CN113989489A - 非平滑边缘的距离检测方法和系统 - Google Patents

非平滑边缘的距离检测方法和系统 Download PDF

Info

Publication number
CN113989489A
CN113989489A CN202111234069.7A CN202111234069A CN113989489A CN 113989489 A CN113989489 A CN 113989489A CN 202111234069 A CN202111234069 A CN 202111234069A CN 113989489 A CN113989489 A CN 113989489A
Authority
CN
China
Prior art keywords
distance
outlier
edge point
edge
target
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
Application number
CN202111234069.7A
Other languages
English (en)
Inventor
杨玉琦
刘志昌
陶旭蕾
魏泽
王栋年
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Gree Electric Appliances Inc of Zhuhai
Original Assignee
Gree Electric Appliances Inc of Zhuhai
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Gree Electric Appliances Inc of Zhuhai filed Critical Gree Electric Appliances Inc of Zhuhai
Priority to CN202111234069.7A priority Critical patent/CN113989489A/zh
Publication of CN113989489A publication Critical patent/CN113989489A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • G06F18/243Classification techniques relating to the number of classes
    • G06F18/2433Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种非平滑边缘的距离检测方法和系统,能够解决现有技术中对非平滑边缘的距离检测方案存在效率较低且运算成本较大的技术问题。所述方法包括:按照预设检测方向识别待检测区域的边缘,获得多个边缘点;将平行于所述预设检测方向的每两个边缘点标记为一组边缘点对;计算各组边缘点对中两个边缘点之间的距离,获得边缘点距离集合;从所述边缘点距离集合中剔除属于离群点的距离;根据所述边缘点距离集合中剩余的距离确定识别出的边缘之间的距离。

Description

非平滑边缘的距离检测方法和系统
技术领域
本发明涉及人工智能技术领域,具体涉及一种非平滑边缘的距离检测方法和系统。
背景技术
随着人工智能的不断发展与创新,能否合理应用人工智能技术对工业产线产能有着极大的影响。特别是当前人工智能中图像处理分支的发展较为成熟,产线工装搭配工业相机和配套软件算法已经能够高效解决大部分检测工作。
但是,发明人在研究的过程中发现,现有技术在对图像某个检测区域的非平滑边缘进行距离检测时,检测效果并不理想,需要利用多条检测线对该检测区域进行多次运算才可得出平均距离,运算成本较大;且针对非平滑边缘的距离检测需要应对某些突变位置的距离,并对这些突变位置的距离进行记录和检测,使得利用检测线对非平滑边缘进行距离检测的方案无法高效运行。
针对现有技术中对非平滑边缘的距离检测方案存在效率较低且运算成本较大的技术问题,目前尚未提供有效的解决方案。
发明内容
本发明的目的在于提供了一种非平滑边缘的距离检测方法和系统,能够解决现有技术中对非平滑边缘对的距离检测方案存在效率较低且运算成本较大的技术问题。
本发明的一个方面提供了一种非平滑边缘的距离检测方法,所述方法包括:按照预设检测方向识别待检测区域的边缘,获得多个边缘点;将平行于所述预设检测方向的每两个边缘点标记为一组边缘点对;计算各组边缘点对中两个边缘点之间的距离,获得边缘点距离集合;从所述边缘点距离集合中剔除属于离群点的距离;根据所述边缘点距离集合中剩余的距离确定识别出的边缘之间的距离。
可选地,所述从所述边缘点距离集合中剔除属于离群点的距离,包括:计算所述边缘点距离集合中所有距离的第一均方差;从所述边缘点距离集合中选择一距离作为目标距离;计算所述边缘点距离集合中除所述目标距离之外的其他距离的第二均方差;根据所述第一均方差和所述第二均方差判断所述目标距离是否属于离群点;若所述目标距离属于离群点,从所述边缘点距离集合中剔除所述目标距离。
可选地,在所述根据所述第一均方差和所述第二均方差判断所述目标距离是否属于离群点之后,所述方法还包括:若所述目标距离不属于离群点,从所述边缘点距离集合中选择另一距离作为所述目标距离;继续判断该目标距离是否属于离群点,直至从所述边缘点距离集合中剔除所有属于离群点的距离。
可选地,所述从所述边缘点距离集合中选择一距离作为目标距离,包括:按照距离大小顺序对所述边缘点距离集合中的距离进行排序,获得标准距离集合,其中,所述标准距离集合包括第一阈值侧和第二阈值侧,所述第一阈值侧和所述第二阈值侧为不同的距离阈值侧;从所述标准距离集合的第一阈值侧选择对应的距离阈值作为所述目标距离;所述若所述目标距离属于离群点,从所述边缘点距离集合中剔除所述目标距离,包括:若所述目标距离属于离群点,从所述标准距离集合中剔除所述目标距离。
可选地,所述若所述目标距离不属于离群点,从所述边缘点距离集合中选择另一距离作为所述目标距离,包括:若所述目标距离不属于离群点,从所述标准距离集合的第二阈值侧选择对应的距离阈值作为所述目标距离。
可选地,在所述若所述目标距离属于离群点,从所述标准距离集合中剔除所述目标距离之后,所述方法还包括:继续从当前标准距离集合的第一阈值侧选择一距离阈值作为所述目标距离,并判断该目标距离是否属于离群点;若是,从当前标准距离集合中剔除该目标距离;若否,从所述第二阈值侧选择对应的距离阈值作为所述目标距离,并继续判断该目标距离是否属于离群点,直至从所述标准距离集合中剔除所有属于离群点的距离。
可选地,所述根据所述第一均方差和所述第二均方差判断所述目标距离是否属于离群点,包括:当所述第一均方差大于所述第二均方差,且所述第二均方差大于预设均方差阈值时,确定所述目标距离为离群点。
本发明的另一个方面提供了一种非平滑边缘的距离检测系统,所述系统包括:工控机,用于按照预设检测方向识别待检测区域的边缘,获得多个边缘点;将平行于所述预设检测方向的每两个边缘点标记为一组边缘点对;计算各组边缘点对中两个边缘点之间的距离,获得边缘点距离集合;从所述边缘点距离集合中剔除属于离群点的距离;根据所述边缘点距离集合中剩余的距离确定识别出的边缘之间的距离。
可选地,所述系统还包括:运动控制器,用于控制产线传输带传输具有非平滑边缘的待检测物体;工业相机,用于采集所述待检测物体的图像,传输所述图像至所述工控机;所述工控机还用于:识别所述图像中的待检测区域。
可选地,所述工控机还用于:在所述工业相机采集图像时,控制光源控制器调节光源。
本发明的再一个方面提供了一种计算机设备,所述计算机设备包括:存储器、处理器以及存储在所述存储器上并可在所述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上述任一实施例所述的非平滑边缘的距离检测方法。
本发明的又一个方面提供了一种计算机可读存储介质,其上存储有计算机程序,上述计算机程序被处理器执行时实现上述任一实施例所述的非平滑边缘的距离检测方法。
本发明提供的非平滑边缘的距离检测方法,通过边缘检测的一次计算结果即可实现非平滑边缘的距离检测,提高了检测效率,降低了运行成本,且通过滤除属于离群点的距离,排除了非平滑边缘中突变区域对距离检测影响,使得测量结果更加准确。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例一提供的非平滑边缘的距离检测方法的流程图;
图2示出了本发明实施例一提供的非平滑边缘的距离检测方案的示意图;
图3A示出了本发明实施例一提供的包含待检测区域的图像的示意图;
图3B示出了本发明实施例一提供的待检测区域的示意图;
图4A示出了本发明实施例一提供的识别的待检测区域的边缘点的示意图;
图4B示出了本发明实施例一提供的滤除离群点后的边缘点的示意图;
图5示出了本发明实施例二提供的非平滑边缘的距离检测系统的框图;
图6示出了本发明实施例三提供的适于实现非平滑边缘的距离检测方法的计算机设备的框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。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,都属于本发明保护的范围。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
实施例一
图1示出了本发明实施例一提供的非平滑边缘的距离检测方法的流程图。如图1所示,该非平滑边缘的距离检测方法包括步骤S1~步骤S5,其中:
步骤S1,按照预设检测方向识别待检测区域的边缘,获得多个边缘点。
本实施例可以采集待检测物体的图像,对图像执行灰度化、投影、滤波等预处理操作等,以去除图像中的随机噪声和与检测需求无关的特征,然后从预处理后的图像中识别出ROI(Region Of Interest)区域,也即待检测区域。具体可参见图2,其中,待检测图像即为上述采集的图像,参数调节可为输入待检测区域的范围、预设检测方向以及预处理操作的相关参数等,边缘直线检测算法即为用于执行步骤S1的识别逻辑,该识别逻辑可通过现有技术实现,本实施例不再赘述,进一步通过后续步骤S2~步骤S5实现边缘点对距离计算和结果输出的具体逻辑。其中,在对图像预处理时,可使用如下高斯函数对图像执行滤波操作:
Figure BDA0003317127160000051
σ为标准差,σ的大小决定了高斯函数的宽度,σ越大,平滑效果越明显;e为常量,x为该图像中某一像素点的值。
预设检测方向为待检测区域中与需检测距离的边缘相垂直的方向,在按照预设检测方向识别待检测区域的边缘时,实际上是识别出组成边缘的点,即边缘点。另外,本实施例中,待检测区域中需检测距离的边缘中存在至少一条非平滑边缘。例如,图3A为电机的图像,图3B为电机的待检测区域,当需获知待检测区域的两条纵向边缘之间的距离时,可设置预设检测方向为水平方向,且从图3B可以看出,该两条纵向边缘均为具有一凹陷部位的非平滑边缘。
步骤S2,将平行于所述预设检测方向的每两个边缘点标记为一组边缘点对。
步骤S3,计算各组边缘点对中两个边缘点之间的距离,获得边缘点距离集合。
该边缘点距离集合中距离的数量等于标记的边缘点对的数量。
假设预设检测方向为水平方向,如图4A所示,边缘点a1和边缘点b1为一组边缘点对,距离d1为边缘点a1和边缘点b1之间的距离;边缘点a2和边缘点b2为一组边缘点对,距离d2为边缘点a2和边缘点b2之间的距离。
需要说明的是,为了起到提升效率的作用,可使用在内存空间上连续存储的数据结构对边缘点对和距离进行关联存储,以最大程度保证后续对边缘点距离集合中的距离进行排序和取值的效率。
步骤S4,从所述边缘点距离集合中剔除属于离群点的距离。
所谓离群点,指的是突变点,如图4A所示,若想获知非凹陷边缘的距离,则距离d1相对于距离d2而言属于离群点;若想获知凹陷边缘的距离,则距离d2相对于距离d1而言属于离群点。以想获知非凹陷边缘的距离为例,剔除边缘点距离集合中属于离群点的距离之后,该边缘点距离集合中剩余的距离仅为非凹陷边缘的距离,具体可参见图4B。
可选地,步骤S4包括步骤S41~步骤S45,其中:
步骤S41,计算所述边缘点距离集合中所有距离的第一均方差;
步骤S42,从所述边缘点距离集合中选择一距离作为目标距离;
步骤S43,计算所述边缘点距离集合中除所述目标距离之外的其他距离的第二均方差;
步骤S44,根据所述第一均方差和所述第二均方差判断所述目标距离是否属于离群点;
步骤S45,若所述目标距离属于离群点,从所述边缘点距离集合中剔除所述目标距离。
当步骤S4不包含步骤S45时,步骤S4还可包括步骤S46~步骤S47,其中:
步骤S46,若所述目标距离不属于离群点,从所述边缘点距离集合中选择另一距离作为所述目标距离;
步骤S47,继续判断该目标距离是否属于离群点,直至从所述边缘点距离集合中剔除所有属于离群点的距离。
其中,步骤S42可包括两种方案:
方案一、随机从边缘点距离集合中选择一距离作为目标距离。
相应地,步骤S46也可为随机从边缘点距离集合中选择另一距离作为目标距离。但是,若使用方案一剔除离群点,则需对边缘点距离集合中的每一个距离均执行一次判断逻辑,操作过于复杂笨拙。
方案二、对边缘点距离集合按照距离大小顺序进行排序,并从任一距离阈值一侧开始判断是否存在离群点,若存在则继续在该侧判断是否还存在离群点,直至该侧不存在离群点时,从另一距离阈值侧开始判断是否存在离群点,直至该侧也不存在离群点,则停止判断,使用方案二能够降低判断次数,提高判断速度和灵活性。具体地:步骤S42包括步骤S421~步骤S422,其中:
步骤S421,按照距离大小顺序对所述边缘点距离集合中的距离进行排序,获得标准距离集合,其中,所述标准距离集合包括第一阈值侧和第二阈值侧,所述第一阈值侧和所述第二阈值侧为不同的距离阈值侧;
步骤S422,从所述标准距离集合的第一阈值侧选择对应的距离阈值作为所述目标距离。
相应地,步骤S45具体为:若所述目标距离属于离群点,从所述标准距离集合中剔除所述目标距离。
相应地,步骤S46具体为:若所述目标距离不属于离群点,从所述标准距离集合的第二阈值侧选择对应的距离阈值作为所述目标距离。
距离阈值可为距离最大值或者距离最小值。若第一阈值侧为距离最大值侧,则第二阈值侧为距离最小值侧,且第一阈值侧对应的距离阈值为距离最大值,第二阈值侧对应的距离阈值为距离最小值;若第一阈值侧为距离最小值侧,则第二阈值侧为距离最大值侧,且第一阈值侧对应的距离阈值为距离最小值,第二阈值侧对应的距离阈值为距离最大值。
相应地,在所述若所述目标距离属于离群点,从所述标准距离集合中剔除所述目标距离之后,所述方法还包括:
继续从当前标准距离集合的第一阈值侧选择一距离阈值作为所述目标距离,并判断该目标距离是否属于离群点;
若是,从当前标准距离集合中剔除该目标距离;
若否,从所述第二阈值侧选择对应的距离阈值作为所述目标距离,并继续判断该目标距离是否属于离群点,直至从所述标准距离集合中剔除所有属于离群点的距离。
例如,标准距离集合包括距离d1、距离d2、...、距离dn,距离d1为距离最小值,距离dn为距离最大值,第一阈值侧为距离d1侧,第二阈值侧为距离dn侧;若从第一阈值侧开始判断离群点,首先判断距离d1是否离群点,若是则剔除距离d1,此时距离d2为当前的距离最小值,继续判断距离d2是否为离群点,直至判断出距离di不是离群点,则从第二阈值侧开始判断离群点,首先判断距离dn是否离群点,若是则剔除距离dn,此时距离dn-1为当前的距离最大值,继续判断距离dn-1是否为离群点,直至在第二阈值侧判断出距离dn-j不是离群点,停止判断,此时标准距离集合和边缘点距离集合中剩余的距离均为:距离di、距离di+1、...距离dn-j。n为距离总数量,1<i<j<n。
可选地,步骤S44包括:当所述第一均方差大于所述第二均方差,且所述第二均方差大于预设均方差阈值时,确定所述目标距离为离群点。
预设均方差阈值用于剔除突变区域的边缘点对和距离,比如识别出的待检测区域的边缘如图4A,由于在识别时无法剔除突变区域即凹陷区,但用户又仅需获知非凹陷区的边缘距离,则可以通过设置预设均方差阈值剔除凹陷区,即剔除离群点,从而达到图4B的效果,提升检测精度。
步骤S5,根据所述边缘点距离集合中剩余的距离确定识别出的边缘之间的距离。
可将边缘点距离集合中剩余的距离中筛选出最大的距离和/或最小的距离作为识别出的边缘之间的距离,也可计算出边缘点距离集合中剩余的距离的平均值作为识别出的边缘之间的距离。
本实施例提供的方法,具有如下效果:1、通过边缘检测检测到的多个边缘点确定相应边缘点对的距离,并通过均方差滤除突变较大的区域,能够更加准确的输出非平滑边缘的距离最大值、距离最小值和距离平均值;2、对非平滑边缘的距离测量结果更加客观,结合多种条件输出最终距离,可以标定待检测区域中符合距离要求的各种边缘点点对,还可以通过调整预设均方差阈值满足不同的检测需求,如通过调整预设均方差阈值可实现仅检测非凹陷区的距离或者仅检测凹陷区的距离;3、通过均方差滤值法确定非平滑边缘的距离时,针对突变较大的边缘情况无需进行多次测量,一次算法运算即可得出距离测量结果,能够大大减少计算复杂度以及计算耗时;4、应用在有距离测量需求的产线当中,可提高软件整体运行效率,从而提升生产效率。
实施例二
本发明的实施例二还提供了一种非平滑边缘的距离检测系统,该系统与上述实施例一的部分内容相对应,相应的技术特征和技术效果在本实施例中不再详述,相关之处可参考上述实施例一。具体地,图5示出了本发明实施例二提供的非平滑边缘的距离检测系统的框图。如图5所示,该非平滑边缘的距离检测系统500可以包括:
工控机501,用于按照预设检测方向识别待检测区域的边缘,获得多个边缘点;将平行于所述预设检测方向的每两个边缘点标记为一组边缘点对;计算各组边缘点对中两个边缘点之间的距离,获得边缘点距离集合;从所述边缘点距离集合中剔除属于离群点的距离;根据所述边缘点距离集合中剩余的距离确定识别出的边缘之间的距离。
工控机501最低要求硬件功能满足软件运行需求,其余部分可灵活调整,可选地,所述系统还包括:运动控制器502,用于控制产线传输带503传输具有非平滑边缘的待检测物体504;工业相机505,用于采集所述待检测物体504的图像,传输所述图像至所述工控机501;所述工控机501还用于:识别所述图像中的待检测区域。
可选地,所述工控机501还用于:在所述工业相机505采集图像时,控制光源控制器506调节光源507,以提升工业相机505的采图效果。
通过上述算法步骤对待检测物体进行检测标准的建立后,即可对工业相机传来的图像进行检测工作,其中,本实施例可通过工控机收发信号达到整体控制的目的。
可选地,所述工控机501在执行从所述边缘点距离集合中剔除属于离群点的距离时,具体用于:计算所述边缘点距离集合中所有距离的第一均方差;从所述边缘点距离集合中选择一距离作为目标距离;计算所述边缘点距离集合中除所述目标距离之外的其他距离的第二均方差;根据所述第一均方差和所述第二均方差判断所述目标距离是否属于离群点;若所述目标距离属于离群点,从所述边缘点距离集合中剔除所述目标距离。
可选地,所述工控机501还用于:在执行所述根据所述第一均方差和所述第二均方差判断所述目标距离是否属于离群点之后,若所述目标距离不属于离群点,从所述边缘点距离集合中选择另一距离作为所述目标距离;继续判断该目标距离是否属于离群点,直至从所述边缘点距离集合中剔除所有属于离群点的距离。
可选地,所述工控机501在执行从所述边缘点距离集合中选择一距离作为目标距离时,具体用于:按照距离大小顺序对所述边缘点距离集合中的距离进行排序,获得标准距离集合,其中,所述标准距离集合包括第一阈值侧和第二阈值侧,所述第一阈值侧和所述第二阈值侧为不同的距离阈值侧;从所述标准距离集合的第一阈值侧选择对应的距离阈值作为所述目标距离;所述工控机501在执行若所述目标距离属于离群点,从所述边缘点距离集合中剔除所述目标距离时,具体用于:若所述目标距离属于离群点,从所述标准距离集合中剔除所述目标距离。
可选地,所述工控机501在执行若所述目标距离不属于离群点,从所述边缘点距离集合中选择另一距离作为所述目标距离时,具体用于:若所述目标距离不属于离群点,从所述标准距离集合的第二阈值侧选择对应的距离阈值作为所述目标距离。
可选地,所述工控机501还用于:在执行若所述目标距离属于离群点,从所述标准距离集合中剔除所述目标距离之后,继续从当前标准距离集合的第一阈值侧选择一距离阈值作为所述目标距离,并判断该目标距离是否属于离群点;若是,从当前标准距离集合中剔除该目标距离;若否,从所述第二阈值侧选择对应的距离阈值作为所述目标距离,并继续判断该目标距离是否属于离群点,直至从所述标准距离集合中剔除所有属于离群点的距离。
可选地,所述工控机501在执行根据所述第一均方差和所述第二均方差判断所述目标距离是否属于离群点时,具体用于:当所述第一均方差大于所述第二均方差,且所述第二均方差大于预设均方差阈值时,确定所述目标距离为离群点。
实施例三
图6示出了本发明实施例三提供的适于实现非平滑边缘的距离检测方法的计算机设备的框图。本实施例中,计算机设备600可以是执行程序的智能手机、平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器,或者多个服务器所组成的服务器集群)等。如图6所示,本实施例的计算机设备600至少包括但不限于:可通过系统总线相互通信连接的存储器601、处理器602、网络接口603。需要指出的是,图6仅示出了具有组件601-603的计算机设备600,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
本实施例中,存储器603至少包括一种类型的计算机可读存储介质,可读存储介质包括包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,存储器601可以是计算机设备600的内部存储单元,例如该计算机设备600的硬盘或内存。在另一些实施例中,存储器601也可以是计算机设备600的外部存储设备,例如该计算机设备600上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。当然,存储器601还可以既包括计算机设备600的内部存储单元也包括其外部存储设备。在本实施例中,存储器601通常用于存储安装于计算机设备600的操作系统和各类应用软件,例如非平滑边缘的距离检测方法的程序代码等,该非平滑边缘的距离检测方法包括:按照预设检测方向识别待检测区域的边缘,获得多个边缘点;将平行于所述预设检测方向的每两个边缘点标记为一组边缘点对;计算各组边缘点对中两个边缘点之间的距离,获得边缘点距离集合;从所述边缘点距离集合中剔除属于离群点的距离;根据所述边缘点距离集合中剩余的距离确定识别出的边缘之间的距离。
处理器602在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器602通常用于控制计算机设备600的总体操作。例如执行与计算机设备600进行数据交互或者通信相关的控制和处理等。本实施例中,处理器602用于运行存储器601中存储的非平滑边缘的距离检测方法的程序代码。
在本实施例中,存储于存储器601中的非平滑边缘的距离检测方法还可以被分割为一个或者多个程序模块,并由一个或多个处理器(本实施例为处理器602)所执行,以完成本发明。
网络接口603可包括无线网络接口或有线网络接口,该网络接口603通常用于在计算机设备600与其他计算机设备之间建立通信链接。例如,网络接口603用于通过网络将计算机设备600与外部终端相连,在计算机设备600与外部终端之间的建立数据传输通道和通信链接等。网络可以是企业内部网(Intranet)、互联网(Internet)、全球移动通讯系统(Global System ofMobile communication,简称为GSM)、宽带码分多址(Wideband CodeDivision Multiple Access,简称为WCDMA)、4G网络、5G网络、蓝牙(Bluetooth)、Wi-Fi等无线或有线网络。
实施例四
本实施例还提供一种计算机可读存储介质,包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等,其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非平滑边缘的距离检测方法的步骤,该非平滑边缘的距离检测方法包括:按照预设检测方向识别待检测区域的边缘,获得多个边缘点;将平行于所述预设检测方向的每两个边缘点标记为一组边缘点对;计算各组边缘点对中两个边缘点之间的距离,获得边缘点距离集合;从所述边缘点距离集合中剔除属于离群点的距离;根据所述边缘点距离集合中剩余的距离确定识别出的边缘之间的距离。
显然,本领域的技术人员应该明白,上述的本发明实施例的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明实施例不限制于任何特定的硬件和软件结合。
需要说明的是,本发明实施例序号仅仅为了描述,并不代表实施例的优劣。
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上述实施例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。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种非平滑边缘的距离检测方法,其特征在于,所述方法包括:
按照预设检测方向识别待检测区域的边缘,获得多个边缘点;
将平行于所述预设检测方向的每两个边缘点标记为一组边缘点对;
计算各组边缘点对中两个边缘点之间的距离,获得边缘点距离集合;
从所述边缘点距离集合中剔除属于离群点的距离;
根据所述边缘点距离集合中剩余的距离确定识别出的边缘之间的距离。
2.根据权利要求1所述的方法,其特征在于,所述从所述边缘点距离集合中剔除属于离群点的距离,包括:
计算所述边缘点距离集合中所有距离的第一均方差;
从所述边缘点距离集合中选择一距离作为目标距离;
计算所述边缘点距离集合中除所述目标距离之外的其他距离的第二均方差;
根据所述第一均方差和所述第二均方差判断所述目标距离是否属于离群点;
若所述目标距离属于离群点,从所述边缘点距离集合中剔除所述目标距离。
3.根据权利要求2所述的方法,其特征在于,在所述根据所述第一均方差和所述第二均方差判断所述目标距离是否属于离群点之后,所述方法还包括:
若所述目标距离不属于离群点,从所述边缘点距离集合中选择另一距离作为所述目标距离;
继续判断该目标距离是否属于离群点,直至从所述边缘点距离集合中剔除所有属于离群点的距离。
4.根据权利要求3所述的方法,其特征在于,
所述从所述边缘点距离集合中选择一距离作为目标距离,包括:
按照距离大小顺序对所述边缘点距离集合中的距离进行排序,获得标准距离集合,其中,所述标准距离集合包括第一阈值侧和第二阈值侧,所述第一阈值侧和所述第二阈值侧为不同的距离阈值侧;
从所述标准距离集合的第一阈值侧选择对应的距离阈值作为所述目标距离;
所述若所述目标距离属于离群点,从所述边缘点距离集合中剔除所述目标距离,包括:
若所述目标距离属于离群点,从所述标准距离集合中剔除所述目标距离。
5.根据权利要求4所述的方法,其特征在于,所述若所述目标距离不属于离群点,从所述边缘点距离集合中选择另一距离作为所述目标距离,包括:
若所述目标距离不属于离群点,从所述标准距离集合的第二阈值侧选择对应的距离阈值作为所述目标距离。
6.根据权利要求4所述的方法,其特征在于,在所述若所述目标距离属于离群点,从所述标准距离集合中剔除所述目标距离之后,所述方法还包括:
继续从当前标准距离集合的第一阈值侧选择一距离阈值作为所述目标距离,并判断该目标距离是否属于离群点;
若是,从当前标准距离集合中剔除该目标距离;
若否,从所述第二阈值侧选择对应的距离阈值作为所述目标距离,并继续判断该目标距离是否属于离群点,直至从所述标准距离集合中剔除所有属于离群点的距离。
7.根据权利要求2所述的方法,其特征在于,所述根据所述第一均方差和所述第二均方差判断所述目标距离是否属于离群点,包括:
当所述第一均方差大于所述第二均方差,且所述第二均方差大于预设均方差阈值时,确定所述目标距离为离群点。
8.一种非平滑边缘的距离检测系统,其特征在于,所述系统包括:
工控机,用于按照预设检测方向识别待检测区域的边缘,获得多个边缘点;将平行于所述预设检测方向的每两个边缘点标记为一组边缘点对;计算各组边缘点对中两个边缘点之间的距离,获得边缘点距离集合;从所述边缘点距离集合中剔除属于离群点的距离;根据所述边缘点距离集合中剩余的距离确定识别出的边缘之间的距离。
9.根据权利要求8所述的系统,其特征在于,
所述系统还包括:
运动控制器,用于控制产线传输带传输具有非平滑边缘的待检测物体;
工业相机,用于采集所述待检测物体的图像,传输所述图像至所述工控机;
所述工控机还用于:
识别所述图像中的待检测区域。
10.根据权利要求9所述的系统,其特征在于,所述工控机还用于:
在所述工业相机采集图像时,控制光源控制器调节光源。
CN202111234069.7A 2021-10-22 2021-10-22 非平滑边缘的距离检测方法和系统 Pending CN113989489A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111234069.7A CN113989489A (zh) 2021-10-22 2021-10-22 非平滑边缘的距离检测方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111234069.7A CN113989489A (zh) 2021-10-22 2021-10-22 非平滑边缘的距离检测方法和系统

Publications (1)

Publication Number Publication Date
CN113989489A true CN113989489A (zh) 2022-01-28

Family

ID=79740427

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111234069.7A Pending CN113989489A (zh) 2021-10-22 2021-10-22 非平滑边缘的距离检测方法和系统

Country Status (1)

Country Link
CN (1) CN113989489A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106339710A (zh) * 2016-08-25 2017-01-18 凌云光技术集团有限责任公司 一种边缘宽度缺陷检测方法及装置
CN107392929A (zh) * 2017-07-17 2017-11-24 河海大学常州校区 一种基于人眼视觉模型的智能化目标检测及尺寸测量方法
CN108088381A (zh) * 2017-12-13 2018-05-29 湖北汽车工业学院 一种基于图像处理的非接触式微小间隙宽度测量方法
CN109115800A (zh) * 2018-08-20 2019-01-01 深圳市杰恩世智能科技有限公司 一种产品毛刺的快速检测及长度精确测量方法
US20190087738A1 (en) * 2017-09-20 2019-03-21 Siemens Aktiengesellschaft Method, apparatus and device for detecting abnormal data, and machine-readable medium

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106339710A (zh) * 2016-08-25 2017-01-18 凌云光技术集团有限责任公司 一种边缘宽度缺陷检测方法及装置
CN107392929A (zh) * 2017-07-17 2017-11-24 河海大学常州校区 一种基于人眼视觉模型的智能化目标检测及尺寸测量方法
US20190087738A1 (en) * 2017-09-20 2019-03-21 Siemens Aktiengesellschaft Method, apparatus and device for detecting abnormal data, and machine-readable medium
CN108088381A (zh) * 2017-12-13 2018-05-29 湖北汽车工业学院 一种基于图像处理的非接触式微小间隙宽度测量方法
CN109115800A (zh) * 2018-08-20 2019-01-01 深圳市杰恩世智能科技有限公司 一种产品毛刺的快速检测及长度精确测量方法

Similar Documents

Publication Publication Date Title
EP3309704B1 (en) Two-dimensional code partitioning and decoding method and system
US9230148B2 (en) Method and system for binarization of two dimensional code image
CN108573471B (zh) 图像处理装置、图像处理方法以及记录介质
CN108229232B (zh) 批量扫描二维码的方法和批量扫描二维码的装置
CN112651256A (zh) 二维码识别方法、装置、计算机设备及存储介质
CN112668629A (zh) 基于图片识别的智能仓储方法、系统、设备及存储介质
CN109726195B (zh) 一种数据增强方法及装置
US20220398716A1 (en) Method of detecting product defects, electronic device, and storage medium
CN111339979A (zh) 基于特征提取的图像识别方法及图像识别装置
CN113313135A (zh) 打标控制方法、装置及计算机可读存储介质
CN105761256B (zh) 图像的亚像素边缘直线获取方法及装置
CN110070050B (zh) 目标检测方法及系统
CN117496560B (zh) 一种基于多维向量的指纹纹线识别方法及装置
CN107909573B (zh) 金属工件环形表面刀纹检测方法及装置
US10223568B2 (en) Barcode decoding method
CN112949629A (zh) 目标检测方法、装置、计算机设备及可读存储介质
CN113989489A (zh) 非平滑边缘的距离检测方法和系统
CN111950562A (zh) 图片处理方法、装置、终端设备和存储介质
CN115601564B (zh) 基于图像识别的胶体轮廓检测方法及系统
CN115661131B (zh) 一种图像识别方法、装置、电子设备及存储介质
CN108629219B (zh) 一种识别一维码的方法及装置
CN112785595A (zh) 目标属性检测、神经网络训练及智能行驶方法、装置
CN112579810A (zh) 印刷电路板分类方法、装置、计算机设备和存储介质
CN113239738B (zh) 一种图像的模糊检测方法及模糊检测装置
CN112650741B (zh) 异常数据的识别与修正方法、系统、设备及可读存储介质

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