CN113963004A - 一种采样方法、装置及电子设备 - Google Patents
一种采样方法、装置及电子设备 Download PDFInfo
- Publication number
- CN113963004A CN113963004A CN202111298363.4A CN202111298363A CN113963004A CN 113963004 A CN113963004 A CN 113963004A CN 202111298363 A CN202111298363 A CN 202111298363A CN 113963004 A CN113963004 A CN 113963004A
- Authority
- CN
- China
- Prior art keywords
- sampling
- sampled
- image
- position information
- area
- 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.)
- Pending
Links
- 238000005070 sampling Methods 0.000 title claims abstract description 346
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000004590 computer program Methods 0.000 claims description 20
- 238000004891 communication Methods 0.000 claims description 10
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 description 14
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明属于数据处理技术领域,尤其涉及一种采样方法、装置及电子设备。所述方法包括:先实时获取采样区域的采样图像,然后根据所述采样图像,获取待采样装置的位置信息,最后根据所述位置信息以及预先配置的采样规则,对所述待采样装置进行采样。通过采样系统根据所述采样图像,以获取所述待采样装置的位置信息,并根据所述待采样装置的位置信息与预先配置的采样规则,以对所述待采样装置进行采样,以解决了传统的采用人工或半人工半自动方式进行的采样方法,消耗大量的人力,工作成本高,且采样监督的准确性较低的技术问题,进而使得采样能够全自动且工作成本较低的技术效果。
Description
技术领域
本申请属于数据处理技术领域,尤其涉及一种采样方法、装置及电子设备。
背景技术
随着计算机技术的发展,人们可以通过采样设备对各种待采样装置进行采样,以获取所述待采样装置的各种采样参数。传统的采样方法,均是采用人工或者半人工半自动方式进行的,也即,单纯通过人工肉眼观察或者人工通过摄像装置对待采样装置进行采样。而传统的采用人工或半人工半自动方式进行的采样方法,消耗大量的人力,工作成本高,且采样监督的准确性较低。
发明内容
本申请实施方式提供了一种采样方法、装置、存储介质及电子设备,以解决传统的采用人工或半人工半自动方式进行的采样方法,消耗大量的人力,工作成本高,且采样监督的准确性较低的技术问题。
本申请实施方式第一方面提供了一种采样方法,所述方法包括:
实时获取采样区域的采样图像,其中,所述采样区域是指用户欲采样的位置;
根据所述采样图像,获取待采样装置的位置信息,其中,所述位置信息是指所述待
采样装置在所述采样区域中的位置所对应的通信信息,所述位置信息是通过预先配置的采
样模型进行获取,所述采样模型为:,所述为位置信息,win(t)为采
样图像第t个的窗口,i是指第t个窗口里面的一个点的指代,k为卷积核大小,Ii为第i个点
的像素值,s为下采样倍率;
根据所述位置信息以及预先配置的采样规则,对所述待采样装置进行采样。
可选地,所述根据所述采样图像,获取待采样装置的位置信息,具体包括:
将所述采样图像进行二值化处理,计算所述采样图像的灰度信息;
根据所述灰度信息,从所述采样图像中提取待采样装置的轮廓区域;
根据所述轮廓区域,获取所述待采样装置的位置信息。
可选地,所述根据所述灰度信息,从所述采样图像中提取待采样装置的轮廓区域,具体包括:
将所述采样图像的灰度信息与灰度阈值进行比对,获取比对结果;
根据所述比对结果,确定所述待采样装置的轮廓区域。
可选地,所述待采样装置的形状为矩形形状;对应地,所述根据所述轮廓区域,获取所述待采样装置的位置信息,具体包括:
基于所述轮廓区域,绘制最小外接矩形;
根据所述最小外接矩形,获取所述待采样装置的位置信息,其中,所述位置信息包括所述最小外接矩形的四个顶点坐标。
可选地,所述根据所述位置信息以及预先配置的采样规则,对所述待采样装置进行采样,具体包括:
将所述最小外接矩形等分成预设数量份子采样区域;
根据所述采样规则对所述子采样区域进行采样。
可选地,在所述根据所述采样规则对所述子采样区域进行采样之前,所述方法还包括:
获取采样设备的坐标以及所述子采样区域的坐标;对应地,所述根据所述采样规则对所述子采样区域进行采样,具体包括:
根据所述采样设备的坐标以及所述子采样区域的坐标,以及所述采样规则定义的目标子采样区域或目标子采样区域以及采样顺序,对所述目标子采样区域的采样进行采样。
可选地,所述根据所述采样设备的坐标以及所述子采样区域的坐标,以及所述采样规则定义的目标子采样区域或目标子采样区域以及采样顺序,对所述目标子采样区域的采样进行采样之后,所述方法还包括:
判断所述采样设备的坐标是否落入所述子采样区域的坐标范围;
若是,则判定本次样正常;
若否,则判定本次采样异常。
本申请实施方式第二方面提供了一种采样装置,应用于采样设备,所述装置包括:
采集模块,用于实时获取采样区域的采样图像,其中,所述采样区域是指用户欲采样的位置;
获取模块,用于根据所述采样图像,获取待采样装置的位置信息,其中,所述位置
信息是指所述待采样装置在所述采样区域中的位置所对应的通信信息,所述位置信息是通
过预先配置的采样模型进行获取,所述采样模型为:,所述为位置
信息,win(t)为采样图像第t个的窗口,i是指第t个窗口里面的一个点的指代,k为卷积核大
小,Ii为第i个点的像素值,s为下采样倍率;
采样模块,用于根据所述位置信息以及预先配置的采样规则,对所述待采样装置进行采样。
本申请实施方式第三方面提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在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前述的一种采样方法。
本申请实施方式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前述的一种采样方法的步骤。
本申请实施方式第五方面提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行上述本申请实施方式第一方面提供的一种采样方法。
本发明的实施方式与现有技术相比存在的有益效果是:先实时获取采样区域的采
样图像,然后根据所述采样图像,获取待采样装置的位置信息,其中,所述位置信息是指所
述待采样装置在所述采样区域中的位置所对应的通信信息,所述位置信息是通过预先配置
的采样模型进行获取,所述采样模型为:,所述为位置信息,win(t)
为采样图像第t个的窗口,i是指第t个窗口里面的一个点的指代,k为卷积核大小,Ii为第i
个点的像素值,s为下采样倍率,最后根据所述位置信息以及预先配置的采样规则,对所述
待采样装置进行采样。通过采样系统根据所述采样图像,以获取所述待采样装置的位置信
息,并根据所述待采样装置的位置信息与预先配置的采样规则,以对所述待采样装置进行
采样,以解决了传统的采用人工或半人工半自动方式进行的采样方法,消耗大量的人力,工
作成本高,且采样监督的准确性较低的技术问题,进而使得采样能够全自动且工作成本较
低的技术效果。
附图说明
为了更清楚地说明本申请实施方式中的技术方案,下面将对实施方式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方式,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是本申请实施例提供的一种采样方法的第一种实现过程流程示意图;
图2是本申请实施例提供的一种采样方法的第二种实现过程流程示意图;
图3是本申请实施例提供的一种采样装置的结构示意图;
图4是本申请实施例提供的电子设备的结构示意图。
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方式。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方式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。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
还应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施方式的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
应当理解,本实施例中各步骤的先后撰写顺序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。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
为了说明本申请所述的技术方案,下面通过具体实施方式来进行说明。
参见图1,是本申请实施例一提供一种采样方法的第一种实现过程的流程图,应用于采样设备,为了便于说明,仅示出了与本申请实施例相关的部分。
本案优选实施例可为,所述一种采样方法,所述方法包括:
S101:实时获取采样区域的采样图像,其中,所述采样区域是指用户预先根据欲采样的区域进行定义的位置。
在本实施例中,所述采样区域是指用户预先根据欲采样的区域进行定义的采样区域,采样系统在所述采样区域内进行采样工作。需要说明的是,所述采样系统包括进行采样图像采集的摄像头,所述摄像头拍摄的区域为所述采样区域,用于获取所述采样区域中的图像信息。具体的,所述采样图像是指所述摄像头对采样区域拍摄的图像。
在一些可能实施的实施例中,所述采样区域可根据不同用户需求设定不同的采样区域形状,比如圆形,正方形或者长方形。所述采样区域在所述采样系统中设定有坐标系,根据所述采样区域的相对位置,对应转换成所述采样系统中的坐标系。
在一些可能实施的实施例中,所述采样区域设置在采样系统进行采样动作时的一个节点区域。
S102:根据所述采样图像,获取待采样装置的位置信息,其中,所述位置信息是指
所述待采样装置在所述采样区域中的位置所对应的通信信息,所述位置信息是通过预先配
置的采样模型进行获取,所述采样模型为:,所述为位置信息,win
(t)为采样图像第t个的窗口,i是指第t个窗口里面的一个点的指代,k为卷积核大小,Ii为
第i个点的像素值,s为下采样倍率。
在本实施例中,所述位置信息是指所述待采样装置在所述采样区域中的位置所对应的通信信息,所述位置信息在所述采样监督系统中可以是以坐标形式存储的,比如,所述待采样装置的四个顶点坐标所构成的矩形轮廓。
在一些可能实施的实施例中,所述由于不同待采样装置大小不同,地面高度也会不同、货物厚度也不同。因此,需要对不同型号、不同采样环境下,对待采样装置分别确定采样的具体位置。首先,获取采样图像,该采样图像需要拍摄到装有待采样装置的采样图像。然后,利用图片识别技术对采样图像进行处理,计算出待采样装置的位置。其中,所描述的图片识别技术可以为模板匹配模型、模式识别、原型匹配模型等技术。具体的,利用图片识别技术对采样图像进行处理,以计算出待采样装置范围。具体的,可以为对采样图像的待采样装置进行提取识别,大致包括以下四个常用步骤:
步骤一、n预处理,包括A\D转换,二值化,图像的平滑,变换,增强,恢复,滤波等,主要指图象处理。
步骤二、n特征抽取和选择,在模式识别中,需要进行特征的抽取和选择,例如,一幅64x64的图像可以得到4096个数据,这种在测量空间的原始数据通过变换获得在特征空间最能反映分类本质的特征。这就是特征提取和选择的过程。
步骤三、n分类器设计:分类器设计的主要功能是通过训练确定判决规则,使按此类判决规则分类时,错误率最低。
步骤四、n分类决策:在特征空间中对被识别对象进行分类。
在其他一些可能实施的实施例中,所述根据所述采样图像,获取待采样装置的位置信息,具体包括:
S201:将所述采样图像进行二值化处理,计算所述采样图像的灰度信息。
其中,所述采样系统在获取到所述待采样装置对应的采样图片之后,对所述采样图像进行二值化处理,将所述采样图像的灰度信息进行计算,以获取所述采样图像最终的平均灰度信息。
在一些可能实施的实施例中,所述采样系统获取到所述采样图像之后,依次对每个小区域进行二值处理,获取每个小区域的灰度信息,所述小区域可为所述采样图像的每个像素点,也可为多个像素点的集合。
S202:根据所述灰度信息,从所述采样图像中提取待采样装置的轮廓区域;
S203:根据所述轮廓区域,获取所述待采样装置的位置信息。
其中,在所述采样系统获取到所述轮廓区域之后,根据预先配置的位置获取规则,对所述轮廓区域的位置信息进行获取。所述待采样装置的位置信息组成所述轮廓区域。
具体地,所述采样系统获取到所述采样图像的灰度信息之后,将所述灰度信息进行预设规则的处理,以在所述采样图像中将所述待采样装置区域进行筛选,以从所述采样图像中提取待采样装置的轮廓区域。
在其他一些可能实施的实施例中,所述根据所述灰度信息,从所述采样图像中提取待采样装置的轮廓区域,具体包括:
将所述采样图像的灰度信息与灰度阈值进行比对,获取比对结果;
根据所述比对结果,确定所述待采样装置的轮廓区域。
需要说明的是,所述待采样装置对应的灰度阈值,相对于其所在环境对应的灰度阈值是较小的,则所述采样系统预先设定一个灰度阈值,以将获取到的采样图像对应的灰度信息与之进行比对。
在一些可能实施的实施例中,所述根据所述灰度信息,从所述采样图像中提取所述待采样装置的轮廓区域,包括:
将所述采样图像的灰度信息与灰度阈值进行比对,获取比对结果;
根据所述比对结果,确定所述待采样装置对应的轮廓区域。
也即是说,所述采样系统获取到所述采样图像的灰度信息之后,将所述灰度信息依次与所述灰度阈值进行比对,以获取比对结果。所述比对结果包括第一比对结果与第二比对结果,所述第一比对结果是指当前的灰度信息小于所述灰度阈值,第二比对结果是指当前的灰度信息大于或等于所述灰度阈值。
具体地,所述采样系统获取到所述灰度信息对应的比对结果之后,根据所述对比结果,筛选出采样图像内灰度信息小于所述灰度阈值的区域,再根据预先定义筛选规则,提取所述待采样装置的轮廓区域。所述筛选规则用于筛选其余容易被误识别的其他区域。
在一些可能实施的实施例中,所述待采样装置的形状为矩形形状;对应地,所述根据所述轮廓区域,获取所述待采样装置的位置信息,具体包括:
基于所述轮廓区域,绘制最小外接矩形;
根据所述最小外接矩形,获取所述待采样装置的位置信息,其中,所述位置信息包括所述最小外接矩形的四个顶点坐标。
在本实施例中,所述采样系统获取到所述待采样装置的轮廓区域之后,根据所述轮廓区域,采样系统获取所述轮廓区域的形状,根据所述轮廓区域的形状,自动绘制出最小外接矩形。所述最小外接矩形是指能够包括所述轮廓区域形状的面积最小的矩形。
其中,所述采样系统获取到所述最小外接矩形之后,根据所述最小外接矩形的四个顶点位置,获取所述四个顶点坐标,所述四个顶点坐标即为所述待采样装置的位置信息。
S103:根据所述位置信息以及预先配置的采样规则,对所述待采样装置进行采样。
在一些可能实施的实施例中,所述根据所述位置信息以及预先配置的采样规则,对所述待采样装置进行采样,具体包括:
将所述最小外接矩形等分成预设数量份子采样区域;
根据所述采样规则对所述子采样区域进行采样。
其中,采样系统在获取到所述最小外接矩形之后,对所述最小外接矩形按照采样标准(如国家标准)进行预设数量的等分,以获取预设数量个子采样区域;并根据采样标准对预设数量个所述子采样区域进行编号。并根据所述采样规则定义的目标子采样区域编号或编号及采样顺序(即根据采样规则选取的采样区域编号或编号及顺序)进行采样,举个例子,所述子采样区域包括1-18份,所述采样规则根据采样标准选取其中的任意几个(如3、9、15三个)子采样区域进行采样。
需要说明的是,所述子采样区域的设置目的是为了对所述待采样装置内的货物的采样准确化,且采集的子采样区域数量越多,对所述待采样装置内的货物采样越完全,准确性则越高。
在一些可能实施的实施例中,在所述根据所述采样规则对所述子采样区域进行采样之前,所述方法还包括:
获取采样设备的坐标以及所述子采样区域的坐标;对应地,所述根据所述采样规则对所述子采样区域进行采样,具体包括:
根据所述采样设备的坐标以及所述子采样区域的坐标,以及所述采样规则定义的目标子采样区域或目标子采样区域以及采样顺序,对所述目标子采样区域的采样进行采样。
具体地,所述根据所述采样设备的坐标以及所述子采样区域的坐标,以及所述采样规则定义的目标子采样区域或目标子采样区域以及采样顺序,对所述目标子采样区域的采样进行采样之后,所述方法还包括:
判断所述采样设备的坐标是否落入所述子采样区域的坐标范围;
若是,则判定本次样正常;
若否,则判定本次采样异常。
其中,所述采样系统在调用所述预先配置的采样规则之前,先确定所述采样设备的坐标以及所述子采样区域的坐标,便于所述采样系统根据所述采样规则对采样设备的采样过程进行采样,即确定采样设备的运动轨迹是否落入所述子采样区域的坐标范围。因为根据所述采样规则转换成的采样设备的运动路线一定是落入所选取的所述子采样区域的坐标范围内的,如果监督过程所观察到的采样设备的运动轨迹是否落入所述子采样区域的坐标范围则采样正常;反之亦然。
本发明的实施方式与现有技术相比存在的有益效果是:先实时获取采样区域的采
样图像,然后根据所述采样图像,获取待采样装置的位置信息,其中,所述位置信息是指所
述待采样装置在所述采样区域中的位置所对应的通信信息,所述位置信息是通过预先配置
的采样模型进行获取,所述采样模型为:,所述为位置信息,win(t)
为采样图像第t个的窗口,i是指第t个窗口里面的一个点的指代,k为卷积核大小,Ii为第i
个点的像素值,s为下采样倍率,最后根据所述位置信息以及预先配置的采样规则,对所述
待采样装置进行采样。通过采样系统根据所述采样图像,以获取所述待采样装置的位置信
息,并根据所述待采样装置的位置信息与预先配置的采样规则,以对所述待采样装置进行
采样,以解决了传统的采用人工或半人工半自动方式进行的采样方法,消耗大量的人力,工
作成本高,且采样监督的准确性较低的技术问题,进而使得采样能够全自动且工作成本较
低的技术效果。
对应于上文中的一种采样方法实施例中所述的一种采样装置,图3示出了本申请实施例一提供的一种采样装置的结构框图,为了便于说明,仅示出了与本申请实施例相关的部分。
参照图3,一种采样装置300,所述装置包括:
采集模块301,用于实时获取采样区域的采样图像;
获取模块302,用于根据所述采样图像,获取待采样装置的位置信息;
采样模块303,用于根据所述位置信息以及预先配置的采样规则,对所述待采样装置进行采样。
可选地,所述获取模块302包括:
计算单元,用于将所述采样图像进行二值化处理,计算所述采样图像的灰度信息;
提取单元,用于根据所述灰度信息,从所述采样图像中提取待采样装置的轮廓区域;
获取单元,用于根据所述轮廓区域,获取所述待采样装置的位置信息。
可选地,所述提取单元还用于:
将所述采样图像的灰度信息与灰度阈值进行比对,获取比对结果;
根据所述比对结果,确定所述待采样装置的轮廓区域。
可选的,所述待采样装置的形状为矩形形状;对应地,所述获取单元还用于:
基于所述轮廓区域,绘制最小外接矩形;
根据所述最小外接矩形,获取所述待采样装置的位置信息,其中,所述位置信息包括所述最小外接矩形的四个顶点坐标。
可选地,所述采样模块303具体用于:
将所述最小外接矩形等分成预设数量份子采样区域;
根据所述采样规则对所述子采样区域进行采样。
可选地,所述装置300还包括:
第二获取模块,用于获取采样设备的坐标以及所述子采样区域的坐标;对应地,所述根据所述采样规则对所述子采样区域进行采样,具体包括:
第二采样模块,用于根据所述采样设备的坐标以及所述子采样区域的坐标,以及所述采样规则定义的目标子采样区域或目标子采样区域以及采样顺序,对所述目标子采样区域的采样进行采样。
可选地,所述装置300还包括:
判断模块,用于判断所述采样设备的坐标是否落入所述子采样区域的坐标范围;
若是,则判定本次样正常;
若否,则判定本次采样异常。
需要说明的是,上述装置/模块之间的信息交互、执行过程等内容,由于与本申请的一种采样方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见一种采样方法实施例部分,此处不再赘述。
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模块完成,即将所述采样方法的内部结构划分成不同的功能模块,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。上述中各功能模块的具体工作过程,可以参考前述一种采样方法实施例中的对应过程,在此不再赘述。
图4是本申请实施例三提供的电子设备400的结构示意图。如图4所示,电子设备400包括:处理器402、存储器401以及存储在存储器401中并可在处理器402上运行的计算机程序403。处理器402的个数是至少一个,图4以一个为例。处理器402执行计算机程序403时实现上述一种采样方法的实现步骤,即图1或者图2所示的步骤。
电子设备400的具体实现过程可以参见上文中的采样方法实施例。
示例性的,计算机程序403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/单元被存储在存储器401中,并由处理器402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,该指令段用于描述计算机程序403在终端设备400中的执行过程。
电子设备400可以是桌上型计算机、笔记本、掌上电脑、主控等计算设备,也可以是相机、手机等具有图像采集功能和数据处理功能的设备,还可以是触控显示设备。电子设备400可包括,但不仅限于,处理器以及存储器。本领域技术人员可以理解,图4仅是电子设备400的示例,并不构成对电子设备400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,例如电子设备400还可以包括输入输出设备、网络接入设备、总线等。
处理器402可以是CPU(Central Processing Unit,中央处理单元),还可以是其他通用处理器、DSP (Digital Signal Processor,数字信号处理器)、ASIC (ApplicationSpecific Integrated Circuit,专用集成电路)、FPGA (Field-Programmable GateArray,现成可编程门阵列)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。
存储器401可以是电子设备400的内部存储单元,例如硬盘或内存。存储器401也可以是终端设备400的外部存储设备,例如电子设备400上配备的插接式硬盘、SMC(SmartMedia Card,智能存储卡)、SD卡(Secure Digital,安全数字卡)、Flash Card(闪存卡)等。进一步地,存储器401还可以既包括电子设备400的内部存储单元也包括外部存储设备。存储器401用于存储操作系统、应用程序、引导装载程序、数据以及其他程序等,例如所述计算机程序403的程序代码等。存储器401还可以用于暂时地存储已经输出或者将要输出的数据。
本申请实施例还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可实现上文中的一种采样方法实施例中的步骤。
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,本申请实现上述自动一种采样方法实施例中的全部或部分流程,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,可实现上述一种采样方法实施例的步骤。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至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、ROM(Read-Only Memory,只读存储器)、RAM(Random AccessMemory,随机存取存储器)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
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。
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 (9)
2.根据权利要求1所述的方法,其特征在于,所述根据所述采样图像,获取待采样装置的位置信息,具体包括:
将所述采样图像进行二值化处理,计算所述采样图像的灰度信息;
根据所述灰度信息,从所述采样图像中提取待采样装置的轮廓区域;
根据所述轮廓区域,获取所述待采样装置的位置信息。
3.根据权利要求2所述的方法,其特征在于,所述根据所述灰度信息,从所述采样图像中提取待采样装置的轮廓区域,具体包括:
将所述采样图像的灰度信息与灰度阈值进行比对,获取比对结果;
根据所述比对结果,确定所述待采样装置的轮廓区域。
4.根据权利要求3所述的方法,其特征在于,所述待采样装置的形状为矩形形状;对应地,所述根据所述轮廓区域,获取所述待采样装置的位置信息,具体包括:
基于所述轮廓区域,绘制最小外接矩形;
根据所述最小外接矩形,获取所述待采样装置的位置信息,其中,所述位置信息包括所述最小外接矩形的四个顶点坐标。
5.根据权利要求4所述的方法,其特征在于,所述根据所述位置信息以及预先配置的采样规则,对所述待采样装置进行采样,具体包括:
将所述最小外接矩形等分成预设数量份子采样区域;
根据所述采样规则对所述子采样区域进行采样。
6.根据权利要求5所述的方法,其特征在于,在所述根据所述采样规则对所述子采样区域进行采样之前,所述方法还包括:
获取采样设备的坐标以及所述子采样区域的坐标;对应地,所述根据所述采样规则对所述子采样区域进行采样,具体包括:
根据所述采样设备的坐标以及所述子采样区域的坐标,以及所述采样规则定义的目标子采样区域或目标子采样区域以及采样顺序,对所述目标子采样区域的采样进行采样。
7.根据权利要求6所述的方法,其特征在于,所述根据所述采样设备的坐标以及所述子采样区域的坐标,以及所述采样规则定义的目标子采样区域或目标子采样区域以及采样顺序,对所述目标子采样区域的采样进行采样之后,所述方法还包括:
判断所述采样设备的坐标是否落入所述子采样区域的坐标范围;
若是,则判定本次样正常;
若否,则判定本次采样异常。
9.一种电子设备,其特征在于,包括存储器、处理器及存储在存储器上并可在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权利要求1-7任一项所述的一种采样方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111298363.4A CN113963004A (zh) | 2021-11-04 | 2021-11-04 | 一种采样方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111298363.4A CN113963004A (zh) | 2021-11-04 | 2021-11-04 | 一种采样方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113963004A true CN113963004A (zh) | 2022-01-21 |
Family
ID=79469392
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111298363.4A Pending CN113963004A (zh) | 2021-11-04 | 2021-11-04 | 一种采样方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113963004A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115717890A (zh) * | 2022-10-13 | 2023-02-28 | 上海中电电子系统科技股份有限公司 | 一种基于机器人巡检的洁净室洁净度检测方法 |
-
2021
- 2021-11-04 CN CN202111298363.4A patent/CN113963004A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115717890A (zh) * | 2022-10-13 | 2023-02-28 | 上海中电电子系统科技股份有限公司 | 一种基于机器人巡检的洁净室洁净度检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110060237B (zh) | 一种故障检测方法、装置、设备及系统 | |
CN108154105B (zh) | 水下生物检测与识别方法、装置、服务器及终端设备 | |
CN111275730A (zh) | 地图区域的确定方法、装置、设备及存储介质 | |
CN110378313B (zh) | 细胞团识别方法、装置及电子设备 | |
CN112348765A (zh) | 数据增强方法、装置、计算机可读存储介质及终端设备 | |
CN108564579B (zh) | 一种基于时空相关的混凝土裂缝检测方法及检测装置 | |
CN110781756A (zh) | 基于遥感图像的城市道路提取方法及装置 | |
CN110570442A (zh) | 一种复杂背景下轮廓检测方法、终端设备及存储介质 | |
CN111178355A (zh) | 印章识别方法、装置和存储介质 | |
CN113223614A (zh) | 一种染色体核型分析方法、系统、终端设备和存储介质 | |
CN111582032A (zh) | 行人检测方法、装置、终端设备及存储介质 | |
CN111080654A (zh) | 图像的病变区域分割方法、装置及服务器 | |
CN112802126A (zh) | 一种标定方法、装置、计算机设备和存储介质 | |
CN108256520B (zh) | 一种识别硬币年份的方法、终端设备及计算机可读存储介质 | |
CN114638294A (zh) | 一种数据增强方法、装置、终端设备及存储介质 | |
CN113609984A (zh) | 一种指针式仪表读数识别方法、装置及电子设备 | |
CN114444565A (zh) | 一种图像篡改检测方法、终端设备及存储介质 | |
CN111260564A (zh) | 一种图像处理方法和装置及计算机存储介质 | |
CN108960246B (zh) | 一种用于图像识别的二值化处理装置及方法 | |
CN113963004A (zh) | 一种采样方法、装置及电子设备 | |
CN113378837A (zh) | 车牌遮挡识别方法、装置、电子设备和存储介质 | |
CN111104965A (zh) | 车辆目标识别的方法及装置 | |
CN111199228A (zh) | 一种车牌定位的方法及装置 | |
CN115937537A (zh) | 一种目标图像的智能识别方法、装置、设备及存储介质 | |
CN115345895A (zh) | 用于视觉检测的图像分割方法、装置、计算机设备及介质 |
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 |