述模板票据图中的多个文本,所述多个文本包括静态文本和动态文本,具体地,所述静态文本是固定的,所述动态文本是可变的,例如,常用的票据图中,橙色文本字一般为静态文本,黑色印刷字一般为动态文本。
本实施例中,在采用预设的文本检测算法识别文本并进行中心点坐标采集时,有时候会将票据图中的键和键值合并成一个文本框,现有的通过采集模板票据图中的键得到多个第一中心点坐标,及采集目标票据图中的键和键值得到第二中心点坐标,导致第一中心点坐标和第二中先点坐标存在点位置偏差的问题。
参阅图2所示,采用预设的文本检测算法检测票据图时,存在两种文本:静态文本和动态文本,其中,所述静态文本为:姓名、性别;动态文本为XX医院、张三、男。
参阅图3所示,采用预设的文本检测算法检测票据图时,存在三种文本:静态文本、动态文本和噪声文本,其中,所述静态文本为:性别;动态文本为:XX医院、男,噪声文本为:姓名张三。
由图3可知,票据信息中的第二行文本的姓名和张三被分割到一个文本框,得到一个中心坐标点坐标,但图2中的姓名和张三分别分割到两个文本框,得到了两个中心坐标点坐标,在采用预设的文本检测算法识别文本并进行中心点坐标采集时第一中心点坐标和第二中心点坐标存在点位置偏差。
本实施例通过采用预设的文本检测算法,检测并采集所述模板票据图中的键和键值,得到多个第一中心点坐标,同时采集所述目标票据图中键和键值,得到多个第二中心点坐标,确保了多个第一中心点和多个第二中心点采集内容的一致性,解决了现有的采集模板票据图中的键,及采集目标票据图中的键和键值,采用的采集内容不同出现的点坐标位置偏差的问题,进而提高了后续信息采集的准确率。
构建模块204,用于基于所述多个第一中心点坐标构建第一点集,及基于所述多个第二中心点坐标构建第二点集。
本实施例中,所述第一点集指的是从模板票据图中采集的参考点的点集,所述第二点集指的是从目标票据图中采集的待匹配点的点集。
在一个可选的实施例中,所述构建模块204基于所述多个第一中心点坐标构建第一点集包括:
按照所述模板票据图的布局对所述多个第一中心点坐标进行排序,得到第一点集,其中,所述第一点集中包含有所述模板票据图中的以下一种或者多种文本方式组合:静态文本的点集、动态文本的点集及噪声文本的点集。
在一个可选的实施例中,所述构建模块204基于所述多个第二中心点坐标构建第二点集包括:
按照所述目标票据图的布局对所述多个第二中心点坐标进行排序,得到第二点集,其中,所述第二点集中包含有所述目标票据图中的以下一种或者多种文本方式组合:静态文本的点集、动态文本的点集及噪声文本的点集。
本实施例中,采用预设的文本检测算法检测票据图时,可以存在三种文本:静态文本、动态文本和噪声文本,具体地,静态文本指的是票据图中的固定文本,动态文本指的是除静态文本之外的所述票据图中的其余文本,本实施例可以将动态文本的文本框的文本的中心点坐标对应的点确定为异常点;所述噪声文本指的是在采用预设的文本检测算法检测识别结果过程中将键和键值合并成一个文本框的文本,所述噪声文本也可以表征采用预设的文本检测算法检测票据图时文本框的中心点的位置坐标出现偏差的文本。
本实施例中,所述模板票据图的布局用以表征模板中的文本和图案的位置关系,所述目标票据图的布局用以表征待采集信息票据图中的文本和图案的位置关系。
点云匹配模块205,用于对所述第一点集及所述第二点集进行点云匹配,获得仿射变换矩阵。
本实施例中,由于模板票据图的布局与所述目标票据图的布局一致,通过按照票据图的布局对中心点坐标进行排序,可以快速确定第一点集中每个点对应的第二点集中的点,避免后续进行点云匹配过程中出现点遗漏的现象,提高了点云匹配的效率及准确率。
在一个可选的实施例中,所述点云匹配模块205对所述第一点集及所述第二点集进行点云匹配,获得仿射变换矩阵包括:
采用预设的算法对所述第一点集及所述第二点集进行点云匹配,计算所述第一点集中每个点对应的文本与所述第二点集中每个点对应的文本之间的相似度,根据计算得到的相似度确定所述第一点集与所述第二点集之间的匹配关系;
根据所述第一点集与所述第二点集之间的匹配关系,计算得到所述第一点集与所述第二点集之间的仿射变换矩阵。
本实施例中,所述预设的算法可以为CPD算法,所述CPD(Coherent Point Drift,CPD)也称为点漂移算法,通过所述CPD算法将点集配准问题转换为概率密度估计问题,其将第一点集的分布表示成混合高斯模型,当第一点集M与第二点集S完成配准后,对应的似然函数达到最大,具体地,所述CPD算法为现有技术,本实施例在此不做详述。
采集模块206,用于通过所述仿射变换矩阵将所述第二点集对应的票据信息映射到所述模板票据图中,并对所述模板票据图中映射的票据信息进行采集,得到目标结果。
本实施例中,所述目标结果用以表征所述目标票据图中的信息。
在一个可选的实施例中,所述采集模块206通过所述仿射变换矩阵将所述第二点集对应的票据信息映射到所述模板票据图中,并对所述模板票据图中映射的票据信息进行采集,得到目标结果包括:
通过所述仿射变换矩阵将所述第二点集对应的票据信息映射到所述模板票据图中,得到目标模板票据图;
根据所述信息采集请求中对应的模板票据图中的每个文本框的位置坐标,对所述目标模板票据图对应位置坐标处的映射信息进行采集,得到目标结果。
本实施例中,将所述第一点集与所述第二点集进行匹配计算,获取仿射变换矩阵,并根据仿射变换矩阵将所述第二点集映射到模板票据图中,根据信息采集请求中提供的模板票据图中的文本框的位置坐标进行信息采集,得到所述目标票据图中的信息,由于票据模板图和目标票据图中包含有静态文本和动态文本,故在进行点的选取过程中,点的数量和分布影响仿射变换矩阵,若用户选择的点较少,则得到的仿射变换矩阵稳健程度差,同时,点数不够引起无法处理票据图中旋转场景,导致后续目标票据图中信息的采集效率和准确率低下,而本案通过分别采集模板票据图和目标票据图中的第一点集和第二点集,并将所述第一点集与所述第二点集进行匹配计算,确保得到的仿射变换矩阵的完整性及稳健性,进而提高了后续采集目标票据图中的信息的效率和准确率;同时,在信息采集过程中,由于模板票据图中的文本框的位置坐标是已知的,通过将目标票据图中的信息映射到模板票据图中,根据已知的文本框的位置坐标进行信息采集,确保采集信息的准确率和效率。
进一步地,当所述目标票据图对应的模板票据图为已定义模板时,从预设的数据库中获取对应模板票据图的多个第一中心点坐标。
本实施例中,通过判断所述目标票据图对应的模板票据图是否为已定义模板,当为已定义模板时,确定所述目标票据图对应的模板票据图中的信息已被采集过,直接从预设的数据库中采集所述目标票据图对应的模板票据图中的多个第一中心点坐标,避免出现同一个模板票据图中的信息被重复采集而浪费资源的问题,提高了信息采集效率及准确率。
综上所述,本实施例所述的基于点云匹配的信息采集装置,一方面,通过判断所述目标票据图对应的模板票据图是否为已定义模板,可以避免出现同一个模板票据图中的信息被重复采集而浪费资源的问题,提高了信息采集效率及准确率;另一方面,通过分别采集模板票据图和目标票据图中的第一点集和第二点集,并将所述第一点集与所述第二点集进行匹配计算,确保得到的仿射变换矩阵的完整性及稳健性,进而提高了后续采集目标票据图中的信息的效率和准确率;最后,采用仿射变换矩阵将所述第二点集映射到所述模板票据图中进行信息采集,在信息采集过程中,由于模板票据图中的文本框的位置坐标是已知的,通过将目标票据图中的信息映射到模板票据图中,根据已知的文本框的位置坐标进行信息采集,确保采集信息的准确率和效率。
实施例三
参阅图5所示,为本发明实施例三提供的电子设备的结构示意图。在本发明较佳实施例中,所述电子设备3包括存储器31、至少一个处理器32、至少一条通信总线33及收发器34。
本领域技术人员应该了解,图5示出的电子设备的结构并不构成本发明实施例的限定,既可以是总线型结构,也可以是星形结构,所述电子设备3还可以包括比图示更多或更少的其他硬件或者软件,或者不同的部件布置。
在一些实施例中,所述电子设备3是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的电子设备,其硬件包括但不限于微处理器、专用集成电路、可编程门阵列、数字处理器及嵌入式设备等。所述电子设备3还可包括客户设备,所述客户设备包括但不限于任何一种可与客户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互的电子产品,例如,个人计算机、平板电脑、智能手机、数码相机等。
需要说明的是,所述电子设备3仅为举例,其他现有的或今后可能出现的电子产品如可适应于本发明,也应包含在本发明的保护范围以内,并以引用方式包含于此。
在一些实施例中,所述存储器31用于存储程序代码和各种数据,例如安装在所述电子设备3中的基于点云匹配的信息采集装置20,并在电子设备3的运行过程中实现高速、自动地完成程序或数据的存取。所述存储器31包括只读存储器(Read-Only Memory,ROM)、可编程只读存储器(Programmable Read-Only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory,OTPROM)、电子擦除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
在一些实施例中,所述至少一个处理器32可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述至少一个处理器32是所述电子设备3的控制核心(Control Unit),利用各种接口和线路连接整个电子设备3的各个部件,通过运行或执行存储在所述存储器31内的程序或者模块,以及调用存储在所述存储器31内的数据,以执行电子设备3的各种功能和处理数据。
在一些实施例中,所述至少一条通信总线33被设置为实现所述存储器31以及所述至少一个处理器32等之间的连接通信。
尽管未示出,所述电子设备3还可以包括给各个部件供电的电源(比如电池),可选的,电源可以通过电源管理装置与所述至少一个处理器32逻辑相连,从而通过电源管理装置实现管理充电、放电、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备3还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
上述以软件功能模块的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,电子设备,或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分。
在进一步的实施例中,结合图4,所述至少一个处理器32可执行所述电子设备3的操作装置以及安装的各类应用程序(如所述的基于点云匹配的信息采集装置20)、程序代码等,例如,上述的各个模块。
所述存储器31中存储有程序代码,且所述至少一个处理器32可调用所述存储器31中存储的程序代码以执行相关的功能。例如,图4中所述的各个模块是存储在所述存储器31中的程序代码,并由所述至少一个处理器32所执行,从而实现所述各个模块的功能以达到基于点云匹配的信息采集的目的。
示例性的,所述程序代码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31中,并由所述处理器32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可读指令段,该指令段用于描述所述程序代码在所述电子设备3中的执行过程。例如,所述程序代码可以被分割成解析模块201、判断模块202、识别模块203、构建模块204、点云匹配模块205及采集模块206。
在本发明的一个实施例中,所述存储器31存储多个计算机可读指令,所述多个计算机可读指令被所述至少一个处理器32所执行以实现基于点云匹配的信息采集的功能。
具体地,所述至少一个处理器32对上述指令的具体实现方法可参考图1至图3对应实施例中相关步骤的描述,在此不赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,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。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,既可以位于一个地方,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模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能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,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或,单数不排除复数。本发明中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种基于点云匹配的信息采集方法,其特征在于,所述方法包括:
解析接收的信息采集请求,获取目标票据图及所述目标票据图对应的模板票据图;
判断所述目标票据图对应的模板票据图是否为已定义模板;
当所述目标票据图对应的模板票据图不为已定义模板时,对所述模板票据图进行识别,得到多个第一中心点坐标,及对所述目标票据图进行识别,得到多个第二中心点坐标;
基于所述多个第一中心点坐标构建第一点集,及基于所述多个第二中心点坐标构建第二点集;
对所述第一点集及所述第二点集进行点云匹配,获得仿射变换矩阵;
通过所述仿射变换矩阵将所述第二点集对应的票据信息映射到所述模板票据图中,并对所述模板票据图中映射的票据信息进行采集,得到目标结果。
2.如权利要求1所述的基于点云匹配的信息采集方法,其特征在于,所述判断所述目标票据图对应的模板票据图是否为已定义模板包括:
获取所述目标票据对应的模板票据图的目标标识码;
识别预设的已定义模板数据库中是否存在与所述目标标识码匹配的标识码;
当所述预设的已定义模板数据库中存在与所述目标标识码匹配的标识码时;确定所述目标票据图对应的模板票据图为已定义模板;或者
当所述预设的已定义模板数据库中不存在与所述目标标识码匹配的标识码时,确定所述目标票据图对应的模板票据图不为已定义模板。
3.如权利要求1所述的基于点云匹配的信息采集方法,其特征在于,所述对所述模板票据图进行识别,得到多个第一中心点坐标,及对所述目标票据图进行识别,得到多个第二中心点坐标包括:
采用预设的文本检测算法检测所述模板票据图中的多个第一文本的第一位置坐标,并根据所述多个文本的第一位置坐标生成多个第一文本框;
检测每个所述第一文本框的中心点坐标,得到每个所述第一文本框的第一中心点坐标;
采用预设的文本检测算法检测所述目标票据图中的多个第二文本的第二位置坐标,并根据所述多个文本的第二位置坐标生成多个第二文本框;
检测每个所述第二文本框的中心点坐标,得到每个所述第二文本框的第二中心点坐标。
4.如权利要求2所述的基于点云匹配的信息采集方法,其特征在于,在所述判断所述目标票据图对应的模板票据图是否为已定义模板之后,所述方法还包括:
当所述目标票据图对应的模板票据图为已定义模板时,从预设的数据库中获取对应模板票据图的多个第一中心点坐标。
5.如权利要求1所述的基于点云匹配的信息采集方法,其特征在于,所述基于所述多个第一中心点坐标构建第一点集,及基于所述多个第二中心点坐标构建第二点集包括:
按照所述模板票据图的布局对所述多个第一中心点坐标进行排序,得到第一点集,其中,所述第一点集中包含有所述模板票据图中的以下一种或者多种文本方式组合:静态文本的点集、动态文本的点集及噪声文本的点集;
按照所述目标票据图的布局对所述多个第二中心点坐标进行排序,得到第二点集,其中,所述第二点集中包含有所述目标票据图中的以下一种或者多种文本方式组合:静态文本的点集、动态文本的点集及噪声文本的点集。
6.如权利要求1所述的基于点云匹配的信息采集方法,其特征在于,所述对所述第一点集及所述第二点集进行点云匹配,获得仿射变换矩阵包括:
采用预设的算法对所述第一点集及所述第二点集进行点云匹配,计算所述第一点集中每个点对应的文本与所述第二点集中每个点对应的文本之间的相似度;
根据计算得到的相似度确定所述第一点集与所述第二点集之间的匹配关系;
根据所述第一点集与所述第二点集之间的匹配关系,计算得到所述第一点集与所述第二点集之间的仿射变换矩阵。
7.如权利要求1所述的基于点云匹配的信息采集方法,其特征在于,所述通过所述仿射变换矩阵将所述第二点集对应的票据信息映射到所述模板票据图中,并对所述模板票据图中映射的票据信息进行采集,得到目标结果包括:
通过所述仿射变换矩阵将所述第二点集对应的票据信息映射到所述模板票据图中,得到目标模板票据图;
根据所述信息采集请求中对应的模板票据图中的每个文本框的位置坐标,对所述目标模板票据图对应位置坐标处的映射信息进行采集,得到目标结果。
8.一种基于点云匹配的信息采集装置,其特征在于,所述装置包括:
解析模块,用于解析接收的信息采集请求,获取目标票据图及所述目标票据图对应的模板票据图;
判断模块,用于判断所述目标票据图对应的模板票据图是否为已定义模板;
识别模块,用于当所述目标票据图对应的模板票据图不为已定义模板时,对所述模板票据图进行识别,得到多个第一中心点坐标,及对所述目标票据图进行识别,得到多个第二中心点坐标;
构建模块,用于基于所述多个第一中心点坐标构建第一点集,及基于所述多个第二中心点坐标构建第二点集;
点云匹配模块,用于对所述第一点集及所述第二点集进行点云匹配,获得仿射变换矩阵;
采集模块,用于通过所述仿射变换矩阵将所述第二点集对应的票据信息映射到所述模板票据图中,并对所述模板票据图中映射的票据信息进行采集,得到目标结果。
9.一种电子设备,其特征在于,所述电子设备包括处理器和存储器,所述处理器用于执行所述存储器中存储的计算机程序时实现如权利要求1至7中任意一项所述的基于点云匹配的信息采集方法。
10.一种计算机可读存储介质,所述计算机可读存储介质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如权利要求1至7中任意一项所述的基于点云匹配的信息采集方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111093402.7A CN113792681B (zh) | 2021-09-17 | 2021-09-17 | 基于点云匹配的信息采集方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111093402.7A CN113792681B (zh) | 2021-09-17 | 2021-09-17 | 基于点云匹配的信息采集方法、装置、电子设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113792681A true CN113792681A (zh) | 2021-12-14 |
CN113792681B CN113792681B (zh) | 2024-05-28 |
Family
ID=78878791
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111093402.7A Active CN113792681B (zh) | 2021-09-17 | 2021-09-17 | 基于点云匹配的信息采集方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113792681B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109658584A (zh) * | 2018-12-14 | 2019-04-19 | 泰康保险集团股份有限公司 | 一种票据票据识别方法及装置 |
CN111080679A (zh) * | 2020-01-02 | 2020-04-28 | 东南大学 | 一种对大型场所室内人员动态跟踪定位的方法 |
CN111612966A (zh) * | 2020-05-21 | 2020-09-01 | 广东乐佳印刷有限公司 | 一种基于图像识别的票据凭证防伪检测方法及装置 |
CN111931784A (zh) * | 2020-09-17 | 2020-11-13 | 深圳壹账通智能科技有限公司 | 票据识别方法、系统、计算机设备与计算机可读存储介质 |
CN111986239A (zh) * | 2020-08-28 | 2020-11-24 | 贝壳技术有限公司 | 点云配准方法、装置、计算机可读存储介质及电子设备 |
CN112132016A (zh) * | 2020-09-22 | 2020-12-25 | 平安科技(深圳)有限公司 | 票据信息提取方法、装置及电子设备 |
-
2021
- 2021-09-17 CN CN202111093402.7A patent/CN113792681B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109658584A (zh) * | 2018-12-14 | 2019-04-19 | 泰康保险集团股份有限公司 | 一种票据票据识别方法及装置 |
CN111080679A (zh) * | 2020-01-02 | 2020-04-28 | 东南大学 | 一种对大型场所室内人员动态跟踪定位的方法 |
CN111612966A (zh) * | 2020-05-21 | 2020-09-01 | 广东乐佳印刷有限公司 | 一种基于图像识别的票据凭证防伪检测方法及装置 |
CN111986239A (zh) * | 2020-08-28 | 2020-11-24 | 贝壳技术有限公司 | 点云配准方法、装置、计算机可读存储介质及电子设备 |
CN111931784A (zh) * | 2020-09-17 | 2020-11-13 | 深圳壹账通智能科技有限公司 | 票据识别方法、系统、计算机设备与计算机可读存储介质 |
CN112132016A (zh) * | 2020-09-22 | 2020-12-25 | 平安科技(深圳)有限公司 | 票据信息提取方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113792681B (zh) | 2024-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111860522B (zh) | 身份证图片处理方法、装置、终端及存储介质 | |
CN111932547A (zh) | 图像中目标物的分割方法、装置、电子设备及存储介质 | |
CN112614578A (zh) | 医生智能推荐方法、装置、电子设备及存储介质 | |
CN114663223A (zh) | 基于人工智能的信用风险评估方法、装置及相关设备 | |
CN111949708A (zh) | 基于时序特征提取的多任务预测方法、装置、设备及介质 | |
CN111986744A (zh) | 医疗机构的患者界面生成方法、装置、电子设备及介质 | |
CN113806434A (zh) | 大数据处理方法、装置、设备及介质 | |
CN113723513A (zh) | 多标签图像分类方法、装置及相关设备 | |
CN111950707B (zh) | 基于行为共现网络的行为预测方法、装置、设备及介质 | |
CN113744845A (zh) | 基于人工智能的医学影像处理方法、装置、设备及介质 | |
CN113268478A (zh) | 大数据分析方法、装置、电子设备及存储介质 | |
CN116453226A (zh) | 基于人工智能的人体姿态识别方法、装置及相关设备 | |
CN113705687B (zh) | 基于人工智能的图像实例标注方法及相关设备 | |
CN113469291B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN113792681B (zh) | 基于点云匹配的信息采集方法、装置、电子设备及介质 | |
CN114881313A (zh) | 基于人工智能的行为预测方法、装置及相关设备 | |
CN113688125B (zh) | 基于人工智能的异常值检测方法、装置、电子设备及介质 | |
CN113722324A (zh) | 基于人工智能的报表生成方法、装置、电子设备及介质 | |
CN113722590B (zh) | 基于人工智能的医学信息推荐方法、装置、设备及介质 | |
CN114637564B (zh) | 数据可视化方法、装置、电子设备及存储介质 | |
CN113687813A (zh) | 基于ai图像识别的产品原型处理方法、装置及相关设备 | |
CN113961437A (zh) | 基于人工智能的安全监控方法、装置、电子设备及介质 | |
CN112905470A (zh) | 接口调用方法、装置、计算机设备及介质 | |
CN115146078A (zh) | 指标数据处理方法、装置、计算机设备及存储介质 | |
CN113487111A (zh) | 基于人工智能的风险识别方法、装置、电子设备及介质 |
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 |