CN113834428B - 金属体厚度识别方法、系统、存储介质及电子设备 - Google Patents
金属体厚度识别方法、系统、存储介质及电子设备 Download PDFInfo
- Publication number
- CN113834428B CN113834428B CN202110866985.6A CN202110866985A CN113834428B CN 113834428 B CN113834428 B CN 113834428B CN 202110866985 A CN202110866985 A CN 202110866985A CN 113834428 B CN113834428 B CN 113834428B
- Authority
- CN
- China
- Prior art keywords
- image
- metal body
- thickness
- distance
- pixel
- 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.)
- Active
Links
- 229910052751 metal Inorganic materials 0.000 title claims abstract description 299
- 239000002184 metal Substances 0.000 title claims abstract description 299
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000003384 imaging method Methods 0.000 claims abstract description 270
- 238000006073 displacement reaction Methods 0.000 claims abstract description 95
- 230000033001 locomotion Effects 0.000 claims abstract description 56
- 238000006243 chemical reaction Methods 0.000 claims description 31
- 230000009466 transformation Effects 0.000 claims description 30
- 238000012545 processing Methods 0.000 claims description 25
- 230000008569 process Effects 0.000 claims description 11
- 229910000831 Steel Inorganic materials 0.000 abstract description 56
- 239000010959 steel Substances 0.000 abstract description 56
- 238000011084 recovery Methods 0.000 abstract description 21
- 239000002699 waste material Substances 0.000 abstract description 13
- 230000003287 optical effect Effects 0.000 description 21
- 238000010586 diagram Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 7
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 6
- 229910052782 aluminium Inorganic materials 0.000 description 6
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 6
- 229910052802 copper Inorganic materials 0.000 description 6
- 239000010949 copper Substances 0.000 description 6
- 230000002708 enhancing effect Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- -1 for example Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000007769 metal material Substances 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000010030 laminating Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000003362 replicative effect Effects 0.000 description 1
- 230000007103 stamina Effects 0.000 description 1
- 238000009628 steelmaking Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种金属体厚度识别方法、系统、存储介质及电子设备。其中,该系统包括:控制器、电控位移平台和成像装置,成像装置包括多个成像单元,多个成像单元分成多列排布在电控位移平台上;多个成像单元,用于在控制器的控制下,沿着电控位移平台的运动方向进行往复扫描,获取金属体切面的第一图像和第二图像;控制器,用于利用第一图像和第二图像确定金属体切面的深度、金属体切面在第一图像或第二图像上的像素厚度,以及基于深度、像素厚度和多个成像单元的内参计算得到金属体切面的厚度。本发明解决了现有技术中的废钢识别方案存在对废钢厚度的识别精准度较低,难以准确判定废钢的分类等级,导致废钢回收效率低下的技术问题。
Description
技术领域
本发明涉及金属体识别技术领域,具体而言,涉及一种金属体厚度识别方法、系统、存储介质及电子设备。
背景技术
废钢是炼钢的一个重要材料原料。在近些年以来,我国的铁矿石进口议价能力明显不足,成本居高不下;各大钢铁厂的废钢回收环节中,多数还是采用人工判别的方式对废钢进行判级,但是受限于不同员工之间存在的认知差异,员工精力等主观状态因素的影响,故而废钢回收过程中的判别结果也会出现偏差和波动。
在各大钢铁厂的废钢回收环节中,逐渐从传统的人工判别的方式转向基于深度学习的废钢智能判级方式,例如,采用深度学习或者机器学习的方式来提取废钢样品、练判别算法,并在部署后直接预测判别结果。但这类方法对于不同类型废钢的外形可分度具有较高要求,并且在不同的部署点之间复制时的泛化能力较差。即现有技术中的废钢识别方案,存在对废钢厚度的识别精准度较低,难以准确判定废钢的分类等级,导致废钢回收效率低下。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种金属体厚度识别方法、系统、存储介质及电子设备,以至少解决现有技术中的废钢识别方案存在对废钢厚度的识别精准度较低,难以准确判定废钢的分类等级,导致废钢回收效率低下的技术问题。
根据本发明实施例的一个方面,提供了一种金属体厚度识别系统,包括:控制器、电控位移平台和成像装置,成像装置包括多个成像单元,上述多个成像单元分成多列排布在上述电控位移平台上;上述多个成像单元,用于在上述控制器的控制下,沿着上述电控位移平台的运动方向进行往复扫描,获取金属体切面的第一图像和第二图像,其中,上述第一图像和上述第二图像在上述运动方向上存在视差;上述控制器,用于利用上述第一图像和上述第二图像确定上述金属体切面的深度、上述金属体切面在上述第一图像或上述第二图像上的像素厚度,以及基于上述深度、上述像素厚度和上述多个成像单元的内参计算得到上述金属体切面的厚度。
根据本发明实施例的另一方面,还提供了一种金属体厚度识别方法,包括:控制多个成像单元沿着电控位移平台的运动方向进行往复扫描,获取金属体切面的第一图像和第二图像,其中,上述多个成像单元分成多列排布在上述电控位移平台上,上述第一图像和上述第二图像在上述运动方向上存在视差;利用上述第一图像和上述第二图像确定上述金属体切面的深度、上述金属体切面在上述第一图像或上述第二图像上的像素厚度;基于上述深度、上述像素厚度和上述多个成像单元的内参计算得到上述金属体切面的厚度。
根据本发明实施例的另一方面,还提供了一种金属体厚度识别方法,包括:获取金属体切面的第一图像和第二图像,其中,上述第一图像和上述第二图像在运动方向上存在视差,上述运动方向为多个成像单元沿着电控位移平台进行往复扫描的方向;利用上述第一图像和上述第二图像确定上述金属体切面的深度、上述金属体切面在上述第一图像或上述第二图像上的像素厚度;基于上述深度、上述像素厚度和上述多个成像单元的内参计算得到上述金属体切面的厚度。
根据本发明实施例的另一方面,还提供了一种金属体厚度识别装置,包括:第一处理模块,用于控制多个成像单元沿着电控位移平台的运动方向进行往复扫描,获取金属体切面的第一图像和第二图像,其中,上述多个成像单元分成多列排布在上述电控位移平台上,上述第一图像和上述第二图像在上述运动方向上存在视差;第二处理模块,用于利用上述第一图像和上述第二图像确定上述金属体切面的深度、上述金属体切面在上述第一图像或上述第二图像上的像素厚度;判定模块,用于基于上述深度、上述像素厚度和上述多个成像单元的内参计算得到上述金属体切面的厚度。
根据本发明实施例的另一方面,还提供了一种计算机可读存储介质,上述计算机可读存储介质包括存储的程序,其中,在上述程序运行时控制上述计算机可读存储介质所在设备执行任意一项上述的金属体厚度识别方法。
根据本发明实施例的另一方面,还提供了一种电子设备,包括处理器;以及存储器,与上述处理器连接,用于为上述处理器提供处理以下处理步骤的指令:控制多个成像单元沿着电控位移平台的运动方向进行往复扫描,获取金属体切面的第一图像和第二图像,其中,上述多个成像单元分成多列排布在上述电控位移平台上,上述第一图像和上述第二图像在上述运动方向上存在视差;利用上述第一图像和上述第二图像确定上述金属体切面的深度、上述金属体切面在上述第一图像或上述第二图像上的像素厚度;基于上述深度、上述像素厚度和上述多个成像单元的内参计算得到上述金属体切面的厚度。
在本发明实施例中,提供一种金属体厚度识别方案,以该金属体厚度识别系统为例,该金属体识别系统包括控制器、电控位移平台和成像装置,该成像装置包括多个成像单元,上述多个成像单元分成多列排布在上述电控位移平台上;上述多个成像单元,用于在上述控制器的控制下,沿着上述电控位移平台的运动方向进行往复扫描,获取金属体切面的第一图像和第二图像,其中,上述第一图像和上述第二图像在上述运动方向上存在视差;上述控制器,用于利用上述第一图像和上述第二图像确定上述金属体切面的深度、上述金属体切面在上述第一图像或上述第二图像上的像素厚度,以及基于上述深度、上述像素厚度和上述多个成像单元的内参计算得到上述金属体切面的厚度,其中,上述厚度用于判定金属体的分类等级。
容易注意到的是,本发明实施例中,通过将多个成像单元分成多列排布在上述电控位移平台上,并采用控制器控制多个成像单元沿着电控位移平台的运动方向进行往复扫描,获取金属体切面的第一图像和第二图像,由于该第一图像和第二图像在运动方向上存在视差;因此,可以利用上述第一图像和第二图像确定上述金属体切面的深度、上述金属体切面在上述第一图像或上述第二图像上的像素厚度;基于上述深度、上述像素厚度和上述多个成像单元的内参计算得到上述金属体切面的厚度。
由此,本发明实施例达到了提高识别金属体厚度的识别精准度、增强金属体识别的泛化能力的目的,从而实现了准确判定金属体的分类等级,以提升金属体回收效率的技术效果,进而解决了现有技术中的废钢识别方案存在对废钢厚度的识别精准度较低,难以准确判定废钢的分类等级,导致废钢回收效率低下的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种金属体厚度识别系统的结构示意图;
图2是根据本发明实施例的一种可选的金属体厚度识别系统的结构排布示意图;
图3是根据本发明实施例的一种可选的金属体厚度成像单元的结构示意图;
图4是根据本发明实施例的一种可选的金属体切面的示意图;
图5是根据本发明实施例的一种用于实现金属体厚度识别方法的计算机终端(或移动设备)的硬件结构框图;
图6是根据本发明实施例的一种金属体厚度识别方法的步骤流程图;
图7是根据本发明实施例的一种可选的像素厚度识别方法的步骤流程图;
图8是根据本发明实施例的一种可选的金属体厚度识别方法的步骤流程图;
图9是根据本发明实施例的一种金属体厚度识别装置的结构示意图;
图10是根据本发明实施例的一种电子设备的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
首先,在对本发明实施例进行描述的过程中出现的部分名词或术语适用于如下解释:
蒙版:是指合成图像的重要工具,可在不破坏原图像基础上实现特殊的图层叠加效果。此外,蒙版具有保护、隔离功能,是一种遮罩,将图像中不需要编辑的图像区域进行保护。
实施例1
根据本发明实施例,提供了一种金属体厚度识别系统的实施例,图1是根据本发明实施例的一种金属体厚度识别系统的结构示意图,如图1所示,上述金属体厚度识别系统包括:控制器40、电控位移平台42和成像装置44。成像装置44包括:多个成像单元。上述多个成像单元分成多列排布在上述电控位移平台上;上述多个成像单元,用于在上述控制器40的控制下,沿着上述电控位移平台42的运动方向进行往复扫描,获取金属体切面的第一图像和第二图像,其中上述第一图像和上述第二图像在上述运动方向上存在视差;上述控制器40,用于利用上述第一图像和上述第二图像确定上述金属体切面的深度、上述金属体切面在上述第一图像或上述第二图像上的像素厚度,以及基于上述深度、上述像素厚度和上述多个成像单元的内参计算得到上述金属体切面的厚度,其中,上述厚度用于判定金属体的分类等级。
容易注意到的是,本发明实施例中,通过将多个成像单元分成多列排布在上述电控位移平台上,并采用控制器控制多个成像单元沿着电控位移平台的运动方向进行往复扫描,获取金属体切面的第一图像和第二图像,由于该第一图像和第二图像在运动方向上存在视差,因此,可以利用上述第一图像和第二图像确定上述金属体切面的深度、上述金属体切面在上述第一图像或上述第二图像上的像素厚度;基于上述深度、上述像素厚度和上述多个成像单元的内参计算得到上述金属体切面的厚度。
由此,本发明实施例达到了提高识别金属体厚度的识别精准度、增强金属体识别的泛化能力的目的,从而实现了准确判定金属体的分类等级,以提升金属体回收效率的技术效果,进而解决了现有技术中的废钢识别方案存在对废钢厚度的识别精准度较低,难以准确判定废钢的分类等级,导致废钢回收效率低下的技术问题。
需要说明的是,本申请实施例所提供的金属体厚度识别方法实施例,可以用于金属体回收场景、金属体判级场景,例如,应用在各钢铁厂对金属体进行回收的环节等等。可选的,上述金属体可以为任意类型的金属材料制成,例如,可以为铜材、铝材,钢材等等,不仅可以为生产、运输、建筑工程等领域中待使用的金属体,还可以为待回收的废旧钢材,废旧铜材、废旧铝材等等。
在一种可选的实施例中,可以在货车卸料区域合适位置安装如图2中所示的金属体厚度识别系统。在上述金属体厚度识别系统中,该控制器40可以是智能手机、PC终端等设备,在图2中,在上述电控位移平台42上仅示意性显示排布有一个成像装置44,该成像装置44包括多个成像单元;在实际应用过程中,可以将多个成像单元分成多列排布在上述电控位移平台42上,通过控制器40控制控制多个成像单元沿着电控位移平台42的运动方向匀速的进行来回往复的扫描,在扫描的过程中,成像单元中的成像传感器每隔固定的时间周期进行曝光成像,以获取金属体切面(即金属体横断面)的第一图像和第二图像,并且,该第一图像和第二图像在运动方向上存在视差。
仍需要说明的是,多列成像单元中每一列成像单元中可以包括但不仅限于2个1维度(例如4096x1)的成像单元,可以是更多个。例如,第一列中的多个成像单元在电控位移平台上,沿着水平方向一边位移一边成像,将得到的多帧1维成像进行合适的拼接得到了第一图像。
如图2所示,每个成像单元均可以通过一个固定杆安装在1维电控位移平台上,当上述1维电控位移平台沿着水平方向进行来回扫描时,多个成像单元可以在移动过场中获取金属体切面的第一图像和第二图像。
在本发明实施例中,由于上述第一图像和上述第二图像之间存在视角差,使得上述成像单元在成像的同时,可以利用上述第一图像和上述第二图像确定上述金属体切面的深度、上述金属体切面在上述第一图像或上述第二图像上的像素厚度,基于上述深度、上述像素厚度和上述多个成像单元的内参可以计算得到上述金属体切面的厚度,通过上述金属体切面的厚度进一步判定上述金属体的分类等级。
本发明实施例中,通过设计一种可以采用商用零部件搭建而成的扫描型的智能金属体厚度识别系统,可以达到快速且紧凑的构建金属体厚度识别系统的目的;上述金属体厚度识别系统中的成像装置包括多个成像单元和一个光学镜头,多个成像单元可以在同一个光学镜头下,扫描得到存在视角差异的第一图像和第二图像,从而在获取到第一图像和第二图像的同时,提供了识别金属体切面的深度和厚度的可行性。
在一种可选的实施例中,上述多个成像单元包括:第一成像单元、第二成像单元、第三成像单元和第四成像单元,其中,上述第一成像单元与上述第二成像单元分布在垂直于上述电控位移平台的第一列,上述第三成像单元与上述第四成像单元分布在垂直于上述电控位移平台的第二列,第一距离为上述第一列与上述第二列之间的距离,第二距离为上述第一成像单元与上述第二成像单元或者上述第三成像单元与上述第四成像单元之间的距离,上述第一距离大于上述第二距离。
在一种可选的实施例中,上述的金属体厚度识别系统中的上述电控位移平台为1维位移平台,上述多个成像单元均为长线阵1维成像传感器。
在本发明实施例中,图3是根据本发明实施例的一种可选的成像装置中成像单元和光学镜头的示意图。由于成像装置包括多个成像单元和一个光学镜头,如图3所示,虚线部分是成像光锥角31,虚线右边部分是光学镜头32,例如,可以是普通商用光学镜头;虚线左边部分是成像焦平面33。与现有技术中的已有成像单元(诸如手机、相机等所采用的2维成像传感器)不同的是,本发明实施例中上述电控位移平台为1维位移平台,上述多个成像单元均为长线阵1维成像传感器。
可选的,在本申请实施例中,上述第一成像单元、上述第二成像单元、上述第三成像单元和上述第四成像单元,可选的,每个成像单元是一个成像传感器阵列,既可以包括但不限于一维的4096×1的分辨率,也可以是二维的宽×高。
可选的,在本发明实施例中,上述第一成像单元与上述第二成像单元分布在垂直于上述电控位移平台的第一列,上述第三成像单元与上述第四成像单元分布在垂直于上述电控位移平台的第二列,即上述1维成像传感器每相邻两个在竖直方向排在一列,分成两列排布。需要说明的是,上述第一列和第二列之间可以空出一定的间隙,即存在第一距离,其中,上述第一距离大于排在同一列的任意两个相邻的1维传感器之间的第二距离。
在一种可选的实施例中,上述的金属体厚度识别系统中的上述控制器,用于通过上述第一距离、上述多个成像单元的焦距和上述视差计算得到上述深度。
在本发明实施例中,上述成像单元在上述电控位移平台上沿着水平方向一边位移一边成像,将所得到的多帧1维成像进行合适的拼接,最终可得到空间分辨率高,并且总视场又大的上述第一图像和上述第二图像。进一步地,由于两列传感器之间存在第一距离,故而同一个物体在第一图像和上述第二图像中存在水平方向的视差,因此在成像的同时,还可以上述多个成像单元的焦距和上述视差计算得金属体切面的深度。
在一种可选的实施例中,上述控制器,用于通过对上述第一图像或上述第二图像上的金属体切面区域进行距离变换处理,得到第一距离变换结果,其中,上述第一距离变换结果用于确定距离变换后各个像素点的距离值和最大距离值;采用距离变换后各个像素点的距离值和最大距离值,得到第二距离变换结果;对上述第二距离变换结果进行二值化处理,得到骨架像素蒙版;利用上述骨架像素蒙版和上述第一距离变换结果得到上述像素厚度。
在本发明实施例中,如图4所示,根据上述金属体厚度识别装置成像得到的某个金属体切面,即为第一图像中的金属体切面ABCD,对于可见的金属体切面而言,可近似认为该金属体切面是垂直于光学镜头的光轴,且平行于成像平面的。
作为一种可选的实施例,基于上述成像单元的上述两列成像传感器得到上述第一图像和上述第二图像,令上述两列成像传感器的间隙为b,光学镜头的焦距为f。由于金属体切面垂直于上述光学镜头光轴,那么金属体切面上任意一点的视差都是相同的d,因此上述金属体切面深度为Z,其中,Z=bf/d (1)。
作为一种可选的实施例,上述控制器,用于获取上述骨架像素蒙版中像素值为第一数值的像素位置,利用上述像素位置从上述第一距离变换结果中获取对应的距离值,以及对获取到的距离值进行加权平均后再乘以目标系数,得到上述像素厚度。
在一种可选的实施例中,通过对图4中的上述金属体切面区域进行距离变换,得到上述第一距离变换结果,同时得到距离变换后的最大距离值,其中,上述距离以像素为单位。并且,将上述距离变换后的各个点的距离值,统一除以上述最大距离值,得到一个新在0.0~1.0范围内的上述第二距离变换结果。
在一种可选的实施例中,对上述第二距离变换结果二值化,其中,上述二值化阈值为0.96,从而得到上述金属体切面在图像上的骨架像素蒙版,可选的,在上述蒙版中,高于0.96阈值的像素值为1,不高于0.96阈值的像素值为0。利用上述蒙版中上述像素值为1的像素的位置,从上述第一距离变换结果中索引得到各点的距离值,进行加权平均后乘以目标系数2.0,即得到了上述金属体切面的像素厚度p,其中上述金属体切面的像素厚度p以像素为单位。
在一种可选的实施例中,根据上述内参矩阵K和上述金属体切面的深度Z,以及上述像素厚度p,计算出上述金属体切面的真实厚度t,其中,上述金属体切面的真实厚度t=Z·K-1·p (2)。
通过本申请实施例,任意两列成像传感器之间引入了较大的距离,从而使得在最终拼接得到的两个图像中,同一个金属体切面之间存在视差,亦即金属体切面的深度,再根据成像单元的内参矩阵和像素厚度,即可根据上述公式(1)和(2)换算得到金属体切面的真实厚度。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的系统可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。
实施例2
根据本发明实施例,还提供了一种金属体厚度识别方法的实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本发明实施例2所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。图5示出了一种用于实现金属体厚度识别方法的计算机终端(或移动设备)的硬件结构框图。如图5所示,计算机终端10(或移动设备10)可以包括一个或多个(图中采用102a、102b,……,102n来示出)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器104、以及用于通信功能的传输模块106。除此以外,还可以包括:显示器、输入/输出接口(I/O接口)、通用串行总线(USB)端口(可以作为BUS总线的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解,图5所示的结构仅为示意,其并不对上述电子装置的结构造成限定。例如,计算机终端10还可包括比图5中所示更多或者更少的组件,或者具有与图5所示不同的配置。
应当注意到的是上述一个或多个处理器102和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外,数据处理电路可为单个独立的处理模块,或全部或部分的结合到计算机终端10(或移动设备)中的其他元件中的任意一个内。如本发明实施例中所涉及到的,该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。
存储器104可用于存储应用软件的软件程序以及模块,如本发明实施例中的金属体厚度识别方法对应的程序指令/数据存储装置,处理器102通过运行存储在存储器104内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的金属体厚度识别方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至计算机终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端10的通信供应商提供的无线网络。在一个实例中,传输装置106包括一个网络适配器(Network Interface Controller,NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输装置106可以为射频(Radio Frequency,RF)模块,其用于通过无线方式与互联网进行通讯。
显示器可以例如触摸屏式的液晶显示器(LCD),该液晶显示器可使得用户能够与计算机终端10(或移动设备)的用户界面进行交互。
根据本发明实施例,还提供了一种可以在上述实施例1中所提供的金属体厚度识别系统中实施的金属体厚度识别方法,图6是根据本发明的一种金属体厚度识别方法的步骤流程图,如图6所示,上述方法包括:
步骤S102,控制多个成像单元沿着电控位移平台的运动方向进行往复扫描,获取金属体切面的第一图像和第二图像,上述多个成像单元分成多列排布在上述电控位移平台上,上述第一图像和上述第二图像在上述运动方向上存在视差;
步骤S104,利用上述第一图像和上述第二图像确定上述金属体切面的深度、上述金属体切面在上述第一图像或上述第二图像上的像素厚度。
步骤S106,基于上述深度、上述像素厚度和上述多个成像单元的内参计算得到上述金属体切面的厚度。
容易注意到的是,本发明实施例中,通过将多个成像单元分成多列排布在上述电控位移平台上,并采用控制器控制多个成像单元沿着电控位移平台的运动方向进行往复扫描,获取金属体切面的第一图像和第二图像,由于该第一图像和第二图像在运动方向上存在视差,因此,可以利用上述第一图像和第二图像确定上述金属体切面的深度、上述金属体切面在上述第一图像或上述第二图像上的像素厚度;基于上述深度、上述像素厚度和上述多个成像单元的内参计算得到上述金属体切面的厚度,该厚度用于判定金属体的分类等级。
由此,本发明实施例达到了提高识别金属体厚度的识别精准度、增强金属体识别的泛化能力的目的,从而实现了准确判定金属体的分类等级,以提升金属体回收效率的技术效果,进而解决了现有技术中的废钢识别方案存在对废钢厚度的识别精准度较低,难以准确判定废钢的分类等级,导致废钢回收效率低下的技术问题。
需要说明的是,本申请实施例所提供的金属体厚度识别方法实施例,可以用于金属体回收场景、金属体判级场景,例如,应用在各钢铁厂对金属体进行回收的环节等等。可选的,上述金属体可以为任意类型的金属材料制成,例如,可以为铜材、铝材,钢材等等,不仅可以为生产、运输、建筑工程等领域中待使用的金属体,还可以为待回收的废旧钢材,废旧铜材、废旧铝材等等。
在一种可选的实施例中,可以在货车卸料区域合适位置安装如图2中所示的金属体厚度识别系统。在上述金属体厚度识别系统中,该控制器40可以是智能手机、PC终端等设备,在图2中,在上述电控位移平台42上仅示意性显示排布有一个成像单元,在实际应用过程中,可以将多个成像单元分成多列排布在上述电控位移平台42上,通过控制器40控制控制多个成像单元沿着电控位移平台42的运动方向匀速的进行来回往复的扫描,在扫描的过程中,成像单元中的成像传感器每隔固定的时间周期进行曝光成像,以获取金属体切面(即金属体横断面)的第一图像和第二图像,并且,该第一图像和第二图像在运动方向上存在视差。
如图2所示,每个成像单元均可以通过一个固定杆安装在1维电控位移平台上,当上述1维电控位移平台沿着水平方向进行来回扫描时,多个成像单元可以在移动过场中获取金属体切面的第一图像和第二图像。
在本发明实施例中,由于上述第一图像和上述第二图像之间存在视角差,使得上述成像单元在成像的同时,可以利用上述第一图像和上述第二图像确定上述金属体切面的深度、上述金属体切面在上述第一图像或上述第二图像上的像素厚度,基于上述深度、上述像素厚度和上述多个成像单元的内参可以计算得到上述金属体切面的厚度,通过上述金属体切面的厚度进一步判定上述金属体的分类等级。
本发明实施例中,通过设计一种可以采用商用零部件搭建而成的扫描型的智能金属体厚度识别系统,可以达到快速且紧凑的构建金属体厚度识别系统的目的;上述金属体厚度识别系统中的多个成像单元,可以在同一个镜头下,扫描得到存在视角差异的第一图像和第二图像,从而在获取到第一图像和第二图像的同时,提供了识别金属体切面的深度和厚度的可行性。
在一种可选的实施例中,上述多个成像单元包括:
第一成像单元、第二成像单元、第三成像单元和第四成像单元,其中,上述第一成像单元与上述第二成像单元分布在垂直于上述电控位移平台的第一列,上述第三成像单元与上述第四成像单元分布在垂直于上述电控位移平台的第二列,第一距离为上述第一列与上述第二列之间的距离,第二距离为上述第一成像单元与上述第二成像单元或者上述第三成像单元与上述第四成像单元之间的距离,上述第一距离大于上述第二距离。
在一种可选的实施例中,上述的金属体厚度识别系统中的上述电控位移平台为1维位移平台,上述多个成像单元均为长线阵1维成像传感器。
在本发明实施例中,图3是根据本发明实施例的一种可选的成像单元的示意图。其中,图3中的虚线部分是成像光锥角31,虚线右边部分是光学镜头32,例如,可以是普通商用光学镜头;虚线左边部分是成像焦平面33。与现有技术中的已有成像单元(诸如手机、相机等所采用的2维成像传感器)不同的是,本发明实施例中上述电控位移平台为1维位移平台,上述多个成像单元均为长线阵1维成像传感器。
可选的,在本申请实施例中,上述第一成像单元、上述第二成像单元、上述第三成像单元和上述第四成像单元,均可以为长线阵1维成像传感器,每个1维成像传感器的像素可以但不限于4096×1。
可选的,在本发明实施例中,上述第一成像单元与上述第二成像单元分布在垂直于上述电控位移平台的第一列,上述第三成像单元与上述第四成像单元分布在垂直于上述电控位移平台的第二列,即上述1维成像传感器每相邻两个在竖直方向排在一列,分成两列排布。需要说明的是,上述第一列和第二列之间可以空出一定的间隙,即存在第一距离,其中,上述第一距离大于排在同一列的任意两个相邻的1维传感器之间的第二距离。
在本发明实施例中,上述成像单元在上述电控位移平台上沿着水平方向一边位移一边成像,将所得到的多帧1维成像进行合适的拼接,最终可得到空间分辨率高,并且总视场又大的上述第一图像和上述第二图像。进一步地,由于两列传感器之间存在第一距离,故而同一个物体在第一图像和上述第二图像中存在水平方向的视差,因此在成像的同时,还可以上述多个成像单元的焦距和上述视差计算得金属体切面的深度。
在一种可选的实施例中,图7是根据本发明实施例的一种可选的金属体厚度识别方法的步骤流程图,如图7所示,对利用上述第一图像和上述第二图像确定上述像素厚度,可以但不限于包括如下方法步骤:
步骤S202,通过对上述第一图像或上述第二图像上的金属体切面区域进行距离变换处理,得到第一距离变换结果。
步骤S204,采用距离变换后各个像素点的距离值和最大距离值,得到第二距离变换结果。
以下以一个具体实施例对利用上述第一图像和上述第二图像确定上述像素厚度的方法进行说明,在一种可选的实施例中,通过对图4中的上述金属体切面区域进行距离变换,得到上述第一距离变换结果,同时得到距离变换后的最大距离值,其中,上述距离以像素为单位。并且,将上述距离变换后的各个点的距离值,统一除以上述最大距离值,得到一个新在0.0~1.0范围内的上述第二距离变换结果。
步骤S206,对上述第二距离变换结果进行二值化处理,得到骨架像素蒙版。
步骤S208,利用上述骨架像素蒙版和上述第一距离变换结果得到上述像素厚度。
在一种可选的实施例中,利用上述骨架像素蒙版和上述第一距离变换结果得到上述像素厚度,可以但不限于包括如下方法步骤:
步骤S302,获取上述骨架像素蒙版中像素值为第一数值的像素位置;
步骤S304,利用上述像素位置从上述第一距离变换结果中获取对应的距离值;
步骤S306,对获取到的距离值进行加权平均后再乘以目标系数,得到上述像素厚度。
在一种可选的实施例中,对上述第二距离变换结果进行二值化处理,其中,进行二值化处理的二值化阈值为0.96,从而得到上述金属体切面在图像上的骨架像素蒙版,可选的,在上述蒙版中,高于0.96阈值的像素值为1,不高于0.96阈值的像素值为0。再通过利用上述蒙版中上述像素值为1的像素的位置,从上述第一距离变换结果中索引得到各点的距离值,进行加权平均后乘以目标系数2.0,即得到了上述金属体切面的像素厚度p,其中上述金属体切面的像素厚度p以像素为单位。
在本发明实施例中,根据上述金属体厚度识别装置成像得到的某个金属体切面,对于可见的金属体切面而言,可近似认为该金属体切面是垂直于光学镜头的光轴,且平行于成像平面的。
作为一种可选的实施例,基于上述成像单元的上述两列成像传感器得到上述第一图像和上述第二图像,令上述两列成像传感器的间隙为b,光学镜头的焦距为f。由于金属体切面垂直于上述光学镜头光轴,那么金属体切面上任意一点的视差都是相同的d,因此上述金属体切面的深度为Z,其中,Z=bf/d (1)。
在一种可选的实施例中,内参矩阵K和上述金属体切面的深度Z,以及上述像素厚度p,计算出上述金属体切面的真实厚度t,其中,上述金属体切面的真实厚度t=Z·K-1·p(2)。
通过本申请实施例,任意两列成像传感器之间引入了较大的距离,从而使得在最终拼接得到的两个图像中,同一个金属体切面之间存在视差,亦即金属体切面的深度,再根据成像单元的内参矩阵和像素厚度,即可根据上述公式(1)和(2)换算得到金属体切面的真实厚度。
根据本发明实施例,还提供了另一种可以在上述实施例1中所提供的金属体厚度识别系统中实施的金属体厚度识别方法,图8是根据本发明实施例的一种可选的金属体厚度识别方法的步骤流程图,如图8所示,包括如下方法步骤:
步骤S402,获取金属体切面的第一图像和第二图像,其中,上述第一图像和上述第二图像在运动方向上存在视差,上述运动方向为多个成像单元沿着电控位移平台进行往复扫描的方向;
步骤S404,利用上述第一图像和上述第二图像确定上述金属体切面的深度、上述金属体切面在上述第一图像或上述第二图像上的像素厚度;
步骤S406,基于上述深度、上述像素厚度和上述多个成像单元的内参计算得到上述金属体切面的厚度。
容易注意到的是,本发明实施例中,可以但不限于通过将多个成像单元分成多列排布在上述电控位移平台上,并采用控制器控制多个成像单元沿着电控位移平台的运动方向进行往复扫描的方式,获取金属体切面的第一图像和第二图像,由于该第一图像和第二图像在运动方向上存在视差,因此,可以利用上述第一图像和第二图像确定上述金属体切面的深度、上述金属体切面在上述第一图像或上述第二图像上的像素厚度;基于上述深度、上述像素厚度和上述多个成,像单元的内参计算得到上述金属体切面的厚度,该厚度用于判定金属体的分类等级。
由此,本发明实施例达到了提高识别金属体厚度的识别精准度、增强金属体识别的泛化能力的目的,从而实现了准确判定金属体的分类等级,以提升金属体回收效率的技术效果,进而解决了现有技术中的废钢识别方案存在对废钢厚度的识别精准度较低,难以准确判定废钢的分类等级,导致废钢回收效率低下的技术问题。
需要说明的是,本申请实施例所提供的金属体厚度识别方法实施例,可以用于金属体回收场景、金属体判级场景,例如,应用在各钢铁厂对金属体进行回收的环节等等。可选的,上述金属体可以为任意类型的金属材料制成,例如,可以为铜材、铝材,钢材等等,不仅可以为生产、运输、建筑工程等领域中待使用的金属体,还可以为待回收的废旧钢材,废旧铜材、废旧铝材等等。
在一种可选的实施例中,仍如图2所示,可以在货车卸料区域合适位置安装如图2中所示的金属体厚度识别系统。在上述金属体厚度识别系统中,该控制器40可以是智能手机、PC终端等设备,在图2中,在上述电控位移平台42上仅示意性显示排布有一个成像单元,在实际应用过程中,可以将多个成像单元分成多列排布在上述电控位移平台42上,通过控制器40控制控制多个成像单元沿着电控位移平台42的运动方向匀速的进行来回往复的扫描,在扫描的过程中,成像单元中的成像传感器每隔固定的时间周期进行曝光成像,以获取金属体切面(即金属体横断面)的第一图像和第二图像,并且,该第一图像和第二图像在运动方向上存在视差。
如图2所示,每个成像单元均可以通过一个固定杆安装在1维电控位移平台上,当上述1维电控位移平台沿着水平方向进行来回扫描时,多个成像单元可以在移动过场中获取金属体切面的第一图像和第二图像。
在本发明实施例中,由于上述第一图像和上述第二图像之间存在视角差,使得上述成像单元在成像的同时,可以利用上述第一图像和上述第二图像确定上述金属体切面的深度、上述金属体切面在上述第一图像或上述第二图像上的像素厚度,基于上述深度、上述像素厚度和上述多个成像单元的内参可以计算得到上述金属体切面的厚度,通过上述金属体切面的厚度进一步判定上述金属体的分类等级。
本发明实施例中,通过设计一种可以采用商用零部件搭建而成的扫描型的智能金属体厚度识别系统,可以达到快速且紧凑的构建金属体厚度识别系统的目的;上述金属体厚度识别系统中的多个成像单元,可以在同一个镜头下,扫描得到存在视角差异的第一图像和第二图像,从而在获取到第一图像和第二图像的同时,提供了识别金属体切面的深度和厚度的可行性。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例上述的方法。
实施例3
根据本发明实施例,还提供了一种用于实施上述金属体厚度识别方法的装置实施例,图9是根据本发明实施例的一种金属体厚度识别装置的结构示意图,如图9所示,上述金属体厚度识别装置,包括:第一处理模块500、第二处理模块502和判定模块504,其中,
第一处理模块500,用于控制多个成像单元沿着电控位移平台的运动方向进行往复扫描,获取金属体切面的第一图像和第二图像;第二处理模块502,用于利用上述第一图像和上述第二图像确定上述金属体切面的深度、上述金属体切面在上述第一图像或上述第二图像上的像素厚度;判定模块504,用于基于上述深度、上述像素厚度和上述多个成像单元的内参计算得到上述金属体切面的厚度。
容易注意到的是,本发明实施例中,通过将多个成像单元分成多列排布在上述电控位移平台上,并采用控制器控制多个成像单元沿着电控位移平台的运动方向进行往复扫描,获取金属体切面的第一图像和第二图像,由于该第一图像和第二图像在运动方向上存在视差;因此,可以利用上述第一图像和第二图像确定上述金属体切面的深度、上述金属体切面在上述第一图像或上述第二图像上的像素厚度;基于上述深度、上述像素厚度和上述多个成像单元的内参计算得到上述金属体切面的厚度。
由此,本发明实施例达到了提高识别金属体厚度的识别精准度、增强金属体识别的泛化能力的目的,从而实现了准确判定金属体的分类等级,以提升金属体回收效率的技术效果,进而解决了现有技术中的废钢识别方案存在对废钢厚度的识别精准度较低,难以准确判定废钢的分类等级,导致废钢回收效率低下的技术问题。
此处需要说明的是,上述确定模块500和发送模块502对应于实施例2中的步骤S102至步骤S106,两个模块与对应的步骤所实现的实例和应用场景相同,但不限于上述实施例2所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在实施例2提供的计算机终端10中。
需要说明的是,本实施例的优选实施方式可以参见实施例1和2中的相关描述,此处不再赘述。
实施例4
根据本发明实施例,还提供了一种计算机终端的实施例,该计算机终端可以是计算机终端群中的任意一个计算机终端设备。可选地,在本发明实施例中,上述计算机终端也可以替换为移动终端等终端设备。
可选地,在本发明实施例中,上述计算机终端可以位于计算机网络的多个网络设备中的至少一个网络设备。
在本发明实施例中,上述计算机终端可以执行金属体厚度识别方法中以下步骤的程序代码:控制多个成像单元沿着电控位移平台的运动方向进行往复扫描,获取金属体切面的第一图像和第二图像,其中,上述多个成像单元分成多列排布在上述电控位移平台上,上述第一图像和上述第二图像在上述运动方向上存在视差;利用上述第一图像和上述第二图像确定上述金属体切面的深度、上述金属体切面在上述第一图像或上述第二图像上的像素厚度;基于上述深度、上述像素厚度和上述多个成像单元的内参计算得到上述金属体切面的厚度,其中,上述厚度用于判定金属体的分类等级。
可选地,图10是根据本发明实施例的一种电子设备的结构框图,如图10所示,该电子设备可以包括:一个或多个(图中仅示出一个)处理器602、存储器604及存储在存储器上并可在处理器上运行的程序,还可以包括外设接口606,上述存储器604与上述处理器602连接,用于为上述处理器提供处理以下处理步骤的指令:控制多个成像单元沿着电控位移平台的运动方向进行往复扫描,获取金属体切面的第一图像和第二图像,其中,上述多个成像单元分成多列排布在上述电控位移平台上,上述第一图像和上述第二图像在上述运动方向上存在视差;利用上述第一图像和上述第二图像确定上述金属体切面的深度、上述金属体切面在上述第一图像或上述第二图像上的像素厚度;基于上述深度、上述像素厚度和上述多个成像单元的内参计算得到上述金属体切面的厚度,其中,上述厚度用于判定金属体的分类等级。
其中,存储器可用于存储软件程序以及模块,如本发明实施例中的金属体厚度识别方法和装置对应的程序指令/模块,处理器通过运行存储在存储器内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的金属体厚度识别方法。存储器可包括高速随机存储器,还可以包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器可进一步包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至计算机终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
处理器可以通过传输装置调用存储器存储的信息及应用程序,以执行下述步骤:控制多个成像单元沿着电控位移平台的运动方向进行往复扫描,获取金属体切面的第一图像和第二图像,其中,上述多个成像单元分成多列排布在上述电控位移平台上,上述第一图像和上述第二图像在上述运动方向上存在视差;利用上述第一图像和上述第二图像确定上述金属体切面的深度、上述金属体切面在上述第一图像或上述第二图像上的像素厚度;基于上述深度、上述像素厚度和上述多个成像单元的内参计算得到上述金属体切面的厚度,其中,上述厚度用于判定金属体的分类等级。
可选的,上述处理器还可以执行如下步骤的程序代码:控制多个成像单元包括:第一成像单元、第二成像单元、第三成像单元和第四成像单元,其中,上述第一成像单元与上述第二成像单元分布在垂直于上述电控位移平台的第一列,上述第三成像单元与上述第四成像单元分布在垂直于上述电控位移平台的第二列,第一距离为上述第一列与上述第二列之间的距离,第二距离为上述第一成像单元与上述第二成像单元或者上述第三成像单元与上述第四成像单元之间的距离,上述第一距离大于上述第二距离。
可选的,上述处理器还可以执行如下步骤的程序代码:利用上述第一图像和上述第二图像确定上述深度包括:通过上述第一距离、上述多个成像单元的焦距和上述视差计算得到上述深度。
可选的,上述处理器还可以执行如下步骤的程序代码:利用上述第一图像和上述第二图像确定上述像素厚度包括:通过对上述第一图像或上述第二图像上的金属体切面区域进行距离变换处理,得到第一距离变换结果,其中,上述第一距离变换结果用于确定距离变换后各个像素点的距离值和最大距离值;采用距离变换后各个像素点的距离值和最大距离值,得到第二距离变换结果;对上述第二距离变换结果进行二值化处理,得到骨架像素蒙版;利用上述骨架像素蒙版和上述第一距离变换结果得到上述像素厚度。
可选的,上述处理器还可以执行如下步骤的程序代码:利用上述骨架像素蒙版和上述第一距离变换结果得到上述像素厚度包括:获取上述骨架像素蒙版中像素值为第一数值的像素位置;利用上述像素位置从上述第一距离变换结果中获取对应的距离值;对获取到的距离值进行加权平均后再乘以目标系数,得到上述像素厚度。
采用本发明实施例,提供了一种金属体厚度识别的方案。通过将多个成像单元分成多列排布在上述电控位移平台上,并采用控制器控制多个成像单元沿着电控位移平台的运动方向进行往复扫描,获取金属体切面的第一图像和第二图像,由于该第一图像和第二图像在运动方向上存在视差;因此,可以利用上述第一图像和第二图像确定上述金属体切面的深度、上述金属体切面在上述第一图像或上述第二图像上的像素厚度;基于上述深度、上述像素厚度和上述多个成像单元的内参计算得到上述金属体切面的厚度。
由此,本发明实施例达到了提高识别金属体厚度的识别精准度、增强金属体识别的泛化能力的目的,从而实现了准确判定金属体的分类等级,以提升金属体回收效率的技术效果,进而解决了现有技术中的废钢识别方案存在对废钢厚度的识别精准度较低,难以准确判定废钢的分类等级,导致废钢回收效率低下的技术问题。
本领域普通技术人员可以理解,图10所示的结构仅为示意,计算机终端也可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌声电脑以及移动互联网设备(MobileInternet Devices,MID)、PAD等终端设备。图10其并不对上述电子装置的结构造成限定。例如,计算机终端还可包括比图10中所示更多或者更少的组件(如网络接口、显示装置等),或者具有与图10所示不同的配置。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,计算机可读存储介质可以包括:闪存盘、只读存储器(Read-Only Memory,ROM)、随机存取器(Random Access Memory,RAM)、磁盘或光盘等。
实施例5
根据本申请的实施例,还提供了一种计算机可读存储介质的实施例。可选地,在本发明实施例中,上述计算机可读存储介质可以用于保存上述实施例2所提供的金属体厚度识别方法所执行的程序代码。
可选地,在本发明实施例中,上述计算机可读存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中,或者位于移动终端群中的任意一个移动终端中。
可选地,在本发明实施例中,计算机可读存储介质被设置为存储用于执行以下步骤的程序代码:控制多个成像单元沿着电控位移平台的运动方向进行往复扫描,获取金属体切面的第一图像和第二图像,其中,上述多个成像单元分成多列排布在上述电控位移平台上,上述第一图像和上述第二图像在上述运动方向上存在视差;利用上述第一图像和上述第二图像确定上述金属体切面的深度、上述金属体切面在上述第一图像或上述第二图像上的像素厚度;基于上述深度、上述像素厚度和上述多个成像单元的内参计算得到上述金属体切面的厚度,其中,上述厚度用于判定金属体的分类等级。
可选地,在本发明实施例中,计算机可读存储介质被设置为存储用于执行以下步骤的程序代码:第一成像单元、第二成像单元、第三成像单元和第四成像单元,其中,上述第一成像单元与上述第二成像单元分布在垂直于上述电控位移平台的第一列,上述第三成像单元与上述第四成像单元分布在垂直于上述电控位移平台的第二列,第一距离为上述第一列与上述第二列之间的距离,第二距离为上述第一成像单元与上述第二成像单元或者上述第三成像单元与上述第四成像单元之间的距离,上述第一距离大于上述第二距离。
可选地,在本发明实施例中,计算机可读存储介质被设置为存储用于执行以下步骤的程序代码:通过上述第一距离、上述多个成像单元的焦距和上述视差计算得到上述深度。
可选地,在本发明实施例中,计算机可读存储介质被设置为存储用于执行以下步骤的程序代码:通过对上述第一图像或上述第二图像上的金属体切面区域进行距离变换处理,得到第一距离变换结果,其中,上述第一距离变换结果用于确定距离变换后各个像素点的距离值和最大距离值;采用距离变换后各个像素点的距离值和最大距离值,得到第二距离变换结果;对上述第二距离变换结果进行二值化处理,得到骨架像素蒙版;利用上述骨架像素蒙版和上述第一距离变换结果得到上述像素厚度。
可选地,在本发明实施例中,计算机可读存储介质被设置为存储用于执行以下步骤的程序代码:利用上述骨架像素蒙版和上述第一距离变换结果得到上述像素厚度包括:获取上述骨架像素蒙版中像素值为第一数值的像素位置;利用上述像素位置从上述第一距离变换结果中获取对应的距离值;对获取到的距离值进行加权平均后再乘以目标系数,得到上述像素厚度。
可选地,在本发明实施例中,计算机可读存储介质被设置为存储用于执行以下步骤的程序代码:获取金属体切面的第一图像和第二图像,其中,上述第一图像和上述第二图像在运动方向上存在视差,上述运动方向为多个成像单元沿着电控位移平台进行往复扫描的方向;利用上述第一图像和上述第二图像确定上述金属体切面的深度、上述金属体切面在上述第一图像或上述第二图像上的像素厚度;基于上述深度、上述像素厚度和上述多个成像单元的内参计算得到上述金属体切面的厚度。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如上述单元的划分,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信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
上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发明实施例方案的目的。
另外,在本发明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,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品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(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种金属体厚度识别系统,其特征在于,包括:控制器、电控位移平台和成像装置,所述成像装置包括多个成像单元,所述多个成像单元分成多列排布在所述电控位移平台上;
所述多个成像单元,用于在所述控制器的控制下,沿着所述电控位移平台的运动方向进行往复扫描,获取金属体切面的第一图像和第二图像,其中,所述第一图像和所述第二图像在所述运动方向上存在视差;
所述控制器,用于利用所述第一图像和所述第二图像确定所述金属体切面的深度、所述金属体切面在所述第一图像或所述第二图像上的像素厚度,以及基于所述深度、所述像素厚度和所述多个成像单元的内参计算得到所述金属体切面的厚度;
其中,所述多个成像单元呈两列分布,分布方向垂直于所述电控位移平台,两列之间的距离为第一距离;
所述控制器,用于通过所述第一距离、所述多个成像单元的焦距和所述视差计算得到所述深度。
2.根据权利要求1所述的金属体厚度识别系统,其特征在于,所述多个成像单元包括:第一成像单元、第二成像单元、第三成像单元和第四成像单元,其中,所述第一成像单元与所述第二成像单元分布在垂直于所述电控位移平台的第一列,所述第三成像单元与所述第四成像单元分布在垂直于所述电控位移平台的第二列,第一距离为所述第一列与所述第二列之间的距离,第二距离为所述第一成像单元与所述第二成像单元或者所述第三成像单元与所述第四成像单元之间的距离,所述第一距离大于所述第二距离。
3.根据权利要求1所述的金属体厚度识别系统,其特征在于,所述电控位移平台为1维位移平台,所述多个成像单元均为长线阵1维成像传感器。
4.根据权利要求1所述的金属体厚度识别系统,其特征在于,所述控制器,用于通过对所述第一图像或所述第二图像上的金属体切面区域进行距离变换处理,得到第一距离变换结果,其中,所述第一距离变换结果用于确定距离变换后各个像素点的距离值和最大距离值;采用距离变换后各个像素点的距离值和最大距离值,得到第二距离变换结果;对所述第二距离变换结果进行二值化处理,得到骨架像素蒙版;以及,利用所述骨架像素蒙版和所述第一距离变换结果得到所述像素厚度。
5.根据权利要求4所述的金属体厚度识别系统,其特征在于,所述控制器,用于获取所述骨架像素蒙版中像素值为第一数值的像素位置,利用所述像素位置从所述第一距离变换结果中获取对应的距离值,以及对获取到的距离值进行加权平均后再乘以目标系数,得到所述像素厚度。
6.根据权利要求1所述的金属体厚度识别系统,其特征在于,所述厚度用于判定金属体的分类等级。
7.一种金属体厚度识别方法,其特征在于,包括:
控制多个成像单元沿着电控位移平台的运动方向进行往复扫描,获取金属体切面的第一图像和第二图像,其中,所述多个成像单元分成多列排布在所述电控位移平台上,所述第一图像和所述第二图像在所述运动方向上存在视差;
利用所述第一图像和所述第二图像确定所述金属体切面的深度、所述金属体切面在所述第一图像或所述第二图像上的像素厚度;
基于所述深度、所述像素厚度和所述多个成像单元的内参计算得到所述金属体切面的厚度;
其中,所述多个成像单元沿垂直于所述电控位移平台的方向呈两列分布,两列之间的距离为第一距离;
利用所述第一图像和所述第二图像确定所述金属体切面的深度包括:通过所述第一距离、所述多个成像单元的焦距和所述视差计算得到所述深度。
8.一种金属体厚度识别方法,其特征在于,包括:
获取金属体切面的第一图像和第二图像,其中,所述第一图像和所述第二图像在运动方向上存在视差,所述运动方向为多个成像单元沿着电控位移平台进行往复扫描的方向;
利用所述第一图像和所述第二图像确定所述金属体切面的深度、所述金属体切面在所述第一图像或所述第二图像上的像素厚度;
基于所述深度、所述像素厚度和所述多个成像单元的内参计算得到所述金属体切面的厚度;
其中,所述多个成像单元沿垂直于所述电控位移平台的方向呈两列分布,两列之间的距离为第一距离;
利用所述第一图像和所述第二图像确定所述金属体切面的深度包括:通过所述第一距离、所述多个成像单元的焦距和所述视差计算得到所述深度。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的程序,其中,在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求7或8所述的金属体厚度识别方法。
10.一种电子设备,其特征在于,包括:
处理器;以及
存储器,与所述处理器连接,用于为所述处理器提供处理以下处理步骤的指令:
控制多个成像单元沿着电控位移平台的运动方向进行往复扫描,获取金属体切面的第一图像和第二图像,其中,所述多个成像单元分成多列排布在所述电控位移平台上,所述第一图像和所述第二图像在所述运动方向上存在视差;
利用所述第一图像和所述第二图像确定所述金属体切面的深度、所述金属体切面在所述第一图像或所述第二图像上的像素厚度;
基于所述深度、所述像素厚度和所述多个成像单元的内参计算得到所述金属体切面的厚度;
其中,所述多个成像单元沿垂直于所述电控位移平台的方向呈两列分布,两列之间的距离为第一距离;
利用所述第一图像和所述第二图像确定所述金属体切面的深度包括:通过所述第一距离、所述多个成像单元的焦距和所述视差计算得到所述深度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110866985.6A CN113834428B (zh) | 2021-07-29 | 2021-07-29 | 金属体厚度识别方法、系统、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110866985.6A CN113834428B (zh) | 2021-07-29 | 2021-07-29 | 金属体厚度识别方法、系统、存储介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113834428A CN113834428A (zh) | 2021-12-24 |
CN113834428B true CN113834428B (zh) | 2024-05-14 |
Family
ID=78963078
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110866985.6A Active CN113834428B (zh) | 2021-07-29 | 2021-07-29 | 金属体厚度识别方法、系统、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113834428B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114332511B (zh) * | 2022-03-14 | 2022-05-27 | 新极技术(北京)有限公司 | 一种废钢厚度占比的识别方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001012912A (ja) * | 1999-06-29 | 2001-01-19 | Fuji Photo Film Co Ltd | 視差画像撮像装置、視差画像処理装置、視差画像撮像方法、及び視差画像処理方法 |
JP2009002765A (ja) * | 2007-06-21 | 2009-01-08 | Jfe Steel Kk | 耐火物のプロファイル測定方法及び耐火物の厚み測定方法 |
CN101374244A (zh) * | 2007-08-21 | 2009-02-25 | 株式会社东芝 | 立体图像显示装置 |
JP2011002339A (ja) * | 2009-06-18 | 2011-01-06 | Panasonic Electric Works Co Ltd | 物体検知装置 |
CN204944450U (zh) * | 2015-09-18 | 2016-01-06 | 上海图漾信息科技有限公司 | 深度数据测量系统 |
EP3067826A1 (en) * | 2015-03-11 | 2016-09-14 | Ricoh Company, Ltd. | Imaging system, image processing system, and object detection method |
WO2017033567A1 (ja) * | 2015-08-27 | 2017-03-02 | 東レエンジニアリング株式会社 | 膜厚分布測定装置 |
WO2019003771A1 (ja) * | 2017-06-26 | 2019-01-03 | 日立オートモティブシステムズ株式会社 | 撮像装置 |
CN109151281A (zh) * | 2018-09-26 | 2019-01-04 | 中国计量大学 | 一种获得深度信息的像素孔径偏移相机 |
CN110717455A (zh) * | 2019-10-10 | 2020-01-21 | 北京同创信通科技有限公司 | 一种收储中的废钢等级分类检测方法 |
WO2020169959A1 (en) * | 2019-02-20 | 2020-08-27 | Imperial College Of Science, Technology And Medicine | Image processing to determine object thickness |
CN112348791A (zh) * | 2020-11-04 | 2021-02-09 | 中冶赛迪重庆信息技术有限公司 | 基于机器视觉的废钢智能检判方法、系统、介质及终端 |
CN113141495A (zh) * | 2020-01-16 | 2021-07-20 | 纳恩博(北京)科技有限公司 | 图像处理方法及装置、存储介质、电子装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2020075213A1 (ja) * | 2018-10-09 | 2021-09-02 | オリンパス株式会社 | 計測装置、計測方法および顕微鏡システム |
-
2021
- 2021-07-29 CN CN202110866985.6A patent/CN113834428B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001012912A (ja) * | 1999-06-29 | 2001-01-19 | Fuji Photo Film Co Ltd | 視差画像撮像装置、視差画像処理装置、視差画像撮像方法、及び視差画像処理方法 |
JP2009002765A (ja) * | 2007-06-21 | 2009-01-08 | Jfe Steel Kk | 耐火物のプロファイル測定方法及び耐火物の厚み測定方法 |
CN101374244A (zh) * | 2007-08-21 | 2009-02-25 | 株式会社东芝 | 立体图像显示装置 |
JP2011002339A (ja) * | 2009-06-18 | 2011-01-06 | Panasonic Electric Works Co Ltd | 物体検知装置 |
EP3067826A1 (en) * | 2015-03-11 | 2016-09-14 | Ricoh Company, Ltd. | Imaging system, image processing system, and object detection method |
WO2017033567A1 (ja) * | 2015-08-27 | 2017-03-02 | 東レエンジニアリング株式会社 | 膜厚分布測定装置 |
CN204944450U (zh) * | 2015-09-18 | 2016-01-06 | 上海图漾信息科技有限公司 | 深度数据测量系统 |
WO2019003771A1 (ja) * | 2017-06-26 | 2019-01-03 | 日立オートモティブシステムズ株式会社 | 撮像装置 |
CN109151281A (zh) * | 2018-09-26 | 2019-01-04 | 中国计量大学 | 一种获得深度信息的像素孔径偏移相机 |
WO2020169959A1 (en) * | 2019-02-20 | 2020-08-27 | Imperial College Of Science, Technology And Medicine | Image processing to determine object thickness |
CN110717455A (zh) * | 2019-10-10 | 2020-01-21 | 北京同创信通科技有限公司 | 一种收储中的废钢等级分类检测方法 |
CN113141495A (zh) * | 2020-01-16 | 2021-07-20 | 纳恩博(北京)科技有限公司 | 图像处理方法及装置、存储介质、电子装置 |
CN112348791A (zh) * | 2020-11-04 | 2021-02-09 | 中冶赛迪重庆信息技术有限公司 | 基于机器视觉的废钢智能检判方法、系统、介质及终端 |
Non-Patent Citations (1)
Title |
---|
单-双镜面组合结构的全向深度获取系统;陈旺;张茂军;崇洋;熊志辉;;计算机辅助设计与图形学学报;20100615(06);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113834428A (zh) | 2021-12-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102103753B (zh) | 使用实时相机运动估计检测和跟踪运动对象的方法和终端 | |
CN108352074A (zh) | 准参数光学流估计 | |
CN102538980A (zh) | 热像装置和热像拍摄方法 | |
CN104517110A (zh) | 一种二维码图像的二值化方法及系统 | |
CN113834428B (zh) | 金属体厚度识别方法、系统、存储介质及电子设备 | |
CN111275036A (zh) | 目标检测方法、装置、电子设备及计算机可读存储介质 | |
CN106919883B (zh) | 一种qr码的定位方法及装置 | |
CN109214996A (zh) | 一种图像处理方法及装置 | |
CN103973931A (zh) | 图像处理装置及图像处理方法 | |
US20190014303A1 (en) | Imaging system and method | |
CN113052754B (zh) | 一种图片背景虚化的方法及装置 | |
CN112037160A (zh) | 图像处理方法、装置及设备 | |
CN113688820A (zh) | 频闪条带信息识别方法、装置和电子设备 | |
CN103034833A (zh) | 条码定位方法及装置 | |
CN111614959B (zh) | 一种视频打码方法、装置以及电子设备 | |
EP3264761A1 (en) | A method and apparatus for creating a pair of stereoscopic images using least one lightfield camera | |
CN103237158A (zh) | 影像处理方法、影像撷取系统及影像处理器 | |
CN102998095A (zh) | 一种裸眼立体显示器的检测方法和装置 | |
CN104184936A (zh) | 基于光场相机的影像对焦处理方法及其系统 | |
Zhou et al. | Calibration and location analysis of a heterogeneous binocular stereo vision system | |
CN110896469B (zh) | 用于三摄的解像力测试方法及其应用 | |
CN115035741B (zh) | 判别泊位停车的方法、装置、存储介质及系统 | |
CN111669572A (zh) | 摄像头模组的检测方法、装置、介质及电子设备 | |
CN102595151A (zh) | 影像深度计算方法 | |
KR20190046415A (ko) | 복수 개의 파트에 기초한 객체검출기 및 복수 개의 파트에 기초한 객체검출방법 |
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 |