CN113971414A - 一种标签识别的方法、装置、电子设备及存储介质 - Google Patents
一种标签识别的方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113971414A CN113971414A CN202111354035.1A CN202111354035A CN113971414A CN 113971414 A CN113971414 A CN 113971414A CN 202111354035 A CN202111354035 A CN 202111354035A CN 113971414 A CN113971414 A CN 113971414A
- Authority
- CN
- China
- Prior art keywords
- label
- image
- point
- points
- surrounding frame
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
- G06K7/1439—Methods for optical code recognition including a method step for retrieval of the optical code
- G06K7/1443—Methods for optical code recognition including a method step for retrieval of the optical code locating of the code in an image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
- G06K7/1408—Methods for optical code recognition the method being specifically adapted for the type of code
- G06K7/1417—2D bar codes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
- G06K7/1439—Methods for optical code recognition including a method step for retrieval of the optical code
- G06K7/1452—Methods for optical code recognition including a method step for retrieval of the optical code detecting bar code edges
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
- G06K7/146—Methods for optical code recognition the method including quality enhancement steps
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Electromagnetism (AREA)
- General Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种标签识别的方法、装置、电子设备及存储介质。其中,该方法包括:通过图像采集设备,在工作环境内采集标签图像;根据预设的图像识别算法,确定所述标签图像中的标签点包围框;在所述标签点包围框的范围内识别标签的标签点,确定所述标签点的排列方式并进行记录。本发明实施例通过识别标签点包围框,确定了标签点的具体范围,避免将标签点包围框以外的点作为本标签的标签点,有效提高了标签识别的精度。
Description
技术领域
本发明实施例涉及图像处理技术,尤其涉及一种标签识别的方法、装置、电子设备及存储介质。
背景技术
当前的标签由若干标签点组成,标签点由反光材料制成。不同标签的标签点排列方式不同,标签点的排列位置形成了标签的唯一标识符。标签的功能是提供唯一的标识符,通常被预先水平部署在工作环境的天花板方向,来指导机器人等装置进行定位。
通过经典的图像处理方法可以比较粗略地提取到标签点的光斑,由于光照条件等的变化,标签点的光斑并不能在成像区域很好地反映出来,如果在标签附近存在噪点,则光斑提取的准确性将下降,进而影响标签的识别精度。例如,在标签点的光斑附近存在噪点,该噪点会被识别为标签点,导致标签点排列方式识别错误。
发明内容
本发明实施例提供一种标签识别的方法、装置、电子设备及存储介质,以提高标签识别的精度。
第一方面,本发明实施例提供了一种标签识别的方法,所述标签由具有红外反光特性的标签点包围框和至少一个标签点组成,所有所述标签点位于所述标签点包围框内该方法包括:
通过图像采集设备,在工作环境内采集标签图像;
根据预设的图像识别算法,确定所述标签图像中的标签点包围框;
在所述标签点包围框的范围内识别所述标签点,确定所述标签点的排列方式。
第二方面,本发明实施例还提供了一种标签识别的装置,所述标签由具有红外反光特性的标签点包围框和至少一个标签点组成,所有所述标签点位于所述标签点包围框内;该装置包括:
图像采集模块,用于通过图像采集设备,在工作环境内采集标签图像;
包围框确定模块,用于根据预设的图像识别算法,确定所述标签图像中的标签点包围框;
标签确定模块,用于在所述标签点包围框的范围内识别所述标签点,确定所述标签点的排列方式。
第三方面,本发明实施例还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程序时实现如本发明任意实施例所述的标签识别的方法。
第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如本发明任意实施所述的标签识别的方法。
本发明实施例通过获取环境内的标签图像,根据图像识别算法,识别到标签图像中存在的标签点包围框。标签点包围框内包含了一个标签的所有标签点,通过确定标签点包围框可以得到标签点所在的具体位置范围,从而在标签点包围框的位置范围内识别标签点,得到标签点的排列方式。本发明实施例使用标签点包围框包围标签点的方式,可以提高整个标签的识别效果,在标签识别时,只有找到了所有的标签点才能确定唯一的标签。解决了现有技术中,标签周边噪点影响标签点识别的问题,避免将标签周围噪点识别为标签点,提高标签识别精度,进而提高了机器人的定位精度和效率。
附图说明
图1是本发明实施例一中的一种标签识别方法的流程示意图;
图2是本发明实施例一中的标签示意图;
图3是本发明实施例二中的一种标签识别方法的流程示意图;
图4是本发明实施例三中的一种标签识别方法的流程示意图;
图5是本发明实施例四中的一种标签识别装置的结构框图;
图6是本发明实施例五中的一种标签识别设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一所提供的一种标签识别方法的流程示意图,本实施例可适用于识别标签情况,本实施例中的标签由具有红外反光特性的标签点包围框和至少一个标签点组成,所有标签点位于标签点包围框内,该方法可以由一种标签识别装置来执行。如图1所示,该方法具体包括如下步骤:
步骤110、通过图像采集设备,在工作环境内采集标签图像。
其中,图像采集设备可以是摄像头等设备,标签可以粘贴在预设环境内,用于指导机器人进行定位。例如,标签可以贴在窗上、墙壁上或天花板上。图像采集设备可以安装在移动机器人身上,例如,可以在机器人头顶安装摄像机等设备。在设置好标签后,工作人员可以推动移动机器人在预设的工作环境内行走,移动机器人在移动的过程中,机器人身上安装的图像采集设备可以实时采集环境中的标签,图像采集设备所采集到的图像就是预设环境中的标签图像。也可以由工作人员手持图像采集设备在预设环境内进行拍摄,实现对标签图像的采集。预先设置的标签可以是特定的二维码或特殊材料等,例如,标签为二维码标签,机器人的摄像头若采集到特定的二维码,则确定该标签图像为二维码图像。可以预先设置图像采集设备的采集范围,例如,预设采集范围可以是以机器人为中心,以预设距离为半径的范围。
本实施例中,可选的,标签点包围框为围绕所有标签点的多边形或环形,标签点包围框为封闭框。
具体的,一个标签上可以是由一个或多个标签点组成,标签点可以是预设大小的圆形反光材料,反光材料是能够反射红外光的材料。将多个标签点按照预设的排列方式进行排列,粘贴在标签上,得到一个标签。例如,一个标签上可以有4个圆形的标签点,这4个标签点排列成“L”型。一个标签可以由多个反光材料进行排列得到,每一个标签上反光材料的排列方式各不相同,有利于区分各标签。本实施例中,标签上的反光材料可以包括一个或多个标签点,还可以包括一个标签点包围框,标签点包围框可以是封闭或不封闭的预设形状,即标签点包围框可以是有非封闭有缺口的,也可以是封闭无缺口的。预设形状可以是规则或不规则形状,例如,可以是多边形或环形。封闭的标签点包围框可以被更精确的识别,提高标签识别的精度。例如,标签点包围框为虚线边的四边形。标签点包围框将一个标签的所有标签点包围,即标签点包围框里含有一个标签的所有标签点。本实施例中,标签点包围框的形状和大小不受限制。例如,标签点包围框的内边界与标签可以相隔一个标签点的直径长度,标签点包围框本身的宽度可以是标签点的半径大小,标签点包围框也可以为四边形、五边形或圆形等形状,只要是能框住所有标签点的规则形状即可。图2为本实施中的标签示意图,图2中的标签点组成“L”型,在标签点外是封闭的四边形标签点包围框。这样设置的有益效果在于,为标签设置标签点包围框,有利于在标签点包围框内识别标签点,避免将标签外的噪点误认为是标签点,提高标签识别的精度。
步骤120、根据预设的图像识别算法,确定标签图像中的标签点包围框。
其中,在得到标签图像后,识别标签图像中的标签点包围框,进而确定标签点包围框内的标签点。可以采用预设的图像识别算法识别标签点包围框,例如,标签点包围框为五边形,对标签图像进行特征提取,识别出五边形的图案,将识别出的五边形确定为标签点包围框。或者,标签点包围框为圆形,标签点也是圆形,在识别出多个圆形后,比较各个圆形的大小,将最大的圆形作为标签点包围框。
步骤130、在标签点包围框的范围内识别标签点,确定标签点的排列方式。
其中,在确定标签点包围框后,针对标签点包围框内的标签图像进行标签点的识别。截取标签点包围框内的标签图像,根据预设的图像处理算法,识别标签点包围框内的标签点。图像处理算法与步骤120中的图像识别算法可以相同也可以不同,例如,步骤120中的图像识别算法可以识别直线段的标签点包围框,步骤130中的图像处理算法可以识别圆形的标签点。通过识别到的标签点,可以确定标签点在标签上的布局,即标签点的排列方式。可以通过标签点的圆心位置,确定标签点的位置和排列方式。每一个标签对应一个唯一的标签点排列方式,同一位置上只能粘贴一个标签,标签的标签点排列方式与标签所贴的位置一一对应。确定标签点的排列方式,对该标签的标签点排列方式进行记录,完成对该标签的识别。由于每个标签对应唯一的一种标签点排列方式,因此,若出现标签点排列方式一致的两个或多个标签,则确定标签设置出现错误,可以提醒工作人员进行查看。
本实施例的技术方案,通过获取环境内的标签图像,根据图像识别算法,识别到标签图像中存在的标签点包围框。标签点包围框内包含了一个标签的所有标签点,通过确定标签点包围框可以得到标签点所在的具体范围,从而在标签点包围框的范围内识别标签点,得到标签点的排列方式。本发明实施例使用标签点包围框包围标签点的方式,可以提高整个标签的识别效果,在标签识别时,只有找到了所有的标签点才能确定唯一的标签。解决了现有技术中,标签周边噪点影响标签点识别的问题,避免将标签周围噪点识别为标签点,提高标签识别精度。
实施例二
图3为本发明实施例二所提供的一种标签识别方法的流程示意图,本实施例为在上述实施例基础上的可选实施例,该方法可以由一种标签识别装置来执行。
本实施例中,在标签点包围框的范围内识别标签点,确定标签点的排列方式,可细化为:从标签图像中确定标签点包围框范围内的局部标签图像;在局部标签图像中识别预设标签点形状的标签点,得到标签点的排列方式。
如图3所示,该方法具体包括如下步骤:
步骤310、通过图像采集设备,在工作环境内采集标签图像。
步骤320、根据预设的图像识别算法,确定标签图像中的标签点包围框。
步骤330、从标签图像中确定标签点包围框范围内的局部标签图像;在局部标签图像中识别预设标签点形状的标签点,得到标签点的排列方式。
其中,在确定标签点包围框后,从标签图像中截取标签点包围框范围内的图像,作为局部标签图像。识别局部标签图像中的标签点,例如,可以采用预设的图像处理算法,识别局部标签图像中的圆形图案,将圆形图案作为标签点,确定圆形图案的圆心坐标位置,得到标签点的排列方式,将标签位置与标签点排列方式进行关联存储。
本实施例中,可选的,在局部标签图像中识别预设标签点形状的标签点,得到标签点的排列方式,包括:根据预设的图像滤波算法和边缘检测算法,得到局部标签图像中的标签点形状图案;根据局部标签图像中的标签点形状图案的排列方式,确定标签点的排列方式。
具体的,预设的图像处理算法可以是图像滤波算法和边缘检测算法。对局部标签图像进行滤波和边缘检测,滤波的作用是减少图像噪点,获得灰度值分明的图像,再对灰度值分明的图像进行边缘检测,检测到标签点形状的图案边缘,例如,可以检测圆形标签点的边。由于标签点是反光材料,因此,标签点在局部标签图像以光斑的形式进行显示,经过图像滤波后,标签点的光斑可以呈现白色。通过对图像进行边缘提取,可以将局部标签图像中所有光斑的边界都提取出来,并显示光斑的几何形状,光斑的几何形状即为预设的标签点形状。若光斑的几何形状与预设的标签点形状不一致,则确定该光斑不是标签点,不将该光斑的排列位置进行记录。根据光斑在局部标签图像中的排列方式,确定标签点的排列方式。这样设置的有益效果在于,通过图像滤波,减少噪点对标签点识别的影响,提高标签点识别精度;通过边缘提取,能够得到光斑的几何图形,提高对标签点查看的清晰度,避免将不是标签点的光斑作为标签点进行记录,进一步提高标签识别精度。
本发明实施例通过获取环境内的标签图像,根据图像识别算法,识别到标签图像中存在的标签点包围框。标签点包围框内包含了一个标签的所有标签点,通过确定标签点包围框可以得到标签点所在的具体范围,从而在标签点包围框的范围内的局部标签图像中识别标签点,对局部标签图像进行滤波和边缘提取,减少噪点的影响,得到精确的标签点排列方式。解决了现有技术中,标签周边噪点影响标签点识别的问题,避免将标签周围噪点识别为标签点,提高标签识别精度。
实施例三
图4为本发明实施例三所提供的一种标签识别方法的流程示意图,本实施例为在上述实施例基础上的可选实施例,该方法可以由一种标签识别装置来执行。
本实施例中,根据预设的图像识别算法,确定标签图像中的标签点包围框,可细化为:根据预设的图像滤波算法对标签图像进行滤波,得到灰度化图像;采用边缘检测算法对灰度化图像进行边缘提取,得到中间图像;采用特征检测算法从中间图像中识别组成标签点包围框形状的线条,得到标签图像中的标签点包围框。
如图4所示,该方法具体包括如下步骤:
步骤410、通过图像采集设备,在工作环境内采集标签图像。
步骤420、根据预设的图像滤波算法对标签图像进行滤波,得到灰度化图像。
其中,在得到标签图像后,采用预设的图像滤波算法对标签图像进行滤波,例如,预设的图像滤波算法是高斯滤波算法,滤波的目的是减少图像噪点对标签识别造成的影响。在进行滤波后,可以得到灰度值分明的图像,即灰度化图像,也可以对滤波后的图像进行二值化处理,得到灰度化图像。
步骤430、采用边缘检测算法对灰度化图像进行边缘提取,得到中间图像。
其中,边缘检测算法可以是LOG(Laplacian of Gaussian,高斯拉普拉斯算子)特征提取算法、Sobel(索贝尔)边缘检测算法或Canny(坎尼)边缘检测算法等。采用预设的边缘检测算法,基于梯度算子对灰度化图像进行边缘提取,显示出灰度化图像中的边缘线条,例如,可以是直线和曲线等,显示出边缘的图像即为中间图像。由于标签上的标签点包围框和标签点为反光材料,因此,在对灰度化图像进行边缘提取时,可以看到反光材料形成的白色光斑。将标签点包围框和所有标签点的光斑边界都提取出来,从而在中间图像中看到标签点包围框和标签点的几何形状。例如,标签点包围框为四边形,标签点为圆形。
步骤440、采用特征检测算法从中间图像中识别组成标签点包围框形状的线条,得到标签图像中的标签点包围框。
其中,在进行边缘提取后,对图像上的各个线条进行识别,确定其中的标签点包围框。所识别的线条可以是曲线,也可以是直线。采用特征检测算法对中间图像进行标签点包围框的寻找,即识别组成标签点包围框形状的线段。例如,标签点包围框为五边形,则可以查找组成五边形的线段。
本实施例中,可选的,标签点包围框为多边形;相应地,采用特征检测算法从中间图像中识别组成标签点包围框形状的线段,包括:采用霍夫变换对中间图像进行直线寻找,识别组成多边形的直线段。
具体的,预设的特征检测算法可以是Hough(霍夫变换),Hough是一种检测边界形状的方法,它通过将图像坐标空间变换到参数空间,来实现直线与曲线的拟合。本实施例中,标签点包围框为多边形,具体的可以是四边形。因此,标签点包围框为直线,可以通过霍夫变换寻找直线,进行直线拟合,识别组成四边形的直线段;若标签点包围框为圆形,则可以进行圆拟合,识别组成圆形的曲线。这样设置的有益效果在于,通过霍夫变换,将标签点包围框与标签点进行区分,便于得到标签点包围框,有利于在标签点包围框的范围内识别标签点,提高标签识别精度。且本实施例中使用直线提取和圆形提取的方式进行标签点包围框和标签点的识别,也就是使用边缘梯度信息进行标签识别,与标签内部像素分布关系不大,因此受光照影响较小,进一步提高标签识别精度。
步骤450、在标签点包围框的范围内识别标签点,确定标签点的排列方式。
其中,在得到标签点包围框后,对标签点包围框内的图像进行标签点的识别,可以对标签图像进行识别,也可以对中间图像进行识别。
本实施例中,可选的,中间图像中包括标签点形状的图案和标签点包围框形状的图案;在标签点包围框的范围内识别标签点,确定标签点的排列方式,还包括:根据中间图像确定标签点包围框范围内的局部中间图像;根据局部中间图像中标签点形状图案的排列方式,得到标签点的排列方式。
具体的,在生成中间图像时,不区分直线和曲线,只要图像上存在反光材料的光斑,就可以生成光斑的边缘形状,因此,中间图像上可以包括标签点形状的图案和标签点包围框形状的图案。例如,标签点为圆形,标签点包围框为四边形,则中间图像上可以存在一个四边形的图案,在四边形图案中可以存在多个圆形图案。在确定中间图像中的标签点包围框后,可以直接在中间图像上确定标签点包围框范围内的图像,确定的标签点包围框范围内的图像为局部中间图像,局部中间图像可以显示一个标签的所有标签点。识别局部中间图像中标签点形状的图案,根据标签点形状图案的排列方式,得到标签点的排列方式。一个标签对应一种标签点排列方式,识别出标签点排列方式,即对标签识别完成。这样设置的有益效果在于,在得到标签点包围框后,不需要对标签点包围框内的图像再进行处理,直接根据中间图像即可得到标签点的排列方式,减少操作步骤,提高标签识别效率。
本发明实施例使用边缘提取且应用霍夫变换的直线和曲线寻找方式,受噪点和光照的影响较小,可以将标签应用于半室外的场景,扩大了移动机器人的使用范围,使机器人的工作不再局限于室内。
本发明实施例通过获取环境内的标签图像,通过对标签图像进行滤波、边缘检测和特征提取,识别到标签图像中存在的标签点包围框。标签点包围框内包含了一个标签的所有标签点,通过确定标签点包围框可以得到标签点所在的具体范围,从而在标签点包围框的范围内识别标签点,得到标签点的排列方式。由于每个标签对应唯一的一种标签点排列方式,因此,可以通过标签点的排列方式确定标签识别结果。解决了现有技术中,标签周边噪点影响标签点识别的问题,避免将标签周围噪点识别为标签点,提高标签识别精度。
另外,可选的,在一个例子中,以上任意实施例中,在标签点包围框的范围内识别标签点,确定标签点的排列方式,包括:
识别出标签点后,获取预设坐标体系下各标签点的坐标;
在一个例子中,该预设坐标体系可以是采集的标签图像中,标签点阵列所在的二维坐标体系;也可以为标签点包围框的切线所形成的X轴、Y轴;在此不做任何限定,可以根据实际情况预先设定。
根据各标签点的坐标及预设计算规则,计算标签对应的序列码;
在一个例子中,例如一个A标签点的坐标为(1,2),预设的计算规则可以为1+2=3,同理,A坐标所在列的每一个坐标点按照上述方式得出数值,最后,将A所在列的各数值相加,得到A列的总数值;其他列,同理,按照A标签点所在列的方式计算,得到其他各列的数值;最后,将各列数值,按照X轴的方向排列,得到序列码;然实际中计算规则并不限于此。
根据序列码、序列码与位置的预设对应关系,确定坐标对应的位置。
在一个例子中,提前配置了序列码和唯一位置的对应关系,当获取到序列码后,根据该预设对应关系,映射到该标签对应的唯一位置。
本例子中,提供了标签点排列方式的一种具体实现方式,通过该方式能够准确的唯一确定标签位置,可靠性佳。
实施例四
图5为本发明实施例四所提供的一种标签识别装置的结构框图,标签由具有红外反光特性的标签点包围框和至少一个标签点组成,所有标签点位于所述标签点包围框内,该装置可执行本发明任意实施例所提供的一种标签识别方法,具备执行方法相应的功能模块和有益效果。如图5所示,该装置具体包括:
图像采集模块501,用于通过图像采集设备,在工作环境内采集标签图像;
包围框确定模块502,用于根据预设的图像识别算法,确定所述标签图像中的标签点包围框;
标签确定模块503,用于在所述标签点包围框的范围内识别标签点,确定所述标签点的排列方式并进行记录。
可选的,标签点包围框为围绕所有标签点的多边形或环形,所述标签点包围框为封闭框。
可选的,包围框确定模块502,包括:
灰度图像获得单元,用于根据预设的图像滤波算法对所述标签图像进行滤波,得到灰度化图像;
中间图像获得单元,用于采用边缘检测算法对所述灰度化图像进行边缘提取,得到中间图像;
标签点包围框获得单元,用于采用特征检测算法从所述中间图像中识别组成标签点包围框形状的线条,得到所述标签图像中的标签点包围框。
可选的,标签点包围框为多边形;
标签点包围框获得单元,具体用于:
采用霍夫变换对所述中间图像进行直线寻找,识别组成多边形的直线段。
可选的,标签确定模块503,包括:
局部图像确定单元,用于从所述标签图像中确定所述标签点包围框范围内的局部标签图像;
标签点识别单元,用于在所述局部标签图像中识别预设标签点形状的标签点,得到所述标签点的排列方式。
可选的,标签点识别单元,具体用于:
根据预设的图像滤波算法和边缘检测算法,得到所述局部标签图像中的标签点形状图案;
根据所述局部标签图像中的标签点形状图案的排列方式,确定所述标签点的排列方式。
可选的,中间图像中包括标签点形状的图案和标签点包围框形状的图案;
标签确定模块503,具体用于:
根据所述中间图像确定所述标签点包围框范围内的局部中间图像;
根据所述局部中间图像中标签点形状图案的排列方式,得到所述标签点的排列方式。
本发明实施例通过获取环境内的标签图像,根据图像识别算法,识别到标签图像中存在的标签点包围框。标签点包围框内包含了一个标签的所有标签点,通过确定标签点包围框可以得到标签点所在的具体范围,从而在标签点包围框的范围内识别标签点,得到标签点的排列方式。本发明实施例使用标签点包围框包围标签点的方式,可以提高整个标签的准确识别效果,在标签识别时,只有找到了所有的标签点才能确定唯一的标签。解决了现有技术中,标签周边噪点影响标签点识别的问题,避免将标签周围噪点识别为标签点,提高标签识别精度。
实施例五
图6是本发明实施例五提供的一种标签识别设备的结构示意图。标签识别设备是一种电子设备,图6示出了适于用来实现本发明实施方式的示例性电子设备600的框图。图6显示的电子设备600仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于:一个或者多个处理器或者处理单元601,系统存储器602,连接不同系统组件(包括系统存储器602和处理单元601)的总线603。
总线603表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备600典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备600访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器602可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)604和/或高速缓存存储器605。电子设备600可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统606可以用于读写不可移动的、非易失性磁介质(图6未显示,通常称为“硬盘驱动器”)。尽管图6中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线603相连。存储器602可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块607的程序/实用工具608,可以存储在例如存储器602中,这样的程序模块607包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块607通常执行本发明所描述的实施例中的功能和/或方法。
电子设备600也可以与一个或多个外部设备609(例如键盘、指向设备、显示器610等)通信,还可与一个或者多个使得用户能与该电子设备600交互的设备通信,和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口611进行。并且,电子设备600还可以通过网络适配器612与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图6所示,网络适配器612通过总线603与电子设备600的其它模块通信。应当明白,尽管图6中未示出,可以结合电子设备600使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元601通过运行存储在系统存储器602中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的一种标签识别方法,包括:
通过图像采集设备,在工作环境内采集标签图像;
根据预设的图像识别算法,确定所述标签图像中的标签点包围框;
在所述标签点包围框的范围内识别标签点,确定所述标签点的排列方式。
实施例六
本发明实施例六还提供一种包含计算机可执行指令的存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例所提供的一种标签识别方法,包括:
通过图像采集设备,在工作环境内采集标签图像;
根据预设的图像识别算法,确定所述标签图像中的标签点包围框;
在所述标签点包围框的范围内识别标签点,确定所述标签点的排列方式。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (11)
1.一种标签识别的方法,其特征在于,所述标签由具有红外反光特性的标签点包围框和至少一个标签点组成,所有所述标签点位于所述标签点包围框内;所述方法包括:
通过图像采集设备,在工作环境内采集标签图像;
根据预设的图像识别算法,确定所述标签图像中的标签点包围框;
在所述标签点包围框的范围内识别所述标签点,确定所述标签点的排列方式。
2.根据权利要求1所述的方法,其特征在于,所述标签点包围框为围绕所有标签点的多边形或环形,所述标签点包围框为封闭框。
3.根据权利要求1所述的方法,其特征在于,根据预设的图像识别算法,确定所述标签图像中的标签点包围框,包括:
根据预设的图像滤波算法对所述标签图像进行滤波,得到灰度化图像;
采用边缘检测算法对所述灰度化图像进行边缘提取,得到中间图像;
采用特征检测算法从所述中间图像中识别组成标签点包围框形状的线条,得到所述标签图像中的标签点包围框。
4.根据权利要求3所述的方法,其特征在于,所述标签点包围框为多边形;
所述采用特征检测算法从所述中间图像中识别组成标签点包围框形状的线条,包括:
采用霍夫变换对所述中间图像进行直线寻找,识别组成多边形的直线段。
5.根据权利要求1所述的方法,其特征在于,在所述标签点包围框的范围内识别所述标签点,确定所述标签点的排列方式,包括:
从所述标签图像中确定所述标签点包围框范围内的局部标签图像;
在所述局部标签图像中识别预设标签点形状的标签点,得到所述标签点的排列方式。
6.根据权利要求5所述的方法,其特征在于,在所述局部标签图像中识别预设标签点形状的标签点,得到所述标签点的排列方式,包括:
根据预设的图像滤波算法和边缘检测算法,得到所述局部标签图像中的标签点形状图案;
根据所述局部标签图像中的标签点形状图案的排列方式,确定所述标签点的排列方式。
7.根据权利要求3所述的方法,其特征在于,所述中间图像中包括标签点形状的图案和标签点包围框形状的图案;
在所述标签点包围框的范围内识别所述标签点,确定所述标签点的排列方式,还包括:
根据所述中间图像确定所述标签点包围框范围内的局部中间图像;
根据所述局部中间图像中标签点形状图案的排列方式,得到所述标签点的排列方式。
8.根据权利要求1所述的方法,其特征在于,所述在所述标签点包围框的范围内识别所述标签点,确定所述标签点的排列方式,包括:
识别出所述标签点后,获取预设坐标体系下各所述标签点的坐标;
根据各所述标签点的坐标及预设计算规则,计算所述标签对应的序列码;
根据所述序列码、序列码与位置的预设对应关系,确定所述坐标对应的位置。
9.一种标签识别的装置,其特征在于,所述标签由具有红外反光特性的标签点包围框和至少一个标签点组成,所有所述标签点位于所述标签点包围框内;所述装置包括:
图像采集模块,用于通过图像采集设备,在工作环境内采集标签图像;
包围框确定模块,用于根据预设的图像识别算法,确定所述标签图像中的标签点包围框;
标签确定模块,用于在所述标签点包围框的范围内识别所述标签点,确定所述标签点的排列方式。
10.一种电子设备,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,其特征在于,所述处理器执行所述程序时实现如权利要求1-8中任一所述的标签识别的方法。
11.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-8中任一所述的标签识别的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111354035.1A CN113971414A (zh) | 2021-11-11 | 2021-11-11 | 一种标签识别的方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111354035.1A CN113971414A (zh) | 2021-11-11 | 2021-11-11 | 一种标签识别的方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113971414A true CN113971414A (zh) | 2022-01-25 |
Family
ID=79589851
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111354035.1A Pending CN113971414A (zh) | 2021-11-11 | 2021-11-11 | 一种标签识别的方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113971414A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114549624A (zh) * | 2022-01-29 | 2022-05-27 | 上海擎朗智能科技有限公司 | 一种标签识别的方法、装置、电子设备、存储介质及标签 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011192236A (ja) * | 2010-03-17 | 2011-09-29 | Ricoh Co Ltd | タグ認識システム、タグ認識装置およびタグ認識方法 |
CN111386529A (zh) * | 2017-06-22 | 2020-07-07 | 宾通机器人公司 | 用于快速识别和处理图像关注区域的系统和方法 |
CN112767487A (zh) * | 2021-01-27 | 2021-05-07 | 京东数科海益信息科技有限公司 | 机器人的定位方法、装置以及系统 |
CN113075647A (zh) * | 2021-02-20 | 2021-07-06 | 上海擎朗智能科技有限公司 | 机器人定位方法、装置、设备和介质 |
-
2021
- 2021-11-11 CN CN202111354035.1A patent/CN113971414A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011192236A (ja) * | 2010-03-17 | 2011-09-29 | Ricoh Co Ltd | タグ認識システム、タグ認識装置およびタグ認識方法 |
CN111386529A (zh) * | 2017-06-22 | 2020-07-07 | 宾通机器人公司 | 用于快速识别和处理图像关注区域的系统和方法 |
CN112767487A (zh) * | 2021-01-27 | 2021-05-07 | 京东数科海益信息科技有限公司 | 机器人的定位方法、装置以及系统 |
CN113075647A (zh) * | 2021-02-20 | 2021-07-06 | 上海擎朗智能科技有限公司 | 机器人定位方法、装置、设备和介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114549624A (zh) * | 2022-01-29 | 2022-05-27 | 上海擎朗智能科技有限公司 | 一种标签识别的方法、装置、电子设备、存储介质及标签 |
WO2023143098A1 (zh) * | 2022-01-29 | 2023-08-03 | 上海擎朗智能科技有限公司 | 标签识别的方法、装置、电子设备、存储介质及标签 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6163344B2 (ja) | ナンバープレート画像の確実なクロッピング | |
CN108229364B (zh) | 建筑物轮廓生成方法、装置、计算机设备及存储介质 | |
US11403766B2 (en) | Method and device for labeling point of interest | |
CN110135396B (zh) | 地面标志的识别方法、装置、设备及介质 | |
US9990710B2 (en) | Apparatus and method for supporting computer aided diagnosis | |
US10679094B2 (en) | Automatic ruler detection | |
CN113706473B (zh) | 超声图像中病灶区域的长短轴确定方法和超声设备 | |
CN108734161B (zh) | 冠字号区域的识别方法、装置、设备及存储介质 | |
CN112926469A (zh) | 基于深度学习ocr与版面结构的证件识别方法 | |
CN113971414A (zh) | 一种标签识别的方法、装置、电子设备及存储介质 | |
CN104766329B (zh) | 一种图像处理方法及电子设备 | |
WO2023143098A1 (zh) | 标签识别的方法、装置、电子设备、存储介质及标签 | |
EP3843038A1 (en) | Image processing method and system | |
CN110728287A (zh) | 图像识别方法及装置、电子设备、存储介质 | |
CN111723799B (zh) | 坐标定位方法、装置、设备及存储介质 | |
US20160284104A1 (en) | Determine the Shape of a Representation of an Object | |
CN114359161A (zh) | 一种缺陷检测方法、装置、设备和存储介质 | |
CN112857746A (zh) | 一种灯光检测仪的追踪方法、装置、电子设备及存储介质 | |
CN111951328A (zh) | 一种物体位置检测方法、装置、设备和存储介质 | |
CN113780040A (zh) | 唇部关键点的定位方法及装置、存储介质、电子设备 | |
CN116091481A (zh) | 一种小穗计数方法、装置、设备和存储介质 | |
CN115409809A (zh) | 焊缝识别方法、装置、焊接机器人及存储介质 | |
CN112348112B (zh) | 图像识别模型的训练方法、训练装置及终端设备 | |
CN112530554B (zh) | 一种扫描定位方法、装置、存储介质及电子设备 | |
CN114140612A (zh) | 电力设备隐患检测方法、装置、设备及存储介质 |
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 |